CAPTULO 3 DISTRIBUIES DE PROBABILIDADE 3.

.1 INTRODUO Quando jogamos uma moeda ou um dado, as ocorrncias de caras e coroas ou o nmero que a face do dado apresenta so determinadas pela chance que depende de um grande nmero de fatores que influem coletivamente nos resultados. Como exemplo destes fatores podemos citar: - a fora com que o objeto (moeda ou dado) jogado; - as correntes de ar; - quantas vezes o objeto jogado; etc. Como impossvel controlar todos estes fatores e estabelecer um modelo determinstico de forma a equacion-los, no podemos afirmar com preciso qual resultado (cara, por exemplo) ocorrer em determinada jogada. Porm, ao realizarmos um experimento aleatrio um grande nmero de vezes podemos observar que alguns fatores atuam da mesma maneira, fazendo com que alguns resultados sejam mais provveis do que outros. J vimos que ao descrevermos o espao amostral de um experimento nem sempre os resultados so nmeros como, por exemplo, a seqncia de caras e coroas nas jogadas de uma moeda ou a inspeo de uma pea manufaturada cujos resultados podem ser classificados como defeituosa e no defeituosa. Para quantificar a ocorrncia destes resultados torna-se necessrio associ-los a nmeros (valores numricos). 3.2 VARIVEIS ALEATRIAS Chama-se varivel aleatria x uma funo que associa cada elemento r (resultado) de um espao amostral U a um nmero. O valor desta funo determinado pelos fatores de chance. Exemplo 1: Considere o experimento em que se deseja observar o nmero de caras em duas jogadas de uma mesma moeda. Uma varivel aleatria para este experimento seria: Resultado KK KC CK CC Valor da varivel aleatria x 0 1 1 2

Lembrando que o espao amostral U = { CC, CK, KC, KK} (C = cara e K = coroa) As variveis aleatrias podem ser: - discretas: quando seus valores podem ser contados (exemplo: nmero de caras ou coroas na jogada de uma moeda, nmero de acidentes numa semana, nmero de falhas numa mquina, etc.) - contnuas: quando seus valores so determinados em forma de um intervalo (exemplo: durao de uma conversa telefnica, tempo para uma lmpada queimar, etc.)

Valor Esperado de uma Varivel Aleatria uma mdia da ocorrncia dos eventos definida por : E(x) = ocorrncia do resultado associado varivel aleatria. Exemplo 2: Obtenha o valor esperado para CARA no exemplo 1. Soluo: A princpio, como no especificada a probabilidade de dar cara, admite-se como sendo
1 1 P(C) = . Obviamente que P(K) = . A tabela a seguir ilustra os resultados: 2 2

i =1

pi xi

, sendo p a probabilidade de

Resultado KK KC CK KK

Probabilidade do resultado P(K) . P(K) = P(K) . P(K) = P(K) . P(K) = P(K) . P(K) =
1 1 = 2 2 1 1 = 2 2 1 1 = 2 2 1 1 = 2 2

Nmero de caras 0

Distribuio de Probabilidade P(x)

E(x) =

Exemplo 3: Suponha-se que uma loja tenha registrado os seguintes dados sobre vendas de refrigeradores: Nmero de vendas (xi ) 0 1 2 3 4 Freqncia relativa p(xi ) 0,20 0,30 0,30 0,15 0,05

Obtenha o valor esperado para a venda de refrigeradores. Soluo: 3.3 DISTRIBUIES DE PROBABILIDADES 2

Uma distribuio de probabilidades P(x) uma distribuio de freqncias relativas para os resultados de um espao amostral ou os resultados de uma varivel aleatria. Elas indicam a percentagem de vezes que se pode esperar a ocorrncia dos vrios resultados de uma v. a., aps um grande nmero de observaes. Muitas vezes so mostradas em tabelas ou grficos. Exemplo 4 : A distribuio de probabilidades para o nmero de caras em duas jogadas de uma moeda (exemplos 1 e 2) : Soluo:

Observa-se que a soma de todas a probabilidade deste exemplo 1,00. A mesma distribuio pode ser apresentada em forma acumulada:

representaes gricas:
1 .0 0 P R O B A B IL ID A D E A C U M U L A D A P R O B A B IL ID A D E - P (x ) 1 .0 0

1,00

0 .7 5

0 .7 5

0,75
0 .5 0

0 .5 0

0,50 0,25 0,25

0 .2 5

0 .2 5

0,25

0 .0 0

1 2 NM RO DE CARAS

0 .0 0

1 2 NM ERO DE CARAS

(1 ou menos, 2 ou menos)

Exemplo 5: Obtenha a distribuio de probabilidades para o nmero de caras em duas jogadas de uma mesma moeda numa situao em P(C) = 0,60 e P(K) = 0,40, e faa a representao grfica. Soluo: Resultado KK KC CK KK Probabilidade do resultado P(K) . P(K) = 0,40 0,40 = 0,16 P(K) . P(K) = 0,40 0,60 = P(K) . P(K) = 0,60 0,40 = P(K) . P(K) = 0,60 0,60 = Nmero de caras 0 Distribuio de Probabilidade P(x)

1 .0 0 0 .9 0 P R O B A B IL ID A D E - P (x ) 0 .8 0 0 .7 0 0 .6 0 0 .5 0 0 .4 0 0 .3 0 0 .2 0 0 .1 0 0 .0 0 0 1 2 NM ERO DE CARAS 3

Dada uma distribuio de probabilidades, observamos que alguns resultados so mais provveis do que outros, sendo possvel determinar sem muito esforo, a probabilidade de uma dado resultado ou de um grupo deles. Existem certos modelos de distribuies em formas de tabelas ou frmulas padronizadas que podem ser utilizadas para resolver diversos tipos de problemas em estatstica com boa aproximao. No entanto, para se utilizar estes modelos torna-se necessrio estabelecer um conjunto de hipteses simplificadoras e a eliminao de detalhes de menor importncia como aqueles que pouco influenciam nos resultados de um espao amostral. A tarefa consiste ento em identificar quais hipteses podero ser estabelecidas para um determinado tipo de problema e escolher o melhor modelo para a distribuio de probabilidades. As distribuies de probabilidades podem ser descontnuas ou discretas, e contnuas.

3.3-1 Probabilidades Descontnuas So aquelas que envolvem variveis aleatrias relativos a dados que podem ser contados (relacionadas a um conjunto finito de resultados). Como exemplo podemos citar o nmero de ocorrncia por amostra, como o nmero de caras observado em duas jogadas de uma moeda, ou o nmero de peas defeituosas num lote de fabricao, etc. A DISTRIBUIO BINOMIAL O modelo de distribuio binomial utilizado em problemas nos quais os resultados de uma varivel aleatria podem ser agrupados em duas classes (da o termo binomial). As categorias devem ser mutuamente exclusivas, de forma que fique claro que categoria pertence a determinada observao e coletivamente exaustivas, de forma que nenhum outro resultado fora delas seja possvel. Podemos citar como exemplos de variveis aleatrias, que podem ser classificadas como binomiais, as respostas a um teste do tipo V ou F (verdadeiro ou falso), a observao da face de uma moeda ao ser jogada (cara ou coroa), produtos manufaturados classificados como defeituosos ou no defeituosos, etc. Variveis com resultados mltiplos podem ser tratadas como binomiais apenas quando estamos interessados em um dos resultados, por exemplos, ao se extrair uma bola de uma urna contendo bolas de vrias cores e o nosso interesse apenas na extrao de uma bola verde, podemos classificar os eventos como extrao de bolas verdes e no verdes. Costuma-se denominar uma das classes como sucesso e a outra como falha sem no entanto fazer-se qualquer distino de qual classe seja considerada como sucesso e qual seja considerada falha, isto vai depender de qual probabilidade estamos interessados em conhecer. Por exemplo, se na extrao de peas de um lote de fabricao para inspeo estivermos interessados em saber qual a probabilidade de se obter x peas defeituosas dentre n observadas, ento o sucesso estar relacionado ao resultado de se obter peas defeituosas e no peas sem defeitos. Isto muito relativo, e podemos perceber isto nos jogos como os de futebol no qual o sucesso para uma das equipes considerado como falha para a outra. Como as probabilidades de sucesso e falha so mutuamente excludentes (ou exclusivas, pois nada pode ter sucesso e falhar ao mesmo tempo) e coletivamente exaustivos (s estas duas possibilidades ocorrem) fica claro que as probabilidades de sucesso e falha so complementares, ou seja: P(sucesso) + P(falha) = 1 Segue que se chamarmos P(sucesso) = p, ento P(falha) = 1 p. Exemplo 6: Suponha que 60% dos eleitores de uma cidade votaram nas ltimas eleies. Se quisermos saber qual a probabilidade de que 3 ou mais eleitores dentre 10 tenham votado nas ltimas eleies, teremos que conhecer, em primeiro lugar, as probabilidades de sucesso e falha, ou seja:

Para se calcular a probabilidade de uma varivel aleatria distribuda na formal binomial utilizamos dois mtodos que sero mostrados a seguir. No primeiro mtodo faz-se o clculo da frmula binomial e no outro emprega-se as tabelas de probabilidades binomiais individuais e acumuladas. Em ambos os mtodos devemos conhecer os seguintes fatores e hipteses: 5

1. Nmero de observaes (ou elementos a serem analisados) 2. Cada observao s pode ter dois resultados possveis: sucesso ou falha. 3. Conhecer as probabilidade de sucesso p e de falha 1 p, que so constantes (no mudam de uma observao para outra). 4. Os resultados de cada observao so independentes um do outro. A Frmula Binomial Vejamos de onde vem a frmula binomial. Do que j foi exposto anteriormente, podemos deduzir que para calcular uma probabilidade binomial tornar-se necessrio conhecer o nmero de observaes n. o nmero de sucessos x e a probabilidade de sucesso p (a probabilidade de falha deduzida desta ltima, como j vimos em um exemplo anterior, pois so complementares). Vamos deduzir a frmula binomial atravs dos seguintes exemplos: Exemplo 7: Suponha que p = 0,80 (probabilidade de sucesso) e queremos calcular a probabilidade de 3 sucessos em 4 observaes. Chamando o sucesso de S e falha de F, podemos montar a seguinte tabela de distribuio de probabilidades, para as quatro possibilidades combinadas de sucessos e falhas (lembre-se o princpio fundamental da contagem onde as possibilidades se multiplicam): Soluo: P(Sucesso) ou P(S) = 0,80 P(Falha) ou P(F) = 1 0,80 = 0,20 Possibilidades SSSF SSFS SFSS FSSS 0,80 0,80 0,80 0,20 0,80 0,80 0,20 0,80 Probabilidades 0,80 0,20 = 0,20 0,80 = 0,80 0,80 = 0,80 0,80 = Total =

A probabilidade de se obter trs sucessos e uma falha a soma das probabilidades de todas as combinaes possveis de obter trs sucessos e uma falha em quatro observaes. Observe que os fatores so os mesmos, apenas a ordem diferente (vide terceira hiptese acima). Por curiosidade observe que 4 pode ser o resultado de C4,1 ou C4,3. Se estamos interessados na combinao de 4 observaes e trs sucessos, de se esperar que 4 seja o resultado de C4,3. Neste caso poderamos simplesmente calcular a probabilidade de ser obter 3 sucessos em 4 observaes diretamente por:

Exemplo 8: Obtenha agora a probabilidade de ser obter 2 sucessos em 4 observaes. Soluo:

Observe que nos dois exemplos acima sempre podemos comear o produto dos fatores pelas combinaes de n observaes e x sucessos, ou seja, Cn,x. Este resultado normalmente chamado de nmero binomial ou coeficiente binomial, e simbolizado por:
n = C n, x x

Os coeficientes binomiais so, em geral, tabelados, no havendo a necessidade de calcul-los. Por recorrncia dos resultados dos exemplos 7 e 8, chega-se facilmente frmula binomial, na qual a probabilidade de sucesso calculada levando-se em conta, tambm, a de falha (como vimos nos exemplos):
n P ( x ) = p x ( 1 p) n x x

Lembre-se: p a probabilidade de sucesso. Obs.: A frmula binomial aqui apresentada tem a mesma semelhana do Binmio de Newton. Exerccios: 1) Usando a frmula binomial, calcule a probabilidade de se obter 2 caras em 4 lanamentos.

2) Complete a seguinte tabela: n 5 8 9 10 x 3 6 5 4 p 0,30 0,11 0,44 0,85 P(x)

A frmula tambm pode ser usada para obter as probabilidades acumuladas, calculando-se as probabilidade individuais e em seguida somando-as. Estes clculos so muito teis para se obter as probabilidades de x ou mais sucessos ou x ou menos, etc. As Tabelas Binomiais 7

Na verdade, as tabelas binomiais so os resultados tabelados para alguns valores padres de n (nmero de observaes), x (nmero de sucessos) e p (probabilidade de sucesso) obtidos atravs do clculo da frmula binomial. No h um limite para o refinamento dos valores calculares, mas quanto mais se refinar a tabelas, na tentativa de obter o mais espectro possvel de resultados, maiores sero o tamanho destas tabelas. H dois tipos de tabelas binomiais que aprenderemos a us-las. Um d as probabilidades de resultados individuais e outro d as probabilidades acumuladas. Como usar as tabelas: 1) Procure no topo da tabela o valor de p indicado. 2) Localize o valor de n na primeira coluna esquerda da tabela. 3) Localize na segunda coluna esquerda da tabela o valor de x sucessos desejados. 4) A probabilidade de x sucessos Exemplo 10: Use a tabela de probabilidades binomiais individuais (Tabela 1) e obtenha as probabilidades relativas a n, p e x dados abaixo: n 5 8 11 probabilidade de sucesso p x 0,20 0 0,60 0.30 3 5 P(x)

Tabelas Binomiais Acumuladas So usadas quando se deseja obter a probabilidade de um grupo de resultados do tipo mais do que, menos do que, x ou mais ou x ou menor, por exemplo, podemos querer saber a probabilidade de se obter 3 ou menos caras em 5 jogadas de uma moeda equilibrada, simbolizada por P(x 3), neste caso, P(x 3) = P(x = 0) + P (x = 1) + P(x = 2) + P(x = 3) Da o termo acumulado ser usado pois as probabilidade individuais de cada resultado se somam at x = 3. As tabelas binomiais (Tabela 2) acumuladas tambm so geradas a partir da frmula binomial e so muito teis na soluo de diversos problemas, podendo tambm serem usadas para se obter probabilidades individuais em vez de se utilizar as tabelas individuais, como veremos a seguir. 1) Uso das tabelas acumuladas quando x maior ou igual a um nmero especfico de sucessos. Como os resultados so mutuamente exclusivos e coletivamente exaustivos a soma total das probabilidade ser igual a 1. Exemplo 11: Se P(x 6) = 0,72, ento P(x > 6) = Se P(x < 5) = 0,54, ento P(x 5) = E assim por diante, pois as tabelas so acumuladas em ordem crescente de sucessos. 2) Uso das tabelas acumuladas para obter uma probabilidade individual.

Quando no dispomos das tabelas individuais, podemos calcular o valor de uma probabilidade individual em particular. Exemplo 12: Para de terminar a probabilidade de exatamente 4 sucessos, basta subtrair P(3 ou menos) de P(4 ou menos): P(x = 4) = P(x 4) P(x 3) Exemplo 13: Suponha que p = 0,50, n = 4, obtenha P(x =3) atravs das tabelas acumuladas.