Probabilidade e Estatstica

Mdulo 5 Distribuio de Probabilidades

INTRODUO
Uma distribuio de probabilidade um modelo matemtico que
relaciona um certo valor da varivel em estudo com a sua probabilidade
de ocorrncia.
Praticamente, todas a caractersticas observveis na Engenharia esto
sujeitas a variabilidade, que ocorre mesmo que controlemos todas as
suas fontes, sejam de causas comuns ou especiais.
A variabilidade restante (depois de controlados os fatores conhecidos)
uma soma de fatores no conhecidos ou no controlveis, que ocorrem
ao acaso, ou seja, aleatoriamente variveis aleatrias
Portanto, uma distribuio de probabilidades, uma funo que
descreve o comportamento de uma varivel aleatria, fornece a
probabilidade de que a varivel aleatria assuma um determinado valor
(varivel aleatria discreta) ou um conjunto de valores (varivel
aleatria contnua).

Here comes your footer Page 2
MODELOS PROBABILSTICOS
Nos conjuntos de dados, h algumas informaes importantes que podem ser retiradas
com o auxlio dos modelos probabilsticos, como por exemplo:
- Um valor representativo, como a mdia (notao: ) ;
- Uma medida de disperso ou variabilidade, como o desvio-padro (notao: ) ;
- Natureza da forma da distribuio, simtrica ou assimtrica.

Varivel Discreta Varivel Contnua
Binomial
Poisson
Normal (Gaussiano)
Exponencial
DISTRIBUIES DISCRETAS
No caso de distribuies discretas, a probabilidade de que a varivel X
assuma um valor especfico x
i
dada por: P(X=x
i
) = P(x
i
)
Here comes your footer Page 4

Distribuies discretas importantes
Binomial
Poisson

Histograma de uma distribuio binomial
DISTRIBUIO BINOMIAL
A distribuio binomial adequada para descrever situaes em que os
resultados de uma varivel aleatria podem ser agrupados em apenas
duas classes ou categorias.

As categorias devem ser mutuamente excludentes, de forma que no
haja dvidas na classificao do resultado da varivel nas categorias e
coletivamente exaustivas, de forma que no seja possvel nenhum
outro resultado diferente das categorias.

Por exemplo, um produto manufaturado pode ser classificado como
perfeito ou defeituoso, a resposta de um questionrio pode ser verdadeira
ou falsa, as chamadas telefnicas podem ser locais ou interurbanas.
Here comes your footer Page 5
DISTRIBUIO BINOMIAL
Mesmo variveis contnuas podem ser divididas em duas categorias,
como por exemplo:
- a velocidade de um automvel pode ser classificada como dentro ou fora do
limite legal.
- A dimenso de uma pea podem ser classificadas como aceitvel ou fora das
especificaes.

Geralmente, denomina-se as duas categorias como sucesso ou falha.
Como as duas categorias so mutuamente excludentes e coletivamente
exaustivas:
P(sucesso) + P(falha) = 1
p + q = 1
q = 1 - p
Here comes your footer Page 6
DISTRIBUIO BINOMIAL
Considere um experimento aleatrio repetido n vezes, sob as mesmas condies,
com as seguintes caractersticas:

1. Cada repetio do experimento produz um de dois resultados possveis : sucesso ou
fracasso.
2. A probabilidade de sucesso, p = P(sucesso), constante em cada repetio.
3. As repeties so independentes: o resultado (sucesso ou fracasso) de uma repetio
no interfere nas outras.

Nestas condies,
X = n. de sucessos nas n repeties, segue uma distribuio Binomial com
parmetros n e p:

Here comes your footer Page 7
) 1 ( . .
! )! (
!
) 1 ( . ) ( p p
x x n
n
p p
x
n
x P
x n x x n x

=
|
|
.
|

\
|
=

DISTRIBUIO BINOMIAL
Caractersticas importantes
- Os parmetros da distribuio Binomial so n e p X ~ B(n,p)
- A mdia e a varincia so calculadas (valores esperados) como:
= np

2
= np(1 - p)

A distribuio Binomial usada com frequncia no controle de qualidade quando
a amostragem feita sobre uma populao infinita ou muito grande.
Nas aplicaes de controle da qualidade, x em geral representa o nmero de
defeituosos observados em uma amostra de n itens.
Distribuies binomiais com p = 0,5 so simtricas, mas so assimtricas quando
p 0,5. A assimetria aumenta medida que p aproxima-se de zero (assimetria
positiva) ou de um (assimetria negativa)
Here comes your footer Page 8
DISTRIBUIO BINOMIAL
Considere p = 0,10 a probabilidade de falha e n = 15. A probabilidade de
obter x itens no conformes calculada usando a equao da Binomial.

Here comes your footer Page 9
x x x x
x x x
x P

=
|
|
.
|

\
|
=
15 15
) 90 , 0 ( ) 10 , 0 (
)! 15 ( !
! 15
) 90 , 0 ( ) 10 , 0 (
15
) (
DISTRIBUIO DE POISSON
A distribuio de Poisson adequada para descrever situaes onde
existe uma probabilidade de ocorrncia em um campo ou intervalo
contnuo, geralmente tempo ou rea.
Nota-se que a varivel aleatria discreta (x = nmero de ocorrncia), no
entanto a unidade de medida contnua (tempo, rea).
A distribuio de Poisson fica completamente caracterizada por um nico
parmetro (lambda) que representa a taxa mdia de ocorrncia por
unidade de medida.

mdia e
x = 0,1,...,n varincia

Here comes your footer Page 10
DISTRIBUIO DE POISSON
A aplicao tpica da distribuio de Poisson no controle da qualidade como um
modelo para o nmero de defeitos (no-conformidades) que ocorre por unidade
de produto (por m
2
, por volume ou por tempo, etc.). Encontra forte aplicao
tambm em teoria de filas.
Exemplo:
- O nmero de defeitos de pintura segue uma distribuio de Poisson com = 2.
Ento, a probabilidade que uma pea apresente mais de 4 defeitos de pintura
dada por:

Here comes your footer Page 11
055 , 0 945 , 0 1
!
2 .
1 ) 4 (
4
0
2
= = = >

=

x
x
x
e
X P
DISTRIBUIES CONTNUAS
No caso de variveis contnuas, as probabilidades so especificadas em
termos de intervalos, pois a probabilidade associada a um nmero
especfico zero.
Here comes your footer Page 12
}
= s s
b
a
dx x f b X a P ) ( ) (
Distribuies importantes
Exponencial
Normal (Gauss)
Distribuio Exponencial
Na distribuio de Poisson, a varivel aleatria definida como o nmero
de ocorrncias em determinado perodo, sendo a mdia das ocorrncias
no perodo definida como .
Na distribuio Exponencial a varivel aleatria definida como o tempo
entre duas ocorrncias, sendo a mdia de tempo entre ocorrncias de
1/.
- Exemplo: qual a probabilidade de ocorrer uma falha em 0,5 metros, se ele
possui uma taxa de 2 falhas por metro?
Modelo:
Here comes your footer Page 13
x
e x f

= ) (

o
1
= =
, x 0
DISTRIBUIO EXPONENCIAL
A distribuio Exponencial acumulada vem dada por:




A distribuio Exponencial largamente utilizada no campo da
confiabilidade, como um modelo para a distribuio dos tempos at a
falha de componentes eletrnicos.
Nessas aplicaes o parmetro representa a taxa de falha para o
componente, e 1/ o tempo mdio at a falha.
Here comes your footer Page 14
0
1
0
1
. ) ( ) (
1 0
x
x
x
x x
e e dx e x X x P X F

+ = = s s =
}
DISTRIBUIO EXPONENCIAL
Suponha que uma mquina falhe em mdia uma vez a cada dois anos.
Calcule a probabilidade da mquina falhar durante o prximo ano.




- A probabilidade de falhar no prximo ano de 0,393 e de no falhar no prximo
ano de 1-0,393=0,607.
- Ou seja, se forem vendidas 100 mquinas 39,3% iro falhar no perodo de um
ano.
- Conhecendo-se os tempos at a falha de um produto possvel definir os
perodos de garantia
Here comes your footer Page 15
}
= + = + = = s =
= =

1
0
0 . 5 , 0 1 . 5 , 0 5 , 0
393 , 0 1 606 , 0 5 , 0 ) 1 ( ) (
5 , 0
2
1
e e dx e X P X F
x

DISTRIBUIO NORMAL
A distribuio Normal a mais importante das distribuies estatsticas,
tanto na teoria como na prtica:
- Representa a distribuio de frequncia de muitos fenmenos naturais;
- Serve como aproximao da distribuio Binomial, quanto n grande
- Pelo Teorema do Limite Central
*
, se o tamanho da amostra for suficientemente
grande, a mdia de uma amostra aleatria ter uma distribuio Normal, isto ,
o histograma ou polgono de frequncias dos dados da amostra tem aspecto
similar a curva Normal.

Here comes your footer Page 16
DISTRIBUIO NORMAL
Caractersticas
- A mdia, mediana e moda so iguais
- Curva em formato de sino e simtrica em torno da mdia.
- rea total sob a curva igual a 1.
- Caracterizada pelos valores de mdia () e desvio padro () da varivel
aleatria, ou seja, x N(,).
- A rea de uma regio sob a curva igual probabilidade de que a varivel
aleatria tenha um valor no intervalo correspondente.

Here comes your footer Page 17
DISTRIBUIO NORMAL
Mdia e Desvio Padro
- A mdia d a localizao da linha de simetria
- O desvio padro descreve a disperso dos dados
- Entre e + (no centro da curva), o grfico se curva para baixo. O
grfico se curva para cima esquerda de e direita de + . Os pontos
nos quais a curva muda a sua trajetria para cima ou para baixo so chamados
de pontos de inflexo.


Here comes your footer Page 18
DISTRIBUIO NORMAL PADRO
Existem infinitas distribuies normais, cada qual com sua
prpria mdia e desvio padro, o que dificulta a obteno
dos valores de probabilidades.
A distribuio normal padro a distribuio normal com
mdia 0 e desvio padro 1.
Qualquer distribuio normal (valores de x) pode ser
transformada em normal padro (escores z) atravs do uso
da expresso:
o

=

=
x
padro desvio
mdia x valor
z
_
_
DISTRIBUIO NORMAL PADRONIZADA
Uma vez transformada, pode-ser usar escores z e a curva normal
padro tabelada - para obter reas (e portanto probabilidades) sob
qualquer curva normal.

Varivel x e padronizao z rea vs percentagem de casos







o

=
x
z
DISTRIBUIO NORMAL PADRONIZADA
Exemplo: Considere uma distribuio normal com mdia igual a 3,6 e desvio
padro de 0,8. A probabilidade de se encontrar um elemento desta distribuio
menor 3,8 dada por:




Here comes your footer Page 21
) 25 , 0 (
8 , 0
6 , 3 8 , 3
) 8 , 3 ( s = |
.
|

\
|
s =
|
.
|

\
|

s = s z P z P
x
z P X P
o

O valor tabelado para z = 0,25

0,5987.
Este valor corresponde a rea sob
a curva normal acumulada de - a
0,25.
Assim, o valor da probabilidade
procurado 0,5987.

Ou seja, o probabilidade de
encontrar um valor abaixo de 3,8
de 59,87%.

OBTENDO REAS SOB A CURVA NORMAL PADRO
P(z > 2) = 1,000 0,9772 = 0,0228 (2,28%)




P(-1 z 0) = 0,5000 0,1587 = 0,3413 (34,13%)



P(-2 z 1) = 0,8413 - 0,0228 = 0,8185 (81,85%)
rea total sob
a curva
rea acumulada sob
curva at z = 2
rea acumulada sob
a curva at z = -2
rea acumulada sob a
curva at z = 1
rea acumulada sob
a curva at z = 0
rea acumulada sob
curva at z = -1
DISTRIBUIO NORMAL EXEMPLO 1
A resistncia trao do papel usado em sacolas de supermercado uma
caracterstica de qualidade importante. Sabe-se que essa resistncia segue um
modelo Normal com mdia 40 psi e desvio padro 2 psi. Se a especificao
estabelece que a resistncia deve ser maior que 35 psi, qual a probabilidade que
uma sacola produzida com este material satisfaa a especificao?
Here comes your footer Page 23
9938 , 0 0062 , 0 1 ) 35 (
0062 , 0 ) 5 , 2 ( ) 35 ( 5 , 2
2
40 35
) 35 ( 1 ) 35 (
= = >
= s = s =

=
s = >
X P
z P X P z
X P X P
DISTRIBUIO NORMAL EXEMPLO 2
O dimetro do eixo principal de um disco rgido segue a distribuio Normal com
mdia 25,08 in e desvio padro 0,05 in. Se as especificaes para esse eixo so
25,00 0,15 in, determine o percentual de unidades produzidas em
conformidades com as especificaes.
Here comes your footer Page 24
9192 , 0 0000 , 0 9192 , 0 ) 60 , 4 ( ) 40 , 1 (
05 , 0
08 , 25 85 , 24
05 , 0
08 , 25 15 , 25
) 85 , 24 ( ) 15 , 25 ( ) 15 , 25 85 , 24 (
= = s s =
|
.
|

\
|
s |
.
|

\
|
s =
s s = s s
z P z P
z P z P
x P x P x P
DISTRIBUIO NORMAL EXEMPLO 3
Suponha que X N(85; 9). Encontre um valor limite x, sabendo que
P(X>x) = 0,05.






Assim,
Here comes your footer Page 25
645 , 1 95 , 0
9
85
05 , 0
9
85
1 ) ( 1 ) (
= =
|
.
|

\
|

s
=
|
.
|

\
|

s = s = >
z
x
z P
x
z P x X P x X P
805 , 99
9
85
645 , 1 =

= x
x
EXERCCIOS
1. Num lote que tem 2% de defeituosos, foram retiradas 40 peas, que
ser rejeitado se forem encontradas duas ou mais peas defeituosas.
Qual a probabilidade de rejeitar o lote?

2. Os registros de uma pequena companhia indicam que 40% das faturas
por ela emitidas so pagas aps o vencimento. De 14 faturas
expedidas, determine a probabilidade de:
a. nenhuma ser paga com atraso.
b. no mximo 2 serem pagas com atraso.
c. pelo menos 3 serem pagas com atraso.
d. uma ser paga em dia.
Here comes your footer Page 26
EXERCICIOS
3. Em uma indstria automotiva, defeitos superficiais de pintura ocorrem a
uma taxa de 0,15 defeitos/unidade. Encontre a probabilidade que uma
unidade escolhida ao acaso apresente 1 ou mais defeitos superficiais.

4. O setor financeiro de uma loja de departamentos est tentando
controlar o nmero de erros cometido na emisso das notas fiscais.
Suponha que esses erros sigam o modelo de Poisson com mdia
=0,03. Qual a probabilidade de uma nota selecionada ao acaso
conter 2 ou mais erros?

5. Uma amostra de 1 m de cabo foi retirada de uma bobina. O cabo tem
em mdia uma falha por m. Qual a probabilidade de no encontrar
falha na amostra? Qual a probabilidade de encontrar 2 falhas na
amostra?
Here comes your footer Page 27
EXERCCIOS
6. Os tempos at a falha de um dispositivo eletrnico seguem o modelo
Exponencial, com uma taxa de falha = 0,012 falhas/hora. Indique qual
a probabilidade de um dispositivo escolhido ao acaso sobreviver a 50
horas? E a 100 horas?
7. O tempo at a venda de um certo modelo de eletrodomstico, que
regularmente abastecido em um supermercado, segue uma
distribuio Exponencial, com parmetros = 0,4 aparelhos/dia.
Indique a probabilidade de um aparelho indicado ao acaso ser vendido
logo no primeiro dia.
8. Os dados abaixo referem-se viscosidade de um produto qumico.
Encontre um valor limite de viscosidade x, tal que
P(viscosidade>x)=0,075.
Here comes your footer Page 28