T3 Distribicoes Discretas

PRINCIPAIS
DISTRIBUIÇÕES
DISCRETAS
Profa. Débora Spenassato

RESUMO das principais distribuições de probabilidade
discretas
Distribuição X
Distribuição de Bernoulli É o número de sucessos em uma única
tentativa do experimento.
Distribuição Binomial É o número de sucessos em n
tentativas (independentes).
Distribuição Geométrica É o número de tentativas (fracassos)
necessárias até o aparecimento do
primeiro sucesso.
Binomial Negativa É o número de tentativas necessárias
até o aparecimento do r-ésimo
sucesso.
Distribuição Hipergeométrica É o número de sucessos na amostra
(tentativas são dependentes).
Distribuição de Poisson É o número de sucessos no intervalo.
Na prática, existem muitos experimentos que admitem
apenas dois resultados.
Exemplos:
• Uma peça é classificada como boa ou defeituosa;

• O resultado de um exame médico para detecção de uma
doença é positivo ou negativo;
• Um paciente submetido a um tratamento durante um
período de tempo fixo, cura-se ou não da doença;
• Um entrevistado concorda ou não com a afirmação feita.
Distribuição de Bernoulli
Uma v.a. segue uma distribuição de Bernoulli, X ~ Ber(p), se
assume apenas os valores 0 ou 1; p é a probabilidade de sucesso,
0<p<1. Assim, sua função de probabilidade é dada por:
p(1) = P(X=1) = p OU
Com x = 0,1
p(0) = P(X=0) =1-p
No ensaio de Bernoulli, o experimento tem resposta dicotômica do tipo
sucesso/fracasso.
Exemplo: o lançamento de uma moeda. X= obter cara.
Acumulada: x p(x)
0 0,5
{
0 se x<0 E(X) = p 1 0,5
F ( x)= 1 − p se 0 ≤ x<1
V(X) = p.(1 – p) Total 1
1 se x≥ 1
Bussab e Morettin (2010)
DISTRIBUIÇÃO BINOMIAL
Suposições:
➢Considere uma sequência de ensaios de Bernoulli,

independentes.
➢Este fenômeno pode ser repetido tantas vezes quanto se
queira (n vezes), nas mesmas condições.
➢Considere os fenômenos cujos resultados só podem ser de
dois tipos: sucesso e fracasso.
Notação: X∼ B(n,p), ou seja, X segue uma distribuição

binomial com parâmetros n e p.
No decorrer do experimento, p e q manter-se-ão constantes.

Representação gráfica
binomial com n = 5 e p = 0,5 binomial com n = 5 e p = 0,25
p(x) simétrica p(x)
0,4
0,4
0,3
0,3
0,2
0,2
0,1
0,1
0
0 0 1 2 3 4 5 x 0 1 2 3 4 5 x
μ = 2,5 μ = 1,25
Distribuições binomiais com p=0,5 são simétricas, mas são

assimétricas se p ≠ 0,5.
A assimetria aumenta à medida que p aproxima-se de zero
(assimetria positiva) ou de um (assimetria negativa).
BARBETTA, REIS e BORNIA (2010)
Exemplo 1: retomando!
Considere que numa grande rede de computadores, em
60% dos dias ocorre alguma falha. A v.a. X significa
número de dias com falhas na rede. Considere o
período de observação de três dias.
a) Qual a probabilidade de nenhuma falha? R = 0,064
b) Qual a probabilidade de duas falhas?

c) Qual a probabilidade de três falhas? R=0,216
d) Qual a probabilidade de ocorrerem, no máximo, duas

falhas? R=0,784
Fonte: Menezes (2020)

X = número de dias com falhas na rede.
F: falha; N: não falha
Possibilidades x Probabilidade
NNN 0 0,4 x 0,4 x 0,4 = 0,064
NNF 1 0,4 x 0,4 x 0,6 = 0,096
NFN 1 0,4 x 0,6 x 0,4 = 0,096
FNN 1 0,6 x 0,4 x 0,4 = 0,096
NFF 2 0,4 x 0,6 x 0,6 = 0,144
FNF 2 0,6 x 0,4 x 0,6 = 0,144
FFN 2 0,6 x 0,6 x 0,4 = 0,144
FFF 3 0,6 x 0,6 x 0,6 = 0,216
a) Nenhuma falha
P(X=0) sucesso
{(N N N)}
Usando a suposição de que as tentativas são independentes:
P(N).P(N).P(N) = 1. 0,60. 0,43 = 0,064
b) Duas falhas
P(X=2)
{(NFF), (FNF), (FFN)}
P(F).P(F). P(N) = 0,6 . 0,6 . 0,4 = 0,62 . 0,41 = 0,144
Qualquer um dos 3 resultados podem ocorrer para X=2, com a

mesma probabilidade. Logo,
P(X=2) = 3. 0,62 . 0,41 = 0,432
De forma geral, temos:
P(X=x) = (nº de resultados que resultam em x falhas). (0,6)x. (0,4)3-x.
Combinação!
Generalizando, chegamos a função de probabilidade da
distribuição Binomial, dada por:
n!
p( x)= P( X= x)= . px .(q)n− x para x = 0, 1,2,...,n
x! (n− x)!
NOTAÇÃO
COMBINATÓRIA
Onde:
n = número de vezes que uma tentativa é repetida;
x = número de sucessos;
p = probabilidade de sucesso;
P(X=x) = probabilidade de se obter exatamente x sucessos
em n tentativas;
q = (1-p) = probabilidade de fracasso.
Média Variância
E( X)= n. p V ( X)= n. p.(1− p)
V ( X)= n. p.q
Exemplo 2
Considere que 70% dos moradores de Rio Grande são
favoráveis a certo projeto ambiental. Suponha que uma amostra
aleatória de 10 pessoas dessa população foram entrevistadas.
Dados:
X= nº de pessoas favoráveis
Binomial com
n= 10 e p= 0,7
a) Qual a probabilidade de sete indivíduos da amostra serem
favoráveis ao projeto?
A probabilidade do evento X= 7
P(X = 7) = 10C7. 0,77.0,33 = 0,2668
b) Qual a probabilidade de a maioria ser favorável?

(n = 10; p = 0,7)
P(X > 5) = p(6) + p(7) + p(8) + p(9) + p(10)
P(X > 5) = 0,8497

c) Qual é o valor esperado de pessoas favoráveis ao projeto
numa amostra de 10 pessoas?
E(X)=n.p=10 x 0,7= 7 pessoas
d) Gráfico da função de probabilidade e da função

distribuição de probabilidade (acumulada).
Veja a seguir via Rcmdr

Obtendo os resultados pelo
R + Rcmdr
Exemplo 2
a)
Resultado
b) Probab.
acumulada
X>5 (cauda superior)

d)
Voltando para este
exemplo:
Podemos utilizar o
modelo binomial
para resolução!
X=Nº de semáforos na cor verde
X=1
p= 2/3
n=10
P(X=1)= 0,000339
Letra A
Enem 2017
Considere as seguintes situações:
➢Número de consultas em uma base de dados em

um minuto;
➢Número de mortes em acidente de trânsito por
ano, numa cidade;
➢Número de chamadas recebidas por um telefone
durante 7 minutos.
http://www.conadservicos.com/
Avaliamos o número de ocorrências de um tipo de evento (sucesso) em

um intervalo especificado (tempo, distância, área, volume ou outra
unidade).
DISTRIBUIÇÃO DE POISSON
SUPOSIÇÕES:
▪Os números de ocorrências em quaisquer intervalos são
independentes.
▪A probabilidade de duas ou mais ocorrências simultâneas é
zero.
▪O número médio de ocorrências (λ) é constante em todo o
intervalo considerado.
X ~ Pois(λ)
A função de probabilidade é dada por:
−λ x
e λ
p( x)= P( X= x)= x = 0,1,2,...
x!
Média e Variância:
E( X)= V ( X)= λ
onde:
λ: taxa média (número médio de eventos) por unidade
de medida (no intervalo considerado).
Para obter a probabilidade acumulada da distribuição de
Poisson, isto é: x −λ j
e λ
(
F ( x)= P( X≤ x)= ∑
j= 0 j! )
Exemplo 1
Supondo que consultas num banco de dados ocorrem de
forma independente e aleatória, com uma taxa média de três
consultas por minuto.
a) Qual a probabilidade de que, no próximo minuto,
ocorram menos de três consultas.
λ=3
−λ x
P( X<3)= p( 0)+ p( 1)+p(2) e λ
p( x)=
x!
P( X<3)= p( 0)+ p( 1)+ p(2)

e− 3 30 e− 3 31 e− 3 32
P( X<3)= ( )( )( )
0!
+
1!
+
2!
= 0,4232
BARBETTA, REIS e BORNIA (2010)

b) Calcular a probabilidade de que nos próximos dois
minutos ocorram mais do que 5 consultas.
Solução: A taxa média é de três ocorrências por minuto, então

em dois minutos, a taxa média é de seis ocorrências.
Logo, λ = 6 e
−λ x
e λ
p( x)=
P( X>5)= 1− P( X≤ 5) Complementar! x!
P( X>5)= 1− [ p( 0)+ p( 1)+ p( 2)+ p(3)+ p( 4)+ p(5)]
P( X>5)= 1− 0,4457= 0,5543
c) Calcular a probabilidade de que no próximo minuto

ocorram 5 consultas.
P(X=5)=0,1008
Obtendo os resultados pelo
R e Rcmdr
Exemplo 1
a)
X≤ 2
lambda
b)
X>5
c)
Gráficos
Poisson Distribution: Mean=3 Poisson Distribution: Mean=3
1.0
0.20
0.8
Cumulative Probability
0.15
Probability Mass
0.6
0.10
0.4
0.05
0.2
0.00
0 2 4 6 8 10
0 2 4 6 8 10
x
x
Aproximação da Binomial pela Poisson
Justificamos a aproximação de Poisson fazendo n → ∞ e p → 0.
Logo, em experimentos binomiais, quando n for muito grande e
p for muito pequeno, podemos usar a distribuição de Poisson
com λ = n.p.
e− n. p ( n. p) x
p( x)=
x!
Se n for grande, as combinações da binomial ficam difíceis de serem

calculadas. Por isso, como regra empírica, deve-se utilizar tal
aproximação quando n.p ≤ 7
OBS: Nesse caso, o uso da aproximação pela Poisson é
imprescindível.
Bussab e Morettin (2010)

Exemplo:
Seja uma linha de produção em que a taxa de itens
defeituosos é de 0,5%. Calcular a probabilidade de ocorrer
mais do que quatro itens defeituosos em uma amostra de 500
itens.
Solução: e −  x
p ( x) =
 = n. p = (500).(0,005) = 2,5 x!
P( X  4) = 1 − P( X  4) = 1 − F (4)
 e−2,5 2,50   e−2,5 2,51   e−2,5 2,52   e −2,5 2,53   e−2,5 2,54 
p ( X  4) =  + + + + 
 0!   1!   2!   3!   4! 
         
p ( X  4) = 0,8912
P( X  4) = 1 − P( X  4) = 1 − F (4) = 1 − 0,8912 = 0,1088

Referências:
BARBETTA, P. A.; REIS, M. M.; BORNIA, A. C. Estatística: para cursos de

engenharia e informática. São Paulo: Atlas, 2010.
BUSSAB, W. O.; MORETTIN, P. A. Estatística Básica. 8. ed. São Paulo:
Saraiva, 2013.
DEVORE, Jay L. Probabilidade e estatística para engenharia e ciências. São
Paulo: Cengage, 2018. 656 p.
MAGALHÃES, M. Probabilidade e Variáveis aleatórias. EdUSP, 2ª. ed. 2006.
MORETTIN, L.G. Estatística Básica - Probabilidade, vol. 1, 7ª ed., São Paulo:
Pearson Makron Books, 1999.
TRIOLA, Mario F. Introdução a estatística. 12. ed. Rio de Janeiro: LTC, 2017.
696 p. on-line
PINTO, S.S.; SILVA, C. S. Estatística vol. I. Porto Alegre: a autora, 2013.
MONTGOMERY, D. C; RUNGER, G. C. Estatística aplicada e probabilidade
para engenheiros. 4.ed. Rio de Janeiro: LTC, 2009.
MENEZES, M. (2020). Disponível em:
http://www.inf.ufsc.br/~marcelo.menezes.reis/Aula04CPGCC.pdf

T3 Distribicoes Discretas

Enviado por

Direitos autorais:

Formatos disponíveis

T3 Distribicoes Discretas

Enviado por

Dados do documento

Título original

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

T3 Distribicoes Discretas

Enviado por

Direitos autorais:

Formatos disponíveis

PRINCIPAIS

Profa. Débora Spenassato

• Uma peça é classificada como boa ou defeituosa;

➢Considere uma sequência de ensaios de Bernoulli,

Notação: X∼ B(n,p), ou seja, X segue uma distribuição

No decorrer do experimento, p e q manter-se-ão constantes.

Distribuições binomiais com p=0,5 são simétricas, mas são

a) Qual a probabilidade de nenhuma falha? R = 0,064

b) Qual a probabilidade de duas falhas?

d) Qual a probabilidade de ocorrerem, no máximo, duas

Fonte: Menezes (2020)

P(F).P(F). P(N) = 0,6 . 0,6 . 0,4 = 0,62 . 0,41 = 0,144

Qualquer um dos 3 resultados podem ocorrer para X=2, com a

De forma geral, temos:

P(X=x) = (nº de resultados que resultam em x falhas). (0,6)x. (0,4)3-x.

b) Qual a probabilidade de a maioria ser favorável?

P(X > 5) = p(6) + p(7) + p(8) + p(9) + p(10)

P(X > 5) = 0,8497

d) Gráfico da função de probabilidade e da função

Veja a seguir via Rcmdr

X>5 (cauda superior)

X=Nº de semáforos na cor verde

➢Número de consultas em uma base de dados em

Avaliamos o número de ocorrências de um tipo de evento (sucesso) em

P( X<3)= p( 0)+ p( 1)+ p(2)

BARBETTA, REIS e BORNIA (2010)

Solução: A taxa média é de três ocorrências por minuto, então

c) Calcular a probabilidade de que no próximo minuto

Poisson Distribution: Mean=3 Poisson Distribution: Mean=3

Se n for grande, as combinações da binomial ficam difíceis de serem

Bussab e Morettin (2010)

P( X  4) = 1 − P( X  4) = 1 − F (4) = 1 − 0,8912 = 0,1088

BARBETTA, P. A.; REIS, M. M.; BORNIA, A. C. Estatística: para cursos de

Você também pode gostar