Probabilidade I Departamento de Estatística Universidade Federal da Paraíba Prof. Tarciana Liberal (UFPB) Aula Distribuição de Bernoulli e Binomial 07/14 1 / 32 Distribuições Discretas Apresentaremos agora alguns dos modelos mais importantes para variáveis aleatórias discretas. Seguem, abaixo, alguns resultados que serão utilizados em algumas demonstrações. Seja a > 0 e b < 1. 1. (a + b)n = 2. ex = Pn ( n ) x n −x x =0 x a b P∞ xn n=0 n! 3. P∞ ax = 4. P∞ xax 5. P∞ x =k x =1 x =2 x (x (a + b)n−1 = P n −1 x =0 (n−x 1)ax bn−1−x ; ; ak , 1− a = e k ≥ 0; a (1−a)2 ; 2 − 1)ax = (12a ; − a )3 n −1 n 6. x (x ) = n(x −1); n −1 n 7. ( r ) = nr ( r −1 ); 8. Pr 9. P∞ x =0 m (mx)(nr − −x ) (nr) =1 e x =0 [(1 − a)e 10. (1−1b)r = P∞ t ]x x =0 b = Pr −1 (mx−1)(n−r −1−1−mx−1) x =0 1 1−(1−a)et −1 (nr − ) 1 para t < ln =1 1 1− a , pois (1 − a)et < 1 para a série ser convergente. x. Prof. Tarciana Liberal (UFPB) Aula Distribuição de Bernoulli e Binomial 07/14 2 / 32 Distribuição Bernoulli Distribuição de Bernoulli Na prática muitos experimentos admitem apenas dois resultados Exemplo: 1. Uma peça é classificada como boa ou defeituosa; 2. O resultado de um exame médico para detecção de uma doença é positivo ou negativa. 3. Um entrevistado concorda ou não com a afirmação feita; 4. No lançamento de um dado ocorre ou não face 6; 5. No lançamento de uma moeda ocorre cara ou coroa. Estas situações tem alternativas dicotômicas e podem ser representadas genericamente por resposta do tipo sucesso-fracasso. Associaremos p, a probabilidade de sucesso, ao evento que nos interessa e 1-p, será a probabilidade de fracasso. Esses experimentos recebem o nome de Ensaios de Bernoulli e originam uma v.a. com distribuição de Bernoulli. 1 Prof. Tarciana Liberal (UFPB) Aula Distribuição de Bernoulli e Binomial 07/14 3 / 32 Distribuição Bernoulli Distribuição de Bernoulli Uma V.A. (X) de Bernoulli é aquela que assume apenas dois valores 1 se ocorrer sucesso (S) e 0 se ocorrer fracasso (F), com probabilidade de sucesso p, isto é, 1, se ocorrer “sucesso” X= 0, se ocorrer “fracasso” Temos então que: A função de probabilidade de X é dada por: p(x)=px (1-p)1-x , para x=0,1. Notação: X~Bernoulli (p), indica que a v.a. X tem distribuição de Bernoulli com parâmetro p. 1 Prof. Tarciana Liberal (UFPB) Aula Distribuição de Bernoulli e Binomial 07/14 4 / 32 Distribuição Bernoulli Esperança, Variância e Função Geradora de Momentos. Prof. Tarciana Liberal (UFPB) Aula Distribuição de Bernoulli e Binomial 07/14 5 / 32 Distribuição Bernoulli EXEMPLO 1: Suponha que a probabilidade de óbito de um paciente, ao dar entrada na terapia intensiva, seja de 25% (risco de morte). Seja X uma variável binária indicadora de óbito, se um paciente der entrada no CTI, obtenha a distribuição de probabilidade, a média e a variância. Prof. Tarciana Liberal (UFPB) Aula Distribuição de Bernoulli e Binomial 07/14 6 / 32 Distribuição Bernoulli EXEMPLO 2: Seja X uma variável aleatória de Bernoulli com p = 0.6. Encontre a função de distribuição acumulada de X . Prof. Tarciana Liberal (UFPB) Aula Distribuição de Bernoulli e Binomial 07/14 7 / 32 Distribuição Binomial Distribuição Binomial Exemplo 2: Suponha que uma moeda é lançada 3 vezes e probabilidade de cara seja p em cada lançamento. Determinar a distribuição de probabilidade da variável X, número de caras nos 3 lançamentos. Denotemos: S: sucesso, ocorrer cara (k) F:fracasso, ocorrer coroa(c) P(sucesso)=p P(fracasso)=q=1-p Ω={FFF.FFS, FSF,SFF,FSS, SFS, SSF,SSS} Xi é uma variável aleatória Bernoulli (i=1,2,3). 1 Prof. Tarciana Liberal (UFPB) Aula Distribuição de Bernoulli e Binomial 07/14 8 / 32 Distribuição Binomial Distribuição Binomial 1 Prof. Tarciana Liberal (UFPB) Aula Distribuição de Bernoulli e Binomial 07/14 9 / 32 Distribuição Binomial Daí temos que: P ( X = 0) = P({FFF }) = P ( X = 1) = P ({FFS , FSF , SFF }) = P ( X = 2) = P({FSS , SFS , SSF }) = P ( X = 3) = P ({SSS}) = A função de probabilidade da v.a. X é dada por: x 0 1 2 3 P(X = x) O comportamento de X , pode ser representado pela seguinte função: P ( X = x) = 1 Prof. Tarciana Liberal (UFPB) Aula Distribuição de Bernoulli e Binomial 07/14 10 / 32 Distribuição Binomial Prof. Tarciana Liberal (UFPB) Aula Distribuição de Bernoulli e Binomial 07/14 11 / 32 Distribuição Binomial Prof. Tarciana Liberal (UFPB) Aula Distribuição de Bernoulli e Binomial 07/14 12 / 32 Distribuição Binomial Prof. Tarciana Liberal (UFPB) Aula Distribuição de Bernoulli e Binomial 07/14 13 / 32 Distribuição Binomial Distribuição de uma v.a. Binomial Considere a repetição de n ensaios idênticos de Bernoulli independentes. Seja X o número total de sucessos obtidos. Diremos que X segue o modelo Binomial com parâmetros n e p e sua função de probabilidade é dada por: n x p (1 − p ) n − x , x = 0,1, L , n p ( x ) = P ( X = x ) = x 0, c.c n n! onde = , representa o coeficient e Binomial. x x! ( n − x )! Notação, X~B(n,p), para indicar que v.a. X tem distribuição Binomial com parâmetros n e p. 1 Prof. Tarciana Liberal (UFPB) Aula Distribuição de Bernoulli e Binomial 07/14 14 / 32 Esperança, Variância e Função Geradora de Momentos. E (X ) = = n X x =0 n X x n x =1 n X = n n x n−1 x −1 = np x =1 = np y =0 px (1 − p)n−x (iniciando n−1 x −1 x =1 n X n −1 X soma em 1 e usando 6.) p x (1 − p )n − x p.px −1 (1 − p)n−x −1+1 n−1 x −1 n−1 y px −1 (1 − p)(n−1)−(x −1) (fazendo py (1 − p)n−1−y (usando y = x − 1) 1.) = np(p + 1 − p)n−1 = np Prof. Tarciana Liberal (UFPB) Aula Distribuição de Bernoulli e Binomial 07/14 15 / 32 Esperança, Variância e Função Geradora de Momentos. 2 E (X ) = = = = n X x 2 x =1 n X n x px (1 − p)n−x (usando n x [x (x − 1) + x ] x =1 n X x (x − 1) x =1 n X x =1 n X (x − 1)n = n (n − 1) x =1 = n(n − 1)p 2 n X x =1 Prof. Tarciana Liberal (UFPB) n x artificio x 2 = x (x − 1) + x ) px (1 − p)n−x x p (1 − p ) n −x + n X x =0 n−1 x −1 n−2 x −2 o x n x px (1 − p)n−x px (1 − p)n−x + E (X ) n−2 x −2 p2 px −2 (1 − p)n−x −2+2 + np px −2 (1 − p)(n−2)−(x −2) + np Aula Distribuição de Bernoulli e Binomial 07/14 16 / 32 Esperança, Variância e Função Geradora de Momentos. 2 E (X ) = n(n − 1)p 2 n X x =2 = n(n − 1)p 2 n −2 X y =0 n−2 x −2 n−2 y px −2 (1 − p)(n−2)−(x −2) + np (y = x − 2) py (1 − p)(n−2)−y + np = n(n − 1)p (p + 1 − p)n−2 + np 2 = n2 p2 − np2 + np Var (X ) = n2 p2 − np2 + np − n2 p2 = np(1 − p) Prof. Tarciana Liberal (UFPB) Aula Distribuição de Bernoulli e Binomial 07/14 17 / 32 Esperança, Variância e Função Geradora de Momentos. Prof. Tarciana Liberal (UFPB) Aula Distribuição de Bernoulli e Binomial 07/14 18 / 32 Distribuição Binomial Prof. Tarciana Liberal (UFPB) Aula Distribuição de Bernoulli e Binomial 07/14 19 / 32 Distribuição Binomial Prof. Tarciana Liberal (UFPB) Aula Distribuição de Bernoulli e Binomial 07/14 20 / 32 Distribuição Binomial Prof. Tarciana Liberal (UFPB) Aula Distribuição de Bernoulli e Binomial 07/14 21 / 32 Distribuição Binomial Prof. Tarciana Liberal (UFPB) Aula Distribuição de Bernoulli e Binomial 07/14 22 / 32 Distribuição Binomial Prof. Tarciana Liberal (UFPB) Aula Distribuição de Bernoulli e Binomial 07/14 23 / 32 Distribuição Binomial Prof. Tarciana Liberal (UFPB) Aula Distribuição de Bernoulli e Binomial 07/14 24 / 32 Distribuição Binomial EXEMPLO 4: Discuta a validade do modelo binomial nos seguintes casos: a) Dos alunos de uma grande universidade, sorteamos 5 e contamos quantos se declaram usuários de drogas. b) Escolhemos 20 lâmpadas ao acaso na prateleira de um supermercado, sendo 10 de uma fábrica e 10 de outra. Contamos o número total de defeituosas. c) Quinze automóveis 0 km de uma mesma marca e tipo são submetidos a um teste anti-poluição e contamos o número deles que passaram no teste. d) Um motorista é submetido a um teste em que deve estacionar seu veículo num pequeno espaço (baliza). Em 10 tentativas, contamos o número de vezes em que o motorista estacionou corretamente. Prof. Tarciana Liberal (UFPB) Aula Distribuição de Bernoulli e Binomial 07/14 25 / 32 Distribuição Binomial EXEMPLO 5: Determinar a probabilidade de, ao lançar três vezes uma moeda honesta, aparecerem: a) 3 caras. b) 2 caras e 1 coroa. c) 2 coroas e 1 cara. d) 3 coroas. Prof. Tarciana Liberal (UFPB) Aula Distribuição de Bernoulli e Binomial 07/14 26 / 32 Distribuição Binomial EXEMPLO 6: Em um determinado processo de fabricação, 10% das peças são consideradas defeituosas. As peças são acondicionadas em caixas com 5 unidades cada uma. a) Qual a probabilidade de haver exatamente 3 peças defeituosas em uma caixa? b) Qual a probabilidade de haver pelo menos duas peças defeituosas em uma caixa? c) Se a empresa paga uma multa de R $10.00 por caixa em que houver alguma peça defeituosa, qual o valor esperado da multa em um total de 1000 caixas? d) Considerando 10 caixas com 5 peças em cada, qual a probabilidade de que seja necessário pagar multa para no máximo uma caixa? Prof. Tarciana Liberal (UFPB) Aula Distribuição de Bernoulli e Binomial 07/14 27 / 32 Distribuição Binomial EXEMPLO 7: Um exame consta de 10 perguntas de igual dificuldade e mesma pontuação. Sendo 7 a nota de aprovação, qual a probabilidade de que seja aprovado um aluno que sabe 40% da matéria? Prof. Tarciana Liberal (UFPB) Aula Distribuição de Bernoulli e Binomial 07/14 28 / 32 Distribuição Binomial EXEMPLO 8: Um produtor de sementes vende pacotes com 20 sementes cada. Os pacotes que apresentarem mais de uma semente sem germinar serão indenizados. A probabilidade de uma semente germinar é 0.98. a) Qual a probabilidade de um pacote não ser indenizado? b) Se o produtor vende 1000 pacotes qual o número esperado de pacotes indenizados? c) Quando o pacote é indenizado, o produtor tem um prejuízo de R $1.20, e se o pacote não for indenizado, ele tem um lucro de R $2.50. Qual o lucro líquido esperado por pacote? d) Calcule a mádia e a variância da variável número de sementes que não germinam por pacote. Prof. Tarciana Liberal (UFPB) Aula Distribuição de Bernoulli e Binomial 07/14 29 / 32 Distribuição Binomial EXEMPLO 9: Uma máquina apresenta 20% de defeitos na sua produção. Um inspetor de qualidade, ignorando a percentagem real de defeitos da máquina, retira ao acaso uma amostra de 8 peças da sua produção. Qual é a probabilidade de que ele venha a concluir, com base nessa amostra, que a proporção de defeitos é superior a 20%? Tirando-se 6 amostras de 8 peças cada uma, qual é a probabilidade de se terem 3 amostras com mais de um defeito? Prof. Tarciana Liberal (UFPB) Aula Distribuição de Bernoulli e Binomial 07/14 30 / 32 Distribuição Binomial EXEMPLO 10: Verifique que a atribuição de probabilidade nos modelos Bernoulli e Binomial satisfazem às propriedades de função de probabilidade. EXEMPLO 11: Se X tem distribuição Binomial com parâmetros n e p, qual a distribuição de Y = n − X? Prof. Tarciana Liberal (UFPB) Aula Distribuição de Bernoulli e Binomial 07/14 31 / 32 Uso da Tabela da Binomial Prof. Tarciana Liberal (UFPB) Aula Distribuição de Bernoulli e Binomial 07/14 32 / 32