Professional Documents
Culture Documents
k
, k = 0,1,...,
n com 0 p 1, e onde k o n de
P(X = k ) =
p
k
sucessos observados nas n provas, e designa-se por X Bi( n, p) .
Exemplo 1: Suponhamos que numa populao de 500 fusveis 5% so defeituosos. Se
uma amostra de 5 fusveis observada calcule a probabilidade de haver pelo menos um
fusvel defeituoso.
Seja A o acontecimento o fusvel defeituoso, p= P(A)= 0.05, X-n de fusveis
defeituosos na amostra, uma v.a. com distribuio Bi(5, 0.05). Ento,
0 5
= 1 0.774 =
0.226
P(X 1) = 1 P(X = 0) = 1 (0.05) (0.95)
k
= k n k !k!
pk
(
1
p)
n
k
=
k =0
k=
0 k=0 ( )
n
n(n
1)!
k
1
n
k n 1
n
1
k
1
n
k
= pp (1 p) =np(k 1)p
(
1 p) =
k=1
(n k)!(k
1)!
k=1
= np p + 1 p
n
1
=
np
( )
de igual modo podamos calcular E(X
2
)= np(1-p)+(np)
2
e consequentemente teremos
Var(X)=np(1-p).
Isto , se X Bi(n, p) ento E(X) = np e Var(X) = np(1 p), o que mostra que
os parmetros da distribuio esto relacionados com as suas medidas de localizao e
disperso.
NOTA: No caso do exemplo anterior o n mdio de fusveis defeituosos numa amostra
de 5 fusveis 5x0.05=0.25 e a varincia 5x0.05x0.95=0.2375.
Como acontece na maioria dos casos o valor mdio NO um valor assumido pela v.a.
X-n de fusveis defeituosos numa amostra de 5.
Exemplo 2: Suponhamos agora que se recolheu uma amostra de 50 fusveis e queremos
calcular a probabilidade de haver pelo menos 5 fusveis defeituosos nessa amostra.
Teremos como anteriormente X- n de fusveis defeituosos numa amostra de 50, onde
agora X Bi(50,0.05) e a probabilidade pedida igual a
P(X 5) = 1 P(X < 5) = 1
4
P(X = i) = 1
5
0
i
5
0
(0.05) (0.95)
i
=
0
i
=
0
Dado que a dimenso da amostra grande, torna-se fastidioso calcular as
probabilidades que constituem as parcelas do somatrio.
A distribuio que se segue ajuda a resolver o problema nestas circunstncias.
1.5.2 Distribuio de Poisson
Considerando o modelo probabilstico anterior fcil mostrar que podemos obter um
valor aproximado de p
k
= P(X= k) quando n "grande" e p toma valores muito
pequenos.
16
H. Iglsias Pereira Revises
P X = k =
n!
p
k
1
p
n
k
=
(n k)!
k! ( ( )
=
1
p
k
(1 p )
n
n(n 1)(n 2)...(n k +1)
=
(
1
p
)
k
k!
1 n k 1 2
1
(1 p )
n
=
(1 p
)
k
k!
p
1
n
1
n
...
1
n
k
e
k !
n
n
k
!
onde np , quandon + e p 0
Atravs do resultado anterior podemos facilmente calcular a probabilidade pedida no
exemplo 2, onde 50 0.05 = 2.5. Assim,
4
2.5
2.5
i
P(X 5) 1 e = 0.10882
i!
i =0
A coleco de valores
= e
p
k
,
k = 0,1,2,... , p
k
0 e e
= e
e
= 1 constitui
uma
k
!
k=0
k
!
f.m.p. de uma v.a. .
Definio: Uma varivel aleatria X que toma valores em |N
0
, com f.m.p. dada por
P(X = k) = e
, k = 0,1,2,... , tem distribuio de Poisson de parmetro > 0
e
k
k
!
designa-se por X P().
O parmetro desta distribuio tem um significado especial como podemos ver.
Assim, calcule-se
+ + +
i +
i
1 +
j
E(X ) = x
i
p
i
=i
p
i
=ie
= e
= e
i
!
(i
1)!
j
!
i= 0 i=0 i= 0 i =1 j =0
de forma anloga se calcula
Var(X) = E(X
2
) E
2
(X) =
2
+
2
Var(X) =
2
(X) =
17