Professional Documents
Culture Documents
Distribuições de Probabilidade
4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 1 1
4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 1 4 4 4 4 4 4 4 4 4 4 4 4 4 1 1
4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 5 5 4 4 4 4 4 4 4 5 5 5 1 4 4 4 1 1 4 4 4 4 4 4 4 4 4 4 4 3 4 1 1
5 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 5 5 5 5 5 4 4 4 4 5 5 5 5 1 1 4 4 4 1 1 4 4 4 4 4 3 4 4 3 4 3 4 1 1
5 5 4 4 4 4 4 4 4 4 4 4 4 4 4 4 5 5 5 5 5 5 5 4 4 5 5 5 5 5 1 1 1 1 1 4 4 4 4 3 3 3 3 3 3 3 3 1 1 1
5 5 5 4 4 5 5 4 2 2 2 2 2 2 2 5 5 5 5 5 5 5 5 4 5 5 1 1 1 1 1 1 1 1 1 4 4 4 4 3 3 3 3 3 3 3 3 1 1 1
escolhidos.
2 2 2 3 3 4 4 4 3 3 3 3 5 5 3 3 5 5 5 5 5 5 5 5 5 5 2 2 2 2 2 2 2 2 5 5 5 2 2 2 5 5 2 5 5 5 5 5 5 3
2 2 2 2 3 4 4 4 4 3 3 3 5 5 3 5 5 5 5 5 5 5 5 5 5 5 2 2 2 2 2 2 2 2 5 5 2 2 2 2 2 5 2 5 5 5 5 5 5 5
2 2 2 2 3 4 4 4 3 3 3 5 5 5 5 5 5 5 5 5 5 4 5 5 5 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 5 5 5 5 5 5 5
2 2 2 3 3 3 3 4 3 3 4 5 5 5 5 5 5 5 4 5 5 4 4 5 5 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 5 5 5 5 1 1
2 3 2 3 3 3 3 4 4 4 4 4 5 5 5 5 5 5 4 4 4 4 4 5 4 4 4 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 5 5 5 1 1 1
2 3 3 3 3 3 3 4 4 5 5 5 5 5 5 5 5 5 5 4 4 4 4 5 4 4 4 4 4 2 2 2 2 2 2 2 2 2 2 2 2 2 2 5 5 5 5 1 1 1
4 3 4 3 4 4 4 4 4 5 5 5 5 5 5 5 5 5 5 4 4 4 4 4 4 4 4 4 4 2 2 2 2 2 2 2 2 2 2 1 2 2 2 2 2 2 1 1 1 1
4 4 4 3 4 4 4 5 5 5 5 5 5 5 5 5 5 5 5 5 4 4 4 4 4 4 4 4 4 2 2 2 2 2 2 2 2 1 1 1 2 2 2 2 2 1 1 1 1 1
4 4 4 4 4 4 4 5 4 5 5 5 5 5 5 5 5 5 5 5 4 4 4 4 4 4 4 4 4 1 1 2 2 2 2 2 1 1 1 1 1 2 2 2 2 1 1 1 1 1
4 4 4 4 4 4 4 4 4 4 4 5 5 5 5 5 5 5 5 5 5 5 4 4 4 4 4 4 1 1 1 1 2 2 2 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
4 4 4 4 4 4 4 4 4 4 4 4 5 5 5 5 5 5 5 5 5 5 5 4 4 4 4 4 4 1 1 1 1 2 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
4 4 4 4 4 4 4 4 4 4 5 5 5 5 5 5 5 5 5 5 5 5 5 4 4 4 4 4 4 4 4 4 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
4 4 4 4 4 4 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 4 4 4 4 4 4 4 4 4 4 4 4 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
2
Distribuições de Probabilidade
Quantas funções que descrevem
variáveis aleatórias existem?
1
X: {1, 2, ..., N} f ( x)
N
N 1 N 2 1
E( X ) Var ( X )
2 12
Exemplo: Lança-se um dado e define-se uma v.a. X como o valor obtido neste dado.
1
X: {1, 2, ..., 6} f ( x)
6
6 1 36 1
EX 3,5 Var ( X ) 2,92
2 12
4
Distribuição Uniforme Discreta
Se uma v.a. Y é representada por valores múltiplos de 4, maiores que 10 e
menores que 210, equiprováveis, qual a sua média e variância?
?
Y: {12, 16, ..., 208} X: {1, 2, ..., N}
N 1 51
Y/4: {3, 4, ..., 52} E( X ) 25,5
2 2
N 2 1 2499
Y/4 - 2: {1, 2, ..., 50} Var ( X ) 208, 25
12 12
X = Y/4 - 2
Y = 4X + 8
5
Distribuição Bernoulli
Considere uma v.a. X que apresenta apenas 2 valores possíveis, 0 e 1, sendo que
P(X = 1) = p e P(X = 0) = 1 – p = q. Geralmente, associa-se o valor 1 ao sucesso e
0 ao fracasso, sendo assim, p é a probabilidade de sucesso e q de fracasso.
X: {0, 1} f ( x) p x q1 x
E( X ) p Var ( X ) pq
6
Distribuição Binomial
Considere uma v.a. X cujos valores representam o número de eventos favoráveis
(sucessos) obtidos em n tentativas independentes, sendo a probabilidade de
sucesso igual a p para todas as tentativas.
n
X: {0, 1, ...,
{?, ..., ?} n} f ( x) p x qn x onde q = 1 - p
x
n n!
E ( X ) np Var ( X ) npq x x !(n x)!
X: {0, 1, 2, 3} f ( x)
x 7 7
p = 5/7
5 15 5 2 30
E X 3 2,143
q = 2/7
Var X 3 0, 612
n=3 7 7 7 7 49
7
Distribuição Binomial
A v.a. Binomial pode ser entendida como uma somatória de n v.a.
Bernoulli, já que, para cada evento (tirar uma bola), há uma
probabilidade p de sucesso (tirar bola vermelha) e q de
fracasso (tirar bola azul).
n
X Yi onde cada Yi tem distribuição Bernoulli (0 ou 1)
i 1
n n n
E ( X ) E Yi E (Yi ) p np
i 1 i 1 i 1
n n n
Var ( X ) Var Yi Var (Yi ) pq npq
i 1 i 1 i 1
8
Distribuição Binomial
Exemplo: retiram-se 3 bolas da urna (com reposição). Define-se uma
v.a. X cujos valores representam o número total de bolas vermelhas
dentre as 3 escolhidas.
p = 5/7
X: {0, 1, 2, 3}
q = 2/7
n=3
P(X 2) = P(X = 2) + P(X = 3)
3 5 2
2
3! 25 2 6 25 2 150
P( X 2)
2 7 7 2!1! 49 7 2 49 7 343
3 5 2 125
3 0
P( X 3)
3 7 7 343
150 125 275
P( X 2) 0,802
343 343 343
9
Distribuição Geométrica
Considere uma sequência de tentativas independentes onde, para cada tentativa,
ocorram somente 2 possibilidades (sucesso ou fracasso). A probabilidade de
sucesso é igual a p para todas as tentativas. Define-se uma v.a. X cujos
valores representam o número total de fracassos até que ocorra o sucesso.
X: {0, ?} }
1, ...,
{?, ..., f ( x) pq x
q q
E( X ) Var ( X )
p p2
Exemplo: retiram-se bolas da urna (com reposição), até que se consiga
uma bola vermelha. Define-se uma v.a. X cujos valores representam o
número total de bolas azuis (fracassos) retiradas da urna até obter
uma bola vermelha (sucesso). x
5 2
X: {0, 1, ..., } f ( x)
7 7
p = 5/7
q = 2/7 q 27 2 q 2 49 14
E( X ) 0, 4 Var ( X ) 0,56
p 75 5 p 2 7 25 25
10
Distribuição Geométrica
Exemplo: retiram-se bolas da urna (com reposição), até que se consiga
uma bola vermelha. Define-se uma v.a. X cujos valores representam o
número total de bolas azuis (fracassos) retiradas da urna até obter
uma bola vermelha (sucesso).
p = 5/7
X: {0, 1, ..., }
q = 2/7
2
5 2 5 4 20
2)
P( X ?) 0, 058
7 7 7 49 343
Importante:
Algumas vezes, esta v.a. refere-se ao número total de tentativas até se conseguir o
sucesso. Nesse caso Y = X + 1
1 q
Y: {1, 2, ..., } f ( y ) pq y 1 E (Y ) Var (Y )
p p2
11
Distribuição Binomial Negativa (Pascal)
Considere uma sequência de tentativas independentes, onde cada tentativa
somente ocorram 2 possibilidades (sucesso ou fracasso). A probabilidade de
sucesso é igual a p para todas as tentativas. Define-se uma v.a. X cujos valores
representam o número total de fracassos até que ocorram r sucessos.
x r 1 r x
X: {0, ?} }
1, ...,
{?, ..., f ( x) p q
x
rq rq
E( X ) Var ( X )
p p2
Exemplo: retiram-se bolas da urna (com reposição), até que se consiga
3 bolas vermelhas. Define-se uma v.a. X cujos valores representam o
número total de bolas azuis (fracassos) retiradas da urna até obter
3 bolas vermelhas (sucesso).
x 2 5 2
3 x
X: {0, 1, ..., } f ( x)
x 7 7
p = 5/7
q = 2/7 rq 27 6 rq 2 49 42
E( X ) 3 1, 2 Var ( X ) 3 1, 68
r=3 p 75 5 p2 7 25 25
12
Distribuição Binomial Negativa (Pascal)
A v.a. Binomial Negativa pode ser entendida como uma somatória
de r v.a. Geométricas.
r
X Yi onde cada Yi tem distribuição Geométrica
i 1
Importante:
Algumas vezes, esta v.a. refere-se ao número total de tentativas até se conseguir r
sucessos. Nesse caso
y 1 r y r r rq
Y: {r, r+1, ..., } f ( y) p q E (Y ) Var (Y )
r 1 p p2
13
Distribuição Hipergeométrica
Considere uma v.a. X cujos valores representam o número de eventos favoráveis
(sucessos) obtidos em n tentativas (sem reposição) realizadas sobre uma
população finita de M elementos, sendo K deles favoráveis e M-K não
favoráveis.
K M K
x n x
X: {?,
{máx(0,n-M+K),
..., ?} ..., mín(n,K)} f ( x)
M
n
K K M K M n
E( X ) n Var ( X ) n
M M M M 1
Exemplo: retiram-se 3 bolas da urna (sem reposição). Define-se uma
v.a. X cujos valores representam o número total de bolas vermelhas
dentre as 3 escolhidas. 5 2
x 3 x
X: {1, 2, 3}
{?, ..., ?} f ( x)
7
não é possível obter 3 bolas azuis!
M=7 3
K=5
5 15 5 2 4 120
n=3 E X 3 2,143 Var X 3 0, 408
7 7 7 7 6 294
(mesmo que Binomial) (variância da Binomial * fator de correção)
14
Resumo Distribuições Discretas
n=1
r=1
M
1 f(x) P ( a X b) 1
se a ≤ x ≤ b
f ( x) b a 1
0 caso contrário ba
a b X
ab
E( X )
2
(b a ) 2
Var ( X )
12 P(7 X 9)
f(x)
Exemplo: X ~ U (5,10) 5 x 10 1
9 1 5
P (7 X 9) ? f ( x)dx f ( x)
5
7
1 2
(9 7). 0, 4 5 10 X
5 5 16
Distribuição Normal ou Gaussiana
Uma variável aleatória X tem distribuição Normal se sua função densidade de
probabilidade for dada por: 0,14
0,12
0,1
f ( x )dx 1
1 x
2
1
0,08
f ( x) e 2 - ≤ x ≤ +
2
0,06
0,04
0,02
0
0 - 5
10 15 + 20
E( X )
0,14
8 0
0 - 5
10
10 15 + 20
17
Distribuição Normal ou Gaussiana
a b, a 2 2 )
Propriedade: se X ~ N ( , 2 ) e Y aX b então Y ~ N ((?,?)
X
Z
X 1 1 1
E(Z ) E E X E ( X ) 0
X 1 1 2
Var ( Z ) Var 2 Var X 2 Var X 2 1
18
Distribuição Normal Padrão
,14
,12
0,1
,08
z 0,00 0,01 0,02 0,03 0,04 0,05 0,06 0,07 0,08 0,09
,06
0,0 0,5000 0,4960 0,4920 0,4880 0,4840 0,4801 0,4761 0,4721 0,4681 0,4641
,04
0,1 0,4602 0,4562 0,4522 0,4483 0,4443 0,4404 0,4364 0,4325 0,4286 0,4247
,02 0,2 0,4207 0,4168 0,4129 0,4090 0,4052 0,4013 0,3974 0,3936 0,3897 0,3859
0 0,3 0,3821 0,3783 0,3745 0,3707 0,3669 0,3632 0,3594 0,3557 0,3520 0,3483
0
- 5
0
10
z 15
+ 20
0,4 0,3446 0,3409 0,3372 0,3336 0,3300 0,3264 0,3228 0,3192 0,3156 0,3121
0,5 0,3085 0,3050 0,3015 0,2981 0,2946 0,2912 0,2877 0,2843 0,2810 0,2776
0,6 0,2743 0,2709 0,2676 0,2643 0,2611 0,2578 0,2546 0,2514 0,2483 0,2451
0,7 0,2420 0,2389 0,2358 0,2327 0,2296 0,2266 0,2236 0,2206 0,2177 0,2148
P( Z z ) 0,8 0,2119 0,2090 0,2061 0,2033 0,2005 0,1977 0,1949 0,1922 0,1894 0,1867
0,9 0,1841 0,1814 0,1788 0,1762 0,1736 0,1711 0,1685 0,1660 0,1635 0,1611
1,0 0,1587 0,1562 0,1539 0,1515 0,1492 0,1469 0,1446 0,1423 0,1401 0,1379
P( Z 2,17) ? 1,1
1,2
0,1357
0,1151
0,1335
0,1131
0,1314
0,1112
0,1292
0,1093
0,1271
0,1075
0,1251
0,1056
0,1230
0,1038
0,1210
0,1020
0,1190
0,1003
0,1170
0,0985
1,3 0,0968 0,0951 0,0934 0,0918 0,0901 0,0885 0,0869 0,0853 0,0838 0,0823
1,4 0,0808 0,0793 0,0778 0,0764 0,0749 0,0735 0,0721 0,0708 0,0694 0,0681
P( Z 2,17) 0, 0150 1,5
1,6
0,0668
0,0548
0,0655
0,0537
0,0643
0,0526
0,0630
0,0516
0,0618
0,0505
0,0606
0,0495
0,0594
0,0485
0,0582
0,0475
0,0571
0,0465
0,0559
0,0455
1,7 0,0446 0,0436 0,0427 0,0418 0,0409 0,0401 0,0392 0,0384 0,0375 0,0367
1,8 0,0359 0,0351 0,0344 0,0336 0,0329 0,0322 0,0314 0,0307 0,0301 0,0294
1,9 0,0287 0,0281 0,0274 0,0268 0,0262 0,0256 0,0250 0,0244 0,0239 0,0233
2,0 0,0228 0,0222 0,0217 0,0212 0,0207 0,0202 0,0197 0,0192 0,0188 0,0183
2,1 0,0179 0,0174 0,0170 0,0166 0,0162 0,0158 0,0154 0,0150 0,0146 0,0143
2,2 0,0139 0,0136 0,0132 0,0129 0,0125 0,0122 0,0119 0,0116 0,0113 0,0110
2,3 0,0107 0,0104 0,0102 0,0099 0,0096 0,0094 0,0091 0,0089 0,0087 0,0084
2,4 0,0082 0,0080 0,0078 0,0075 0,0073 0,0071 0,0069 0,0068 0,0066 0,0064
2,5 0,0062 0,0060 0,0059 0,0057 0,0055 0,0054 0,0052 0,0051 0,0049 0,0048
2,6 0,0047 0,0045 0,0044 0,0043 0,0041 0,0040 0,0039 0,0038 0,0037 0,0036
2,7 0,0035 0,0034 0,0033 0,0032 0,0031 0,0030 0,0029 0,0028 0,0027 0,0026
2,8 0,0026 0,0025 0,0024 0,0023 0,0023 0,0022 0,0021 0,0021 0,0020 0,0019
2,9 0,0019 0,0018 0,0018 0,0017 0,0016 0,0016 0,0015 0,0015 0,0014 0,0014
3,0 0,0013 0,0013 0,0013 0,0012 0,0012 0,0011 0,0011 0,0011 0,0010 0,0010
19
Distribuição Normal Padrão (Exemplos)
P( Z 1,5) ?
,14 0,14
,12 0,12
0,1 0,1
,08 0,08
,02 0,02
0 0
0
- 5
-1,5 0
10 015
+ - 20
5
0 1,5
10 15
+ 20
20
Distribuição Normal Padrão (Exemplos)
P(0 Z 1,5) ?
0 0 0
0
- 5
0 1,5
10 015
+ - 20
5
0
10 0
15
+ - 5
20
0 1,5
10 15
+ 2
21
Distribuição Normal Padrão (Exemplos)
P(1 Z 2) ?
0,1 0,1
0,1587
0,1
0 0 0
0
- 5
0 1 2
10 0
15
+ - 5
20
0 1
10 0
15
+ - 5
20
0
10
2 15
+ 2
22
Distribuição Normal (Exemplos)
X ~ N (10, 4) 0,14
0,12
0,5328 X
0,1
0,08
0,06
P(8 X 11) ?
0,04
0,02
0
0
- 5
8 10 11
10 15
+ 20
X
Z ~ N (0,1)
P(8 10 X 10 11 10) ?
8 10 X 10 11 10
)?
0,14
P( 0,12
0,5328 Z
2 2 2 0,1
Z 0,08
0,06
P( 1 Z 0,5) ?0,5328
0,04
0,02
0
0
- 5
-1 0 0,5
10 15
+ 20
23
Distribuição da Soma de Variáveis Aleatórias
X 1 ~ N ( 1 , 12 )
X 2 ~ N ( 2 , 22 ) 3 v.a. independentes com distribuições normal
X 3 ~ N ( 3 , 32 )
Y X1 X 2 X 3
Qual a distribuição de Y ?
( 1 2 3 , 12 22 32 )
Y ~ N (?,?)
? ( X 1 X 2 X 3 ) E ( X 1 ) E ( X 2 ) E ( X 3 ) 1 2 3
E (Y ) E
Var (Y )
? 12 22 32
24
Distribuição da Soma de Variáveis Aleatórias
X 1 ~ ?( 1 , 12 )
X 2 ~ ?( 2 , 22 )
n v.a. independentes com distribuições desconhecidas
X n ~ ?( n , n2 )
n
Y X1 X 2 Xn Xi
i 1
Qual a distribuição de Y ?
se n for grande:
n n
Y ~ N i , i2 Teorema do Limite Central
i 1 i 1
Esta convergência acontece mais rapidamente quanto maior for n e quanto mais
parecida for a forma da distribuição original (desconhecida) da normal
(ver TLC.xls)
25
Aproximação da Binomial à Normal
Se Y tem uma distribuição binomial com parâmetros n e p:
n
Y X i onde cada Xi tem distribuição Bernoulli (Xi: {0, 1}) com = p e 2 = pq
i 1
0,25
0,6
0,09
Y ~ N ((?,?)
np, npq)
0,08 n 100
15
3
0,5
0,2
E (Y ) ?np 0,07 p 0, 42
0,4
0,06
Var (Y ) ?npq 0,15
0,05
0,3
0,04
0,1
OBS: Se p = 0,5, a distribuição 0,2
0,03
26
Aproximação da Binomial à Normal
Exemplo
Considere o experimento: retiram-se 100 bolas da urna (com reposição).
Define-se uma v.a. X cujos valores representam o número total de bolas
vermelhas dentre as 100 escolhidas.
Calcule: P(30 X 51)
0,09
2
n 100 p 0, 4
0,08
5 0,07
0,06
0,05
100
n x n x 100 x
f ( x ) p 0,
q 4 0,6 0,04
xx 0,03
0,02
100
51 0,01
P(30 X 51) 0, 4 x0,6100 x 0
x 30 x 0 20 40 60 80 100
(valor exato)
Aproximando-se à Normal...
27
Aproximação da Binomial à Normal
Exemplo
Considere o experimento: retiram-se 100 bolas da urna (com reposição).
Define-se uma v.a. X cujos valores representam o número total de bolas
vermelhas dentre as 100 escolhidas.
Calcule: P(30 X 51)
0,09
2
n 100 p 0, 4
0,08
5 0,07
E ( X ) np 100 * 0, 4 40
0,06
0,05
Var ( X ) npq 100 * 0, 4 * 0,6 24 0,04
0,03
0,02
29,5 40 51,5 40
P Z P 2,143 Z 2,347 0,9745
24 24 (valor exato para Binomial 0,9752)
28