Scribd Logo
Upload

Welcome to Scribd!

  • 05 VariavelAleatoriaDiscreta Exercicios

    Uploaded by

    samuel Trigueiro Cavalcante
    11 views9 pages

    Original Title

    05_VariavelAleatoriaDiscreta_Exercicios

    Copyright

    © © All Rights Reserved

    Available Formats

    PDF or read online from Scribd

    Did you find this document useful?

    Is this content inappropriate?

    Report this Document

    Copyright:

    © All Rights Reserved
    Download as PDF or read online from Scribd
    Flag for inappropriate content
    11 views9 pages

    05 VariavelAleatoriaDiscreta Exercicios

    Uploaded by

    samuel Trigueiro Cavalcante

    Copyright:

    © All Rights Reserved
    Download as PDF or read online from Scribd
    Flag for inappropriate content
    of 9
    deveremos simplesmente “18 © conjunto de inteiros de zero dos seu seein ) da varivel ates Avarivel formes em Enum sia at “exereicios, determine afaixa (valores possi= aleatoria 0 nin uma pl tema d ter de conexes soladas io con lca decircito impress com 1.000 conexes omnia por vor cm 0 thas Yr imerodelinas tm us emer ane Nima Seale cletinice, que outa yesorgar ae eae emcees ee O mostrador presen #0. meaner algaismon.Qualquerpesomaiersiceanec ce siegans Better toads con 999" rele {ua batlada de 500 popasusinadas conti 10 qe no sten- sen Gauerimentos do consunider A varie deatnnc nimero de pesas em uma amastade’ pe aeeroe ne - terimenton do consume 'S- Ura batelada de S00 pera sinadas contém 10 que no ate ddem 0s requeriment Z #28105 requerimentos do consumidor Peas sto sleionadns Uma escala eet 44, 4.2 DISTRIBUICOES DE PROBABILIDADES E FUNCOES DE PROBABILIDADE Freqiientemente nosso interesse se centraliza na probabilidade com que uina varidvel aleatoria assume um valor particular A distribuigdo de probabilidades de uma varivel aleatbria Xé uma descrigdo das probabilidades associadas com os valores possiveis de X. Para uma variivel aleatoria discreta, a distribui- [40 &, freqiientemente, especificada por apenas uma lista de va- lores possiveis, juntamente com a probabilidade de cada um. Em alguns casos, € conveniente expressar a probabilidade em ter- mos de uma formula, EXEMPLO 4.4 Ha uma chance de que um bittransmitido através de um canal de transmissao digital seja recebido com erro. Faga Xset igual ‘a0 mimero de bits com erro nos quatro proxintos bits transmiti- dos. Os valores possiveis para Xsdo {0, 1,2,3,4}. Baseadoem lum modelo (que serd apresentado na segio seguinte) para os ‘err0s, as probabilidades para esses valores serio determinadas. ‘Suponha que as probabilidades sejam P(x = 0) = 0.6561 P(X = 1) = 0.2916 POX = 2) = 040486 0,0036 0,001 pabilidades de X°é especificada pelos va- imente com a probabilidade de cada um, ida distribuigao de probabilidades de Xé PX Px A distribuigio de pro! lores possiveis, juntar Uma descrigao grafica ‘mostrada na Fig. 4.1 suena cum et St ee. cology to pode ser descrto por uma funcio due especifics sean py Se nS ____ EXERCICIOS PARA A SECAO 4.1 — Note que mais deur varivel leat pode erg um espagoamosral No Exemplo43,poderos df lag, alata ¥ can sendoo nite J his dung yy falha no teste final tag ucrsvament, em repo que una py ise eni A varie alan nie nde eee ied 6, ‘Revive seta oor deumiade dum ‘immu pons pent annem [varie let €o numer deaths nse grande spent oo galvanizado, om 4s. Arar laticia bo nlmero de operas co pore dteny inp comp 41. pa SFU cy ao, Seemann eer legs, polegan 0438 pola Ava aeagy spss total dos pangs em dois pdidos. varidvel aleatéra discreta X, sua distribuigio pode ser desig por uma fungo que especifica a probabilidade de cada um de, valores diseretos possiveis para X. | Definigio | Para uma varivelaleatéria discreta X, com valores poss- ‘Weis XX nN @t Fungo de probabilidade & Sls) a ‘Como ffx) €definida como uma probabilidade, Ax) = Operatodo xX fx) = 1. Verifique que essa soma de probabilidades Exemplo44 éigtalaum. EXEMPLO 45 Faca a varive aeatéria X denotar o nmero de pastas semicondutores que necessitam ser analisadas, de modo # tectar uma grande particula de contaminagéo. Consider? brobabildade de ura pasta conter um grand particle D0? que as pastihas sejam independentes. Determine ads slo de probabilidades de X. amet | + aor mL Fig. 4. Disibuiso de probiidades para is com all : \ Vanuvus Aarons Dscauras Deum oe osmmuoanes 53 sente, O espago amostral do experimento int yt Ae recem com um conjunto de caracteres de bide ane —z || | Considere uns poucos casos especiais, Temos aaa a Ap) =k Tanben, wando aspera ee PIX = 2) = Pap) = 0,990.01) = 0, | umafrmuta gerats eee ia) Fig. 42 Carregamentos em pontosdscretos em una viga Tonga e deleada, Re Mee aye geet Variveis aleatérias so ti importantes em experimentos | PRR 2) = Plea. .ap) = 0.99*-1 @on, iedstas us secu eal gee cents ee | (= Da's ‘Pago amostral original do experimento ¢ focamos a distribuic para x = 1, gio de probabilidades da variavel aleatoria. Por exemplo, no Expres probabilidad 22. Exemplo 4.1 i rde fe slusis ite spresar as probabilidades associadss com X. em :xemplo 4.1, nossa anise pode focar exclusivamente os in- | sefomula, €ométodo mats simples de Seen NCS S-_tizs 0, 1-48) na fui de XNo Enemplo 2, podemos | de Xneste exemplo. Mbui¢zo resumir o experimento aleatério em termos de trés Valores po- Claramente f/x) = 0. 0 fato de que a soma das pr sitivos possiveis de X, isto é, {0,1,2}. Dessa maneira, uma mexerienn tS Probabilids- varifvel aleatoria pode simplificar a deserigto e a andlise de | des é igual a um ¢ deixado como um exercicio, ‘um experimento aleatéria ce vmostral dog nn EXERCICIOS PARA A SECAO 4. 411, Oespago amostral de um experimentoaleairiog {a,b Sree £ ecada resultado ¢igualmente provavel Unavarsiel lee Oren ria édefinida como segue: eae @ Px=D 417, 0 setor de comercial rstdo 2 b © ¢@ e¢ fF para anilisede amostras x o 0 ts is 2 3 Sucesso ou no tea sucesso, com probabilidades de 0,3: 0,6 Oj, espectivamente. A revelta anal asoeiada com um prod- Determine a funedo de probabitidade de X. 16 de grande sucesso, moderado sucesso ou nenhtim sucesso & 4.12, Usea fingio de probabilidade do Exerciio 4.11 pra dterni- 3) quer pega £0.98. Suponh que ts pegs sejam inspecionadas @ POSX<2 Eau asics sem ndepndeten Se Xa varie ©) AX=0 ou X= aleatria que designa o nimero de pegas clsssificadas coreta~ ee eee mente. Determine a fngia de probabilidade de X. Veritique que as seguintes fungBes siofangBes de probabilida- 4.19, Em un process de fabreagdo Je semniconduores tes patithas dee determine as probabilidades requeridas. de um lot so testadas. Cada pasha &classificada como passa ee 2 o 1 2 ¥ 01 fala Suponha que probabildade de uma pasa passar no teste aj de 08 e que as pass sar independent. fo) | 18 2% 28 28 18 (@) Qual é probabilidade de que todas as és pastithas pas- ‘ermine fang de probabiidade do nimero de pa () PAX > -2) Tas de um lote que passe no teste ( A-1sX=) 420, Um arranj consiste em dois componentes mecinicos. Supo- (@ PKS -1 ov X=2) ‘nha que as probabilidadesdo primeira edo segundo componea- tes encontrarem as expecticayes Sejm gusts 8 099 € U.S 414. fos) = (@mMDy, x = 1,23 Consdere que os componenes sj independents @ Ax = 1) (@) Qual €a probabilidede de qu todos os components em () PX> 1) umarranjoencontrem as especifcagdes? (0) P21 ponentes no arranjo que encontram as espcificagdes. @ us] ow x>0 Ta ee eco oe 415. fo) 01234 ‘queas probabilidades do rimeir, do segundo edo teceio come a ‘ponentes encontarem as expecificagdes sojam igunis 30,95; 0,98 @ PX =4 0,99, Considere que os componentessejam independents (@) Qual & probabilidade de que todos os componentes em ) PX =D sued ose (©) P2=X<4) uum arranjo encontrem as especificagdes = () Determine a fungi de probabilidade do nimero de com- Oe eeen pores noamajoqu encom Spice 416. fix) = GIAMLA, x = 0,12. 422. Mostre que a fungio A(x) no Exemplo 4. satisfaz as proprieda- des de uma fungao de probabilidade, através do somatorio da ene série infiita, (b) PX S 2) 2 s 54 VawsAvess AuraTonias Dascneras& Distal U6 4.3 FUNCOES DE DISTRIBUIGAO- disubativa EXEMPLO 46 eee ie tine ues ovens psi Eo ee ee oot O : "= 1} consiste no resul- P(X $3) = P(X = 1) + PIX = 2) + P(X = 3) = 0,01 + 0,99(0,01) + 0,997(0,01) = 0.0297 Para este exemplo, uma formula geral pode ser mostrada, PU Sx) = 1 - 099% Essa formula pode também ser usada para determinar PX = 14) = POs 14) ~ PU = 13) = (1 = 0,99") — (1 — 0,999) 099" — 0,99" = 0,99'°(0,01) OExemplo 4.6 mostra que, algumas vezes, é util ser capaz de expressar probabilidades cumulativas, tais como PLX = x), em termos de uma formula e que a formula para a probabilidade cu- mulativa pode ser usada para encontrar a fungio de probabilida- de de uma variavel aleatéria, Por conseguinte, o uso de probabi- lidades cumulativas é um método alternativo de descrever a dis- tribuigdo de probabilidades de uma variavel aleatoria. Em geral, para qualquer variével aleatéria com valores possi- WEIS Xs ny AOS EVENOS [X= X;}, (X= Ay}y ny (X= XG) $0 ‘mutuamente excludentes, Logo, AXSx)= D fx) | Definigao =a | | A fincdo distribuigdo cumulativa de uma varidvel aleat6- ria discreta X, denotada por F(x), & Fa) = PX Sa) = YD fx) | Para uma varivel aleatéria discreta X, is guintes propriedades: | @ FO) = PX SHY= YD fy | @ OSFast @) Sexy, entio Fa) < FO) (42) inemque {X= X} est contidonagyene tie. nyplo mostra como a Fungo deqigta X= ary dtrinar a agi sad ria discreta EXEMPLO 4.7 pee e a fungio de distribuigao cumulatiy uy Suponha que a fungio de 40 CUM dy aleatoria X soja zi 0 x<-2 02 -2 af) igu'tlembre-se de que ¥ é0. ponto de equilibrio quando um peso ns eolocado no local de cada medida ao longo da fina nu- cm ylilrmente, sex) fora fungao de densidade de ua cr Via se gn Vit longa e delgada, entéo E(X) € 0 ponto no qual Glib Logo, E.X) descreveo “centro” da dstibuiga jpg Ua maneira similar ao ponto de equilibrio de uma carga. jt dados amostrais , Xp Xa variancia & um sumétio “Pets ou espalhamento dos dados. Ela é — \Vawiavits Atearonias Discneras ¢ DisTRIBUIGDES DE PROBABILIDADES 55 ‘fans de distribugio cumulativa para este exemplo € Plotada na Fig. 4.4, Note que Fx) & definida para todo x, de ~2) 429, 0 x<~0 025-01 sx<03 FO=Jors o3er<03 1 os (@ px =o) © PX = 04) © POssx<06) @ Px <0) © PO=X Va) © PX= 12) Isto é, usa pesos iguais de 1/(n ~ 1) como o multiplicador de cada desvio ao quadrado (x, ~ ¥)?, Como mencionado previa- mente, desvios calculados a partir de % tendem a ser menores que aqueles calculados a partir de 4, sendo 0 peso ajustado de 1) npara 1/(n ~ 1) para compensar. ‘Avvariancia de uma variivel aleat6ria X¢ uma medida de dis- persio ou espalhamento nos valores possiveis para X. A variin- cia de X, denotada por a? ou V(X), é = VX) = Dir wef V(X) usa o peso f(x) como omultiplicador de cada desvio quadri- tico possivel (x, WY. ‘As propriedades de somatérios e a definigio de y. podem ser usadas para mostrar que vay = Se = wf) = Depo - mY afey + wD foo = S fla) — 2p? + w= D Phx) — goes PrOBnston 56° VawuAvers ALEATORIAS DISCRETAS € DISTRI c ser sada. ‘Assim, uma formula alternativa para VUX) pode : : Definigio | ‘uma variavel aleatoria dis- _A média ou valor esperado de Greta X, denotada(o) como p04 EX), & n= 2) = Dafe a3) | ‘A varidneia de X, denotada por a ou VIX); & voy = BK - P= Do pr fe) = Defy - 0 desviowpadréo de Xo = [WI] EXEMPLO 4.9 ‘No Exemplo 4.4, houve uma ‘través de um canal digital de transmissio fosse ree erro, Seja Xo niimero de bits com erro nos quatro préximes bits transmitidos. Os valores possiveis para X sio (0, 1, 2,3, 4}, Baseado no modelo apresentado na segdo seguinte para os erros, as probabilidades para esses valores serdo determinadas. Suponba que as probabilidades sejam POX = 0) = 0.6561 PK = 2) PO 0.2916 PIX = 3) P(X = 4) = 0,0001 Jnance de que um bittransmitido bido com 0.0886 0,036 Agora p= ECO) = Of(0) + 1f(1) + 2f2) + 3/0) + 4f4) = 0(0,6561) + 1(0,2916) + 2(0,0486) + 340,036) + 4(0,0001) = 0,4 Embora X nunca assuma o valor 0,4, a média ponderada dos valores possiveis € 0,4 Paracalcular V(X), uma tabela é conveniente. x xrod (e904) f)_evx 04" 0-04 = 01606561 0,104976 1 06 =~ -036 0.2916 0.104976 2 16 256 004862446 326 67600036 0,024336 436 1296 0,001 0,001296 3 D forte; - 04)? = 36 431,” Seafia de Xr oconjuno (0, 12,34) eAX= 3) = 02, mine amédia ea varineia de varvel ale " 432, Detemineaediaea vain da vane ses 2 on neia da varvel aleatria do Exerci- 133, Determine a média ea varincia da varive aleats ‘oom varincia da varidvelaleatéria do Exereie 134, Determine média ea varin vel aleats Datei varineia da varidvelaleatéria do Exerc p88 ExEMPLO 4-10 «produto deve ser compas, de prot eer de potencitg reivmo do Projeto A pode sr ste come se Bais projetos noves " ‘ando-se Brevis, indo USS 3 milhes, O po curadamé n rs to bem acuradamer p é mais dificil de estimar, © sep de retorn0 60 Prey que hd uma probabilidade de oer SF seyade USS 7 milldes, mas ha ma eet B fie que o retomo soja de apenas Use > yue voc’ prefere? Orel Prejeto A. Devido a certeza no re : fofjemos modelar a distribuig 0 davanivelge 1 jet APU 3 miles com probeblidag gual gy atone oguinte, EO = USS MONET, seja Yo retorno ‘do Projeto B. O valor esperado de To ‘milhdes de reals, é BY) = $1 -xceder £(.X), podemos preferiro Projeon, ¥) exe jade do resultado do Projeto B é maior (0.2) + $20.7) = $3.5 = 7 — 357053) + 2 — 3,5)(0.7) = 5,25 (milhies de délares)? causa das unidades das varidveis neste exemplo seem en Pa i aman agro quadrado dos desvios em relaydo &média, as unidades de re seso milloes de dolares ao quasirado, Essas unidadestoman ‘ainterpretagdo dificil. elo fato de as unidades do desvio-padrdo serem as mex. mas unidades da varidvel aleatoria, 0 desvio-padrio 6 é mis ficil de interpretar. Neste exemplo, podemos resumir nossosre- sultados como “o desvio raédio de Y em relagdo & sua médiaé de USS 2,29 milhdes’ mil EXEMPLO 4.11 ‘Onimero de mensagens enviadas por hora, através de umarede de computadores, tem a seguinte distribuigao: x=nimerodemensagens 10 11 12 13 4 IS 4%) 0,08 0,15 0,30 0,20 0.20 001 Determine a mé enviadas por hora. E(X) = 10(0,08) + 11(0,15) + ++» + 1540.07) V(X) = 107(0,08) + 117(0,15) + «++ + 150.07) ~ 12,5? = 1,85 © 0 desvio-padrdio do nimero de menstge 25 — EXERCICIOS PARA A SECAO 4.4- @ = VX) = VI8S = 1,36 435, aes 7 Datei a medi a varincia da varidve slats 436. Determine amé sriadoEse® Determine amédi ca vardncia da variveatetore 7. A fai a A fica da vasivealeatiia X (0, 12,3. .6 88S inet Se cada valor forigualmenteprovavel ea —__forigual a6, determine x a —w_ “443, Supomiue gue X tenha uma distrbuigBo dizoreta wi 58 VantAvets AteaTénias DIscRETAS & DISTRIBUIQOES DE PROBARIIDADES ‘valores 0,15; 0,16; 0,17; 0,18 e O19, Determine a media © & varidincia da espessura de recobrimento para esse processo, 442, Os comprimentos de pogas planas de video sio medidos para 1 décimo mais proximo de um milimetto. Os comprimentos estio uniformemente distribuidos, com valores em cada dé- cimo de um milimetro comerando em $90,0 e continuando 590.9. Determine a média e a variineia dos compri- 4.6 DISTRIBUIGAO BINOMIAL. Considere os seguintes experimentos aleatéri evariveis alea- torias. 1. Jogue uma moeda 10 vezes. Seja X= niimero de caras obtidas, Um tear produz 1% de pegas defeituosas, Seja X= niime- ro de pegas defeituosas nas préximas 25 pegas produzidas. Cada amostra de ar tem 10% de chance de conter uma mo- Iécula rara particular, Faga X = nimero de amostras de ar que contém a molésulararamas préximas 18 amestas ana De todos os bits transmitidos através de um canal digital de transmissio, 10% sio recebidos com erro, Seja X= ni- ‘mero de bits com erro nos proximos 5 bits transmitidos. ‘5. Umiteste de miltipla escolha contém 10 questdes, cada uma com quatro escolhas. Vocé tenta adivinhar cada questo, Soja X= niimero de questées respondidas corretamente, 6. Nos préximos 20 nascimentos em um hospital, seja X ‘nimero de nascimentos de meninas, 7, De todos os pacientes sofrendo de uma determinada do- cenga, 35% deles experimentam uma melhora proveniente de ‘uma medicagao particular. Nos prOximos 30 pacientes ad- ‘ministrados com a medicagao, seja X = numero de paci- entes que experimentam methora. 2. Esses exemplos ilustram que um modelo geral de probabilids- de, que incluisse esses experimentos como casos particulares, seria muito it ‘Cada um desses experimentos aleatorios pode ser pensado como consistindo em uma série de tentativas aleatrias erepeti- das: 10 aremessos da moeda no experimento (1), produgao de 25 pegas no experimento 2) ¢assim por diate. A variave aleat6- ria em cada caso é uma contagem do nimero de tentativas que encontram um eritério especificado, O resultado de cada tena vvasatisfaz ou ni o critério que X conta; conseqiientemente, cada tentativa pode ser sumarizada como resultando em um sucesso ‘ou uma fata, respectivamente, Porexemplo,em um experimento dde miltipla escolha, para cada questio, somente a escolha que seja correta€ considerada um sucesso. Escothendo qualquer uma ds tes opgbes incorretas resulta em uma tentativa sendo resu- rida como uma falha, (Os termos sucesso filha sio apenas designagDes. Podemos, também, usar apenas “A” e “B" ou “0” e “I”, Infelizmente, as Gesignagbes usuals poder alyumnas vezes ser enganoans. No ‘experimento (2), devido a X contar pevas defeituosas, a produ- co de uma pega defeituosa & chamada de sucesso. ‘Uma tentativa com somente dois resultados possiveis éusa- da tio freqiientemente como um bloco formador de um expeti= mento aleatério que é chamada de uma tentativa de Bemouli Geralmente, considera-se que as tentativas que constituem 0 experiment altro sjam independentes sso implica que ore- sultado de uma tenativa nfo tem efeitono resultado aser obi ‘ partir de outra tentativa, Além disso, freqientemente & razo ' Sanit, 5Dacrminca maa vacincle cst. ins eel deaiia Y= 3Xe Comparer sash respondents 5 a, ams, ‘varivelsleatia dh Mostre que, parauma ¥ iscreta X, se cad Glosefeite serdode multiplicara médiade Xporcesysees de X por 2. Ouse, mostreque BUX) = ce WeX)= ety WH, vel supor que a probabilidade de um sucesso em cada ten vy seja constante, No experimento de miltipla escolha, se pessoa que for fazer 0 teste nfo tiver conhecimento do mitra Pomente adivinhar caia questi, podemos considerar que pry. pablidade de uma resposta correta seja 1/4 para cada questi ‘Notagio fatoral é usada nesta sepdo, Relembre-se de gue nl denota 0 produto dos inteiros menores que ou iguais a n nin = In — 2)++ QM) Por exemplo, 51 = (9)4X3)@)) = 120 wel pela definigio 0! = 1, Usamos também a notaeo combinatorial Cn al 8) “x@— a! Porexerplo, st _ 120 26 @) Ver Apéndice | para maiores comentarios. a EXEMPLO 4.15 ‘A chance de que um bittransmitido através de um canal digit de transmissto seja recebido com erro & de 0,1. Suponbatan- bbém que as tentativas de transmissio sejam independentes. Fast X= nimero de bitscom etro nos préximos quatro bis ans tidos. Determine AX = 2) Considete que a letra E designa um bitcom erro e quea kt (Odesigna um bitque esteja bom, ou sea, recebido sem eo. P- ddemos representar os resultados deste experimento como Ut lista de quatro letras, que indicam os bits que esto com 0¢ aqueles que esto bons. Por exemplo,o resultado OEOE inet que segundo e quarto bits estio com erro e que 0s autos is bits esto sem erro (Bons). Os valores correspondentes para x8 eae ae Resultado x 0000 er) 1 o008 1 Foor 2 ore 1 Boro 2 OEE 2 OEE 3 1 EEOO 2 2 EOE 3 2 EEO 3 oe ee evento em que x: consiste em seis resultados {EE00, EOZ0, EOE, EEO, OOF, OOFF! —— ra usando a suposigiio de que as tentativas sejam independen- tes a probabilidade de {EEOO} & 7 VaniAvess ALEATORIAS DISCRETAS & DISTRIUIGOES PE ‘{EEOO) = PLE)PCE)P(O)P(O) = (0,1)*(0.9)? = 0,0081 sgalquer um dos seis resultados mutuamente excludentes, para P(X = 2) = 6(0,0081) = 0.0486 Em geral, AX = x)= (alimero de resultados que resultam em x erros) X ODx 0.9) para completar uma formula geral de probabilidade, necessita- eesomente de uma expresso para o nlimero de resultados que Gontém x erros. Um resultado que contenha x ertos pode ser Constuido dividindo as quatro tentativas (letras) no resultado Smrdois grupos. Um grupo tem tamanho x ¢ contém os erros ¢ ‘outro grupo tem tamanho n~ x ¢ consiste nas tentativas que fstdo sem erros, O nimero de maneiras de dividir quatro obje- Wi tn i wou ot ico an [et —3). Forces ne xepl PX - (Somos Note que 3} = 41/2! 21] = 6, como encontrado anterior- mente, A fungao de probabilidade de X foi mostrada no Exem- ploddeFig 41 (O Exemplo 4.15 motiva o seguinte resultado Definiglo Umexperimentoaleatério, consstind em a repetidas ten- tativas, de modo que (1) as tentativas sejam indeperidentes, @) cade tentativa resulte em somente dois resultados pos- siveis, designados como “sucesso” e “Falla”, ) aprobabilidade de um sucesso em cada tentativa, de- notada por p, permanega constante &chamado de um experimento binomial ‘A varidvel aleatoria X, que é igual ao ndimero de tentati- vas que resultam em um sucesso, tem uma distribuigdo binomial com parametros pe n = 1,2, | A fungio de probabilidade de X $6) = ("ora = pr fe Ort ek «9 | Como no Exemplo 4.15, {") &igual 20 nimeo total de se- itn citeentes de ets que conn x sess e 0 ~ x fas. O nimero total de seqléncas diferentes de tenatva que café xsucesos em tls vezes a probubiiade de cada nce éiguala A= 9). _Actpresso anterior de probabilidade & una firmula muito itil que pode ser aplicada em varios exemplos, O nome da distri- — 59 roBaBILIDADES tes ae by buigdo & obtido da expanséo bincmial. Para as constants 4° expansio binomial € arm 3 (_)etor-* esso de uma tinica tentative. peb=1~p.ve iavel aleatéria iva no ean home em [tn oinmarsn 86 EXEMPLO 4.16 ‘Varios exemplos usando ocoefcente binomial ("sto dados a seguir (2) = 10U13! 71] = (10-9 8/13 +2) = 120 1s 1/10! 5!) (i) = sons = (15-14-13 + 12+ 11)MS-4- 3-2) = 3003 (®) = 1004/4! 961] = (100 - 99-98-9743» 2) = 3.921.225 EXEMPLO 4.17 Cada amostra de ar tem 10% de chance de conter uma certa molécula rara, Considere que asamostras sejam independentes com relagiio a presenga da molécula rara, Encontre a probabili- | dade de que nas proximas 18 amostras, exatamente 2 contenham, amolécula rara, Seja X= nlimero de amostras de ar que contenham a molé- ccula rara nas proximas 18 amostras analisadas. Entio Xa va- rivel aleatéria binomial com p= 0,1 en = 18. Assim, PX = 2) = (Slovo Ae (18) quar ey = 190 = 8 PUX = 2) = 153(0,1)7(0,9)'° = 0,284 Determine a probabilidade de que no minimo 4 amostras contenham a molécula rara. A probabilidade requerida & x 8/3 P= 4) = > ( Joaroo—" 60 Vanvets ALEATORIAS DsscueTas& DsrRupvIgdE De PRORABL 0123456789 M1 LEUEET BED © Fig 46 DistibugSesbinomns par valores sees No entanto, é mais ficil usar o evento complementar, Pw <4) 7 (Soares Sole = [0,150 + 0,300 + 0,284 + 0,168] ,098 PKS 4) =1 Determine a probabilidade de que 3 X<7. Agora, S (18) arog)! Posx (2 )On7O9)' 0,168 + 0,070 + 0,022 + 0,005 = 0,265 : ‘A média ea varidincia de uma variével aleatéria binomial de~ pendem somente dos parmetros pe n. Considere um exemplo de ‘um tear, para o qual a probabilidade de uma pega ser defeituosa Seja pe suponha que as pecas sejam independentes, Faga X niimero de pegas defeituosas nas proximas n pegas produzidas, A média de X pode ser encontrada, considerando as n tentativas de Beroulli no experimento. Defina novas variaveis aleatorias Xp oy Xo tal que 1 aa{! Agora, se a k-ésima tentativa for um sucesso caso contrétio A média de cada X, é facilmente obtida como sendo FUX) = Ip + 00 ~ p) =p iia de cada X, 6 Entio, a vari [Tee 04, oa) go oal Podemos mostrar que e (porque os X;'s sio i EXEMPLO 4.18 | | ° mado de ne p- (1 - pp + © - PPA — p) pal —p) VX (3x) Pa 2% (= x) = > vey) mh mm 23 2p = p) = 25p(1 — p) Podemos generalizar este exemplo especifico para o seguin te resultado. Paraonimero de bits transmit 0 Exe aa its transmitidos recebidos com erro! n= 4 p= 0,1; assim, BX) = 40,1 A varincia de Xé VO) = 4(0,1(0,9) = 0,36 Sees resultados coincidem com aqueles do Exemplo4- = 04 aa as 446, 4a. 448, 408 4s, LVaniAviss ALEATORIAS DISCRETAS DISTRI EXERCICIOS PARA A SEGAO 4.6 especificado de opera = periodo Se Rong deese res d pr am nln clin sence es eee Recor aro te (Ar aren in oe oe seca teum le ocean (@Seje Xo mimero de falhas na superficie de uma grande (b) Qual(is) (sao) 0(s) valor(es) menos proviivel(is) de X? ieee eee (@ Px = 5) () PX = 2) (©) Px = 9) () PB=xX<5) Esquematize a funglo de probabilidade de uma distrbuigéo binomial com m= 10 ¢ p = 0,01 e comente a distorgao da dis- tribuigdo. (2) Qual £0 valor mais provavel de X? (b) Qual é0 valor menos provivel de X? ‘A variéve aleatéria X'tem uma dstribuigio binomial, com. 1We p= 0.1. Determine as srguintes probabilidades (@) Pur 5) () pers 2) ©) P= 9 @ pa=x

    You might also like