CAP3: Distribuições Discretas Uma distribuição de probabilidade é um modelo matemático que relaciona o valor da variável com a probabilidade de ocorrência daquele valor na população. Exemplo 3.1 Os 125 diâmetro dos anéis de pistons (tabela 1.1) são uma amostra dos diâmetros que foi selecionada do processo de produção. A população neste exemplo é o conjunto de todos os anéis de pistons produzidos por este processo. Com o uso de métodos estatísticos poderemos analisar a amostra dos diâmetros e tirar conclusões sobre o processo que produz esses anéis. Os diâmetros dos anéis de pistons são chamados de variável aleatória, porque assume diferentes valores na população de acordo com algum mecanismo aleatório. A distribuição de probabilidade dos diâmetros dos anéis descreve a probabilidade de ocorrência de qualquer valor do diâmetro na população. Distribuição Discreta é quando a variável só pode assumir certos valores, tais como os inteiros 0, 1,2,... Exemplo 3.2 O número de pistons com diâmetro abaixo de determinado valor é uma variável discreta. Já o diâmetro do piston é uma variável contínua, pois pode assumir qualquer valor num intervalo de números reais. Notação: P(X=xi) = p(xi) significa a probabilidade da variável aleatória X assumir o valor xi. A probabilidade é um valor entre 0 e 1. No caso da distribuição de probabilidade, a soma das probabilidades sobre todos os valores possíveis da variável aleatória é igual a 1. Vamos estudar algumas distribuições discretas. OBS: Distribuição Hipergeométrica Considere uma população finita composta de N itens. Algum número, digamos D (D≤N), destes itens pertence a uma determinada classe de interesse. Uma amostra aleatória de n itens é retirada da população sem reposição e o número de itens na amostra que se situa na classe de interesse, x, é observado. Então x é uma variável aleatória hipergeométrica com distribuição de probabilidade como segue , x=0,1,2,...,min(n,D) A média e variância da distribuição são: e ) Exemplo 3.3 Um lote contém 100 itens, dos quais 5 não satisfazem os requisitos. Se 10 itens são selecionados aleatoriamente sem reposição, então a distribuição de probabilidade do número de itens defeituosos, x, é: A probabilidade de achar no máximo um item não-conforme é: X=número de itens não conforme No máximo um item não conforme: X≤1 Probabilidade: P(X = 0.9231433 = 0.923 Verifique que P(X>1) = 1-0.923 = 0.077, pois: Esta probabilidade é a soma de p(2)+p(3)+p(4)+p(5) A soma das probabilidades sobre todos os valores possíveis da variável aleatória é igual a 1 Os valores possíveis desta variável são 0,1,2,3,4,5 Logo p(0)+p(1)+ p(2)+p(3)+p(4)+p(5)=1 Note que dependendo da probabilidade a ser calculada temos mais de uma maneira de obtê-la. Veja: A probabilidade de achar no mínimo três itens não conforme é: X=número de itens não conforme No mínimo três itens não conformes: X≥3 Probabilidade: P(X = 0.006637913 = 0.007 Ou ainda 1 – [0.923+ ] = 1-[0.923 + 0.070] = 0.007 Atenção: antes de realizar os cálculos verifique a melhor maneira de obter o resultado. Lembre-se sempre que: A soma das probabilidades sobre todos os valores possíveis da variável aleatória é igual a 1. Distribuição Binomial Considere um processo consistindo de uma sequencia de n provas independentes. Por provas independentes queremos dizer que o resultado de cada prova não depende, de qualquer maneira, dos resultados das provas anteriores. Quando o resultado de cada prova é ou “sucesso” ou “fracasso”, as provas são chamadas provas de Bernoulli. Se a probabilidade de “sucesso” em qualquer prova, digamos p, é constante, então o número de “sucessos” x em n provas de Bernoulli independentes tem distribuição binomial com parâmetros n e p como segue: , x=0,1,2,...,n A média e variância da distribuição são: e Observe que na distribuição hipergeométrica a população é finita; já na distribuição binomial a população é considerada infinitamente grande. Exemplo 3.4 Um lote contém 1000 itens, dos quais 5 não satisfazem os requisitos. Se 10 itens são selecionados aleatoriamente sem reposição, então a distribuição de probabilidade do número de itens defeituosos, x, é: Hipergeométrica (população de 1000 itens): Binomial (se pensarmos que 1000 itens é um número consideravelmente grande!), a verificação dos 10 itens é o número de provas de Bernoulli e a probabilidade de encontrar “item não conforme” é 5/1000 = 0.005 A probabilidade de achar no máximo um item não-conforme é: X=número de itens não conforme No máximo um item não conforme: X≤1 Adotando a hipótese de população infinita, temos um modelo binomial P(X = 0.9511101 + 0.04779448= 0.9989046 = 0.999 Observe que tanto no modelo Binomial como no Hipergeométrico o objetivo é verificar número de itens não conformes numa amostra. A diferença está na hipótese do tamanho da população. As probabilidades de ambos os modelos se tornam muito próximas à medida que o tamanho da população tende a infinito. Distribuição de Poisson Muito usada no Controle de qualidade para modelar o número de defeitos por unidade de produto. Qualquer fenômeno aleatório que ocorrem em base unitária (unidade de área, unidade de volume, unidade de tempo, etc) é bem aproximado pela distribuição de Poisson. A distribuição de Poisson é: , x=0,1,... A média e variância da distribuição são: e Exemplo 3.5 Suponha que estejamos interessados em modelar o número de circuitos defeituosos por semicondutor. Sabe-se que em média cada semicondutor apresenta 4 circuitos defeituosos. Adotando um modelo de Poisson, temos λ=4 com A probabilidade de um semicondutor escolhido aleatoriamente conter no máximo dois circuitos defeituosos é: No máximo dois circuitos defeituosos: = = 0.2381033 = 0.238 Exercícios: 3.1 Uma montagem mecatrônica é submetida a um teste final. Suponha que os defeitos ocorram aleatoriamente nessas montagens de acordo com uma distribuição de Poisson com parâmetro λ = 0.02 a) Qual a probabilidade de uma montagem apresentar exatamente um defeito? b) Qual a probabilidade de uma montagem apresentar um ou mais defeitos? c)Suponha que você melhore o processo de modo que a taxa de ocorrência de defeitos seja reduzida pela metade, λ = 0.01. Qual o efeito desta medida sobre a probabilidade de uma montagem apresentar pelo menos um defeito? Respostas: a) 0.01960397(p(1)) b) 0.01980133 (1-p(0)) metade) c) 0.009950166 (a probabilidade fica reduzida pela 3.2 Um processo de produção opera a uma taxa de 2% de peças produzidas não conformes. A cada hora uma amostra de 50 unidades do produto é retirada, e o número de não conforme é contado. Se uma ou mais unidades fora das especificações são encontradas, o processo é interrompido e o técnico de controle de qualidade tem que encontrar a causa para a produção de não conformes. a) Estabeleça o modelo de probabilidade para o número de unidades não conforme. b) Avalie a probabilidade do técnico de controle de qualidade ter que interromper o processo devido à produção de não conformes. c) Avalie o número médio de interrupções para encontrar a causa da produção de não conformes num período de 10h de produção ininterruptas. Respostas: a)Modelo binomial com n=50 e p=0.02 b) c)10*0.6358 ; ou seja a cada 10 h em torno de 6 interrupções. 0.6358 3.3 Em um departamento de inspeção de recebimento, lotes de eixo de bomba são recebidos periodicamente. Os lotes contêm 100 unidades, e o seguinte plano de amostragem de aceitação é usado: Seleciona-se uma amostra de 10 unidades sem reposição. O lote é aceito se a amostra tiver, no máximo, um defeituoso. Suponha que cada lote contenha 5 defeituosos. a) Estabeleça o modelo de probabilidade para o número de defeituosos na amostra. b) Avalie a probabilidade de a amostra conter todos os itens defeituosos do lote. c) Avalie a probabilidade de o lote ser aceito. Respostas: a)Modelo Hipergeométrico com N=100 e n=10 e D=5 b) 0.9231 0.000003 c) 3.4 Considere que uma amostra de 100 unidades é retirada de um processo de produção a cada meia hora. A fração de peças não conformes produzidas é de 0.03. a) Estabeleça o modelo de probabilidade para o número de peças não conformes da amostra. b) Expresse a probabilidade de mais de três peças serem não conformes c) Expresse a probabilidade de no máximo três peças serem não conformes d) Expresse a probabilidade de menos de três peças serem não conformes e) Expresse a probabilidade de pelo menos três peças serem não conformes f) Obtenha os valores das probabilidades dos itens de b a e. Respostas: a)Modelo Binomial com n=100 e p=0.03 b) 0.3527508; 0.6472492; 0.4197751; 0.5802249 . c) d) 3.5 Considere um processo de Poisson com taxa de falha de 2/h. Expresse e avalie: a) A probabilidade de mais de duas falhas no processo b)A probabilidade de no máximo duas falhas no processo c) A probabilidade de menos de duas falhas no processo d) A probabilidade de pelo menos duas falhas no processo e) f) Respostas: a) =0.3233236 b) =0.6766764 c) =0.4060058 d) 3.6 Para uma distribuição de Poisson com parâmetro λ=4, identifique qual das alternativas representa a. b. c. d. Resposta: c 3.7 Para uma distribuição de Poisson com parâmetro λ=4, identifique qual das alternativas representa a. b. c. d. Resposta: d 3.8 Para uma distribuição de Poisson com parâmetro λ=4, identifique qual das alternativas representa a. b. c. d. Resposta: a 3.9 Para uma distribuição de Poisson com parâmetro λ=4, identifique qual das alternativas representa a. b. c. d. Resposta: c 3.10 Se 0.110674, avalie Resposta: 0.889326 . Após estes exercícios você deverá realizar o teste 3. 0.5939942