Distribuio de Poisson

Na teoria da probabilidade e na estatstica, a distribuio de Poisson uma distribuio de probabilidade discreta que expressa a probabilidade de uma srie de eventos ocorrer num certo perodo de tempo se estes eventos ocorrem independentemente de quando ocorreu o ltimo evento. A distribuio foi descoberta por Simon-Denis Poisson (17811840) e publicada, conjuntamente com a sua teoria da probabilidade, em 1838 no seu trabalho Recherches sur la probabilit des jugements en matires criminelles et matire civile ("Inqurito sobre a probabilidade em julgamentos sobre matrias criminais e civis"). O trabalho focava-se em certas variveis aleatrias N que contavam, entre outras coisas, o nmero de ocorrncias discretas (por vezes chamadas de "chegadas") que tinham lugar durante um intervalo de tempo de determinado comprimento. A probabilidade de que existam exactamente k ocorrncias (k sendo um inteiro no negativo, k = 0, 1, 2, ...)

onde e base do logaritmo natural (e = 2.71828...), k! o fatorial de k, um nmero real, igual ao nmero esperado de ocorrncias que ocorrem num dado intervalo de tempo. Por exemplo, se o evento ocorre a uma mdia de 4 minutos, e estamos interessados no nmero de eventos que ocorrem num intervalo de 10 minutos, usarimos como modelo a distribuio de Poisson com = 10/4 = 2.5. Como funo de k, esta a funo de probabilidade. A distribuio de Poisson pode ser derivada como um caso limite da distribuio binomial.

Funo de probabilidade da distribuio de Poisson para vrios valores de .

Processo de Poisson A distribuio de Poisson aparece em vrios problemas fsicos, com a seguinte formulao: considerando uma data inicial (t = 0), seja N(t) o nmero de eventos que ocorrem at uma certa data t. Por exemplo, N(t) pode ser um modelo para o nmero de impactos de asterides maiores que um certo tamanho desde uma certa data de referncia.

Uma aproximao que pode ser considerada que a probabilidade de acontecer um evento em qualquer intervalo no depende (no sentido de independncia estatstica) da probabilidade de acontecer em qualquer outro intervalo disjunto. Neste caso, a soluo para o problema o processo estocstico chamado de Processo de Poisson, para o qual vale:

em que uma constante (de unidade inversa da unidade do tempo). Ou seja, o nmero de eventos at uma poca qualquer t uma distribuio de Poisson com parmetro t. Mdia O valor esperado de uma distribuio de Poisson igual a . Esta propriedade pode ser derivada facilmente

Por definio, a esperana de uma varivel aleatria X igual soma de cada uma das suas possveis ocorrncias ponderadas pela probabilidade de que estas ocorrncias aconteam. Varincia A varincia de uma distribuio de Poisson igual a . Soma de variveis A soma de duas variveis de Poisson independentes ainda uma varivel de Poisson com parmetro igual soma dos respectivos parmetros. Ou seja, se segue uma distribuio de Poisson com parmetro e as variveis aleatrias Xi so estatisticamente independentes, ento

tambm segue uma distribuio de Poisson cujo parmetro igual soma dos .

Por exemplo, X1 uma varivel aleatria que representa o nmero de bitos por mil nascimentos na cidade "A" (distribuio de Poisson com mdia 1,2, digamos) e X2 uma varivel aleatria que representa o nmero de bitos por mil nascimentos na cidade "B" (varivel de Poisson com mdia 3). Ao todo, o nmero de bitos por mil nascimentos nas cidades "A" e "B" tm distribuio de Poisson

com mdia

Distribuio binomial
Em teoria das probabilidades e estatstica, a distribuio binomial a distribuio de probabilidade discreta do nmero de sucessos numa sequncia de n tentativas tais que as tentativas so independentes; cada tentativa resulta apenas em duas possibilidades, sucesso ou fracasso (a que se chama de tentativa de Bernoulli); a probabilidade de cada tentativa, p, permanece constante. Funo de probabilidade Se a varivel aleatria X que contm o nmero de tentativas que resultam em sucesso tem uma distribuio binomial com parmetros n e p escrevemos X ~ B(n, p). A probabilidade de ter exatamente k sucessos dado pela funo de probabilidade:

para Exemplo:

e onde

uma combinao.

Trs dados comuns e honestos sero lanados. A probabilidade de que o nmero 6 seja obtido mais de uma vez : A probabilidade de que seja obtido 2 vezes mais a probabilidade de que seja obtido 3 vezes. Usando a distribuio binomial de probabilidade: Acha-se a probabilidade de que seja obtido 2 vezes:

Agora a probabilidade de que seja obtido 3 vezes:

Assim, a resposta :

Valor esperado e varincia Se a X ~ B(n, p) (isto , X uma varivel aleatria binomialmente distribuida), ento o valor esperado de X

e a varincia

Exemplo Seja X uma varivel aleatria que contm o nmero de caras sadas em 12 lanamentos de uma moeda honesta. A probabilidade de sair 5 caras em 12 lanamentos, P(X=5), dada por:

Distribuio exponencial
A distribuio exponencial um tipo de distribuio contnua de probabilidade, representada por um parmetro . Sua funo de densidade pode ser expressa de duas maneiras equivalentes. A probabilidade de a varivel aleatria X assumir qualquer valor no negativo no intervalo infinitesimal [x*, x*+dx] negativo zero. . A probabilidade de a varivel aleatria X assumir um valor

Se X uma varivel aleatria com distribuio exponencial, ento sua probabilidade condicional obedece a equao: . Isso significa que a probabilidade de que seja necessrio esperar, por exemplo, mais que 30 segundos at que o evento acontea, dado que esse evento no aconteceu antes de 20 segundos, a mesma de que esse evento ocorra depois dos 10 segundos iniciais.

Caracterstica

Distribuio normal
A distribuio normal uma das mais importantes distribuies da estatstica, conhecida tambm como Distribuio de Gauss ou Gaussiana.[1][2][3][4][5] Foi primeiramente introduzida pelo matemtico Abraham de Moivre. Alm de descrever uma srie de fenmenos fsicos e financeiros, possui grande uso na estatstica inferencial. inteiramente descrita por seus parmetros de mdia e desvio padro, ou seja, conhecendo-se estes consegue-se determinar qualquer probabilidade em uma distribuio Normal. Um interessante uso da Distribuio Normal que ela serve de aproximao para o clculo de outras distribuies quando o nmero de observaes fica grande. Essa importante propriedade provm do Teorema Central do Limite que diz que "toda soma de variveis aleatrias independentes de mdia finita e varincia limitada aproximadamente Normal, desde que o nmero de termos da soma seja suficientemente grande" (ver o teorema para um enunciado mais preciso). A distribuio normal uma das mais importantes distribuies da estatstica, conhecida tambm como Distribuio de Gauss ou Gaussiana.[1][2][3][4][5] Foi primeiramente introduzida pelo matemtico Abraham de Moivre. Alm de descrever uma srie de fenmenos fsicos e financeiros, possui grande uso na estatstica inferencial. inteiramente descrita por seus parmetros de mdia e desvio padro, ou seja, conhecendo-se estes consegue-se determinar qualquer probabilidade em uma distribuio Normal. Um interessante uso da Distribuio Normal que ela serve de aproximao para o clculo de outras distribuies quando o nmero de observaes fica grande. Essa importante propriedade provm do Teorema Central do Limite que diz que "toda soma de variveis aleatrias independentes de mdia finita e varincia limitada aproximadamente Normal, desde que o nmero de termos da soma seja suficientemente grande" (ver o teorema para um enunciado mais preciso).

A rea em azul escuro est a menos de um desvio padro () da mdia. Em uma distribuio normal, isto representa cerca de 68% do conjunto, enquanto dois desvios padres desde a mdia (azul mdio e

escuro) representam cerca de 95%, e trs desvios padres (azul claro, mdio e escuro) cobrem cerca de 99.7%. Este fato conhecido como regra 68-95-99.7, ou a regra emprica, ou a regra dos 3sigmas.

Histria A distribuio normal foi introduzida pela primeira vez por Abraham de Moivre em um artigo no ano 1733, que foi reproduzido na segunda edio de seu The Doctrine of Chances (1738) no contexto da aproximao de distribuies binomiais para grandes valores de n. Seu resultado foi estendido por Laplace, em seu livro Analytical Theory of Probabilities (1812), e agora chamado o teorema de Moivre-Laplace. Laplace usou a distribuio normal na anlise de erros de experimentos. O importante mtodo dos mnimos quadrados foi introduzido por Legendre, em 1805. Gauss, que alegou ter usado o mtodo desde 1794, justifica-o rigorosamente em 1809 assumindo uma distribuio normal para os erros. O fato de muitas vezes esta distribuio ser chamado de distribuio gaussiana pode ser um exemplo de Stigler's Law. O nome "curva em forma de sino" ou "curva de sino" remonta a Esprit Jouffret que primeiro utilizou o termo "superfcie de sino" em 1872 para um normal bivariada com componentes independentes (atentar que nem toda curva de sino uma gaussiana). O nome "distribuio normal", foi inventado independentemente por Charles S. Peirce, Francis Galton e Wilhelm Lexis, por volta de 1875. Funo de densidade de probabilidade A funo densidade de probabilidade da distribuio normal com mdia e varincia 2 (de forma equivalente, desvio padro ) assim definida,

Se a varivel aleatria X segue esta distribuio escreve-se: X ~ N(,2). Se = 0 e = 1, a distribuio chamada de distribuio normal padro e a funo de densidade de probabilidade reduz-se a,

Propriedades Sejam a e b constantes conhecidas. Se X segue uma distribuio normal, X ~ N(,2), ento aX + b ~ N(a + b,a22). Se X e Y so variveis aleatrias independentes que seguem distribuio normal, ento a soma U = X + Y, a diferena V = X - Y ou qualquer combinao linear W = a X + b Y tambm so variveis aleatrias com distribuio normal. o fcil construir exemplos de distribuies normais X e Y dependentes (mesmo com correlao zero) cuja soma X + Y no normal. Por exemplo, seja X uma distribuio normal padro (mdia 0 e varincia 1), ento fixando-se um nmero real positivo a, seja Ya definida como X sempre que |X| < a e -X sempre que |X| a. Obviamente, Ya tambm uma normal e X + Ya uma varivel aleatria que nunca pode assumir valores de mdulo acima de 2 a (ou seja, no normal).

Quando a muito pequeno, X e Y so praticamente opostas, e sua correlao prxima de -1. Quando a muito grande, X e Y so praticamente idnticas, e sua correlao prxima de 1. Como a correlao entre X e Ya varia continuamente com a, existe um valor de a para o qual a correlao zero. A soma de uma grande quantidade de variveis aleatrias (com algumas restries) tende a uma distribuio normal - o significado mais preciso disto o Teorema do Limite Central. A distribuio normal infinitamente divisvel, no seguinte sentido: se X uma varivel aleatria que segue uma distribuio normal e n um nmero natural, ento existem n variveis aletrias que , independentes e identicamente distribudas, tal

Distribuies relacionadas R ~ Rayleigh(2) a distribuio de Rayleigh se onde X ~ N(0,2) e 2 Y ~ N(0, ) so duas variveis aleatrias independentes que seguem distribuio normal.

Y~

a distribuio Chi-quadrado com graus de liberdade se

em que

Xk ~ N(0,1) para so distribuies normais padro independentes. Y ~ Cauchy( = 0, = 1) a distribuio de Cauchy se Y = X1 / X2 para X1 ~ N(0,1) e X2 ~ N(0,1) so duas distribuies normais padro independentes. Y ~ Log-N(,2) a distribuio log-normal se Y = eX e X ~ N(,2). Relao com Lvy skew alpha-stable distribution: se ento X ~ N(,2). Distribuio normal truncada: Se X ~ N(, ) ento, truncando para valores entre A e B
2

temos uma varivel aleatria contnua com mdia

em que

, sendo a funo densidade de probabilidade e funo de probabilidade acumulada de uma distribuio normal padro. Simulao

Implementaes computacionais do Mtodo de Monte Carlo normalmente precisam simular vrias variveis aleatrias normais. Muitos programas e pacotes no conseguem simular diretamente a normal, mas tm simuladores da distribuio uniforme. Uma forma rpida e prtica de gerar normais a partir da uniforme a transformao de Box-Muller: sejam U1 e U2 valores independentes gerados pela distribuio uniforme entre 0 e 1. Ento:

so normais padronizadas independentes. Linguagens de programao Vrias linguagens de programao, planilhas e pacotes estatsticos incluem simulaes da normal. No Excel anterior ao Pacote Office 2007, no existe uma funo que gere normais. Isto pode ser contornado: o Usando-se a funo ALEATRIO() e invertendo a distribuio acumulada: INV.NORMP(ALEATRIO()) o Com Ferramentas Anlise de Dados Gerao de nmeros aleatrios, geramse normais, que se tornam constantes na planilha Em R (linguagem de programao), um vetor de n observaes de uma varivel aleatria com distribuio normal gerado por rnorm(n,m,s), onde m a mdia e s o desvio padro. Em Matlab e Octave, uma matriz n x n de normais gerada por randn(n). Uma matriz m x n gerada por randn([m n]).

Bibliogrfia:
1. 2. 3. 4. 5. A distribuio NormalUniversidade Federal do Paran - acessado em 28 de outubro de 2011 Distribuio normal Conceito de probabilidade Site UOL Educao - acessado em 28 de outubro de 2011 Dstrib normnal MSPC - Informaes Tcnicas - acessado em 28 de outubro de 2011 Distribuies de Probabilidade Depto Matemtica da Univ. de Aveiro - acessado em 28 de outubro de 2011 Estatstica Distribuio normal Instituto Goiano de Matemtica - acessado em 28 de outubro de 2011.

Trabalho de Estatistica

Nome: Taynan Eraco Oliveira Guimares Curso: Cincias da Computao Materia: Estatistica Turma: 1BCC

RA: 1111330181