Docsity
Docsity

Prepare-se para as provas
Prepare-se para as provas

Estude fácil! Tem muito documento disponível na Docsity


Ganhe pontos para baixar
Ganhe pontos para baixar

Ganhe pontos ajudando outros esrudantes ou compre um plano Premium


Guias e Dicas
Guias e Dicas


Distribuição binomial, Notas de aula de Probabilidade

Resumos sobre Distribuição binomial.

Tipologia: Notas de aula

2019
Em oferta
30 Pontos
Discount

Oferta por tempo limitado


Compartilhado em 06/09/2019

rodrigo-ferreira-62
rodrigo-ferreira-62 🇧🇷

5

(2)

1 documento

1 / 3

Toggle sidebar

Esta página não é visível na pré-visualização

Não perca as partes importantes!

bg1
GEX 242 - An´alise Combinat´oria e Probabilidade
Distribui¸ao binomial
Para construir o modelo binomial vamos introduzir uma sequˆencia de ensaios de Bernoulli. Tal
sequˆencia ´e definida por meio das seguintes condi¸oes:
Em cada ensaio considera-se somente a ocorrˆencia ou ao-ocorrˆencia de um certo evento que ser´a
denominado sucesso (S) e cuja ao-ocorrˆencia ser´a denominada falha (F). Os ensaios ao independen-
tes. A probabilidade de sucesso, que denotaremos por p ´e a mesma para cada ensaio. A probabilidade
de falha ser´a denotada por 1-p. Para um experimento que consiste na realiza¸ao de nensaios inde-
pendentes de Bernoulli, o espa¸co amostral pode ser considerado como o conjunto de n-uplas, em que
cada posi¸ao a um sucesso (S) ou uma falha (F).
A probabilidade de um ponto amostral com sucessos nos kprimeiros ensaios e falhas nos nk
ensaios seguintes ´e pk(1 p)nk.
Note que esta ´e a probabilidade de qualquer ponto com ksucessos e nkfalhas. O umero de
pontos do espa¸co amostral que satisfaz essa condi¸ao ´e igual ao umero de maneiras com que podemos
escolher kensaios para a ocorrˆencia de sucesso dentre o total de nensaios, pois nos nkrestantes
dever˜ao ocorrer falhas. Este umero ´e igual ao umero de combina¸oes de nelementos tomados ka
k, ou seja,
n
k=n!
k!(nk)!.
Ou seja, para k= 0,1, . . . , n:
P[X=k] = n
kpk(1 p)nk.
Defini¸ao:
Seja Xo umero de sucessos obtidos na realiza¸ao de nensaios de Bernoulli independentes.
Diremos que Xtem distribui¸ao binomial com parˆametros nep, em que p´e a probabilidade de
sucesso em cada ensaio, se sua fun¸ao de probabilidade for dada por
p(x) = P[X=k] = n
kpk(1 p)nk.
Usaremos a nota¸ao Xb(n, p).
Exemplo: Suponha que numa linha de produ¸ao a probabilidade de se obter uma pe¸ca defeituosa
(sucesso) ´e p= 0,1. Toma-se uma amostra de 10 pe¸cas para serem inspecionadas. Qual a probabilidade
de se obter:
1. Uma pe¸ca defeituosa?
2. Nenhuma pe¸ca defeituosa?
3. Duas pe¸cas defeituosas?
4. No m´ınimo duas pe¸cas defeituosas?
5. No aximo duas pe¸cas defeituosas?
Solu¸ao: 1. P(X= 1) = 10
1(0,1)1(1 0,1)101=10!
1!(101)! 0,1(0,9)9= 0,3874.
2. P(X= 0) = 10
0(0,1)0(1 0,1)100=10!
0!(100)! (0,9)10 = 0,3486.
3. P(X= 2) = 10
2(0,1)2(1 0,1)102=10!
2!(102)! (0,1)2(0,9)8= 0,1937.
4. P(X2) = P(X= 2) + P(X= 3) + . . . +P(X= 9) + P(X= 10).
ou seja, P(X2) = 1 [P(X= 0) + P(X= 1)] = 0,2639.
5. P(X2) = P(X= 0) + P(X= 1) + P(X= 2) = 0,9298.
Exemplo: Suponha que um aluno pretende fazer um teste de ultipla escolha com 10 quest˜oes
e cinco alternativas por quest˜ao respondendo cada uma das quest˜oes de forma aleat´oria. Qual ´e
probabilidade dele acertar no aximo 3 quest˜oes?
pf3
Discount

Em oferta

Pré-visualização parcial do texto

Baixe Distribuição binomial e outras Notas de aula em PDF para Probabilidade, somente na Docsity!

GEX 242 - An´alise Combinat´oria e Probabilidade

Distribui¸c˜ao binomial

Para construir o modelo binomial vamos introduzir uma sequˆencia de ensaios de Bernoulli. Tal sequˆencia ´e definida por meio das seguintes condi¸c˜oes: Em cada ensaio considera-se somente a ocorrˆencia ou n˜ao-ocorrˆencia de um certo evento que ser´a denominado sucesso (S) e cuja n˜ao-ocorrˆencia ser´a denominada falha (F). Os ensaios s˜ao independen- tes. A probabilidade de sucesso, que denotaremos por p ´e a mesma para cada ensaio. A probabilidade de falha ser´a denotada por 1-p. Para um experimento que consiste na realiza¸c˜ao de n ensaios inde- pendentes de Bernoulli, o espa¸co amostral pode ser considerado como o conjunto de n-uplas, em que cada posi¸c˜ao h´a um sucesso (S) ou uma falha (F). A probabilidade de um ponto amostral com sucessos nos k primeiros ensaios e falhas nos n − k ensaios seguintes ´e pk(1 − p)n−k. Note que esta ´e a probabilidade de qualquer ponto com k sucessos e n − k falhas. O n´umero de pontos do espa¸co amostral que satisfaz essa condi¸c˜ao ´e igual ao n´umero de maneiras com que podemos escolher k ensaios para a ocorrˆencia de sucesso dentre o total de n ensaios, pois nos n − k restantes dever˜ao ocorrer falhas. Este n´umero ´e igual ao n´umero de combina¸c˜oes de n elementos tomados k a k, ou seja, ( n k

n! k!(n − k)!

Ou seja, para k = 0, 1 ,... , n:

P[X = k] =

n k

pk(1 − p)n−k.

Defini¸c˜ao: Seja X o n´umero de sucessos obtidos na realiza¸c˜ao de n ensaios de Bernoulli independentes. Diremos que X tem distribui¸c˜ao binomial com parˆametros n e p, em que p ´e a probabilidade de sucesso em cada ensaio, se sua fun¸c˜ao de probabilidade for dada por

p(x) = P[X = k] =

n k

pk(1 − p)n−k.

Usaremos a nota¸c˜ao X ∼ b(n, p). Exemplo: Suponha que numa linha de produ¸c˜ao a probabilidade de se obter uma pe¸ca defeituosa (sucesso) ´e p = 0, 1. Toma-se uma amostra de 10 pe¸cas para serem inspecionadas. Qual a probabilidade de se obter:

  1. Uma pe¸ca defeituosa?
  2. Nenhuma pe¸ca defeituosa?
  3. Duas pe¸cas defeituosas?
  4. No m´ınimo duas pe¸cas defeituosas?
  5. No m´aximo duas pe¸cas defeituosas? Solu¸c˜ao: 1. P(X = 1) =

(0, 1)^1 (1 − 0 , 1)^10 −^1 = 1!(1010!−1)! 0 , 1(0, 9)^9 = 0, 3874.

2. P(X = 0) =

(0, 1)^0 (1 − 0 , 1)^10 −^0 = 0!(1010!−0)! (0, 9)^10 = 0, 3486.

3. P(X = 2) =

(0, 1)^2 (1 − 0 , 1)^10 −^2 = 2!(1010!−2)! (0, 1)^2 (0, 9)^8 = 0, 1937.

4. P(X ≥ 2) = P(X = 2) + P(X = 3) +... + P(X = 9) + P(X = 10).

ou seja, P(X ≥ 2) = 1 − [P(X = 0) + P(X = 1)] = 0, 2639.

  1. P(X ≤ 2) = P(X = 0) + P(X = 1) + P(X = 2) = 0, 9298. Exemplo: Suponha que um aluno pretende fazer um teste de m´ultipla escolha com 10 quest˜oes e cinco alternativas por quest˜ao respondendo cada uma das quest˜oes de forma aleat´oria. Qual ´e probabilidade dele acertar no m´aximo 3 quest˜oes?

Como cada quest˜ao apresenta cinco alternativas e o aluno pretende respondˆe-las ao acaso temos que a probabilidade de sucesso em cada quest˜ao, ou seja, probabilidade dele escolher a alternativa correta ´e de 1/5. Desta forma, podemos definir as seguintes vari´aveis aleat´orias com distribui¸c˜ao de Bernoulli

Xi =

1 , se o aluno responde a quest˜ao i corretamente 0 , caso contr´ario i = 1,... , 10.

Temos que, para todo i, a probabilidade de sucesso ´e p = 0, 2 (j´a que temos 5 alternativas dis- pon´ıveis). Desta forma, P(Xi = 1) = 0, 2. Se definirmos X como sendo a vari´avel aleat´oria que assume o n´umero total de acertos na prova, temos que

X =

∑^10

i=

Xi ∼ b(10; 0, 2),

isto ´e, X tem distribui¸c˜ao binomial com parˆametros n = 10 e p = 0, 2. Como queremos saber a probabilidade do aluno acertar no m´aximo 3 quest˜oes, queremos encontrar o valor de P(X ≤ 3). Assim

P(X ≤ 3) = P(X = 0) + P(X = 1) + P(X = 2) + P(X = 3). Portanto

P (X ≤ 3) =

∑^3

i=

i

(0, 2)i(1 − 0 , 2)^10 −i^ ≈ 0 , 879.

Logo, a probabilidade de que o aluno acerte no m´aximo 3 quest˜oes ´e de aproximadamente 0,879. Exemplo: Uma moeda n˜ao viciada ´e lan¸cada v´arias vezes. Qual a probabilidade de que obtermos 5 caras antes de obtermos 3 coroas? Vamos considerar como sucesso a obten¸c˜ao de cara em cada lan¸camento da moeda. Desta forma queremos obter 5 sucessos antes de obtermos 3 fracassos. Mas isto s´o ´e poss´ıvel se jogarmos a moeda pelo menos 5 vezes e no m´aximo 7 vezes, pois em menos de 5 jogadas n˜ao ´e poss´ıvel obtermos 5 caras e em 8 jogadas ou mais, j´a temos que ter obtido as 5 caras, pois caso contr´ario vamos ter obtido 3 coroas, ou mais o que n˜ao ´e o intuito. Considere as vari´aveis aleat´orias Xi ∼ b(i, 0 , 5), definidas como sendo o n´umero de sucessos obtidos em i lan¸camentos da moeda com i = 5, 6 , 7. Sendo assim precisamos calcular P(Xi = 5) para cada i. Portanto a probabilidade de obtermos 5 caras antes de 3 coroas ´e:

P(X 5 = 5) + P(X 6 = 5) + P(X 7 = 5) =

∑^7

i=

i 5

(1/2)^5 (1 − 1 /2)i−^5 ≈ 0 , 23.

Exemplo: (Problema da caixa de fosforo de Banach) Suponha que um homem ande sempre com duas caixas de f´osforos com n palitos cada uma. Suponha tamb´em que cada vez que ele necessite usar um f´osforo ele pegue de forma aleat´oria em qualquer uma das caixas. Como ele ´e uma pessoa distra´ıda quando ele pega o ´ultimo palito da caixa de f´osforos ele n˜ao se lembra de joga-la fora. Qual a probabilidade de que quando ele perceba que uma das caixas est´a vazia a outra contenha exatamente k f´osforos? Para facilitar a resolu¸c˜ao do problema vamos numerar as caixas de f´osforo. Vamos calcular inici- almente a probabilidade de que, quando o homem percebe que a caixa de f´osforo n´umero 1 est´a vazia, a caixa de f´osforo n´umero 2 cont´em exatamente k palitos. Consideremos como sucesso a retirada de um palito da caixa n´umero 1. Seja A o evento ”Retirar um f´osforo da caixa n´umero 1, mas a caixa 1 est´a vazia e a caixa de n´umero 2 cont´em exatamente k f´osforos. O evento A ocorre se, e somente se, o n + 1-´esimo sucesso, ocorre na retirada de n´umero n + 1 + n − k. Em outras palavras para que o evento A ocorra ´e necess´ario que nas n + 1 vezes que obtemos sucesso, ou seja, que retiramos f´osforo da caixa 1, j´a tenhamos realizado n + 1 + n − k experimentos.