You are on page 1of 92

Probabilidade e Estat stica

Joelson Campos e Patr cia Batista Leal


UAEst/CCT/UFCG

Patricia

Probabilidade e Estat stica - Per odo 2012.2

Modelos Probabil sticos


Motiva c ao Em muitas situa c oes, alguns experimentos aleat orios apresentam caracter sticas bastante peculiares. Este fato possibilita que, uma vez identicadas estas caracter sticas, um particular modelo probabil stico seja proposto para modelar o fen omeno em estudo.

neste contexto, que passaremos ao estudo de alguns dos princiE pais modelos probabil sticos (tanto para vari aveis aleat orias discretas quanto para cont nuas).

Patricia

Probabilidade e Estat stica - Per odo 2012.2

Modelos Probabil sticos para Vari aveis Aleat orias Discretas


1

Modelo de Bernoulli; Modelo Binomial; Modelo Hipergeom etrico; Modelo Geom etrico e Modelo de Poisson.

Patricia

Probabilidade e Estat stica - Per odo 2012.2

Distribui c ao de Bernoulli
Em muitos experimentos os resultados s ao tais que ocorre ou n ao ocorre determinada caracter stica. Por exemplo:
1

Ao lan car uma moeda: o resultado ou e cara, ou n ao (ocorrendo, ent ao, coroa); Ao lan car um dado: ocorre n umero par ou n ao (ocorrendo n umero mpar); Uma pessoa e escolhida ao acaso dentre 1000: ou ela e do sexo masculino ou n ao ( e do sexo feminino); Uma pessoa e escolhida ao acaso dentre 1000: ou ela e favor avel a um determinado projeto governamental ou n ao.

Patricia

Probabilidade e Estat stica - Per odo 2012.2

Distribui c ao de Bernoulli
Em muitos experimentos os resultados s ao tais que ocorre ou n ao ocorre determinada caracter stica. Por exemplo:
1

Ao lan car uma moeda: o resultado ou e cara, ou n ao (ocorrendo, ent ao, coroa); Ao lan car um dado: ocorre n umero par ou n ao (ocorrendo n umero mpar); Uma pessoa e escolhida ao acaso dentre 1000: ou ela e do sexo masculino ou n ao ( e do sexo feminino); Uma pessoa e escolhida ao acaso dentre 1000: ou ela e favor avel a um determinado projeto governamental ou n ao.

Patricia

Probabilidade e Estat stica - Per odo 2012.2

Distribui c ao de Bernoulli
Em muitos experimentos os resultados s ao tais que ocorre ou n ao ocorre determinada caracter stica. Por exemplo:
1

Ao lan car uma moeda: o resultado ou e cara, ou n ao (ocorrendo, ent ao, coroa); Ao lan car um dado: ocorre n umero par ou n ao (ocorrendo n umero mpar); Uma pessoa e escolhida ao acaso dentre 1000: ou ela e do sexo masculino ou n ao ( e do sexo feminino); Uma pessoa e escolhida ao acaso dentre 1000: ou ela e favor avel a um determinado projeto governamental ou n ao.

Patricia

Probabilidade e Estat stica - Per odo 2012.2

Distribui c ao de Bernoulli
Em muitos experimentos os resultados s ao tais que ocorre ou n ao ocorre determinada caracter stica. Por exemplo:
1

Ao lan car uma moeda: o resultado ou e cara, ou n ao (ocorrendo, ent ao, coroa); Ao lan car um dado: ocorre n umero par ou n ao (ocorrendo n umero mpar); Uma pessoa e escolhida ao acaso dentre 1000: ou ela e do sexo masculino ou n ao ( e do sexo feminino); Uma pessoa e escolhida ao acaso dentre 1000: ou ela e favor avel a um determinado projeto governamental ou n ao.

Patricia

Probabilidade e Estat stica - Per odo 2012.2

Distribui c ao de Bernoulli
Em todas estes casos, estamos interessados na ocorr encia (sucesso) ou n ao (fracasso) de determinada caracter stica. Ent ao, para cada experimento acima podemos denir uma v.a. X , que assume valores: 1, se ocorrer sucesso, e 0, se ocorrer fracasso. E, indicaremos por p a probabilidade de sucesso, isto e, P (sucesso) = P (X = 1) = p, 0 < p < 1.

Patricia

Probabilidade e Estat stica - Per odo 2012.2

Distribui c ao de Bernoulli
Uma vari avel aleat oria X , que assume apenas os valores 0 e 1, e dita ter distribui c ao de Bernoulli com par ametro p, 0 < p < 1, se sua fun c ao de probabilidade e dada por P (X = x) = p, se x = 1 1 p, se x = 0

Nota c ao: X Ber(p). Observa c ao: Experimentos que resultam numa v.a. de Bernoulli s ao chamados ensaios de Bernoulli.

Patricia

Probabilidade e Estat stica - Per odo 2012.2

Propriedades
E (X ) = p V ar(X ) = p(1 p) Exemplo 1 Ao lan car um dado perfeito, considere a vari avel X : ocorre n umero menor que 3. Qual a distribui c ao de X ? Obtenha os valores de E (X ) e V ar(X ).

Patricia

Probabilidade e Estat stica - Per odo 2012.2

Propriedades
E (X ) = p V ar(X ) = p(1 p) Exemplo 1 Ao lan car um dado perfeito, considere a vari avel X : ocorre n umero menor que 3. Qual a distribui c ao de X ? Obtenha os valores de E (X ) e V ar(X ).

Patricia

Probabilidade e Estat stica - Per odo 2012.2

Propriedades
E (X ) = p V ar(X ) = p(1 p) Exemplo 1 Ao lan car um dado perfeito, considere a vari avel X : ocorre n umero menor que 3. Qual a distribui c ao de X ? Obtenha os valores de E (X ) e V ar(X ).

Patricia

Probabilidade e Estat stica - Per odo 2012.2

Propriedades
E (X ) = p V ar(X ) = p(1 p) Exemplo 1 Ao lan car um dado perfeito, considere a vari avel X : ocorre n umero menor que 3. Qual a distribui c ao de X ? Obtenha os valores de E (X ) e V ar(X ).

Patricia

Probabilidade e Estat stica - Per odo 2012.2

Distribui c ao Binomial
Deni c ao (Experimento Binomial) Um experimento binomial consiste de n tentativas independentes de um mesmo experimento aleat orio, onde cada tentativa admite apenas dois resultados: sucesso, com probabilidade p, e fracasso, com probabilidade 1 p. Pode-se dizer ainda que um experimento binomial consiste de n ensaios independentes de Bernoulli, cuja probabilidade de sucesso em cada ensaio e constante e igual a p, 0 < p < 1. Deni c ao (Vari avel Aleat oria Binomial) Uma vari avel aleat oria denida como X : n umero de sucessos num experimento binomial e dita ser uma Vari avel Aleat oria Binomial com par ametros n e p.

Patricia

Probabilidade e Estat stica - Per odo 2012.2

Distribui c ao Binomial
Deni c ao (Experimento Binomial) Um experimento binomial consiste de n tentativas independentes de um mesmo experimento aleat orio, onde cada tentativa admite apenas dois resultados: sucesso, com probabilidade p, e fracasso, com probabilidade 1 p. Pode-se dizer ainda que um experimento binomial consiste de n ensaios independentes de Bernoulli, cuja probabilidade de sucesso em cada ensaio e constante e igual a p, 0 < p < 1. Deni c ao (Vari avel Aleat oria Binomial) Uma vari avel aleat oria denida como X : n umero de sucessos num experimento binomial e dita ser uma Vari avel Aleat oria Binomial com par ametros n e p.

Patricia

Probabilidade e Estat stica - Per odo 2012.2

Distribui c ao Binomial
Teorema Se X e uma vari avel aleat oria binomial com par ametros n e p, ent ao P (X = k ) = n k pk (1 p)nk , k = 0, 1, ..., n,

onde k e o n umero de sucessos nos n ensaios. Nota c ao: X B (n, p).

Patricia

Probabilidade e Estat stica - Per odo 2012.2

Propriedades
E (X ) = np V ar(X ) = np(1 p)

Patricia

Probabilidade e Estat stica - Per odo 2012.2

Propriedades
E (X ) = np V ar(X ) = np(1 p)

Patricia

Probabilidade e Estat stica - Per odo 2012.2

Propriedades
E (X ) = np V ar(X ) = np(1 p)

Patricia

Probabilidade e Estat stica - Per odo 2012.2

Exemplo 2
Um fabricante de pe cas de autom ovel garante que uma caixa de suas pe cas conter a, no m aximo, duas defeituosas. Sabe-se que uma caixa cont em 20 pe cas, e a experi encia tem demonstrado que, em seu processo de fabrica c ao, 6 % das pe cas s ao defeituosas. Selecionada uma dessas caixas, ao acaso, encontre: a) A probabilidade de que nenhum dos itens tenha defeito; b) A probabilidade de que todas as pe cas sejam defeituosas; c) A probabilidade de que a caixa satisfa ca a garantia; d) O n umero de pe cas defeituosas esperadas nesta caixa.

Patricia

Probabilidade e Estat stica - Per odo 2012.2

Exemplo 2
Um fabricante de pe cas de autom ovel garante que uma caixa de suas pe cas conter a, no m aximo, duas defeituosas. Sabe-se que uma caixa cont em 20 pe cas, e a experi encia tem demonstrado que, em seu processo de fabrica c ao, 6 % das pe cas s ao defeituosas. Selecionada uma dessas caixas, ao acaso, encontre: a) A probabilidade de que nenhum dos itens tenha defeito; b) A probabilidade de que todas as pe cas sejam defeituosas; c) A probabilidade de que a caixa satisfa ca a garantia; d) O n umero de pe cas defeituosas esperadas nesta caixa.

Patricia

Probabilidade e Estat stica - Per odo 2012.2

Exemplo 2
Um fabricante de pe cas de autom ovel garante que uma caixa de suas pe cas conter a, no m aximo, duas defeituosas. Sabe-se que uma caixa cont em 20 pe cas, e a experi encia tem demonstrado que, em seu processo de fabrica c ao, 6 % das pe cas s ao defeituosas. Selecionada uma dessas caixas, ao acaso, encontre: a) A probabilidade de que nenhum dos itens tenha defeito; b) A probabilidade de que todas as pe cas sejam defeituosas; c) A probabilidade de que a caixa satisfa ca a garantia; d) O n umero de pe cas defeituosas esperadas nesta caixa.

Patricia

Probabilidade e Estat stica - Per odo 2012.2

Exemplo 2
Um fabricante de pe cas de autom ovel garante que uma caixa de suas pe cas conter a, no m aximo, duas defeituosas. Sabe-se que uma caixa cont em 20 pe cas, e a experi encia tem demonstrado que, em seu processo de fabrica c ao, 6 % das pe cas s ao defeituosas. Selecionada uma dessas caixas, ao acaso, encontre: a) A probabilidade de que nenhum dos itens tenha defeito; b) A probabilidade de que todas as pe cas sejam defeituosas; c) A probabilidade de que a caixa satisfa ca a garantia; d) O n umero de pe cas defeituosas esperadas nesta caixa.

Patricia

Probabilidade e Estat stica - Per odo 2012.2

Exemplo: Overbooking
Overbooking e uma pr atica realizada na avia c ao no mundo todo. Consiste na empresa a erea vender mais bilhetes do que o dispon vel no voo com base na m edia de desist encias dos voos anteriores. Uma empresa a erea possui um avi ao com capacidade para 100 lugares, se para um certo v oo essa empresa vendeu 103 passagens e, admitindo que a probabilidade de um passageiro n ao comparecer para embarque e de 7 %, qual a probabilidade de algum passageiro n ao conseguir embarcar?

Patricia

Probabilidade e Estat stica - Per odo 2012.2

Exemplo: Overbooking
Overbooking e uma pr atica realizada na avia c ao no mundo todo. Consiste na empresa a erea vender mais bilhetes do que o dispon vel no voo com base na m edia de desist encias dos voos anteriores. Uma empresa a erea possui um avi ao com capacidade para 100 lugares, se para um certo v oo essa empresa vendeu 103 passagens e, admitindo que a probabilidade de um passageiro n ao comparecer para embarque e de 7 %, qual a probabilidade de algum passageiro n ao conseguir embarcar?

Patricia

Probabilidade e Estat stica - Per odo 2012.2

Distribui c ao Hipergeom etrica


Considere uma popula c ao (conjunto) composta de N objetos, r dos quais t em uma certa caracter stica A, logo, N r n ao t em a caao escolhidos ao racter stica A (A). Suponha que n desses objetos s acaso sem reposi c ao e que estamos interessados na vari avel X : n umero de elementos que possuem a caracter stica A dentre os n. Ent ao, a vari avel denida desta forma e dita ter distribui c ao hipergeom etrica com par ametros N , r e n e fun c ao de probabilidade dada por x P (X = x) =
r

nx
N

N r

, x = max{0, nN +r}, ..., min{r, n}.

Nota c ao: X hip(N, r, n).


Patricia Probabilidade e Estat stica - Per odo 2012.2

Distribui c ao Hipergeom etrica


Considere uma popula c ao (conjunto) composta de N objetos, r dos quais t em uma certa caracter stica A, logo, N r n ao t em a caao escolhidos ao racter stica A (A). Suponha que n desses objetos s acaso sem reposi c ao e que estamos interessados na vari avel X : n umero de elementos que possuem a caracter stica A dentre os n. Ent ao, a vari avel denida desta forma e dita ter distribui c ao hipergeom etrica com par ametros N , r e n e fun c ao de probabilidade dada por x P (X = x) =
r

nx
N

N r

, x = max{0, nN +r}, ..., min{r, n}.

Nota c ao: X hip(N, r, n).


Patricia Probabilidade e Estat stica - Per odo 2012.2

Distribui c ao Hipergeom etrica


Considere uma popula c ao (conjunto) composta de N objetos, r dos quais t em uma certa caracter stica A, logo, N r n ao t em a caao escolhidos ao racter stica A (A). Suponha que n desses objetos s acaso sem reposi c ao e que estamos interessados na vari avel X : n umero de elementos que possuem a caracter stica A dentre os n. Ent ao, a vari avel denida desta forma e dita ter distribui c ao hipergeom etrica com par ametros N , r e n e fun c ao de probabilidade dada por x P (X = x) =
r

nx
N

N r

, x = max{0, nN +r}, ..., min{r, n}.

Nota c ao: X hip(N, r, n).


Patricia Probabilidade e Estat stica - Per odo 2012.2

Propriedades
E (X ) = np
n V ar(X ) = np(1 p) N N 1 , r onde p = N e a probabilidade de se obter um objeto com a caracter stica A numa u nica extra c ao.

Observa c ao: Quando a popula c ao e muito grande, ou seja, N , quando comparado com n, a retirada ao acaso, com ou sem reposi c ao, ser ao praticamente equivalentes, de modo que a distribui c ao hipergeom etrica se aproxima da distribui c ao binomial.

Patricia

Probabilidade e Estat stica - Per odo 2012.2

Propriedades
E (X ) = np
n V ar(X ) = np(1 p) N N 1 , r onde p = N e a probabilidade de se obter um objeto com a caracter stica A numa u nica extra c ao.

Observa c ao: Quando a popula c ao e muito grande, ou seja, N , quando comparado com n, a retirada ao acaso, com ou sem reposi c ao, ser ao praticamente equivalentes, de modo que a distribui c ao hipergeom etrica se aproxima da distribui c ao binomial.

Patricia

Probabilidade e Estat stica - Per odo 2012.2

Propriedades
E (X ) = np
n V ar(X ) = np(1 p) N N 1 , r onde p = N e a probabilidade de se obter um objeto com a caracter stica A numa u nica extra c ao.

Observa c ao: Quando a popula c ao e muito grande, ou seja, N , quando comparado com n, a retirada ao acaso, com ou sem reposi c ao, ser ao praticamente equivalentes, de modo que a distribui c ao hipergeom etrica se aproxima da distribui c ao binomial.

Patricia

Probabilidade e Estat stica - Per odo 2012.2

Propriedades
E (X ) = np
n V ar(X ) = np(1 p) N N 1 , r onde p = N e a probabilidade de se obter um objeto com a caracter stica A numa u nica extra c ao.

Observa c ao: Quando a popula c ao e muito grande, ou seja, N , quando comparado com n, a retirada ao acaso, com ou sem reposi c ao, ser ao praticamente equivalentes, de modo que a distribui c ao hipergeom etrica se aproxima da distribui c ao binomial.

Patricia

Probabilidade e Estat stica - Per odo 2012.2

Propriedades
E (X ) = np
n V ar(X ) = np(1 p) N N 1 , r onde p = N e a probabilidade de se obter um objeto com a caracter stica A numa u nica extra c ao.

Observa c ao: Quando a popula c ao e muito grande, ou seja, N , quando comparado com n, a retirada ao acaso, com ou sem reposi c ao, ser ao praticamente equivalentes, de modo que a distribui c ao hipergeom etrica se aproxima da distribui c ao binomial.

Patricia

Probabilidade e Estat stica - Per odo 2012.2

Exemplo 3
Em problemas de controle de qualidade, lotes com N itens s ao examinados. Se num certo lote de 100 itens, dentre os quais 10 s ao defeituosos, voc e escolhe ao acaso 5 itens, sem reposi c ao, a) qual e a probabilidade de nenhum item ser defeituoso? b) qual e a probabilidade de n ao mais do que um item seja defeituoso? c) qual e o n umero esperado de itens defeituosos?

Patricia

Probabilidade e Estat stica - Per odo 2012.2

Exemplo 3
Em problemas de controle de qualidade, lotes com N itens s ao examinados. Se num certo lote de 100 itens, dentre os quais 10 s ao defeituosos, voc e escolhe ao acaso 5 itens, sem reposi c ao, a) qual e a probabilidade de nenhum item ser defeituoso? b) qual e a probabilidade de n ao mais do que um item seja defeituoso? c) qual e o n umero esperado de itens defeituosos?

Patricia

Probabilidade e Estat stica - Per odo 2012.2

Exemplo 3
Em problemas de controle de qualidade, lotes com N itens s ao examinados. Se num certo lote de 100 itens, dentre os quais 10 s ao defeituosos, voc e escolhe ao acaso 5 itens, sem reposi c ao, a) qual e a probabilidade de nenhum item ser defeituoso? b) qual e a probabilidade de n ao mais do que um item seja defeituoso? c) qual e o n umero esperado de itens defeituosos?

Patricia

Probabilidade e Estat stica - Per odo 2012.2

Distribui c ao Geom etrica


Considere um experimento cujos resultados podem ser classicados como sucesso ou fracasso. Seja p a probabilidade de sucesso, logo, 1p e a probabilidade de fracasso. Considere a vari avel aleat oria: X : n umero de ensaios at e ocorrer o primeiro sucesso. Se os ensaios s ao independentes, ent ao a vari avel aleat oria denida dessa forma e dita ter distribui c ao geom etrica com par ametro p e fun c ao de probabilidade dada por P (X = x) = (1 p)x1 p, Nota c ao: X G(p).
Patricia Probabilidade e Estat stica - Per odo 2012.2

x = 1, 2, ...

Distribui c ao Geom etrica


Considere um experimento cujos resultados podem ser classicados como sucesso ou fracasso. Seja p a probabilidade de sucesso, logo, 1p e a probabilidade de fracasso. Considere a vari avel aleat oria: X : n umero de ensaios at e ocorrer o primeiro sucesso. Se os ensaios s ao independentes, ent ao a vari avel aleat oria denida dessa forma e dita ter distribui c ao geom etrica com par ametro p e fun c ao de probabilidade dada por P (X = x) = (1 p)x1 p, Nota c ao: X G(p).
Patricia Probabilidade e Estat stica - Per odo 2012.2

x = 1, 2, ...

Distribui c ao Geom etrica


Considere um experimento cujos resultados podem ser classicados como sucesso ou fracasso. Seja p a probabilidade de sucesso, logo, 1p e a probabilidade de fracasso. Considere a vari avel aleat oria: X : n umero de ensaios at e ocorrer o primeiro sucesso. Se os ensaios s ao independentes, ent ao a vari avel aleat oria denida dessa forma e dita ter distribui c ao geom etrica com par ametro p e fun c ao de probabilidade dada por P (X = x) = (1 p)x1 p, Nota c ao: X G(p).
Patricia Probabilidade e Estat stica - Per odo 2012.2

x = 1, 2, ...

Propriedades
1 E (X ) = p .

V ar(X ) =

1p . p2

Exemplo 4: A probabilidade de encontrar aberto o sinal de tr ansito numa esquina e 0,15. Qual a probabilidade de que seja necess ario passar pelo local 4 vezes, para encontrar o sinal aberto pela primeira vez?

Patricia

Probabilidade e Estat stica - Per odo 2012.2

Propriedades
1 E (X ) = p .

V ar(X ) =

1p . p2

Exemplo 4: A probabilidade de encontrar aberto o sinal de tr ansito numa esquina e 0,15. Qual a probabilidade de que seja necess ario passar pelo local 4 vezes, para encontrar o sinal aberto pela primeira vez?

Patricia

Probabilidade e Estat stica - Per odo 2012.2

Propriedades
1 E (X ) = p .

V ar(X ) =

1p . p2

Exemplo 4: A probabilidade de encontrar aberto o sinal de tr ansito numa esquina e 0,15. Qual a probabilidade de que seja necess ario passar pelo local 4 vezes, para encontrar o sinal aberto pela primeira vez?

Patricia

Probabilidade e Estat stica - Per odo 2012.2

Distribui c ao de Poisson
Suponha, agora, que o interessse num certo experimento seja contar o n umero de ocorr encia de um certo evento, o qual pode ocorrer durante um intervalo de tempo, ao longo de uma superf cie ou volume. Por exemplo:
1

Durante o intervalo de uma hora, observar o n umero de carros que passam numa rodovia; Ao inspecionar a pintura de um carro, deseja-se observar o n umero de falhas; Ao realizar o controle de qualidade de um produto aliment cio, deseja-se conhecer o n umero de bact erias.

Patricia

Probabilidade e Estat stica - Per odo 2012.2

Distribui c ao de Poisson
Em todas estas condi c oes poderemos trabalhar com a seguinte distribui c ao de probabilidade: Deni c ao (Distribui c ao de Poisson) Dizemos que a vari avel aleat oria X : n umero de ocorr encia de um certo evento num determinado intervalo de tempo, superf cie ou volume, tem distribui c ao de Poisson com par ametro ( > 0), se sua fun c ao de probabilidade e dada por P (X = x) = Nota c ao: X P oisson(). O par ametro e usualmente referido como a taxa de ocorr encia e diz respeito ao n umero de eventos de certo tipo que ocorrem em um intervalo de tempo, ou dist ancia, ou area, ou volume.
Patricia Probabilidade e Estat stica - Per odo 2012.2

e x , x = 0, 1, 2, ... x!

Propriedades
E (X ) = V ar(X ) = Observa c ao: Se X tem distribui c ao Binomial, ou seja, X B (n, p), em que n e bastante grande com p pequeno, de modo que np 7, ent ao a distribui c ao de X se aproxima da distribui c ao de Poisson com par ametro = np, isto e, X P oisson(np).

Patricia

Probabilidade e Estat stica - Per odo 2012.2

Propriedades
E (X ) = V ar(X ) = Observa c ao: Se X tem distribui c ao Binomial, ou seja, X B (n, p), em que n e bastante grande com p pequeno, de modo que np 7, ent ao a distribui c ao de X se aproxima da distribui c ao de Poisson com par ametro = np, isto e, X P oisson(np).

Patricia

Probabilidade e Estat stica - Per odo 2012.2

Propriedades
E (X ) = V ar(X ) = Observa c ao: Se X tem distribui c ao Binomial, ou seja, X B (n, p), em que n e bastante grande com p pequeno, de modo que np 7, ent ao a distribui c ao de X se aproxima da distribui c ao de Poisson com par ametro = np, isto e, X P oisson(np).

Patricia

Probabilidade e Estat stica - Per odo 2012.2

Exemplo 5
Uma companhia recebe uma m edia de 5 chamadas por minuto. Obtenha: a) A probabilidade de que a companhia n ao receba chamadas durante o intervalo de 1 minuto. b) A probabilidade de que a companhia receba, no m aximo, 2 chamadas em 4 minutos.

Patricia

Probabilidade e Estat stica - Per odo 2012.2

Exemplo 6
Seja X B (200, 0, 01). Calcular P (X = 10) usando a distribui c ao binomial e compare com o valor aproximado pela Poisson. Resp.: 3,326105 e 3,819105

Patricia

Probabilidade e Estat stica - Per odo 2012.2

Exemplo 6
Seja X B (200, 0, 01). Calcular P (X = 10) usando a distribui c ao binomial e compare com o valor aproximado pela Poisson. Resp.: 3,326105 e 3,819105

Patricia

Probabilidade e Estat stica - Per odo 2012.2

Modelos Probabil sticos para Vari aveis Aleat orias Cont nuas
1

Modelo Uniforme; Modelo Exponencial e Modelo Normal (ou Gaussiano).

Patricia

Probabilidade e Estat stica - Per odo 2012.2

Distribui c ao Uniforme
Deni c ao (Distribui c ao Uniforme) Uma vari avel aleat oria cont nua X e dita ter distribui c ao uniforme se a sua f.d.p. e da forma f (x) = Nota c ao: X U (a, b). se a < x < b 0, caso contr ario
1 ba ,

Patricia

Probabilidade e Estat stica - Per odo 2012.2

Propriedades
E (X ) =
a+b 2 (ba)2 12

V ar(X ) =

(Construa um gr afico que ilustre a forma da f.d.p. de uma uniforme qualquer)

Patricia

Probabilidade e Estat stica - Per odo 2012.2

Propriedades
E (X ) =
a+b 2 (ba)2 12

V ar(X ) =

(Construa um gr afico que ilustre a forma da f.d.p. de uma uniforme qualquer)

Patricia

Probabilidade e Estat stica - Per odo 2012.2

Propriedades
E (X ) =
a+b 2 (ba)2 12

V ar(X ) =

(Construa um gr afico que ilustre a forma da f.d.p. de uma uniforme qualquer)

Patricia

Probabilidade e Estat stica - Per odo 2012.2

Exemplo 1
Admite-se que uma pane pode ocorrer em qualquer ponto de uma rede el etrica de 10 Km. a) Qual a probabilidade da pane ocorrer nos primeiros 500 metros? E de ocorrer nos 3 quil ometros centrais da rede? b) O custo de reparo da rede depende da dist ancia do centro de servi co ao local da pane. Considere que o centro de servi co est a na origem da rede e que o custo e de R$ 200,00 para dist ancias de at e 3 Km, de R$ 400,00 para dist ancias entre 3 Km e 8 Km, e de R$ 1000,00 para dist ancias acima de 8 Km. Qual e o custo m edio do conserto?

Patricia

Probabilidade e Estat stica - Per odo 2012.2

Exemplo 1
Admite-se que uma pane pode ocorrer em qualquer ponto de uma rede el etrica de 10 Km. a) Qual a probabilidade da pane ocorrer nos primeiros 500 metros? E de ocorrer nos 3 quil ometros centrais da rede? b) O custo de reparo da rede depende da dist ancia do centro de servi co ao local da pane. Considere que o centro de servi co est a na origem da rede e que o custo e de R$ 200,00 para dist ancias de at e 3 Km, de R$ 400,00 para dist ancias entre 3 Km e 8 Km, e de R$ 1000,00 para dist ancias acima de 8 Km. Qual e o custo m edio do conserto?

Patricia

Probabilidade e Estat stica - Per odo 2012.2

Distribui c ao Exponencial
Deni c ao (Distribui c ao Exponencial) Uma vari avel aleat oria cont nua X , assumindo todos os valores n ao negativos, ter a distribui c ao exponencial com par ametro > 0, se sua f.d.p. e dada por f (x) = Nota c ao: X Exp(). ex , x > 0 0, c.c.

Patricia

Probabilidade e Estat stica - Per odo 2012.2

Propriedades
(i) E (X ) =
1

e V ar(X ) =

1 . 2

(ii) A fun c ao de distribui c ao acumulada F de uma exponencial com par ametro e dada por F (x) = 1 ex , x > 0. Observa c ao: Da , segue que P (X > x) = ex . (iii) (Falta de mem oria) Para todo s, t > 0, teremos P (X > s + t | X > s) = P (X > t) . (Construa um gr afico que ilustre a forma da f.d.p. de uma exponencial qualquer)

Patricia

Probabilidade e Estat stica - Per odo 2012.2

Propriedades
(i) E (X ) =
1

e V ar(X ) =

1 . 2

(ii) A fun c ao de distribui c ao acumulada F de uma exponencial com par ametro e dada por F (x) = 1 ex , x > 0. Observa c ao: Da , segue que P (X > x) = ex . (iii) (Falta de mem oria) Para todo s, t > 0, teremos P (X > s + t | X > s) = P (X > t) . (Construa um gr afico que ilustre a forma da f.d.p. de uma exponencial qualquer)

Patricia

Probabilidade e Estat stica - Per odo 2012.2

Propriedades
(i) E (X ) =
1

e V ar(X ) =

1 . 2

(ii) A fun c ao de distribui c ao acumulada F de uma exponencial com par ametro e dada por F (x) = 1 ex , x > 0. Observa c ao: Da , segue que P (X > x) = ex . (iii) (Falta de mem oria) Para todo s, t > 0, teremos P (X > s + t | X > s) = P (X > t) . (Construa um gr afico que ilustre a forma da f.d.p. de uma exponencial qualquer)

Patricia

Probabilidade e Estat stica - Per odo 2012.2

Propriedades
(i) E (X ) =
1

e V ar(X ) =

1 . 2

(ii) A fun c ao de distribui c ao acumulada F de uma exponencial com par ametro e dada por F (x) = 1 ex , x > 0. Observa c ao: Da , segue que P (X > x) = ex . (iii) (Falta de mem oria) Para todo s, t > 0, teremos P (X > s + t | X > s) = P (X > t) . (Construa um gr afico que ilustre a forma da f.d.p. de uma exponencial qualquer)

Patricia

Probabilidade e Estat stica - Per odo 2012.2

Propriedades
(i) E (X ) =
1

e V ar(X ) =

1 . 2

(ii) A fun c ao de distribui c ao acumulada F de uma exponencial com par ametro e dada por F (x) = 1 ex , x > 0. Observa c ao: Da , segue que P (X > x) = ex . (iii) (Falta de mem oria) Para todo s, t > 0, teremos P (X > s + t | X > s) = P (X > t) . (Construa um gr afico que ilustre a forma da f.d.p. de uma exponencial qualquer)

Patricia

Probabilidade e Estat stica - Per odo 2012.2

Exemplo 2
O tempo de vida (em horas) de um transistor pode ser considerado uma vari avel aleat oria com distribui c ao exponencial cuja m edia e igual a 500 horas. De acordo com essas caracter sticas, qual ea probabilidade de que um determinado transistor dure mais do que 520 horas?

Patricia

Probabilidade e Estat stica - Per odo 2012.2

Exemplo 3
Seja X o tempo, em minutos, de detec c oes de uma part cula com um contador geiger. Suponhamos que X tem distribui c ao exponencial com = 1, 4. a) Qual a probabilidade de detectarmos uma part cula dentro de 30 segundos a partir do momento em que o contador entra em funcionamento? b) Suponha agora que ligamos o contador geiger e 3 minutos se passaram sem que qualquer part cula fosse detectada. Qual a probabilidade de que uma part cula seja detectada: (i) nos pr oximos 30 segundos? (ii) ap os 4 minutos do momento em que o contador entrou em funcionamento?

Patricia

Probabilidade e Estat stica - Per odo 2012.2

Exemplo 3
Seja X o tempo, em minutos, de detec c oes de uma part cula com um contador geiger. Suponhamos que X tem distribui c ao exponencial com = 1, 4. a) Qual a probabilidade de detectarmos uma part cula dentro de 30 segundos a partir do momento em que o contador entra em funcionamento? b) Suponha agora que ligamos o contador geiger e 3 minutos se passaram sem que qualquer part cula fosse detectada. Qual a probabilidade de que uma part cula seja detectada: (i) nos pr oximos 30 segundos? (ii) ap os 4 minutos do momento em que o contador entrou em funcionamento?

Patricia

Probabilidade e Estat stica - Per odo 2012.2

Exemplo 3
Seja X o tempo, em minutos, de detec c oes de uma part cula com um contador geiger. Suponhamos que X tem distribui c ao exponencial com = 1, 4. a) Qual a probabilidade de detectarmos uma part cula dentro de 30 segundos a partir do momento em que o contador entra em funcionamento? b) Suponha agora que ligamos o contador geiger e 3 minutos se passaram sem que qualquer part cula fosse detectada. Qual a probabilidade de que uma part cula seja detectada: (i) nos pr oximos 30 segundos? (ii) ap os 4 minutos do momento em que o contador entrou em funcionamento?

Patricia

Probabilidade e Estat stica - Per odo 2012.2

Distribui c ao Normal (ou Gaussiana)


Deni c ao (Densidade Normal com m edia e vari ancia 2 ) Seja X uma vari avel aleat oria cont nua denida nos n umeros reais. Dizemos que X tem densidade Normal com m edia e vari ancia 2 se a densidade de X e: f (x) = Nota c ao: X N (, 2 )
1 x 2 1 e 2 ( ) . 2

Patricia

Probabilidade e Estat stica - Per odo 2012.2

Propriedades da Distribui c ao Normal


1) f (x) integra a 1, ou seja, a area sob a curva da normal e igual a 1. 2) f (x) 0, para qualquer valor real. 3) Os limites de f (x) quando x tende a e + s ao iguais a zero. 4) A densidade N (, 2 ) e sim etrica em torno de , ou seja: f ( + x) = f ( x). 5) O valor m aximo de f (x) ocorre em x = . 6) Os pontos de inex ao de f (x) s ao x = e x = + . 7) E (X ) = e V ar(X ) = 2 .

Patricia

Probabilidade e Estat stica - Per odo 2012.2

Propriedades da Distribui c ao Normal


1) f (x) integra a 1, ou seja, a area sob a curva da normal e igual a 1. 2) f (x) 0, para qualquer valor real. 3) Os limites de f (x) quando x tende a e + s ao iguais a zero. 4) A densidade N (, 2 ) e sim etrica em torno de , ou seja: f ( + x) = f ( x). 5) O valor m aximo de f (x) ocorre em x = . 6) Os pontos de inex ao de f (x) s ao x = e x = + . 7) E (X ) = e V ar(X ) = 2 .

Patricia

Probabilidade e Estat stica - Per odo 2012.2

Propriedades da Distribui c ao Normal


1) f (x) integra a 1, ou seja, a area sob a curva da normal e igual a 1. 2) f (x) 0, para qualquer valor real. 3) Os limites de f (x) quando x tende a e + s ao iguais a zero. 4) A densidade N (, 2 ) e sim etrica em torno de , ou seja: f ( + x) = f ( x). 5) O valor m aximo de f (x) ocorre em x = . 6) Os pontos de inex ao de f (x) s ao x = e x = + . 7) E (X ) = e V ar(X ) = 2 .

Patricia

Probabilidade e Estat stica - Per odo 2012.2

Propriedades da Distribui c ao Normal


1) f (x) integra a 1, ou seja, a area sob a curva da normal e igual a 1. 2) f (x) 0, para qualquer valor real. 3) Os limites de f (x) quando x tende a e + s ao iguais a zero. 4) A densidade N (, 2 ) e sim etrica em torno de , ou seja: f ( + x) = f ( x). 5) O valor m aximo de f (x) ocorre em x = . 6) Os pontos de inex ao de f (x) s ao x = e x = + . 7) E (X ) = e V ar(X ) = 2 .

Patricia

Probabilidade e Estat stica - Per odo 2012.2

Propriedades da Distribui c ao Normal


1) f (x) integra a 1, ou seja, a area sob a curva da normal e igual a 1. 2) f (x) 0, para qualquer valor real. 3) Os limites de f (x) quando x tende a e + s ao iguais a zero. 4) A densidade N (, 2 ) e sim etrica em torno de , ou seja: f ( + x) = f ( x). 5) O valor m aximo de f (x) ocorre em x = . 6) Os pontos de inex ao de f (x) s ao x = e x = + . 7) E (X ) = e V ar(X ) = 2 .

Patricia

Probabilidade e Estat stica - Per odo 2012.2

Propriedades da Distribui c ao Normal


1) f (x) integra a 1, ou seja, a area sob a curva da normal e igual a 1. 2) f (x) 0, para qualquer valor real. 3) Os limites de f (x) quando x tende a e + s ao iguais a zero. 4) A densidade N (, 2 ) e sim etrica em torno de , ou seja: f ( + x) = f ( x). 5) O valor m aximo de f (x) ocorre em x = . 6) Os pontos de inex ao de f (x) s ao x = e x = + . 7) E (X ) = e V ar(X ) = 2 .

Patricia

Probabilidade e Estat stica - Per odo 2012.2

Propriedades da Distribui c ao Normal


1) f (x) integra a 1, ou seja, a area sob a curva da normal e igual a 1. 2) f (x) 0, para qualquer valor real. 3) Os limites de f (x) quando x tende a e + s ao iguais a zero. 4) A densidade N (, 2 ) e sim etrica em torno de , ou seja: f ( + x) = f ( x). 5) O valor m aximo de f (x) ocorre em x = . 6) Os pontos de inex ao de f (x) s ao x = e x = + . 7) E (X ) = e V ar(X ) = 2 .

Patricia

Probabilidade e Estat stica - Per odo 2012.2

Exemplo 4
Se a vari avel Z tem distribui c ao normal padr ao, isto e, Z N (0, 1), obtenha: 1) P (0 Z 1, 96) 2) P (Z < 1, 64) 3) P (Z < 2, 57) 4) o valor z , na tabela da normal padr ao, tal que, P (Z < z ) = 0, 025.

Patricia

Probabilidade e Estat stica - Per odo 2012.2

Exemplo 4
Se a vari avel Z tem distribui c ao normal padr ao, isto e, Z N (0, 1), obtenha: 1) P (0 Z 1, 96) 2) P (Z < 1, 64) 3) P (Z < 2, 57) 4) o valor z , na tabela da normal padr ao, tal que, P (Z < z ) = 0, 025.

Patricia

Probabilidade e Estat stica - Per odo 2012.2

Exemplo 4
Se a vari avel Z tem distribui c ao normal padr ao, isto e, Z N (0, 1), obtenha: 1) P (0 Z 1, 96) 2) P (Z < 1, 64) 3) P (Z < 2, 57) 4) o valor z , na tabela da normal padr ao, tal que, P (Z < z ) = 0, 025.

Patricia

Probabilidade e Estat stica - Per odo 2012.2

Exemplo 4
Se a vari avel Z tem distribui c ao normal padr ao, isto e, Z N (0, 1), obtenha: 1) P (0 Z 1, 96) 2) P (Z < 1, 64) 3) P (Z < 2, 57) 4) o valor z , na tabela da normal padr ao, tal que, P (Z < z ) = 0, 025.

Patricia

Probabilidade e Estat stica - Per odo 2012.2

Exemplo 5
Considere X N (100, 25), calcular: a) P (100 X 106) b) P (89 X 107) c) P (12 X 16) d) P (112 X 116) e) P (X 108) f) P (X = 100) g) P (X < 100 ou X > 106)

Patricia

Probabilidade e Estat stica - Per odo 2012.2

Exemplo 5
Considere X N (100, 25), calcular: a) P (100 X 106) b) P (89 X 107) c) P (12 X 16) d) P (112 X 116) e) P (X 108) f) P (X = 100) g) P (X < 100 ou X > 106)

Patricia

Probabilidade e Estat stica - Per odo 2012.2

Exemplo 5
Considere X N (100, 25), calcular: a) P (100 X 106) b) P (89 X 107) c) P (12 X 16) d) P (112 X 116) e) P (X 108) f) P (X = 100) g) P (X < 100 ou X > 106)

Patricia

Probabilidade e Estat stica - Per odo 2012.2

Exemplo 5
Considere X N (100, 25), calcular: a) P (100 X 106) b) P (89 X 107) c) P (12 X 16) d) P (112 X 116) e) P (X 108) f) P (X = 100) g) P (X < 100 ou X > 106)

Patricia

Probabilidade e Estat stica - Per odo 2012.2

Exemplo 5
Considere X N (100, 25), calcular: a) P (100 X 106) b) P (89 X 107) c) P (12 X 16) d) P (112 X 116) e) P (X 108) f) P (X = 100) g) P (X < 100 ou X > 106)

Patricia

Probabilidade e Estat stica - Per odo 2012.2

Exemplo 5
Considere X N (100, 25), calcular: a) P (100 X 106) b) P (89 X 107) c) P (12 X 16) d) P (112 X 116) e) P (X 108) f) P (X = 100) g) P (X < 100 ou X > 106)

Patricia

Probabilidade e Estat stica - Per odo 2012.2

Exemplo 5
Considere X N (100, 25), calcular: a) P (100 X 106) b) P (89 X 107) c) P (12 X 16) d) P (112 X 116) e) P (X 108) f) P (X = 100) g) P (X < 100 ou X > 106)

Patricia

Probabilidade e Estat stica - Per odo 2012.2

Exemplo 6
Sendo X N (50, 16), determinar x , tal que: a) P (X x ) = 0, 05 b) P (X x ) = 0, 99

Patricia

Probabilidade e Estat stica - Per odo 2012.2

Exemplo 6
Sendo X N (50, 16), determinar x , tal que: a) P (X x ) = 0, 05 b) P (X x ) = 0, 99

Patricia

Probabilidade e Estat stica - Per odo 2012.2

Exemplo 7
Uma f abrica de carros sabe que a dura c ao (X ) dos motores de sua fabrica c ao tem distribui c ao aproximadamente normal, com m edia de 150.000 km e desvio padr ao de 5.000 km. Qual a probabilidade de que um carro, escolhido ao acaso, dos fabricados por essa rma, tenha um motor que dure: a) menos de 170.000 km? b) entre 140.000 km e 165.000 km? c) se a f abrica substitui o motor que apresenta dura c ao inferior ` a garantia (g ), qual deve ser esta garantia, para que a porcentagem de motores substitu dos seja aproximadamente igual a 0, 2 %?

Patricia

Probabilidade e Estat stica - Per odo 2012.2

Observa co es
1) P ( < X < + ) = 0, 68268 2) P ( 2 < X < + 2 ) = 0, 9545 3) P ( 3 < X < + 3 ) = 0, 9973

Patricia

Probabilidade e Estat stica - Per odo 2012.2

Observa co es
1) P ( < X < + ) = 0, 68268 2) P ( 2 < X < + 2 ) = 0, 9545 3) P ( 3 < X < + 3 ) = 0, 9973

Patricia

Probabilidade e Estat stica - Per odo 2012.2

Observa co es
1) P ( < X < + ) = 0, 68268 2) P ( 2 < X < + 2 ) = 0, 9545 3) P ( 3 < X < + 3 ) = 0, 9973

Patricia

Probabilidade e Estat stica - Per odo 2012.2