Exemplo : Escolhendo as respostas ao acaso em prova de mltipla escolha Calculemos a probabilidade de Cesar ser bem sucedido em sua prova

de Matemtica. Para cada questo representemos por A o fato de a resposta estar correta e por E errada. Cada resultado do espao amostral ser uma seqncia de As e Es. H 8 de tais seqncias, assim sendo = {AAA, AAE, AEA, EAA, AEE, EAE, EEA, EEE}. As probabilidades correspondentes so obtidas lembrando que para cada questo a probabilidade de acerto 0,2 e a de erro 0,8. Alem disso, cada resposta da prova escolhida de forma independente pelo estudante. Seja X a v.a. que representa a quantidade de respostas certas entre as trs, X pode assumir os valores 0, 1, 2 ou 3. Observe a tabela:

= nmero de respostas certas

0 0,512

1 0,384

2 0,096

3 0,008

Cesar ser aprovado se X for maior ou igual a 2, P(X 2) = P(X=2 ou X=3) = P(X=2) + P(X=3) = 0,096 + 0,008 = 0,104, Note que as probabilidades dos diferentes valores de X foram calculadas a partir da associao de cada valor de X com um subconjunto do espao amostral .


C C C C C C C C C C C C

Exemplo 2.2: Vari veis aleat rias do nosso cotidiano

a) Karen analista qumica e deseja submeter uma amostra de gua a um

teste de alcalinidade. Para isso mede 100 ml da gua a ser analisada, coloca-os em um balo de Erlenmeyer e acrescenta 3 gotas de fenolftalena. Se a soluo se tornar rsea, ela titulada adicionando com uma bureta graduada gotas de cido sulfrico de uma dada concentrao, at o descoramento total. Karen anota, ento, o nmero de gotas que se revelou necessrio (o que lhe permite determinar o volume de cido usado). Neste caso podemos considerar a v. a. como sendo X, o nmero de gotas de cido sulfrico e, se a alcalinidade alta, a probabilidade de que tenham sido necessrias pelo menos 2 gotas ou seja, P(X 2 ) tambm deve ser alta. b) Jaime um engenheiro encarregado de realizar estudos ergonmicos em uma empresa. Ele mede o tempo que os operrios gastam em executar certas tarefas. Naturalmente para cada tarefa o tempo gasto depende do treino e da destreza do operrio. Suponha que, para uma particular tarefa, o tempo mdio gasto de 285 segundos. Aqui a varivel aleatria X = tempo em segundos gasto na execuo da tarefa e tudo indica que, para um operrio novato, pouco treinado, alta a probabilidade P(X >285).

Se X uma varivel aleatria, ento a cada elemento do espao amostral corresponde um nico nmero real X()

Variveis Aleatrias - O Caso Discreto

Distribuio de probabilidade de uma v.a. discreta

i i i

A Funo de Distribuio Acumulada de uma v.a. discreta

Propriedades da Funo de Distribuio Acumulada F

Medidas de Disperso

Varincia

Var(X) a mdia ponderada dos valores (xi - E(X))2, sendo o peso do i - simo valor igual a P[X = xi].

O desvio padro de X : DP(X) =

Var(X)
2

Obs.: A varincia de X tambm pode ser calculada pela expresso 2 2 2 2 1 1 2

Var(X)= E(X ) (E(X)) = (x .P[X = x ] + x .P[X = x2 ] + ...) {E(X)}

Varincia

Famlias de Distribuies mais importantes

O modelo de Bernoulli
Dado p, 0 < p < 1, uma varivel aleatria X que assume os valores 0 (fracasso) ou 1 (sucesso) de tal forma a que P(X = 1) = p tem distribuio de Bernoulli com parmetro p. fcil ver que neste caso E(X) = p e Var(X) = p(1-p) e P(X = 0) = 1 - p

O modelo Binomial
0 < p < 1, e n inteiro positivo, seja X o nmero de sucessos Dados p, obtidos em n ensaios de Bernoulli independentes onde, em cada um deles, P(sucesso) = p e P(fracasso) = 1 - p Neste caso diz-se que X tem distribuio Binomial com parmetros n e p:
n P(X=k) = k

pk (1-p)n-k ,

k = 0,1,2,...,n

Prova-se que: E(X) = n p e Var(X) = n p (1-p).

n n x nx = p (1-p ) x = 0 x

( p + (1-p) )n = 1

EXEMPLO Em quatro pessoas escolhidas ao acaso na multido: (a) Qual a probabilidade de que nenhum deles seja do signo de Aqurio? (b) Qual a probabilidade de que entre eles o nmero de aquarianos seja exatamente 2? (c) Qual a probabilidade de que haja no mnimo 2 aquarianos entre os 4? (d) Qual o nmero esperado de aquarianos entre os 4 Obs.: Admita que os 12 signos so equiprovveis.

Soluo do Exemplo

O nmero X de aquarianos na amostra obedece a uma distribuio Binomial com n = 4 e p = 1/12. Ento, usando a frmula acima ou recorrendo a um software estatstico obtemos:
4 1 0 11 4 = 0,70607 12 12 (a) P(X = 0) = 0

( )( )

4 1 2 11 2 = 0,03501 (b) P(X = 2) = 2 12 12 4 1 2 11 2 4 1 3 11 1 + + 3 12 2 12 (c) P(X 2) = 12 12

( )( )

( )( )

( )( )

4 1 4 11 0 = 4 12 12

( )( )

0,03718

(d) E(X) = 4 . 1/12 = 1/3 = 0,333

Exemplo 2.12: A funo de probabilidade da Binomial para vrios ns e vrios ps

Poisson

Exemplo 2.18: A funo de probabilidade de uma Poisson

A figura a seguir exibe o grfico das funes de probabilidade para uma distribuio de Poisson, sendo considerados trs casos: t = 1, . t = 3 e t = 10

Exemplo : Consultas ao site de uma empresa

Admita que o nmero de consultas Home Page de uma determinada empresa durante um perodo de tempo obedece a uma distribuio de Poisson e que em mdia h 2 consultas por dia. Qual a probabilidade de que em um(a) determinado(a): dia sejam feitas exatamente 3 consultas? semana (7 dias) sejam feitas no mximo 10 consultas? ms (30 dias) sejam feitas pelo menos 50 consultas? Soluo: Em qualquer dos casos acima usaremos o modelo , onde = 2 e X a varivel aleatria que conta o nmero de consultas ao longo de t dias. Aqui t=1 e t = 2. Ento, = 0,1804. Aqui t=7 e t = 14. Ento, = 0,1757. Aqui t=30 e t = 60. Ento, = 1 0,0844 = 0,9156. Obs.: Note que, em um problema deste tipo, j que os clculos envolvidos so bastante trabalhosos, conveniente o uso do computador.

EXEMPLO
Admita que o nmero de consultas Home Page de uma determinada empresa durante um ms obedece a uma distribuio de Poisson e que em mdia h 50 consultas por ms. Qual a probabilidade de que em um determinado ms: (a) sejam feitas pelo menos 40 consultas? (b) sejam feitas pelo menos 50 consultas? (c) sejam feitas pelo menos 60 consultas?

Resoluo do Exemplo
Em qualquer dos casos acima o que se deseja calcular (Ko) = P [ X ko ] , onde a varivel aleatria X tem uma distribuio de Poisson com parmetro = 50 (j que a mdia de uma Poisson coincide com o valor do parmetro ). Ento temos

(k 0 ) = P(X k 0 ) =
(a) ( 40 ) = 0,94 (b) ( 50 ) = 0,52 (c) ( 60 ) = 0,09

k =k 0

P(X = k) =

50

k =k 0

50 k

Obs.: Estas probabilidades podem ser obtidas recorrendo-se a um software que contenha a distribuio de Poisson acumulada.