Sie sind auf Seite 1von 14

UFSM - UNIVERSIDADE FEDERAL DE SANTA MARIA

CESNORS - CENTRO DE EDUCAO SUPERIOR NORTE RS


DEPARTAMENTO DE CINCIAS AGRONMICAS E AMBIENTAIS
CURSO DE ENGENHARIA AMBIENTAL









DISTRIBUIES DE PROBABILIDADE






Carlos Langner
Fernando Piaia
Henrique Faccenda
Igor Bergamann
Igor Chinazzo
Leonardo Ochoa







Frederico Westphalen, Novembro de 2011
DISTRIBUIES DE PROBABILIDADE







Por



Carlos Langner
Fernandoo Piaia
Henrique Faccenda
Igor Bergamann
Igor Chinazzo
Leonardo Ochoa




Trabalho de Estatstica apresentado para anlise e aprovao. Curso de
Engenharia Ambiental. Universidade Federal de Santa Maria (UFSM) Centro de
Educao Superior Norte RS (CESNORS).




Professor: Venci Queiroz de Souza



Frederico Westphalen, Novembro de 2011.
INTRODUO

A maioria dos fenmenos de que trata a Estatstica so de natureza aleatria ou
probabilstica, e o conhecimento dos aspectos fundamentais do clculo das
probabilidades uma necessidade essencial para o estudo da estatstica.
Apresentaremos neste trabalho terico de distribuio de probabilidade, as
variveis aleatrias que tanto podem ser funo de distribuio discreta no qual pode-se
citar a distribuio de Bernouli, binomial e de Poisson e tambm a funo de
distribuio contnua que pode ser a distribuio uniforme, exponencial, normal, qui
quadrado, t-student e F de Snedecor.
























2 DISTRIBUIO DE PROBABILIDADE

Para Marcilio (?), uma distribuio de probabilidade um modelo matemtico
que relaciona um certo valor da varivel em estudo com a sua probabilidade de
ocorrncia.
Ento a distribuio de probabilidade um grfico, uma tabela ou uma frmula
que d a probabilidade para cada valor da varivel aleatria, uma associao entre a
varivel aleatria e sua probabilidade. Uma varivel aleatria uma varivel -
normalmente representada por x, que tem um nico valor numrico, determinado por
acaso, para cada resultado de um experimento.
A experincia aleatria uma situao cujo resultado incerto. Fernandes
(1999) explica que o experimento aleatrio um processo que numa dada tentativa,
tem como resultado um de vrios valores possveis. O acaso determina o resultado que
ocorre numa dada tentativa; no nos possvel predizer, com alguma certeza, qual ser
o valor, a no ser que o tenhamos observado.
Para uma dada tentativa de uma experincia aleatria, no sabemos qual o
valor do espao da amostra que ser o resultado. No entanto, se repetirmos a experincia
muitas vezes, possvel estimar a frequncia (relativa) desse resultado.
H dois tipos de variveis aleatrias, que so as distribuies contnuas e as
distribuies discretas. Onde uma mesma varivel aleatria ser considerada discreta ou
contnua dependendo dos valores numricos, do ponto de vista de quem a usa ou do
contexto.

2.1 Funo de Distribuio Discreta

Tem ou um nmero finito de valores, mas que podem ser associados a um
processo de contagem. A varivel aleatria ser uma varivel aleatria discreta se os
valores numricos da varivel aleatria se referem a contagens. Variveis aleatrias que
podem assumir valores particulares, aos quais se pode atribuir uma mdia. Esses valores
so finitos ou contveis. Ex.: Bernoulli, Binomial, Multinomial e Poisson.




2.1.1 Distribuio de Bernoulli

um acontecimento aleatrio que pode tomar apenas dois valores, esses
valores so representados por sucesso (1) e fracasso (0).
A quase totalidade dos experimentos, quando executado, transforma em
Experimento de Bernoulli trazendo ao executor resultado que Satisfaz e desejado ou
que No Satisfaz.
A probabilidade de ocorrncia de um sucesso p, a probabilidade de
ocorrncia de uma falha q=1-p e a varivel que mede o nmero de sucesso x. Na
equao 1 pode-se observar a funo de probabilidade.

Exemplo 1. Os resduos de um restaurante so separados entre orgnicos e inorgnicos
em sacos de 1 kg. Foram coletados 1000 kg desses resduos. No trajeto para destinao
final foi perdido 1 kg desses resduos. Sabendo que foram coletados durante uma
semana 950 kg de resduos orgnicos e 50 kg de resduos de inorgnicos. Qual a
probabilidade do resduo perdido ser de origem inorgnica?
% 5 100 * 05 , 0 05 , 0 ) 1 (
1000
950
*
1000
50
) 1 (
) 1 ( * ) (
) 1 (
) 0 (
0 1
1
= =
|
.
|

\
|
|
.
|

\
|
=
=

P
P
p p x P
Inorgnico
Orgnico
x x


2.1.2 Distribuio Binomial

Uma varivel aleatria x diz-se binomial se representa o nmero de sucessos
ocorridos em n tentativas independentes de Bernoulli. Cada experincia resulta em
apenas duas possibilidades: sucesso ou fracasso.
O termo independente significa que o resultado de uma tentativa da experincia
aleatria de nenhuma maneira afeta o resultado de outra tentativa qualquer (LEUINE D.
M. et all).
Seja um processo composto de uma sequncia e de n observaes independente
com probabilidade de sucesso constante igual a p, a distribuio do nmero de sucessos
seguir o modelo binomial.


(n/x) representa o nmero de combinaes de n objetos tomados x de cada vez.


n e p so parmetros da distribuio binomial, sendo a mdia e varincia.

(x) = n.p

2
(x) = n.p (1-p)

A distribuio binomial usada com frequncia no controle de qualidade
quando a amostragem feita sobre uma populao infinita ou muito grande.

Exemplo 2. O caminho de coleta do restaurante que fez suas 4 coletas, durante 1 ms,
teve observado que a cada transporte, perdeu-se 1 saco (1kg). Qual a probabilidade de
que essas 4 amostras sejam 2 de inorgnicos?
( ) ( )
% 35 , 1 100 * 0135 , 0 00225 , 0 * 6
1000
950
*
1000
50
*
)! 2 4 ( ! 2
! 4
* *
)! ( !
!
* *
2
2
= = =
|
|
.
|

\
|
|
.
|

\
|
|
.
|

\
|
|
|
.
|

\
|

|
|
.
|

\
|

=
|
.
|

\
|
x n x x n x
q p
x n x
n
q p
n
x


2.1.3 Distribuio de Poisson

Pode ser considerada como um caso particular da distribuio binomial, no
qual a probabilidade dessa ocorrncia de um acontecimento grande, mas a
probabilidade dessa ocorrncia num dado intervalo de tempo relativamente pequena.
Adequasse para descrever as situaes onde existe uma probabilidade de
ocorrncia em um campo ou intervalo continuo, geralmente tempo ou rea. Um
exemplo pode ser dado com o nmero de acidentes por ms ou o nmero de defeitos por
metro quadrado.
( )
x n x n
x
p p x P

= ) 1 ( ) (

( )
)! ( !
!
x n x
n
n
x

=
Condio de aplicao: Nmero de ocorrncia durante qualquer intervalo
dependente somente da extenso do intervalo; Um excesso ou falha de ocorrncias em
algum intervalo no exerce efeito sobre o nmero de ocorrncias em outro intervalo; A
probabilidade de duas ou mais ocorrncias acontecerem em um pequeno intervalo
muito pequena quando comparada a uma nica ocorrncia.
A distribuio de Poisson tem por caracterstica apresentar um nico parmetro
que representa a taxa mdia de ocorrncia por unidade de medida. Nesta distribuio
obtm-se mdia e a varincia da distribuio.
=

2
=
2

Onde a mdia esperada de ocorrncia de algum acontecimento pouco
provvel em um conjunto de sub amostras. E calcular a probabilidade de x ocorrncias
:


A aplicao tpica da distribuio de Poisson no controle de qualidade como
um modelo para o nmero de defeitos no conformes, que ocorre por unidade de
produto (por m
3
, por volume ou por tempo).
Triola (2005) complementa dizendo que a distribuio Binomial afetada pelo
tamanho da amostra n e pela probabilidade p, enquanto a distribuio de Poisson
afetada apenas pela mdia u.

Exemplo 3. O rio legal tm uma aparncia lmpida e pouca turbidez, teve seu estudo
prvio por uma companhia de abastecimento e constataram que ele possui, mesmo que
em baixa concentrao, a bactria E.coli. Em cada 10.000 ml, amostrado, apresentou em
mdia 7 NMP de E.coli. Um aluno da engenharia ambiental resolveu fazer anlise, para
fins de estudo, nesse corpo hdrico. Fez 20 analises de amostras de 1 ml. Qual a
probabilidade delas no apresentarem nenhuma E.coli?
986 , 0
! 0
014 , 0 *
!
*
) (
014 , 0 20 * 0007 , 0 * .
0007 , 0
0 014 , 0
= =
|
|
.
|

\
|
=
= = =
=

e
x
e
x P
p n
p
x




!
) (
x
e
x P
x


=
2.1.4 Distribuio Multinominal

Ocorre atravs de uma sucesso de variveis aleatrias de Bernoulli
independentes. Diferencia-se da binomial por referir-se a mais de uma categoria. Onde a
probabilidade para cada resultado fixa.

Sua frmula expressa por:

)(

)(

)
. (P
1
)
x
. (P
2
)
x
. (P
3
)

Onde:
n= Nmero de amostras
P= probabilidade
X= Nmero de variedades.

Exemplo 4. Dez analises de OD (oxignio dissolvido) em uma extenso de 100m de um
rio, a jusante de uma descarga de efluente so realizadas em torno de sua extenso
aleatoriamente. Sabendo que os valores de OD so: 0-25m=0,1 OD; 25-75m=0,5 OD;
75-100m=0,9 OD.
( ) ( ) ( ) ( ) % 7 , 7 077 , 0 25 , 0 * 5 , 0 * 25 , 0 *
! 3 !* 5 !* 2
! 10
) 3 , 2 , 1 (
25 , 0 3 5 , 0 2 25 , 0 1
3 3 5 2 2 1 10
2 2 2
=
|
.
|

\
|
=
= = =
= = = =
x x x P
p p p
x x x n



2.2 Funo Distribuio Contnua

A varivel aleatria ser uma varivel aleatria contnua se os valores
numricos pertencem ao conjunto dos nmeros reais. Pode ser infinitos assumir
inmeros valores em um determinado intervalo. Portanto, se o espao amostral contm
um nmero infinito no enumervel de pontos, temos de trabalhar com distribuies
contnuas de probabilidade.



2.2.1 Distribuio Normal

uma distribuio contnua que pode ser medida e usada para variveis que
podem assumir qualquer valor real como peso e altura. Possui uma simetria de sino,
onde a media, mediana e moda so iguais e dividem o conjunto de dados em lados
idnticos, sendo assim, simtrica. A mdia fica no centro da distribuio e o desvio
padro representa a forma da curva.
Principais caractersticas da distribuio Normal:
- Para cada mdia e desvio-padro existe uma curva diferente;
- O ponto mais alto da curva est na mdia;
- A curva simtrica em relao a mdia: o lado esquerdo igual ao lado
direito;
- A curva assinttica;
- O desvio-padro determina a largura da curva;
- A rea total abaixo da curva igual a 1 ou 100%.

Como qualquer distribuio contnua de probabilidade, o valor da
probabilidade pode somente ser determinado para intervalos de valores da varivel. A
probabilidade de um nico valor zero. Cada combinao de mdia e desvio padro
gera uma Normal diferente.
A distribuio Normal pode ser representada por uma equao matemtica.



Porm, devido ao fato desse modelo ser muito trabalhoso, optou-se pela
padronizao do modelo, na qual, facilita-se o clculo devido ao uso de uma tabela. Tal
procedimento de converso d-se da seguinte maneira:
Primeiro converte-se o valor da varivel aleatria para o modelo padronizado
(Z), na qual X representa o valor da varivel aleatria, representa a mdia de todas as
amostras e representa o desvio-padro amostral, como mostra a equao.

Z =


2
2
1
2
1
) (
|
.
|

\
|

H
=
o

o
x
e x f
Feita a converso, procura-se o valor de Z na tabela que fornece a rea
correspondente em uma distribuio normal, ou tal valor pode ser encontrado atravs da
equao.

Por fim, multiplicasse o resultado por 100, encontrando-se a probabilidade de
ocorrncia.

Exemplo 5. As estaes de tratamento de esgoto do estado de Santa Catarina
implantados pela CASAN tem como padro o sistema de reator aerbio. Esses sistemas
tm como caracterstica a produo de lodo. A mdia de produo de lodo de 20
estaes idnticas de pequeno porte de 131,42 Kg por semana por estao, com desvio
padro de 35,87 Kg. Qual a probabilidade de encontrar estaes, dentre as
apresentadas, com quantidades maiores de lodo que o mximo suportado, sabendo que
esse valor mximo de 150 Kg?
% 5 , 30 518 , 0
87 , 35
42 , 131 150
20 150 87 , 35 42 , 131
_
= =

=
= = = =
tabela Z
estaes n Kg xmx Kg o Kg x


2.2.2 Distribuio Qui quadrado

A distribuio Qui-quadrado um mtodo que compara propores, ou seja, as
possveis divergncias entre as frequncias observadas e esperadas para certo evento.
Na qual se verifica se a frequncia com que um determinado acontecimento observado
em uma amostra se desvia significativamente ou no da frequncia com que ele
esperado. um teste no paramtrico, que no depende dos parmetros populacionais,
como mdia e varincia.
Uma caracterstica da distribuio Qui-quadrado, a qual ela no simtrica,
diferentemente das distribuies Normal e t de Student. Os valores de Qui-quadrado
podem ser zero ou positivos, mas nunca ser negativo.
A formula utilizada para calcular a distribuio Qui-quadrado :

X = [(o - e)2 /e]

- X = Qui-quadrado;
- o = frequncia observada para cada classe;
- e = frequncia esperada para aquela classe.
Exemplo 6. A mdia de consumo mensal de gua na cidade de FW de 4,5 m/hab. Em
um estudo realizado pela empresa de abastecimento CORSAN, foram amostradas 5
residncias no centro da cidade, que apresentaram os seguintes resultados para
consumo: 4,8 m/hab.; 5,1 m/hab.; 3,8 m/hab.; 4,6 m/hab.; 4,6 m/hab. Defina se a
mdia obtida nas amostras diferem ou no da mdia populacional.

)
0,555 + 1,076 1,180 + 0,208 0,833
X calc = - 0,174
X tab = 0,484
Ou seja, a mdia amostral no difere significativamente da mdia populacional.



2.2.3 Distribuio t-Student

uma distribuio contnua com n graus de liberdade utilizada para determinar
se a mdia de uma amostra pertence a mesma populao que as demais. Quando o valor
calculado for menor ou igual ao tabelado a amostra estar dentro da populao.



O parmetro usado para descrever a distribuio t o nmero de graus de
liberdade que ter relao com o tamanho da amostra (n). Uma das aplicaes
importantes do conhecimento da distribuio de t a possibilidade de, conhecendo-se: a
media amostral de uma varivel x e o erro da media = sx = s / n, poder estimar quais
valores x poder assumir dentro de um intervalo em torno da mdia m.

Exemplo 7. Foi tomado o dimetro mdio do tecido plactnquimo de 29 amostras de
lquens folhosos da espcie Parmotrema retirados de uma rea natural preservada no
municpio de Frederico Westphalen, RS, com o intuito de adquirir maiores detalhes
sobre a capacidade de biomonitoramento dos mesmos. Obteve-se
x
= 59,2 mm e s =
2,75mm.

s
X
= s / n
s
X
= 2,75 / 29
s
X
= 0,511 mm

Para estimar o intervalo de confiana de 95% da media da distribuio do
dimetro mdio nessa amostra, consulta-se a tabela de t com n-1 graus de liberdade (29
- 1 = 28) e 5% de probabilidade.
O t encontrado 2,0484. Calcula-se, ento:
x
- (t
c
s
x
)
x
+ (t
c
s
x
)
59,2 - ( 2,0484 x 0,511) 59,2 + ( 2,0484 x 0,511), obtendo-se:
58,154mm 60,246mm
ou seja, a mdia populacional, calculada a partir de uma nica amostra, deve
estar entre os limites fiduciais 58,154 e 60,246 mm, um espao menor que 1 mm (0,94
mm).

2.2.4 Distribuio F de Snedecor

Consiste em uma distribuio assimtrica, contnua e sempre positiva, utilizada
em testes baseados na varincia entre duas populaes. A varivel aleatria de f segue
a distribuio com (n, m) graus de liberdade. A distribuio de Snedecor assimtrica,
pois s tem densidade de probabilidade acima de zero, os pontos dos reais positivos.
Essa distribuio utilizada quando se faz necessrio comparar as varincias
de duas amostras aleatrias independentes, provenientes de populaes normais a fim de
verificar se as amostras so advindas de distribuies com as mesmas varincias.

A frmula da distribuio F de Snedecor dada por:



Onde:
(

= varincia =
2

Segundo Levine, et al. (2005), na aplicao da distribuio F Snedecor, os
valores crticos so dependentes dos dois conjuntos de graus de liberdade (n-1) das
amostras, estes se encontram tabelados e so diferentes para cada nvel de significncia
(alfa).

Exemplo 8. Um engenheiro ambiental est trabalhando com 2 unidades de tratamento
de esgoto do tipo Wetlands construdos, onde a depurao do mesmo realizada de
forma natural atravs da presena de plantas (macrfitas aquticas). As duas unidades
apresentam estrutura e operao semelhante, mas diferem no tipo de planta utilizada
para cada sistema. Enquanto no sistema 1 a planta empregada a taboa (Typha
angustifolia), no sistema 2 utilizado o junco (Eleocharis sp.). O engenheiro deseja
avaliar se existem diferenas significativas entre as duas unidades para a remoo de
DBO. Para tanto foram coletadas amostras do efluente do tratamento de cada sistema no
decorrer de um ano, totalizando 21 amostragens. Considerando que as varincias foram
de 13,090 mg/L
1
e 24,800 mg/L
1
, respectivamente para os sistemas 1 e 2 e um nvel de
significncia de 5% ( =0,05), pode-se dizer que h diferena significativa entre os dois
sistemas?
Soluo:
Utilizando a Equao 17:
F=S
1
2
/S
2
2
F = 13,090 / 24,800 F= 0,528
Graus de liberdade: n-1 21-1 = 20
Atravs da Tabela 2 (anexo B), relacionando os graus de liberdade de cada
amostra, obtm-se o valor crtico correspondente ao limite superior da cauda, assim, Fs
= 2,12.
Aplicando a Equao 18 obtm-se o valor crtico da cauda inferior:
F
I
= 1 / Fs F
I
= 1 / 2,12 F
I
= 0,47
Concluso: como FI < F < Fs, no existem diferenas significativas entre os dois
sistemas, a deciso no rejeitar H0.



REFERNCIAS

LEVINE, D.M., et al. Estatstica: Teoria e Aplicaes usando o Microsoft Excel em
Portugus. 3 ed. Rio de Janeiro: LTC Livros Tcnicos e Cientficos Editora S.A.,
2005.

MARCILIO, A. Estatstica para Engenharia. Disponvel em: <http://www.dimap.
ufrn.br/~marcilio/M/distribuicao-prob.ppt.>. Acesso em: nov, 2010.

NETO P. L. de O. C. Estatstica. 2. ed. So Paulo: Blucher, 2002.

Das könnte Ihnen auch gefallen