Beruflich Dokumente
Kultur Dokumente
Sumrio
1.1
Noes bsicas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.2
1.3
1.4
Funo de distribuio . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.5
1.5.1
Esperana . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.5.2
1.5.3
Varincia . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.5.4
1.6
Exemplos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
10
1.7
Exerccios propostos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
26
2.2
29
Distribuio uniforme . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
29
2.1.1
Funo densidade . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
29
2.1.2
Funo de distribuio . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
30
2.1.3
Esperana e varincia . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
31
2.1.4
Exemplos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
31
Distribuio exponencial . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
33
2.2.1
33
Funo densidade . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
i
ii
SUMRIO
2.2.2
Funo de distribuio . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
34
2.2.3
35
2.2.4
Esperana e varincia . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
36
2.2.5
Parametrizao alternativa . . . . . . . . . . . . . . . . . . . . . . . . . . . .
37
2.2.6
Exemplos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
38
Distribuio gama . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
38
2.3.1
A funo gama . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
39
2.3.2
A distribuio gama . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
40
2.3.3
41
2.3.4
Esperana e varincia . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
42
2.3.5
43
2.4
A distribuio Erlang . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
43
2.5
A distribuio qui-quadrado . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
44
2.5.1
A tabela da qui-quadrado . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
44
Distribuio de Pareto . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
48
2.6.1
Funo densidade . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
48
2.6.2
Esperana e varincia . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
49
2.6.3
Funo de distribuio . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
49
Exerccios propostos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
50
2.3
2.6
2.7
53
3.1
53
3.2
Funes inversveis . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
55
4 A Distribuio Normal
61
4.1
61
4.2
62
4.2.1
Definio . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
62
4.2.2
Esperana e varincia . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
62
SUMRIO
4.3
4.4
4.5
iii
4.2.3
64
4.2.4
65
4.2.5
65
4.2.6
72
75
4.3.1
Definio . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
75
4.3.2
75
4.3.3
77
4.3.4
78
4.3.5
79
4.3.6
82
4.3.7
87
A distribuio log-normal . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
95
4.4.1
Definio . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
95
4.4.2
Esperana . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
96
4.4.3
Varincia . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
98
Exerccios propostos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
99
A Tabelas
101
105
Captulo 1
Noes bsicas
a parte sombreada de cinza mais escuro. Isso nos permite concluir, intuitivamente, o seguinte:
no limite, quando 0, podemos estimar a probabilidade de a varivel de interesse estar
entre dois valores a e b pela rea sob a curva densidade de probabilidade, delimitada pelos
pontos a e b.
Figura
1.2
frequncia relativa
Probabilidade
como
1.2
Apresentamos, mais uma vez, o conceito de varivel aleatria, que j foi visto no estudo
das variveis discretas, por ser este um conceito muito importante. Relembramos tambm as
definies de variveis aleatrias discretas e contnuas.
1.3
Figura 1.4 Probabilidade como rea sob a curva da funo densidade de probabilidade
A definio acima usa argumentos geomtricos; no entanto, uma definio mais precisa
envolve o conceito de integral de uma funo de uma varivel, que, como se sabe, representa
a rea sob o grfico da funo.
f(x)dx
a
1.4
Funo de distribuio
A definio a mesma vista para o caso discreto; a diferena que, para variveis
contnuas, a funo de distribuio acumulada uma funo contnua, sem saltos. Veja a
Figura 1.5 para um exemplo.
(1.2)
lim FX (x) = 1
(1.3)
lim FX (x) = 0
(1.4)
(1.5)
Figura 1.6 Funo de distribuio - clculo a partir da rea sob a curva densidade
fX (u)du
(1.6)
d
FX (x)
dx
(1.7)
1.5
1.5.1
1.5.2
xfX (x)dx
(1.8)
1.5.3
h(x)fX (x)dx
(1.9)
Varincia
Vimos, tambm, que a varincia, uma medida de disperso, era calculada como a mdia
dos desvios quadrticos em torno da mdia, ou seja
2 =
fi (xi x)2
No caso de uma varivel aleatria contnua, fazendo h(x) = [x E(X )]2 , resulta novamente a
definio de varincia como mdia dos desvios quadrticos:
DEFINIO
contnua
Seja X uma varivel aleatria contnua com funo de densidade de
probabilidade fX . A varincia de X definida como
Z +
Var(X ) =
[x E(X )]2 fX (x)dx
(1.10)
p
Var(X )
(1.11)
Z +
x 2 2x + 2 fX (x)dx
=
Z +
Z +
Z +
2
2
fX (x)dx
xfX (x)dx +
x fX (x)dx 2
=
Se definimos h(x) = x 2 , a primeira integral nada mais que E(X 2 ), pelo resultado (1.9).
A segunda integral E(X ) = e a terceira integral igual a 1, pela definio de funo
densidade. Logo,
Var(X ) = E(X 2 ) 2 2 + 2 = E(X 2 ) 2
o que nos leva ao resultado j visto para variveis discretas:
Var(X ) = E(X 2 ) [E(X )]2
(1.12)
1.5.4
Esperana
Varincia
Desvio padro
E(a) = a
Var(a) = 0
DP(a) = 0
E(X + a) = E(X ) + a
|V ar(X + a) = Var(X )
DP(X + a) = DP(X )
E(bX ) = b E(X )
Var(bX ) = b2 Var(X )
Var(X ) 0
DP(X ) 0
10
1.6
Exemplos
1.6. EXEMPLOS
11
(a) A funo dada corresponde a uma funo constante, fX (x) = k. Como a rea sob a reta
tem que ser 1, temos que ter
1 = (5 1) k k =
ou
1
4
4
fX (x) =
1
4
se 1 x 5
caso contrrio
Z
P(2 X 3) =
2
1
1
=
4
4
1
1
1
dx = x|32 =
4
4
4
(d) Por argumentos de simetria, a esperana o ponto mdio, ou seja, E(X ) = 3. Usando a
definio, temos:
5 !
Z 5
1
1 x 2
1
E(X ) =
x dx =
= (25 1) = 3
4
4
2 1
8
1
Para o clculo da varincia, temos que calcular E(X 2 ) :
5
Z 5
1 x 3
1
124
31
2
21
(125 1) =
E(X ) =
=
=
x dx =
4
4 3 1 12
12
3
1
e
V ar(X ) =
31 27
4
31
32 =
=
3
3
3
12
1
k = 3, 4
4
1
1
dx = 0, 6 = (k 1) = 0, 6 k = 3, 4
4
4
(f) Para x < 1, temos que FX (x) = 0 e para x > 5, temos que FX (x) = 1. Para 1 x 5,
FX (x) a rea de um retngulo de base (x 1) e altura 1/4 (veja a Figura 1.10). Logo,
FX (x) =
x 1
4
e a expresso completa de FX
FX (x) =
0
x 1
4
1
se x < 1
se 1 x 5
se x > 5
1.6. EXEMPLOS
13
14
(a) Veja a Figura 1.13 a rea sob a funo densidade a rea de um trapzio com bases
0,1 e k e altura 5. Como essa rea tem que ser 1, resulta que
1=(
k + 0, 1
5 k = 0, 3
2
fX uma funo linear fX (x) = a+bx que passa pelos pontos (1; 0, 1) e (6; 0, 3), resultando,
portanto, o seguinte sistema de equaes:
0, 1 = a + b
0, 3 = a + 6b
Subtraindo a primeira equao da segunda, obtemos
0, 3 0, 1 = 5b b = 0, 04
Substituindo este valor na primeira equao, obtemos que a = 0, 1 0, 04 = 0, 06. Logo,
0, 06 + 0, 04x se 1 x 6
fX (x) =
0
caso contrrio
(b) Veja a Figura 1.14, em que a rea sombreada corresponde probabilidade pedida. Vemos
que essa rea a rea de um trapzio de altura 3 2 = 1, base maior igual a fX (3) =
0, 06 + 0, 04 3 = 0, 18 e base menor igual a f(2) = 0, 06 + 0, 04 2 = 0, 14. Logo,
Pr(2 X 3) =
0, 18 + 0, 14
1 = 0, 16
2
Exemplo 1.2
Exemplo 1.2
(c) Veja a Figura 1.15; a podemos ver que, para x [1, 6], FX (x) a rea de um trapzio de
altura x 1; base maior igual a fX (x) e base menor igual a fX (1) = 0, 1. Logo,
(0, 06 + 0, 04x) + 0, 1
(x 1)
2
= (0, 08 + 0, 02x)(x 1)
FX (x) =
ou seja,
0
FX (x) =
0, 02x 2 + 0, 06x 0, 08
se x < 1
se 1 x 6
se x > 6
1.6. EXEMPLOS
15
F (x) =
x
0, 04t 2
0, 06t +
2
1
(0, 06 + 0, 04t)dt =
=
0, 06x + 0, 02x 2 (0, 06 + 0, 02)
1
= 0, 02x 2 + 0, 06x 0, 08
1x6
k 2 + 3k
34 = 0
3 9 + 4 34
=
2
3 + 9 + 4 34
4, 5208
k=
2
(e) Temos que
6
x2
x 3
E(X ) =
x (0, 06 + 0, 04x) dx = 0, 06 + 0, 04
2
3 1
1
63
0, 04
=
0, 03 36 + 0, 04
0, 03 1 +
3
3
0, 04
11, 75
= 1, 08 + 2, 88 0, 03
=
= 3, 9167
3
3
Z
6
x3
x 4
E(X ) =
x (0, 06 + 0, 04x) dx = 0, 06 + 0, 04
3
4 1
1
= (0, 02 216 + 0, 01 1296) (0, 02 + 0, 01)
Z
= 4, 32 + 12, 96 0, 03 = 17, 25
16
Var(X ) = 17, 25
11, 75
3
1
1
(4 0) h h =
2
2
1.6. EXEMPLOS
17
x
fX (x) =
1
(c) A probabilidade pedida a rea sombreada em cinza claro na Figura 1.18. Os dois
tringulos sombreados de cinza escuro tm a mesma rea, por causa da simetria. Assim,
podemos calcular a probabilidade usando a regra do complementar, uma vez que a rea
total 1. A altura do tringulo inferior fX (1) = 14 e a do tringulo superior fX (3) =
1 43 = 14 . Logo, a rea de cada um dos tringulos 12 1 14 = 81 e, portanto,
P(1 X 3) = 1 2
6
3
1
= =
8
8
4
Z 3
x
x
dx +
1
dx
4
1 4
2
2
3
1 x 2
x 2
+ x
4 2 1
8 2
1
9
4
(4 1) + 3
2
8
8
8
3 15 12
6
3
+
= =
8
8
8
8
4
2
18
E(X 2 ) =
=
=
=
=
Var(X ) =
Z 4
x3
x
dx +
x2 1
dx
4
0 4
2
4 2 3
4
x
x 4
x
+
16 0
3
16 2
64 256
8 16
16
0 +
16
3
16
3 16
64
8
1+
16 + 1
3
3
14
56
14 =
3
3
2
14
2
22 =
3
3
(e) Assim como a funo densidade de probabilidade, a funo de distribuio ser definida
por 2 equaes: uma para os valores de x no intervalo [0, 2) e outra para valores de x no
intervalo [2, 4]. Para x [0, 2) temos que FX (x) a rea do tringulo sombreado na Figura
1.19 e para x [2, 4], a rea sombreada na Figura 1.20 e essa rea pode ser calculada
pela lei do complementar.
Logo,
FX (x) =
x
1
(x 0)
2
4
x [0, 2)
1.6. EXEMPLOS
19
FX (x) para 2 x 4
Exemplo 1.3
se x < 0
1 2
se 0 x < 2
8x
FX (x) =
1 (4 x)2 se 2 x 4
1
se x > 4
Veja a Figura 1.21; para 0 x < 2, o grfico de FX uma parbola cncava para cima;
para 2 x 4, o grfico de FX uma parbola cncava para baixo.
(f) Queremos determinar k tal que F (k) = 0, 6. Como F (2) = 0, 5, resulta que k > 2.
20
= 0, 6 =
= 0, 6 =
= 0, 6 =
= 0 =
= 0 =
8 12, 8
8 64 4 12, 8
=
=
2
2
8 12, 8
k=
2, 21
2
(g) Sabemos que P(A|B) =
P
P(A B)
. Assim,
P(B)
5 3
9
X X
=
4 4
4
P
=
P
X 49
P
X 49
X 45
FX 54 FX
=
X 49
FX 94 FX
3
4
3
4
5
4
3
4
3
4
3
4
3
4
=
4
8
4
128
2
5
1
5
25
FX
=
=
4
8
4
128
9
1
9 2
79
= 1 4
=
FX
4
8
4
128
Resulta que
P
5 3
9
X X
=
4 4
4
25
9
128 128 = 16 = 8
79
9
70
35
128 128
1.6. EXEMPLOS
21
1 x < 0
x
x
0x1
f(x) =
0 x < 1 ou x > 1
(a) Esboce o grfico de f(x) e mostre que f(x) realmente define uma funo densidade de
probabilidade.
(b) Calcule P X 21 > 41 .
(c) Calcule a varincia de X .
(d) Obtenha a funo de distribuio de X .
Soluo
(a) Veja a Figura 1.22. A rea de cada tringulo igual a 1/2 e, portanto, a rea total
1. Alm disso, a funo no negativa. Logo, f(x) define uma funo densidade de
probabilidade.
Exerc. 1.4
1.4
1
4
Exerc.
+ +
=1 =
=
2 32 2 32
4
4
Essa probabilidade pode, tambm, ser calculada por argumentos geomtricos. A
probabilidade pedida 1 menos a rea de um trapzio (rea em branco) de base menor
0, 25, base maior 0, 75 e altura 0, 5, ou seja,
1 1
0, 25 + 0, 75
1
3
P X >
=1
0, 5 = 1 =
2
4
2
4
4
22
(c) Como a funo densidade simtrica em torno de 0, resulta que a esperana 0 e, nesse
caso
Z 1
Z 0
Z 1
Z 0
3
2
2
2
x 3 dx
x dx +
x xdx =
x (x)dx +
Var(X ) = E(X ) =
1
=
0
x4
1
1
x4
+
4
1
1
1
= 0
+
0 =
4
4
2
(d) Sabemos que F (x) = 0 se x < 1 e F (x) = 1 se x > 1. Para 1 x 1, veja as Figuras
1.24 e 1.25.
t2
F (x) =
(t)dt =
2
1
x
x2 1
2
2
=
1 x2
2
tdt =
(t)dt +
0
Logo,
F (x) =
t2
2
0
1
+
1 x2
1 + x2
t2
2
x
0
2
1
x
1 + x2
=
+
0 =
2
2
2
se x 1
se 1 < x < 0
se 0 x < 1
se x 1
1.6. EXEMPLOS
23
A demanda diria de arroz num supermercado, em centenas de quilos, uma varivel aleatria
com funo densidade de probabilidade
f(x) =
2
x
3
se 0 x < 1
x
+ 1 se 1 x < 3
0
se x < 0 ou x > 3
(a) Qual a probabilidade de se vender mais de 150 kg num dia escolhido ao acaso?
(b) Qual a quantidade de arroz que deve ser deixada disposio dos clientes diariamente
para que no falte arroz em 95% dos dias?
Soluo
(a) Seja X a varivel aleatria que representa a demanda diria de arroz, em centenas de
quilos. Veja a Figura 1.26, em que a rea sombreada corresponde probabilidade pedida.
Nesse tringulo, a base 3 1, 5 = 1, 5 e a altura f(1, 5) = 1,5
3 + 1. Logo,
Pr(X 1, 5) =
1
1 3 1
3
1, 5 0, 5 = = = 0, 375
2
2 2 2
8
24
2
2
3
x
3
x
1, 52
+ 1 dx = + x = + 3
+ 1, 5
3
6
6
6
1,5
1,5
Z
Pr(X 1, 5) =
=
9 6, 75
2, 25
=
= 0, 375
6
6
6
(b) Seja k o valor a estocar. Para que a demanda seja atendida, necessrio que a quantidade
demandada seja menor que a quantidade em estoque. Logo, queremos encontrar o valor
de k tal que Pr(X k) = 0, 95.
Como Pr(X 1) = 13 , k tem que ser maior que 1, ou seja, k est no tringulo superior
(veja a Figura 1.27).
3
0, 3 = 9 6k + k 2
k
k 2 6k + 8, 7 = 0
6 36 4 8.7
=
2
36 4 8.7
= 2, 45 centenas de quilos
2
1.6. EXEMPLOS
25
Usando integrao:
Z
3
x
+ 1 dx = 0, 05
3
2
3
x
+ x = 0, 05
6
k
P(X > k) = 0, 05
k
2
2
k
k2
9
3
= 0, 05
k + 0, 05 = 0 k 2 6k + 8, 7 = 0
+3 +k
6
6
6
6
mesma equao obtida anteriormente.
0
se x < 0
3x 2 x 3
se 0 x < 1
1
se x 1
1. Calcule E(X ) e Var(X ).
2. Calcule P 0 X 14 |X
1
2
.
Soluo
3x 2
3x
se 0 x 1
2
f(x) =
0
c.c.
Z
E(X ) =
0
Z
2
E(X ) =
0
3x 2
x 3x
2
3x 2
3x
2
1
Z
dx =
0
1
3 3
3 x4
3
5
3
3x x dx = x
=1 =
2
2 4 0
8
8
2
Z
dx =
1
4
1
3 x5
3
9
3 4
x
3
3x x dx = 3
=
=
2
4
2 5 0 4 10
20
3
2
9
5
9
25
144 125
19
=
Var(X ) =
=
=
20
8
20 64
320
320
(b)
1
1
P 0 X X
=
4
2
=
P 0X
P X
3
16
3
4
1
64
1
8
1
2
1
4
121
64
61
8
F
=
1
4
3( 14 ) ( 14 )
2
2
F (0)
=
1
11 8
11
=
64 5
40
3( 12 ) ( 12 )
2
2
26
1.7
Exerccios propostos
2)
1.5 Uma varivel aleatria X tem funo densidade de probabilidade dada por
6x(1 x) se 0 x 1
f(x) =
0
caso contrrio
Se = E(X ) e 2 = V ar(X ), calcule Pr( 2 < X < + 2 ). (Resp.: 0, 9793)
1.6 Uma varivel aleatria X tem funo de distribuio acumulada F dada por
0 se x 0
F (x) =
x 5 se 0 < x < 1
1 se x 1
Calcule E(X ) e V ar(x). (Resp.: 5/6; 5/252)
27
28
Captulo 2
Distribuio uniforme
Funo densidade
Considere a funo fX apresentada na Figura 2.1, em que a e b so nmeros conhecidos.
30
f(x) =
1
ba
se x [a, b]
(2.1)
caso contrrio
2.1.2
Funo de distribuio
Por definio, a funo de distribuio acumulada
FX (x) = P (X x)
e essa probabilidade dada pela rea sob a curva densidade esquerda de x, conforme
ilustrado na Figura 2.2.
0x a
FX (x) =
ba
1
1
. Logo,
ba
se x < a
se a x b
se x > b
(2.2)
31
2.1.3
Esperana e varincia
x2
a+b
2
b3 a3
a2 + b2 + ab
1
dx =
=
ba
3(b a)
3
Logo,
Var(X ) =
=
a2 + b2 + ab
a+b
2
2
=
b2 2ab + a2
(b a)2
=
12
12
Resumindo:
X Unif(a, b)
E(X ) =
a+b
2
Var(X ) = (b a)
12
2.1.4
(2.3)
Exemplos
32
355 353
= 0, 2
355 345
346 345
= 0, 1
355 345
(b) Pede-se
(c) Pede-se
P(X < 350 4) + P(X > 350 + 4) =
Logo, a proporo de latas problemticas de 20%. Note que essa uma proporo
bastante alta!
EXEMPLO 2.2 Determinao dos parmetros
Uma varivel aleatria X tem distribuio uniforme no intervalo [a, b] com mdia 7,5 e varincia
6,75. Determine os valores de a e b, sabendo que b > a > 0.
Soluo
a+b
= 7, 5
2
(b a) = 6, 75
12
2
Da segunda equao, resulta que (b a) = 81 e, portanto, |b a| = 81. Como estamos
supondo que a < b, resulta que b a = 9, o que nos leva ao sistema
a + b = 15
ba=9
2.2
33
Distribuio exponencial
2.2.1
Funo densidade
Para que uma funo f(x) seja uma funo densidade, sua integral no domnio de
definio tem que ser igual a 1. Considerando, ento, a funo f(x) = ex para x > 0,
temos que
e
0
dx =
1
ex
=
Logo,
e
0
Z
dx = 1
ex dx = 1
34
Usaremos a seguinte notao para indicar que uma varivel aleatria tem distribuio
exponencial com parmetro : X exp(). Na Figura 2.5 temos o grfico da densidade
exponencial para = 2.
2.2.2
Funo de distribuio
Por definio, temos que
Z
F (x) = Pr (X x) =
Z
f (t) dt =
x
t
dt = e
= ex 1
0
ou seja
F (x) =
1 ex
0
se x > 0
se x 0
(2.4)
35
2.2.3
lim x k ex = 0
(2.5)
Vamos demonstrar esse resultado por induo usando a regra de LHpital. Consideremos
inicialmente o caso em que k = 1. Ento
x
x ex
Logo, o resultado vale para k = 1. Suponhamos verdadeiro para qualquer k > 1; vamos
mostrar que vale para k + 1. De fato:
lim x
k+1 x
0
x k+1
(k + 1) x k
x k+1
xk
(k
= lim
=
lim
=
lim
=
+
1)
lim
= (k + 1)0 = 0
0
x ex
x (ex )
x
x ex
ex
pela hiptese de induo. De maneira anloga, prova-se um resultado mais geral dado por:
lim x k ex = 0
k > 0 e > 0
(2.6)
A interpretao desse resultado pode ser vista na Figura 2.7 para o caso de x 3 : para
valores de x maiores que a abcissa do ponto de interseo representado em vermelho, o valor
3
de ex sempre maior que x 3 e, portanto o limite de ex x zero. Dito de outra forma, a funo
exponencial cresce muito mais rapidamente que qualquer funo polinomial.
36
2.2.4
x3
=0
ex
Esperana e varincia
Definindo
u = x du = dx;
dv = ex dx v = ex
O mtodo de integrao por partes nos d que:
Z
=
xe
xe
Z
dx +
ex dx
Pelo resultado (2.5), o lado esquerdo desta ltima igualdade zero. Logo,
1 x
1
0 = E(X ) + e 0 = E(X ) + 0
0
ou seja,
1
E (X ) =
Desse resultado segue que
Z
0
xex dx =
Z
1
(2.7)
xex dx =
1
2
(2.8)
37
E(X ) =
x 2 ex dx
Logo,
Z
x 2 ex =
0
x 2 ex dx +
Z
2xex dx 0 = E X 2 2
xex dx
(2.9)
e, portanto:
Var(X ) = E(X 2 ) [E(X )]2 =
Resumindo:
X exp() =
2
1
1
Var (X ) = 2
2 2
E(X ) =
(2.10)
(2.11)
Var(X ) = 1
2
2.2.5
Parametrizao alternativa
E(X ) =
f(x) =
x > 0; > 0
E(X 2 ) = 2 2
Var(X ) = 2
Essa parametrizao alternativa mais interessante, uma vez que o valor mdio igual
ao parmetro, e ser utilizada deste ponto em diante.
38
2.2.6
Exemplos
EXEMPLO 2.3
Seja X uma varivel aleatria exponencial com mdia 4. Calcule
(a) P(X > 1)
(b) Pr(1 X 2)
Soluo
(a) A funo densidade de X fX (x) = 41 ex/4 e a funo de distribuio F (x) = 1 ex/4 .
Podemos resolver essa questo por integrao da funo densidade
Z
Z
x
1 x
P(X > 1) =
f(x)dx =
e 4 dx = e 4 = 0 (e0,25 ) = e0,25 = 0, 7788
4
1
1
1
ou pelo uso direto da funo de distribuio
P(X > 1) = 1 Pr(X 1) = 1 F (1) = 1 [1 e1/4 ] = e0,25 = 0, 7788
(b)
P(1 X 2) = P(X 2) Pr(X < 1)
= P(X 2) P(X 1)
h
i
P(X > E(X )) = 1 P(X E(X )) = 1 F (E(X )) = 1 1 e/ = e1
Note que essa a probabilidade de uma varivel aleatria exponencial ser maior que o seu
valor mdio; o que mostramos que essa probabilidade constante, qualquer que seja o
parmetro.
2.3
Distribuio gama
2.3.1
39
A funo gama
A funo gama definida pela seguinte integral:
Z
() =
ex x 1 dx
Z
( + 1) =
ex x dx
Fazendo
u = x du = x 1
dv = ex dx v = ex
resulta
x ex 0
( + 1) =
Z
( + 1) = 0 +
( + 1) = ()
ex x 1 dx
ex x 1 dx
ex x 11 dx =
ex dx = 1
(2) = 1 (1) = 1 = 1!
(3) = 2 (2) = 2 1 = 2!
(4) = 3 (3) = 3 2 1 = 3!
(5) = 4 (4) = 4 3 2 1 = 4!
Em geral, se n inteiro,
(n) = (n 1)!
(2.12)
40
2.3.2
A distribuio gama
Diz-se que uma varivel aleatria tem distribuio gama com parmetros
e se sua funo densidade de probabilidade dada por
x 1 ex/
se x > 0
()
(2.13)
f(x) =
0
se x 0
x
= t resulta
x = t
dx = dt
x = 0t=0
x = t=
e, portanto,
Z
f(x)dx =
0
=
=
=
Z
1
x 1 ex/ dx =
() 0
Z
1
(t)1 et dt
() 0
Z
1
t 1 et dt
()
0
1
() = 1
()
Logo, as duas condies para uma funo densidade so satisfeitas. Usaremos a notao
X gama(; ) para indicar que a varivel aleatria X tem distribuio gama com parmetros
, .
2.3.3
41
lim f(x) =
x0
se 1
se < 1
Em cada uma das Figuras 2.8 e 2.9, o parmetro est fixo e temos o grfico da funo
densidade para = 1, 2, 4. Nas Figuras 2.10 e 2.11, fixamos o parmetro e variamos
. Analisando esses grficos,podemos ver que tem grande influncia sobre a forma da
distribuio, enquanto afeta mais fortemente a disperso. Por essas razes, dito
parmetro de forma da densidade gama e o parmetro de escala.
= 2; = 1, 2, 3
= 4; = 1, 2, 4
Uma anlise das derivadas primeira e segunda da funo densidade gama permite-nos
chegar s seguintes conluses sobre a forma do grfico:
1. 1
(a) estritamente decrescente
42
(e) > 2
i.
ii.
iii.
iv.
2.3.4
Esperana e varincia
Se X gama(; ) , ento
Z
Z
1
E(X ) =
xf(x)dx =
xx 1 ex/ dx
()
0
0
Z
1
=
x ex/ dx
() 0
E(X ) =
=
=
=
=
ou seja,
x
= t temos que
Z
1
(t) et dt
() 0
Z
1
+1
t et dt
()
0
Z
t et dt
() 0
( + 1)
()
()
()
X gama(, ) E(X ) =
43
Z
1
x f(x)dx =
E(X ) =
x 2 x 1 ex/ dx
() 0
0
Z
1
x +1 ex/ dx
=
() 0
x
Fazendo a mesma mudana de varivel usada anteriormente = t temos que
Z
1
E(X 2 ) =
(t)+1 et dt
() 0
Z
1
+2
t +1 et dt
=
()
0
Z
2
=
t +1 et dt
() 0
2
=
( + 2)
()
2
( + 1)( + 1)
=
()
2
=
( + 1)()
()
Z
= 2 ( + 1)
Logo,
Var(X ) = 2 ( + 1) ()2 = 2 2 + 2 2 2 = 2
Resumindo:
X gama(, ) =
2.3.5
E(X ) =
Var(X ) = 2
(2.14)
2.4
A distribuio Erlang
(k + 1)! k
f(x) =
se x > 0
(2.15)
se x 0
44
2.5
A distribuio qui-quadrado
E(X ) = n2 2 = n
X n2 =
V ar(X ) = n2 22 = 2n
Na Figura 2.12 apresenta-se o grfico da densidade qui-quadrado com 3 graus de
liberdade.
2.5.1
A tabela da qui-quadrado
45
2
Figura 2.13 Valor crtico n, da distribuio n2 : P(n2 > n,
)=
(d) Determine valores k1 e k2 tais que k1 < k < k2 quando k tal que P(62 k) = 0, 036.
Soluo
O primeiro ponto a observar que a tabela trabalha com probabilidades na cauda
superior da distribuio.
(a) Temos que olhar na linha correspondente a 8 graus de liberdade e coluna correspondente
2
probabilidade 0,05: k = 8;0,05
= 15, 507.
(b) O problema pede probabilidade 0,10 na cauda inferior, o que corresponde probabilidade
2
0,90 na causa superior, ou seja, k = 12;0,90
= 7, 042
(c) Olhando na linha correspondente a 10 g.l., podemos ver que a abcissa 18,123 est
entre 15,987 e 18,307. As probabilidades acima dessas duas abcissas so 0,10 e 0,05,
respectivamente. Veja as Figuras 2.14 e 2.15. Conclumos, ento, que a probabilidade
acima de 18,123 um valor p tal que 0, 05 < P < 0, 10 - o comando do excel
=1-DIST.QUIQUA(18,123;10;1) retorna a probabilidade exata 0,052923914.
46
(d) Olhando na na tabela, podemos ver que a probabilidade 0,036 est entre as probabilidades
0,025 e 0,05, ou seja, 0, 025 < 0, 036 < 0, 05. Olhando na linha correspondente a 6 g.l.,
podemos ver que a abcissa correspondente probabilidade 0,025 14,449 e a abcissa
correspondente probabilidade 0,05 12,592. Veja as Figuras 2.16 a 2.18. Conclumos,
ento, que a probabilidade acima de 12, 592 < k < 14, 449. 18,123 um valor p tal que
0, 05 < P < 0, 10 - o comando do excel =INV.QUIQUA(1-0,036;6) retorna a abcissa
exata 13,48119895.
47
48
2.6
2.6.1
Distribuio de Pareto
Funo densidade
+1
b
se x b
f(x) =
b
x
0
se x < b
Para mostrar que f(x) realmente define uma funo densidade de probabilidade resta
provar que a integral 1, uma vez que f(x) 0.
Z
b
+1
Z
b
1
x
dx = b
x
dx = b
x
b
b
Essa integral converge apenas se < 0 ou equivalentemente, > 0, pois nesse caso
limx x = limx x1 = 0. Satisfeita esta condio, temos que
b
= 0 b
b
=1
2.6.2
49
Esperana e varincia
Se X Pareto(, b) ento
Z
E(X ) =
x
b
+1
Z
+1
b
x dx = b
dx = b
x
+ 1 b
b
Para que essa integral convirja, temos que ter + 1 < 0, ou > 1. Satisfeita esta condio,
b+1
b+1
b
E(X ) = b 0
=
=
+ 1
1
1
O segundo momento
Z
2
E(X ) =
+1
Z
+2
b
+1
x
dx = b
x
dx = b
x
b x
+ 2 b
b
2
Para que essa integral convirja, temos que ter + 2 < 0, ou > 2. Satisfeita esta condio,
E(X ) = b
b+2
b2
b+2
=
=
0
+ 2
2
2
Logo,
Var(X ) =
=
=
b2
b 2 b2 ( 1)2 2 b2 ( 2)
=
2
1
( 1)2 ( 2)
b2 2 2 + 1 ( 2)
b2 2 2 + 1 2 + 2
=
( 1)2 ( 2)
( 1)2 ( 2)
b2
( 1)2 ( 2)
Resumindo:
E(X ) =
1
X Pareto(, b) =
b2
Var(X ) =
( 1)2 ( 2)
2.6.3
se > 1
se > 2
Funo de distribuio
Por definio, F (x) = P(X x) = 0 se x < b. Para x b,
Z x
x
b +1
1
t
F (x) = Pr(X x) =
dt = b
t
dx = b
t
b
b b
b
b
= b x b
=1
x
Z
(2.17)
50
0
1
b
x
se x < b
se x b
(2.18)
2.7
Exerccios propostos
2.1 Voc est interessado em dar um lance em um leilo de um lote de terra. Voc sabe que
existe um outro licitante. Pelas regras estabelecidas para este leilo, o lance mais alto acima
de R$ 100.000,00 ser aceito. Suponha que o lance do seu competidor seja uma varivel
aleatria uniformemente distribuda entre R$ 100.000,00 e R$ 150.000,00.
(a) Se voc der um lance de R$120.000,00, qual a probabilidade de voc ficar com o lote?
(Resp.: 0, 4)
(b) Se voc der um lance de R$140.000,00, qual a probabilidade de voc ficar com o lote?
(Resp.: 0, 8)
2.2 Seja X uma varivel aleatria com distribuio exponencial de mdia 8. Calcule as
seguintes probabilidades:
(a) P(X > 10) (Resp.: 0, 286505)
(b) P(X > 8) (Resp.: 0.36788)
(c) P(5 < X < 11) (Resp.: 0, 28242)
2.3 O tempo entre chegadas de automveis num lava-jato distribudo exponencialmente,
com uma mdia de 12 minutos.
51
(a) Qual a probabilidade de que o tempo entre chegadas de veculos neste lava-jato seja
maior que 10 minutos? (Resp.: 0, 43460)
(b) Qual a probabilidade de que o tempo entre chegadas de veculos neste lava-jato seja
menor que 8 minutos? (Resp.: 0, 48658)
2.4 Consulte a Tabela 3 (Apndice A) da distribuio qui-quadrado para resolver os seguintes
exerccios.
2 k) = 0, 025. (Resp.: 32, 852)
(a) Determine o valor de k tal que P(19
2 k) = 0, 05. (Resp.: 8, 672)
(b) Determine o valor de k tal que P(17
2 13, 43), determine valores p e p tais que p < p < p . (Resp.:
(c) Se p = P(15
1
2
1
2
p1 = 0, 50; p2 = 0, 70; valor exato de p 0,569122081.)
2 k) = 0, 017.
(d) Determine valores k1 e k2 tais que k1 < k < k2 quando k tal que P(26
(Resp.: k1 = 42, 856; k2 = 45, 642. O valor exato de k 43,52333776.)
52
Captulo 3
3.1
Seja X Unif(1, 1). Vamos calcular a funo densidade das novas variveis aleatrias
Y = g(X ) = X 2 e W = h(X ) = |X |. Para isso usaremos a funo de distribuio e sua relao
com a funo de densidade dada por
0
fX (x) = FX (x)
Temos que
fX (x) =
1
2
1<x <1
x 1 ou x 1
1 < x < 1
53
0 g(x) < 1
0 h(x) < 1
(3.1)
54
que
FY (y) = P(Y y) = P(X 2 y)
= P yX y
= P(X y) P(X y)
y FX y
= FX
e, portanto, usando (3.1) e a regra da cadeia para clculo de derivada de funes compostas,
obtemos
d
[FY (y)]
dy
d
d
FX
y
FX y
=
dy
dy
1
1
= FX0
y FX0 y
2 y
2 y
1
1
= fX
y + fX y
2 y
2 y
fY (y) =
Como 0
y < 1 e 1 < y 0, resulta que fX
y = fX y = 12 . Logo
fY (y) =
2 y
0
se 0 y < 1
caso contrrio
= fX (w) + fX (w)
Como 0 w < 1 e 1 < w 0, resulta que fX (w) = fX (w) = 12 . Logo
fW (w) =
que a densidade uniforme padro.
1
0
se 0 y < 1
caso contrrio
3.2
55
Funes inversveis
de Y .
1 se 0 < x < 1
0 se x 0 ou x 1
0 se x < 0
x se 0 < x < 1
FX (x) =
1 se x 1
(3.2)
yR
(3.3)
(3.4)
56
=
|{z}
X contnua
Logo,
FY (y) =
e
fY (y) =
(3.5)
(3.3)
y0
1 ey y > 0
dFY (y)
=
dy
y0
ey y > 0
57
dada por
y = g(x) = ax + b x = g1 (y) =
yb
a
(3.6)
FY0 (y)
1
= FX0
a
yb
a
1
= fX
a
yb
a
1
=
fX
|a|
yb
a
(3.7)
(3.8)
58
TEOREMA 3.1
Seja X uma varivel aleatria contnua com funo densidade fX (x). Se Y = aX + b,
a 6= 0 e b so constantes, ento
1
yb
fY (y) =
(3.9)
fX
|a|
a
H
EXEMPLO 3.4 Mais sobre transformao linear
Se a funo densidade da varivel aleatria X dada por
3x 2 1 x 0
f(x) =
0 x < 1 ou x > 0
calcule a funo densidade de Y = 2X 35 , bem como sua esperana e sua varincia.
Soluo
Temos aqui uma transformao linear crescente com a = 2 e b = 0, 6. Como 1 x
0, resulta que 2, 6 y 0, 6. Logo,
y + 0, 6
1
fY (y) = fX
se 2, 6 y 0, 6
2
2
ou seja
fY (y) = 3
y + 0, 6
2
2
1
3
= (y + 0, 6)2
2
8
se 2, 6 y 0, 6
3
5
ento
3
5
Var(Y ) = 4 Var(X )
Z
E(X ) =
x3x dx =
2
0
x 4
3
6 3
30 12
3
= = E(Y ) = =
= 2, 1
4 1
4
4 5
20
5 0
x
3
3
3 2 48 45
3
E(X ) =
x 3x dx = 3
= = V ar(X ) =
=
=
5 1 5
5
4
80
80
1
3
3
= V ar(Y ) = 4
=
= 0, 15
80
20
Z
0,6
3 3
3 y4
y3
y2
2
(y + 1, 2y + 0, 36y)dy =
+ 1, 2 + 0, 36
8 4
3
2 2,6
2,6 8
2,6
3 (0, 6)4
3 (2, 6)4
3
2
3
2
+ 0, 4(0, 6) + 0, 18(0, 6)
+ 0, 4(2, 6) + 0, 18(2, 6)
8
4
8
4
Z
E(Y ) =
E(Y ) =
0,6
0,6
3
y (y + 0, 6)2 dy =
8
3
3
[(0, 0324 0, 0864 + 0, 0648) (11, 4244 7, 0304 + 1, 2168)] = (0, 0108 5, 6108) = 2, 1
8
8
0,6
3 4
3 y5
y4
y3
3
2
y (y + 0, 6) dy =
(y + 1, 2y + 0, 36y )dy =
+ 1, 2 + 0, 36
8
8 5
4
3 2,6
2,6
2,6 8
3 (2, 6)5
3 (0, 6)5
+ 0, 3(0, 6)4 + 0, 12(0, 6)3
+ 0, 3(2, 6)4 + 0, 12(2, 6)3
8
5
8
5
Z
2
59
0,6
23
0,6
3
[0, 002592 (12, 162592)] = 4, 56
8
60
Captulo 4
A Distribuio Normal
Neste captulo estudaremos uma das principais distribuies contnuas.
4.1
Z
0
r
2
t
exp
dt =
2
2
(4.1)
ou ainda
1
2
t2
exp
2
dt = 1
(1/2) =
x 1/21
Z
dx =
0
t2
2
61
ex
dx
x
(4.2)
62
Ento,
dx
tdt
0t=0
x t
Logo,
Z
(1/2) =
t
eq
2 /2
t2
2
tdt =
Z
2
(1/2) =
4.2.1
t 2 /2
ou seja:
4.2
dt = 2
(4.3)
2
1
t
Analisando a equao (4.2), vemos que a funo
exp
satisfaz as condies
2
2
para ser uma funo densidade.
4.2.2
Esperana e varincia
Considere a expresso da densidade normal padro dada em (4.4). Podemos ver que o
expoente de x 2, o que significa que (z) = (z), ou seja, (z) simtrica em torno de 0.
Resulta, ento, que
Z N(0; 1) = E(Z ) = 0
63
2
2
Z +
x
x
1
1
2
x exp
exp
dx =
dx
x
2
2
2
2
2
Note que o integrando uma funo simtrica em torno de 0 (veja a Figura 4.1). Resulta,
ento, que (note os limites de integrao)
Z
1
Var(Z ) = E(Z 2 ) = 2
2
2
x
dx
x 2 exp
2
x2
2
obtemos
Z
2
2
Z
x 2
x
x
2
x exp
=
exp
dx +
x exp
dx
2 0
2
2
0
0
(4.5)
x
x
2
2
0=
+
x exp
dx =
x exp
dx =
2
2
2
2
0
0
Logo,
r
2
Var(Z ) =
Var(Z ) = 1
2
(4.6)
64
Z N(0; 1)
4.2.3
E(Z ) = 0
Var(Z ) = 1
(4.7)
x
ex = 0
3. Ponto de mximo
Para calcular a primeira e segunda derivadas de (x), devemos lembrar que (ex )0 = ex
e, pela regra da cadeia, (eg(x) )0 = eg(x) g0 (x). Aplicando esses resultados densidade
normal padro, obtemos que:
2
x
1
1
0
exp
2x = (x)x
(4.8)
(x) =
2
2
2
Derivando novamente, obtemos:
00 (x) = 0 (x)x (x) = [(x)x] x (x)
= (x)x 2 (x) = (x)(x 2 1)
(4.9)
Analisando a equao (4.8) e lembrando que (x) > 0, pode-se ver que:
0 (x) = 0 x = 0
e assim, x = 0 um ponto crtico. Como 0 (x) > 0 para x < 0 e 0 (x) < 0 para x > 0,
ento crescente esquerda de 0 e decrescente direita de 0. Segue, ento, que
x = 0 um ponto de mximo e nesse ponto
1
(0) =
2
(4.10)
4. Pontos de inflexo
Analisando a segunda derivada dada por (4.9), tem-se que:
00 (x) = 0 x 2 1 = 0 x = 1
(4.11)
Alm disso,
00 (x) > 0 x 2 1 > 0 x 2 > 1 x > 1
e
ou
x < 1
Logo, (x) cncava para cima se x > 1 ou x < 1 e cncava para baixo quando
1 < x < +1.
Na Figura 4.2 temos o grfico da densidade normal padro; a as linhas pontilhadas
indicam a ocorrncia dos pontos de inflexo
65
4.2.4
1
1 2
exp t dt
2
2
(4.12)
para a qual no existe uma antiderivada em forma de funo elementar. Assim, a funo
de distribuio acumulada da normal padro calculada por integrao numrica. Todos
os pacotes estatsticos possuem rotinas especiais para esse clculo. No EXCEL, a funo
DIST.NORMP calcula P (Z x) para qualquer x, onde Z N(0; 1).
4.2.5
66
Veja as Figuras 4.3 e 4.4. Essa probabilidade dada diretamente na Tabela 1, utilizando
a entrada correspondente linha 1,2 e coluna com o valor 2. O resultado
P(0 Z 1, 22) = tab(1, 22) = 0, 3888
67
e 1a . Decimal
0,0
0,0000
0,0040
0,0080
0,0120
0,1
0,0398
0,0438
0,0478
0,0517
0,9
0,3159
0,3186
0,3212
0,3238
1,0
0,3413
0,3438
0,3461
0,3485
1,1
0,3643
0,3665
0,3686
0,3708
1,2
0,3849
0,3869
0,3888
0,3907
1,3
0,4032
0,4049
0,4066
0,4082
rea
da tabela
Note que este exemplo trata da rea (probabilidade) entre duas abcissas positivas. Na
Figura 4.5 ilustra-se a rea (probabilidade) desejada. Note que esta rea pode ser obtida
pela diferena entre as reas das Figuras 4.6 e 4.8, cujos valores so encontrados na Tabela
1 conforme ilustram as Figuras 4.7 e 4.9.
0,0
0,0000
0,0040
0,0080
0,0120
0,0160
0,1
0,0398
0,0438
0,0478
0,0517
0,0557
0,2
0,0793
0,0832
0,0871
0,0910
0,0948
1,8
0,4641
0,4649
0,4656
0,4664
0,4671
1,9
0,4713
0,4719
0,4726
0,4732
0,4738
2,0
0,4772
0,4778
0,4783
0,4788
0,4793
2,1
0,4821
0,4826
0,4830
0,4834
0,4838
68
0,0
0,0000
0,0040
0,0080
0,0120
0,0160
0,1
0,0398
0,0438
0,0478
0,0517
0,0557
0,2
0,0793
0,0832
0,0871
0,0910
0,0948
0,8
0,2881
0,2910
0,2939
0,2967
0,2995
0,9
0,3159
0,3186
0,3212
0,3238
0,3264
1,0
0,3413
0,3438
0,3461
0,3485
0,3508
1,1
0,3643
0,3665
0,3686
0,3708
0,3729
69
70
a rea (probabilidade) desejada. Pela simetria da curva densidade normal, resulta que essa
rea igual rea ilustrada na Figura 4.17.
Note que este exemplo trata da rea (probabilidade) direira () de uma abcissa
negativa. Na Figura 4.18 ilustra-se a rea (probabilidade) desejada. Essa rea a soma das
reas representadas nas Figuras 4.19 e 4.20. Essa ltima rea, por sua vez, igual area
representada na Figura 4.21, pela simetria da curva densidade.
71
72
4.2.6
73
P(Z 0, 5) = P(Z 0, 5)
Logo,
P(Z 0, 5) = P(Z 0, 5) = 1P(Z < 0, 5) = 1P(Z 0, 5) = 1(0, 5) = 10, 6915 = 0, 3085
EXEMPLO 4.13 P(Z 0, 5)
Veja as Figuras 4.28 e 4.29.
P(Z 0, 5) = 1 P(Z < 0, 5) = 1 P(Z > 0, 5) = 1 [1 P(Z 0, 5)]
= P(Z 0, 5) = (0, 5) = 0, 6915
74
75
4.3
4.3.1
fX (x) = fZ
2
ou ainda:
1 x 2
exp
fX (x) =
2
2 2
4.3.2
76
lim f(x) = lim f(x) = 0; esse resultado segue diretamente do fato de que
limx ex = 0
3. Ponto de mximo
Para calcular a primeira e segunda derivadas de f(x), devemos lembrar que (ex )0 = ex
e, pela regra da cadeia, (eg(x) )0 = eg(x) g0 (x). Aplicando esses resultados densidade
normal, obtemos que:
x
(x )2
1
1
0
exp
2(x
)
=
f(x)
(4.14)
f (x) =
2 2
2 2
2
2 2
Derivando novamente, obtemos:
h
x i h x i
x
00
1
1
=
f(x)
f(x)
f(x) 2 =
f (x) = f 0 (x)
2
2
2
2
(x )2
1
(x )2 2
= f(x)
f(x) 2 = f(x)
(4.15)
4
4
Analisando a equao (4.14) e lembrando que f(x) > 0, pode-se ver que:
f 0 (x) = 0 x =
e assim, x = um ponto crtico. Como f 0 (x) > 0 para x < e f 0 (x) < 0 para x > ,
ento f crescente esquerda de e decrescente direita de . Segue, ento, que
x = um ponto de mximo e nesse ponto
1
f() =
2 2
(4.16)
4. Pontos de inflexo
Analisando a segunda derivada dada por (4.15), tem-se que:
00
x =+
2
2
f (x) = 0 (x ) = |x | =
x =
(4.17)
Alm disso,
00
ou
x >
x >+
ou
x <
(4.18)
e
00
f (x)
<
0 (x )2 < 2 |x | <
x <
<x <+
x <
(4.19)
Logo, f(x) cncava para cima se x > + ou x < e cncava para baixo quando
< x < + .
77
4.3.3
Parmetros da N ; 2
Se X N ; 2 , ento X = + Z , em que Z N(0; 1). Das propriedades de mdia e
varincia, sabemos que, se X uma varivel aleatria e k1 6= 0 e k2 so constantes quaisquer,
ento
E(k1 X + k2 ) = k1 E(X ) + k2
Var(k1 X + k2 ) = k12 Var (X )
Resulta, ento, que se X N ; 2 ento
E(X ) = + E(Z ) = + 0 E (X ) =
e
X N ; 2 =
E(X ) =
Var(X ) =
(4.20)
78
questo que a forma sempre a de um sino. Na Figura 4.35 temos exemplos densidades
normais com a mesma varincia, mas com mdias diferentes. O efeito o delocamento da
densidade. J na Figura 4.36, temos duas densidades com a mesma mdia, mas varincias
diferentes. O efeito que a densidade com maior varincia mais dispersa e achatada.
4.3.4
4.3.5
79
Nesta seo sero apresentados resultados bsicos sobre a distribuio normal, que
permitiro que voc calcule probabilidades associadas a qualquer varivel aleatria normal,
e isso ampliar o escopo de aplicaes prticas.
Na seo anterior, voc viu como usar tabelas da distribuio normal padro para
calcular probabilidades associadas varivel Z N(0; 1). Essas tabelas, ou softwares
especializados, so necessrios para fazer os clculos, pois no existem mtodos diretos para
calcular reas sob a curva da densidade normal padro. Mas as tabelas vistas referiam-se
distribuio N(0; 1). Ser que teremos que usar uma tabela diferente para outros valores
da mdia e do desvio-padro ? Felizmente, a resposta NO, graas a uma propriedade
muito interessante da distribuio normal que estabelece o seguinte resultado:
Se X N ; 2 , ento
Z=
(4.21)
Note que a transformao dada em (4.3.5) uma transformao linear, que biunvoca.
Vejamos como usar esse resultado para calcular probabilidades de uma v.a. normal qualquer.
Suponhamos, por exemplo, que se deseje calcular P(X 3), em que X N(1; 2), ou seja, X
uma v.a. normal com mdia 1 e varincia 2. Temos a seguinte equivalncia de eventos
X 3
X 1
31
2
2
uma vez que subtramos a mesma constante e dividimos pela mesma constante positiva em
ambos os lados da desigualdade. Mas, pelo resultado acima, Z = X1
N(0; 1). Logo,
2
P(X 3) = P
X 1
31
2
2
31
=P Z
2
e camos novamente no clculo de probabilidades da Normal padro, que feito com auxlio
das Tabelas 1 e 2, apresentadas na seo anterior. Completando o clculo, obtemos:
31
P(X 3) = P Z
= P(Z 1, 41)
2
= 0, 5 + tab(1, 41) = (1, 41) = 0, 9207
Na Figura 4.38 representa-se a probabilidade P(X 3) e na Figura 4.39, P(Z 1, 41).
Pelo resultado acima, essas duas reas so iguais.
80
Figura 4.38
P(X 3) X N(1; 2)
1 3
X 3
43
P(1 X 4) = P
9
9
9
= P (1, 33 Z 0, 33)
X 2
72
12
P(1 X 7) = P
5
5
5
= P (0, 45 Z 2, 24)
= (2, 24) (0, 45) = (2, 24) [1 (0, 45)] = 0, 9875 [1 0, 6700]
= tab(2, 24) + tab(0, 45) = 0, 4875 + 0, 1700
= 0, 6575
81
X 5
75
P(X > 7) = P
>
1
1
= P(Z > 2)
= 1, 0 (2, 0) = 1, 0 0, 97725
= 0, 5 tab(2, 0) = 0, 5 0, 47725
= 0, 02275
EXEMPLO 4.21 A regra 68-95-99,7
Seja X N(; 2 ). Calcule P( k < X < + k ) , para k = 1, 2, 3.
Soluo
Note que essa probabilidade corresponde probabilidade de X estar a uma distncia
de k desvios-padro da mdia.
X
+ k
k
P( k X + k ) = P
= P(k Z k)
Note que chegamos a uma probabilidade que no depende de ou , ou seja, esse
resultado vale qualquer que seja a distribuio normal.
k =1
P( X + ) = P(1 Z 1) = 2 tab(1, 0) = 2 0, 3414 = 0, 6828
k =2
P( 2 X + 2 ) = P(2 Z 2) = 2 tab(2, 0) = 2 0, 4772 = 0, 9544
k =3
P( 3 X + 3 ) = P(3 Z 3) = 2 tab(3, 0) = 2 0, 4987 = 0, 9974
Essas probabilidades nos dizem que, para qualquer distribuio normal, 68,28% dos
valores esto a um desvio-padro da mdia, 95,44% esto a dois desvios-padro e 99,73% dos
valores esto a trs desvios-padro da mdia. Veja a Figura 4.40 para uma ilustrao desses
resultados.
82
4.3.6
83
que k tem que ser maior que zero, isto , temos que ter k > 0. Veja a Figura 4.41: esquerda
de k temos rea 0,90 e esquerda de 0 temos rea 0,5. Logo, entre 0 e k temos que ter rea
0,40.
Agora vamos olhar o mesmo exemplo, mas para uma distribuio normal qualquer.
EXEMPLO 4.23 X N(3; 4)
Determine o valor de k tal que P(X k) = 0, 90.
Soluo
Com a probabilidade esquerda de k maior que 0,5, resulta que k tem de ser maior
que a mdia. O primeiro passo na soluo escrever a probabilidade dada em termos da
84
normal padro.
P(X k) = 0, 90
X 3
k 3
= 0, 90
P
2
2
k 3
P Z
= 0, 90
2
k 3
= 0, 90
P(Z 0) + P 0 Z
2
k 3
0, 5 + P 0 Z
= 0, 90
2
k 3
= 0, 40
P 0Z
2
k 3
tab
= 0, 40
2
k 3
= 1, 28 k = 5, 56
2
= 0, 05
2
2
k 3
P Z
= 0, 05
2
k3
Como a rea (probabilidade) esquerda de k3
2 menor que 0, 5, isso significa que 2
tem de ser negativo. Veja a Figura 4.42. Para nos adequarmos tabela disponvel, temos de
rabalhar com reas na metade direita da curva densidade, ou seja, temos qde usar a simetria
k 3
k 3
3k
da curva. Veja a Figura 4.43 e note que a abcissa simtrica a
=
.
2
2
2
k3
2 )
= 0, 05
85
= 1, 64 k = 0, 28
2
EXEMPLO 4.25 X N(3; 4)
Deermine o valor de k tal que P(| X 3 | k) = 0, 95.
Soluo
Vamos relembrar as propriedades da funo mdulo. Para isso, veja a Figura 4.44. As
duas retas que definem a funo f(x) = |x| so y = x e y = x. Os segmentos traados
no grfico mostram que |x| = k x = k ou x = k. Os valores de y abaixo do segmento
horizontal correspondem a valores de y = |x| k e esses valores de y esto associados a
valores x tais que k x k. De forma anloga, valores de y acima do segmento horizontal
correspondem a valores de y = |x| > k e esses valores de y esto associados a valores x tais
que x > k ou x < k. Resumindo:
x=k
ou
|x| = k
(4.22)
x=-k
|x| < k k < x < k
(4.23)
x>k
ou
|x| > k
(4.24)
x<-k
86
P(| X 3 | k) = 0, 95
P(k X 3 k) = 0, 95
P (3 k X k + 3) = 0, 95
3k 3
X 3
k +33
P
= 0, 95
2
2
2
k
k
P Z
= 0, 95
2
2
k
k
P Z
= 0, 95
2
2
k
k
P Z 0 +P 0Z
= 0, 95
2
2
k
= 0, 95
2P 0Z
2
k
P 0Z
= 0, 475
2
k
tab
= 0, 475
2
k
= 1, 96 k = 3, 92
2
4.3.7
87
O consumo mensal em minutos por conta de celular em uma regio uma varivel aleatria
normal com mdia 36 e desvio padro 12.
(a) Qual a probabilidade de uma pessoa desta regio usar o telefone celular por menos de
48 minutos?
(b) Qual a probabilidade de uma pessoa desta regio usar o telefone celular por mais de
30 minutos?
(c) Qual o tempo mnimo que algum deve gastar ao telefone no ms para estar entre os 5%
que MAIS usam o celular?
(d) Qual o tempo mximo que algum deve gastar ao telefone no ms para estar entre os 12%
que MENOS usam o celular?
Soluo
X = consumo em minutos; X N(36; 122 )
88
4836
12
3036
12
12
A pessoa tem que falar pelo menos 55,68 minutos para estar entre os 5% que mais usam
o celular.
4. Seja M o tempo mximo.
M 36
36 M
P(X M) = 0, 12 P Z
= 0, 12 P Z
= 0, 12
12
12
36 M
36 M
= 0, 5 0, 12
= 1, 175 M = 21, 9
tab
12
12
A pessoa tem que falar no mximo 21,9 minutos para estar entre os 12% que menos
usam o celular.
O saldo mdio dos clientes de um banco uma v.a. normal com mdia R$ 2.000, 00 e
desvio-padro R$ 250,00. Os clientes com os 10% maiores saldos mdios recebem tratamento
VIP, enquanto aqueles com os 5% menores saldos mdios recebero propaganda extra para
estimular maior movimentao da conta.
(a) Quanto voc precisa de saldo mdio para se tornar um cliente VIP?
(b) Abaixo de qual saldo mdio o cliente receber a propaganda extra?
Soluo
Seja X = saldo mdio; dado que X N(2000; 2502 ).
(a) Temos que determinar o valor de k tal que P(X k) = 0, 10. Note que isso equivale a
calcular o 90o percentil da distribuio. A rea esquerda de k tem de ser 0,90; logo, k
89
P
250
250
X 2000
k 2000
P
= 0, 90
250
250
k 2000
P Z
= 0, 90
250
k 2000
P(Z 0) + P 0 Z
= 0, 90
250
k 2000
P 0Z
= 0, 90 0, 50
250
k 2000
= 0, 40
tab
250
k 2000
= 1, 28 k = 2320
250
Os clientes com saldo mdio maior ou igual a R$ 2.320, 00 tero tratamento VIP.
(b) Temos de determinar o valor de k tal que P(X k) = 0, 05. Note que isso equivale
a calcular o 5o percentil da distribuio. A rea esquerda de k tem de ser 0,05;
logo, k tem de ser menor que a mdia. Na soluo, teremos que usar a simetria da
distribuio, invertendo o sinal da abcissa, para lidarmos com rea na metade direita da
funo densidade.
P
P(X k) = 0, 05
X 2000
k 2000
= 0, 05
250
250
k 2000
P Z
= 0, 05
250
2000 k
P Z
= 0, 05
250
2000 k
tab
= 0, 45
250
2000 k
= 1, 64 k = 1590
250
90
= 0, 10
20
20
500
= 0, 10
P Z
20
500
P Z
= 0, 10
20
500
P Z
= 0, 10
20
500
tab
= 0, 40
20
500
= 1, 28 = 525, 6
20
A mquina tem de ser regulada com um peso mdio de 525,6g para que apenas 10% dos
pacotes tenham peso inferior a 500g. Veja a Figura 4.47.
91
Uma mquina fabrica tubos metlicos cujos dimetros podem ser considerados uma
varivel aleatria normal com mdia 200mm e desvio-padro 2mm. Verifica-se que 15% dos
tubos esto sendo rejeitados como grandes e 10% como pequenos.
(b) Mantidas essas especificaes, qual dever ser a regulagem mdia da mquina para que a
rejeio por dimetro grande seja nula? Nesse caso, qual ser a porcentagem de rejeio
por dimetro pequeno?
Soluo
Seja D = dimetro dos tubos. Ento D N(200, 22 ).
92
P(D > kS ) = 0, 15
kS 200
D 200
>
= 0, 15
P
2
2
kS 200
P 0Z <
= 0, 35
2
kS 200
tab
= 0, 35
2
kS 200
= 1, 03 kS = 202, 06
2
Logo, tubos com dimetro menor que 197,44 cm so rejeitados como pequenos e tubos
com dimetros maiores que 202,06 cm so rejeitados como grandes.
(b) Com a nova regulagem, temos que D N(; 22 ) e deve ser tal que
93
D 193, 06
197, 44 193, 06
P(D < 197, 44) = P
<
2
2
= P(Z < 2, 19)
Com essa nova regulagem, a rejeio por dimetro grande nula, mas a rejeio por
dimetro pequeno muito alta! Veja as Figuras 4.48 e 4.49, nas quais ficam claros os
resultados obtidos.
Figura 4.48
Exemplo 4.29 tubos pequenos e grandes na regulagem
original
94
Seja T = tempo de durao (em horas) das lmpadas; ento, T N(900; 752 ). Temos
que determinar t tal que P(T t) = 0, 05.
P(T t) = 0, 05
t 900
T 900
= 0, 05
P
75
75
t 900
P Z
= 0, 05
75
900 t
P Z
= 0, 05
75
900 t
P 0Z
= 0, 45
75
900 t
tab
= 0, 45
75
900 t
= 1, 64 t = 777
75
As lmpadas devem ser trocadas com 777 horas de uso para que apenas 5% se queimem antes
da troca.
Aqui cabe a seguinte observao: em geral, no apropriado utilizar-sea distribuio
normal para modelar o tempo de sobrevivncia de lmpadas ou equipamentos em geral.
Modelos tipo exponencial so mais adequados, pois atribuem probabilidade alta de
sobrevivncia no incio da vida do equipamento e probabilidade decrescente medida que o
equipamento envelhece.
EXEMPLO 4.31 Regulagem de mquinas controle da disperso
Uma enchedora automtica enche garrafas de acordo com uma distribuio normal de
mdia 1.000 ml. Deseja-se que no mximo uma garrafa em cada 100 saia com menos de 990ml.
Qual o maior desvio padro tolervel?
Soluo
Seja X = contedo da garrafa (em ml). Ento X N(1000; 2 ) e queremos determinar
o maior que fornea P(X < 990) 0, 01.
Na Figura 4.50 ilustra-se a situao considerada no problema, em que k corresponde
ao valor de corte (990 no problema) e a rea sombreada corresponde probabilidade mxima
desejada (0,01 no problema). A curva com linha preta slida corresponde distribuio
N(1000; 02 ) tal que P(X < k) = . A curva tracejada em azul representa distribuies normais
com desvio padro menor que 0 ; para essas distribuies, a rea abaixo de k menor que
, ou seja, se < 0 , a distribuio de X tal que P(X < k) < . J a curva pontilhada
em vermelho representa distribuies normais com desvio padro maior que 0 e para todas
essas distribuies, a rea abaixo de k maior que . Logo, o valor mximo de aquele
correspondente distribuio N(1000; 2 ) tal que a rea abaixo de k exatamente igual a .
95
990 1000
0, 01
P Z >
10
P Z>
0, 01
10
0, 5 tab
0, 01
10
tab
0, 49
10
10
2, 33
= 4, 2918
2, 33
4.4
4.4.1
A distribuio log-normal
Definio
96
Vamos calcular a funo densidade de probabilidade de uma varivel aleatria lognormal a partir de sua funo de distribuio acumulada. Note que Y s pode assumir
valores positivos. Temos que:
FY (y) = Pr (Y y) = Pr eX y = Pr (X ln y) =
ln y
ln y
X
= Pr Z
= Pr
ln y
=
y>0
Sabemos que fY (y) = F 0 (y) e, tambm, no caso da normal padro, 0 (z) = (z). Logo,
pela regra da cadeia,
1
ln y
1
fY (y) =
=
y
y
#
1 ln y 2
1
1
exp
=
2
y
2
0
ln y
"
ou ainda:
"
1
fY (y) =
exp
2
2
y 2
1
4.4.2
ln y
2 #
y>0
Esperana
A esperana de Y :
Z
0
temos que
y = 0 t =
y=t=
dt = y1 dy
y = et
1
y
exp
2
y 2 2
1
E(Y ) =
t = ln y
"
ln y
2 #
dy
97
e, portanto
"
#
#
Z
1 t 2
1
1 t 2
e exp
dt =
exp
+ t dt
2
2 2
2 2
2
Z
t 2t + 2 2 2 t
1
exp
dt =
2 2
2 2
"
#
Z
t 2 2t + 2 + 2
1
exp
dt
2 2
2 2
"
#
Z
t 2 2t + 2
1
2
exp
dt =
exp
2 2
2 2
2 2
"
2
2 #
Z
t 2 2t + 2 + + 2 + 2
2
1
exp 2
exp
dt
2
2 2
2 2
(
2 )
2 !
Z
t + 2
+ 2
2
1
exp 2
exp
exp
dt
2
2 2
2 2
2 2
(
2 ! "
2 ) #
Z
+ 2
t + 2
1
2
dt
exp 2 +
exp
2
2 2
2 2
2 2
Z
E(Y ) =
=
=
"
Mas o termo entre os colchetes externos a integral de uma densidade normal com
mdia = + 2 e varincia 2 ; logo, essa integral 1 e, portanto:
+ 2
2
E(Y ) = exp 2 +
2
2 2
2
E(Y ) = exp +
2
2 !
= exp
2 + 2 + 2 2 + 4
2 2
(4.25)
98
4.4.3
Varincia
1
1
dy
E(Y 2 ) =
y2
exp
2
y 2 2
0
"
"
#
2 #
2
Z
Z
1
1
t
1
1
t
=
e2t exp
dt =
exp
+ 2t dt
2
2
2
2 2
2
Z
1
t 2t + 2 4 2 t
=
exp
dt =
2 2
2 2
"
#
Z
t 2 2t + 2 2 + 2
1
exp
dt
=
2 2
2 2
"
#
Z
t 2 2t + 2 2
1
2
=
exp 2 dt =
exp
2 2
2
2 2
"
2 #
2
Z
t 2 2t + 2 2 + + 2 2 + 2 2
2
1
= exp 2
exp
dt
2
2 2
2 2
(
2 )
2 !
Z
t + 2 2
+ 2 2
2
1
= exp 2
exp
exp
dt
2
2 2
2 2
2 2
(
2 ) #
2 ! "
Z
t + 2 2
+ 2 2
2
1
= exp 2 +
exp
dt
2
2 2
2 2
2 2
Como antes, o termo entre os colchetes externos 1 porque a integral de uma densidade
normal com mdia + 2 2 e varincia 2 . Logo,
2 !
2
+ 2 2
2
+ 2 + 4 2 + 4 4
= exp
E(Y ) = exp 2 +
2
2 2
2 2
E(Y 2 ) = exp 2 + 2 2
2
e
2
2
exp 2 + 2 exp +
=
2
2
exp 2 + 2 2 exp 2 +
=
2
exp 2 + 2 2 exp 2 + 2
#
"
exp 2 + 2 2
1 =
exp 2 + 2
exp 2 + 2
h
i
exp 2 + 2 exp 2 + 2 2 2 2 1 =
h
i
exp 2 + 2 exp 2 1
Var(Y ) =
=
=
=
=
=
2
2
99
, temos que m2 = exp 2 + 2 . Logo,
h 2
i
Var(Y ) = m2 e 1
4.5
(4.26)
Exerccios propostos
100
Apndice A
Tabelas
Tabela 1: Tabela da normal padro p = P(0 Z z)
Tabela 2: Tabela da distribuio acumulada da normal padro (z) = P(Z z), z 0
Tabela 3: Valores crticos da dsitribuio qui-quadrado
101
102
APNDICE A. TABELAS
Tabela 1: Z N(0; 1)
Valores de p
p = P(0 Z z)
casa inteira
e 1a.
Decimal
0,0
0,0000
0,0040
0,0080
0,0120
0,0160
0,0199
0,0239
0,0279
0,0319
0,0359
0,1
0,0398
0,0438
0,0478
0,0517
0,0557
0,0596
0,0636
0,0675
0,0714
0,0753
0,2
0,0793
0,0832
0,0871
0,0910
0,0948
0,0987
0,1026
0,1064
0,1103
0,1141
0,3
0,1179
0,1217
0,1255
0,1293
0,1331
0,1368
0,1406
0,1443
0,1480
0,1517
0,4
0,1554
0,1591
0,1628
0,1664
0,1700
0,1736
0,1772
0,1808
0,1844
0,1879
0,5
0,1915
0,1950
0,1985
0,2019
0,2054
0,2088
0,2123
0,2157
0,2190
0,2224
0,6
0,2257
0,2291
0,2324
0,2357
0,2389
0,2422
0,2454
0,2486
0,2517
0,2549
0,7
0,2580
0,2611
0,2642
0,2673
0,2704
0,2734
0,2764
0,2794
0,2823
0,2852
0,8
0,2881
0,2910
0,2939
0,2967
0,2995
0,3023
0,3051
0,3078
0,3106
0,3133
0,9
0,3159
0,3186
0,3212
0,3238
0,3264
0,3289
0,3315
0,3340
0,3365
0,3389
1,0
0,3413
0,3438
0,3461
0,3485
0,3508
0,3531
0,3554
0,3577
0,3599
0,3621
1,1
0,3643
0,3665
0,3686
0,3708
0,3729
0,3749
0,3770
0,3790
0,3810
0,3830
1,2
0,3849
0,3869
0,3888
0,3907
0,3925
0,3944
0,3962
0,3980
0,3997
0,4015
1,3
0,4032
0,4049
0,4066
0,4082
0,4099
0,4115
0,4131
0,4147
0,4162
0,4177
1,4
0,4192
0,4207
0,4222
0,4236
0,4251
0,4265
0,4279
0,4292
0,4306
0,4319
1,5
0,4332
0,4345
0,4357
0,4370
0,4382
0,4394
0,4406
0,4418
0,4429
0,4441
1,6
0,4452
0,4463
0,4474
0,4484
0,4495
0,4505
0,4515
0,4525
0,4535
0,4545
1,7
0,4554
0,4564
0,4573
0,4582
0,4591
0,4599
0,4608
0,4616
0,4625
0,4633
1,8
0,4641
0,4649
0,4656
0,4664
0,4671
0,4678
0,4686
0,4693
0,4699
0,4706
1,9
0,4713
0,4719
0,4726
0,4732
0,4738
0,4744
0,4750
0,4756
0,4761
0,4767
2,0
0,4772
0,4778
0,4783
0,4788
0,4793
0,4798
0,4803
0,4808
0,4812
0,4817
2,1
0,4821
0,4826
0,4830
0,4834
0,4838
0,4842
0,4846
0,4850
0,4854
0,4857
2,2
0,4861
0,4864
0,4868
0,4871
0,4875
0,4878
0,4881
0,4884
0,4887
0,4890
2,3
0,4893
0,4896
0,4898
0,4901
0,4904
0,4906
0,4909
0,4911
0,4913
0,4916
2,4
0,4918
0,4920
0,4922
0,4925
0,4927
0,4929
0,4931
0,4932
0,4934
0,4936
2,5
0,4938
0,4940
0,4941
0,4943
0,4945
0,4946
0,4948
0,4949
0,4951
0,4952
2,6
0,4953
0,4955
0,4956
0,4957
0,4959
0,4960
0,4961
0,4962
0,4963
0,4964
2,7
0,4965
0,4966
0,4967
0,4968
0,4969
0,4970
0,4971
0,4972
0,4973
0,4974
2,8
0,4974
0,4975
0,4976
0,4977
0,4977
0,4978
0,4979
0,4979
0,4980
0,4981
2,9
0,4981
0,4982
0,4982
0,4983
0,4984
0,4984
0,4985
0,4985
0,4986
0,4986
3,0
0,4987
0,4987
0,4987
0,4988
0,4988
0,4989
0,4989
0,4989
0,4990
0,4990
3,1
0,4990
0,4991
0,4991
0,4991
0,4992
0,4992
0,4992
0,4992
0,4993
0,4993
3,2
0,4993
0,4993
0,4994
0,4994
0,4994
0,4994
0,4994
0,4995
0,4995
0,4995
3,3
0,4995
0,4995
0,4995
0,4996
0,4996
0,4996
0,4996
0,4996
0,4996
0,4997
3,4
0,4997
0,4997
0,4997
0,4997
0,4997
0,4997
0,4997
0,4997
0,4997
0,4998
3,5
0,4998
0,4998
0,4998
0,4998
0,4998
0,4998
0,4998
0,4998
0,4998
0,4998
3,6
0,4998
0,4998
0,4999
0,4999
0,4999
0,4999
0,4999
0,4999
0,4999
0,4999
3,7
0,4999
0,4999
0,4999
0,4999
0,4999
0,4999
0,4999
0,4999
0,4999
0,4999
3,8
0,4999
0,4999
0,4999
0,4999
0,4999
0,4999
0,4999
0,4999
0,4999
0,4999
3,9
0,5000
0,5000
0,5000
0,5000
0,5000
0,5000
0,5000
0,5000
0,5000
0,5000
4,0
0,5000
0,5000
0,5000
0,5000
0,5000
0,5000
0,5000
0,5000
0,5000
0,5000
103
Tabela 2: Z N(0; 1)
Valores de p
p = (z) = P(Z z)
casa inteira
e 1a.
Decimal
0,0
0,5000
0,5040
0,5080
0,5120
0,5160
0,5199
0,5239
0,5279
0,5319
0,5359
0,1
0,5398
0,5438
0,5478
0,5517
0,5557
0,5596
0,5636
0,5675
0,5714
0,5753
0,2
0,5793
0,5832
0,5871
0,5910
0,5948
0,5987
0,6026
0,6064
0,6103
0,6141
0,3
0,6179
0,6217
0,6255
0,6293
0,6331
0,6368
0,6406
0,6443
0,6480
0,6517
0,4
0,6554
0,6591
0,6628
0,6664
0,6700
0,6736
0,6772
0,6808
0,6844
0,6879
0,5
0,6915
0,6950
0,6985
0,7019
0,7054
0,7088
0,7123
0,7157
0,7190
0,7224
0,6
0,7257
0,7291
0,7324
0,7357
0,7389
0,7422
0,7454
0,7486
0,7517
0,7549
0,7
0,7580
0,7611
0,7642
0,7673
0,7704
0,7734
0,7764
0,7794
0,7823
0,7852
0,8
0,7881
0,7910
0,7939
0,7967
0,7995
0,8023
0,8051
0,8078
0,8106
0,8133
0,9
0,8159
0,8186
0,8212
0,8238
0,8264
0,8289
0,8315
0,8340
0,8365
0,8389
1,0
0,8413
0,8438
0,8461
0,8485
0,8508
0,8531
0,8554
0,8577
0,8599
0,8621
1,1
0,8643
0,8665
0,8686
0,8708
0,8729
0,8749
0,8770
0,8790
0,8810
0,8830
1,2
0,8849
0,8869
0,8888
0,8907
0,8925
0,8944
0,8962
0,8980
0,8997
0,9015
1,3
0,9032
0,9049
0,9066
0,9082
0,9099
0,9115
0,9131
0,9147
0,9162
0,9177
1,4
0,9192
0,9207
0,9222
0,9236
0,9251
0,9265
0,9279
0,9292
0,9306
0,9319
1,5
0,9332
0,9345
0,9357
0,9370
0,9382
0,9394
0,9406
0,9418
0,9429
0,9441
1,6
0,9452
0,9463
0,9474
0,9484
0,9495
0,9505
0,9515
0,9525
0,9535
0,9545
1,7
0,9554
0,9564
0,9573
0,9582
0,9591
0,9599
0,9608
0,9616
0,9625
0,9633
1,8
0,9641
0,9649
0,9656
0,9664
0,9671
0,9678
0,9686
0,9693
0,9699
0,9706
1,9
0,9713
0,9719
0,9726
0,9732
0,9738
0,9744
0,9750
0,9756
0,9761
0,9767
2,0
0,9772
0,9778
0,9783
0,9788
0,9793
0,9798
0,9803
0,9808
0,9812
0,9817
2,1
0,9821
0,9826
0,9830
0,9834
0,9838
0,9842
0,9846
0,9850
0,9854
0,9857
2,2
0,9861
0,9864
0,9868
0,9871
0,9875
0,9878
0,9881
0,9884
0,9887
0,9890
2,3
0,9893
0,9896
0,9898
0,9901
0,9904
0,9906
0,9909
0,9911
0,9913
0,9916
2,4
0,9918
0,9920
0,9922
0,9925
0,9927
0,9929
0,9931
0,9932
0,9934
0,9936
2,5
0,9938
0,9940
0,9941
0,9943
0,9945
0,9946
0,9948
0,9949
0,9951
0,9952
2,6
0,9953
0,9955
0,9956
0,9957
0,9959
0,9960
0,9961
0,9962
0,9963
0,9964
2,7
0,9965
0,9966
0,9967
0,9968
0,9969
0,9970
0,9971
0,9972
0,9973
0,9974
2,8
0,9974
0,9975
0,9976
0,9977
0,9977
0,9978
0,9979
0,9979
0,9980
0,9981
2,9
0,9981
0,9982
0,9982
0,9983
0,9984
0,9984
0,9985
0,9985
0,9986
0,9986
3,0
0,9987
0,9987
0,9987
0,9988
0,9988
0,9989
0,9989
0,9989
0,9990
0,9990
3,1
0,9990
0,9991
0,9991
0,9991
0,9992
0,9992
0,9992
0,9992
0,9993
0,9993
3,2
0,9993
0,9993
0,9994
0,9994
0,9994
0,9994
0,9994
0,9995
0,9995
0,9995
3,3
0,9995
0,9995
0,9995
0,9996
0,9996
0,9996
0,9996
0,9996
0,9996
0,9997
3,4
0,9997
0,9997
0,9997
0,9997
0,9997
0,9997
0,9997
0,9997
0,9997
0,9998
3,5
0,9998
0,9998
0,9998
0,9998
0,9998
0,9998
0,9998
0,9998
0,9998
0,9998
3,6
0,9998
0,9998
0,9999
0,9999
0,9999
0,9999
0,9999
0,9999
0,9999
0,9999
3,7
0,9999
0,9999
0,9999
0,9999
0,9999
0,9999
0,9999
0,9999
0,9999
0,9999
3,8
0,9999
0,9999
0,9999
0,9999
0,9999
0,9999
0,9999
0,9999
0,9999
0,9999
3,9
1,0000
1,0000
1,0000
1,0000
1,0000
1,0000
1,0000
1,0000
1,0000
1,0000
4,0
1,0000
1,0000
1,0000
1,0000
1,0000
1,0000
1,0000
1,0000
1,0000
1,0000
0,000
0,002
0,024
0,091
0,210
0,381
0,598
0,857
1,152
1,479
1,834
2,214
2,617
3,041
3,483
3,942
4,416
4,905
5,407
5,921
6,447
6,983
7,529
8,085
8,649
9,222
9,803
10,391
10,986
11,588
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
0,999
g.l.
n
13,787
13,121
12,461
11,808
11,160
10,520
9,886
9,260
8,643
8,034
7,434
6,844
6,265
5,697
5,142
4,601
4,075
3,565
3,074
2,603
2,156
1,735
1,344
0,989
0,676
0,412
0,207
0,072
0,010
0,000
0,995
14,953
14,256
13,565
12,879
12,198
11,524
10,856
10,196
9,542
8,897
8,260
7,633
7,015
6,408
5,812
5,229
4,660
4,107
3,571
3,053
2,558
2,088
1,646
1,239
0,872
0,554
0,297
0,115
0,020
0,000
0,990
16,306
15,574
14,847
14,125
13,409
12,697
11,992
11,293
10,600
9,915
9,237
8,567
7,906
7,255
6,614
5,985
5,368
4,765
4,178
3,609
3,059
2,532
2,032
1,564
1,134
0,752
0,429
0,185
0,040
0,001
0,980
16,791
16,047
15,308
14,573
13,844
13,120
12,401
11,689
10,982
10,283
9,591
8,907
8,231
7,564
6,908
6,262
5,629
5,009
4,404
3,816
3,247
2,700
2,180
1,690
1,237
0,831
0,484
0,216
0,051
0,001
0,975
18,493
17,708
16,928
16,151
15,379
14,611
13,848
13,091
12,338
11,591
10,851
10,117
9,390
8,672
7,962
7,261
6,571
5,892
5,226
4,575
3,940
3,325
2,733
2,167
1,635
1,145
0,711
0,352
0,103
0,004
0,950
Tabela 3
2 da qui-quadrado
Valores crticos n,
2
2 ) = )
P(n > n,
20,599
19,768
18,939
18,114
17,292
16,473
15,659
14,848
14,041
13,240
12,443
11,651
10,865
10,085
9,312
8,547
7,790
7,042
6,304
5,578
4,865
4,168
3,490
2,833
2,204
1,610
1,064
0,584
0,211
0,016
0,900
23,364
22,475
21,588
20,703
19,820
18,940
18,062
17,187
16,314
15,445
14,578
13,716
12,857
12,002
11,152
10,307
9,467
8,634
7,807
6,989
6,179
5,380
4,594
3,822
3,070
2,343
1,649
1,005
0,446
0,064
0,800
25,508
24,577
23,647
22,719
21,792
20,867
19,943
19,021
18,101
17,182
16,266
15,352
14,440
13,531
12,624
11,721
10,821
9,926
9,034
8,148
7,267
6,393
5,527
4,671
3,828
3,000
2,195
1,424
0,713
0,148
29,336
28,336
27,336
26,336
25,336
24,337
23,337
22,337
21,337
20,337
19,337
18,338
17,338
16,338
15,338
14,339
13,339
12,340
11,340
10,341
9,342
8,343
7,344
6,346
5,348
4,351
3,357
2,366
1,386
0,455
0,500
33,530
32,461
31,391
30,319
29,246
28,172
27,096
26,018
24,939
23,858
22,775
21,689
20,601
19,511
18,418
17,322
16,222
15,119
14,011
12,899
11,781
10,656
9,524
8,383
7,231
6,064
4,878
3,665
2,408
1,074
0,300
na cauda superior
0,700
rea
36,250
35,139
34,027
32,912
31,795
30,675
29,553
28,429
27,301
26,171
25,038
23,900
22,760
21,615
20,465
19,311
18,151
16,985
15,812
14,631
13,442
12,242
11,030
9,803
8,558
7,289
5,989
4,642
3,219
1,642
0,200
40,256
39,087
37,916
36,741
35,563
34,382
33,196
32,007
30,813
29,615
28,412
27,204
25,989
24,769
23,542
22,307
21,064
19,812
18,549
17,275
15,987
14,684
13,362
12,017
10,645
9,236
7,779
6,251
4,605
2,706
0,1000
0,050
43,773
42,557
41,337
40,113
38,885
37,652
36,415
35,172
33,924
32,671
31,410
30,144
28,869
27,587
26,296
24,996
23,685
22,362
21,026
19,675
18,307
16,919
15,507
14,067
12,592
11,070
9,488
7,815
5,991
3,841
0,025
46,979
45,722
44,461
43,195
41,923
40,646
39,364
38,076
36,781
35,479
34,170
32,852
31,526
30,191
28,845
27,488
26,119
24,736
23,337
21,920
20,483
19,023
17,535
16,013
14,449
12,833
11,143
9,348
7,378
5,024
0,020
47,962
46,693
45,419
44,140
42,856
41,566
40,270
38,968
37,659
36,343
35,020
33,687
32,346
30,995
29,633
28,259
26,873
25,472
24,054
22,618
21,161
19,679
18,168
16,622
15,033
13,388
11,668
9,837
7,824
5,412
0,010
50,892
49,588
48,278
46,963
45,642
44,314
42,980
41,638
40,289
38,932
37,566
36,191
34,805
33,409
32,000
30,578
29,141
27,688
26,217
24,725
23,209
21,666
20,090
18,475
16,812
15,086
13,277
11,345
9,210
6,635
0,005
53,672
52,336
50,993
49,645
48,290
46,928
45,559
44,181
42,796
41,401
39,997
38,582
37,156
35,718
34,267
32,801
31,319
29,819
28,300
26,757
25,188
23,589
21,955
20,278
18,548
16,750
14,860
12,838
10,597
7,879
0,001
59,703
58,301
56,892
55,476
54,052
52,620
51,179
49,728
48,268
46,797
45,315
43,820
42,312
40,790
39,252
37,697
36,123
34,528
32,909
31,264
29,588
27,877
26,124
24,322
22,458
20,515
18,467
16,266
13,816
10,828
104
APNDICE A. TABELAS
Apndice B
Funes inversveis
h
i
FY (y) = Pr (g(X ) y) = Pr X g1 (y) = FX g1 (y)
106
dg1 (y)
dy
> 0 e,
(B.3)
Quando g(x) decrescente, vale notar que que g0 (x) < 0 e, conforme ilustrado na Figura
B.2, g(X ) y X g1 (y).
107
e, portanto
h
i dg1 (y)
h
i dg1 (y)
0
0
fY (y) = FY (y) = FX g1 (y)
= fX g1 (y)
dy
dy
(B.4)
Como dgdy(y) < 0 (lembre que estamos considerando g decrescente agora, o que implica que
a inversa tambm decrescente), resulta
dg1 (y) dg1 (y)
=
dy
dy
e (B.4) pode ser reescrita como
h
i dg1 (y)
0
fY (y) = FY (y) = fX g1 (y)
dy
(B.5)
Os resultados (B.3) e (B.5), para funes crescentes e decrescentes, podem ser reunidos para
completar a prova do teorema.