Distribuições

Discretas
‰Como determinar se um experimento é binomial.
‰Como construir uma distribuição binomial e obter a
média e variância
‰Como determinar se um experimento é poisson.
‰Como construir uma distribuição poisson e obter a
média e variância
Motivação

| Suponha que um meteorologista

trabalha em uma previsão de tempo
de três dias. Assumindo o fato de
chover em um dia independe de
chover no dia anterior, determinou-se
que há uma probabilidade de 40% de
chover em cada dois ou três dias.
Qual a probabilidade de que não haja
chuva em um, dois ou três dias?
Distribuição Binomial

| Um experimento binomial precisa

preencher os seguintes requisitos:
z O experimento é repetido por um número
fixo de tentativas.
z Existe somente dois resultados possíveis
(sucesso ou fracasso).
z A probabilidade de um sucesso é a mesma
em cada tentativa.
z As realizações do experimento são
independentes.
Experimentos Binomiais ?
| Um levantamento recente entre os eleitores registrados nos
Estados Unidos indagou se os professores das escolas
públicas deveriam ou não passar por testes de drogas. Sabe-se
que a probabilidade de um eleitor dizer sim é 0,80.
| Uma caixa tem bolas de gudes, sendo cinco vermelhas, nove
azuis e seis verdes. Você seleciona ao acaso três bolas da
caixa, sem reposição. A variável aleatória representa o número
de bolas vermelhas.
| Um determinado procedimento cirúrgico tem 85% de chance de
sucesso. Um médico realiza o procedimento em oito pacientes.
A variável aleatória representa o número de cirurgia bem
sucedidas.
| Você responde um teste de múltipla escolha que consiste de 10
questões. Cada uma tem quatro respostas e só uma é correta.
Você escolhe aleatoriamente a resposta de cada questão. A
variável representa o número de respostas corretas.
 Distribuição Binomial

3 Ensaios de Bernoulli, n = 3
P(defeituosa)= p =3/7
P(não defeituosa)= (1-p)= 4/7

Seja X o número de defeituosas

1. O experimento consiste de três ensaios idênticos;

2. Dois resultados são possíveis;
3. As probabilidades p e (1-p) são as mesmas em cada ensaio;
4. Os ensaios são independentes.
 Distribuição Binomial
P(defeituosa)= p =3/7
P(não defeituosa)= (1-p)= 4/7

Seja X o número de
defeituosas

S= { 111, 110, 101, 011, 001, 010, 100, 000}

X = 0 - {000} P(001) = 4/7 × 4/7 × 3/7= 48/343

X = 1 – {001, 010, 100} P(010) = 4/7 × 3/7 × 4/7=48/343
X = 2 - {110, 101, 011} P(100) = 3/7 × 4/7 × 4/7=48/343
X = 3 - {111}
P(X=1) = P(001) + P(010) + P(100)
P(X=1) = 3 × 48/343
Distribuição Binomial
Seja X o número de defeituosas

P(X=1) = P(001) + P(010) + P(100)

P(X=1) = 3 × 48/343

⎛ 3⎞
P ( X = 1) = ⎜ ⎟(3 / 7 ) (4 / 7 )
⎜ ⎟
1 2

⎝1 ⎠
 Distribuição Binomial
Função de Probabilidade
⎛ n⎞ x
P ( X = x) = ⎜ ⎟( p ) (1 − p )
n− x
⎜ ⎟
⎝ x⎠
onde
P(x) = a probabilidade de x sucessos em n ensaios
n = o número de ensaios
p = probabilidade de um sucesso
em um ensaio
(1-p) = probabildidade de um
fracasso em um ensaio

X ∼ B(n,p)
 Distribuição Binomial

| Seja X uma v.a. Binomial com

parâmetros n e p onde p é a
probabilidade de sucesso.
| X→ {0,1,2,..n}

| Média: μX = np

| Variância σ2 = npq
 Exemplo

Considere uma loja de roupas que receba 3 clientes

p = o cliente faz compra = 0,30
X- número de clientes
(1-p) = o cliente não faz compra = 0,70
que compram
x p(x)
3!
0 0,343 (0,30) 0 (0,70) 3
0!3!
3!
1 0,441 (0,30)1 (0,70) 2
1!2!
2 0,189 3!
(0,30) 2 (0,70)1
2!1!
3 0,027 3!
(0,30) 3 (0,70) 0
3!0!
Exemplo: Representação
Gráfica
P(x)

0.50 Função de Probabilidade

0,40
0,30
0,20
0,10

0 1 2 3 x
 Exemplo: Características
Valor Esperado Variância

E(X) = μ = np Var(X) = σ2 = np(1-p)

Considerando o exemplo, temos

E(X) = μ = 3 × 0,30 = 0,90

Var(X) = σ2 = np(1-p)= 3 × 0,30 × 0,70 = 0,63
Distribuição de Poisson

| Um banco recebe em média 6

cheques sem cobertura por dia. Qual
a probabilidade de receber quatro
cheques sem cobertura em um dia
qualquer?
 Distribuição de Poisson

| Representa a distribuição de probabilidade de

uma variável aleatória que registra o número de
ocorrências sobre um intervalo de tempo ou
espaço específicos.
| Propriedades do experimento Poisson:
z A probabilidade de uma ocorrência é a mesma
para quaisquer dois intervalos de tempo.
z A ocorrência ou não ocorrência em qualquer
intervalo é independente da ocorrência ou não-
ocorrência em qualquer intervalo
 Distribuição de Poisson
| Carros que passam por um cruzamento
por minuto, durante uma certa hora do dia.
| Erros tipográficos por página,em um
material impresso.
| Defeitos por unidade (m2,m, etc) por peça
fabricada
| Mortes por ataque de coração por ano,
numa cidade.
| Problemas de filas de espera.
 Função de Probabilidade de
Poisson
λx e − λ X ∼ P(λ)
P( x) =
x!
| Uma variável aleatória de Poisson não tem limites. x =
0,,1,2,3,…
| P(x) = a probabilidade de x ocorrências em um intervalo
| λ = valor esperado ou número médio de ocorrências em um
intervalo
| e = 2,71828
| Média: E(X) = λ
| Variância: Var(X)= λ
Exemplo

| Suponha que é observado o número de

chegadas a uma caixa automática de um
banco durante um período de 15 minutos.
| A probabilidade de um carro chegar é a
mesma para quaisquer dois períodos de
tempo de igual comprimento.
| A chegada ou não chegada de um carro em
qualquer período de tempo é independente
da chegada ou não chegada de um outro
carro em qualquer outro período de tempo.
 Exemplo
Suponha que o número médio de carros que chegam no
período de 15 minutos é 10, então
λx e − π 10 x e − λ
P( x) = =
x! x!
X- número de carros que chegam em qualquer período de
15 minutos

A probabilidade de 5 chegadas em 15 minutos

105 e −10
P ( X = 5) == = 0,0378
5!
E(X) = 10 e Var(X) = 10
 Aproximação da Binomial
pela Poisson
λ
P( X = x) = lim P(Y = x), onde Y ~ B (n, p = )
n →∞ n
n− x
⎛λ⎞ ⎛ λ⎞
x
n!
P( X = x) = lim ⎜ ⎟ ⎜1 − ⎟ =
n →∞ x!( n − x )! n
⎝ ⎠ ⎝ n⎠
−x
λx n(n − 1)...(n − x + 1) ⎛ λ ⎞ ⎛ λ ⎞
n

= lim ⎜ 1 − ⎟ ⎜1 − ⎟
x! n → ∞ ×
n n × ....... × n ⎝ n⎠ ⎝ n⎠

1 e-λ

λx
P(Y = x) = e −λ , x = 0,1,2,...
x!
Aproximação da Binomial
pela Poisson
| Quando p (probabilidade de sucesso)
é pequena e n (número de ensaios) é
grande. Como regra prática, a
aproximação será boa sempre que
p ≤ 0,05 e n≥20.
| Exemplo: Seja n=250 e p =0,01. Para
usar a aproximação de Poisson
μ=np=2,5.
Exemplo
Segue uma comparação entre as duas distribuições, para
n=100 e π=0.01; ou seja, λ=np; λ =100*0.01=1

Número de Binomial Exata Aproximada por

Sucessos b(x;100,0.01) Poisson
x
0 0.3660 0.3679
1 0.3698 0.3679
2 0.1848 0.1839
3 0.0610 0.0613
4 0.0150 0.0153
5 0.0029 0.0031