Aula 11 Probabilidade e Estatística

A ULA 11 - D ISTRIBUIÇ ÕES DE PROBABILIDADE CONT ÍNUAS
Probabilidade e Estatı́stica
Prof. Josuel Kruppa Rogenski
1o /2017
1
I NTRODUÇ ÃO
Variáveis aleatórias resultantes de um processo de mensuração

normalmente são contı́nuas:
I o peso e altura dos alunos de uma sala;
I tempo de vida de um equipamento eletrônico;
I tempo de execução de um código computacional;
I concentração de um componente quı́mico ao final de uma
reação.
2
O MODELO UNIFORME
Definição 1 A variável aleatória X tem distribuição uniforme

no intervalo [α, β] se sua função densidade de probabilidade é
1
β−α , se α ≤ x ≤ β
f (x; α, β) =
0 caso contrário
3
O MODELO UNIFORME
4
O MODELO UNIFORME
Teorema 1 O valor esperado e a variância da variável aleatória

contı́nua uniforme X são
α+β
E(X) =
2
(β − α)2
σ 2 (X) =
12
5
O MODELO UNIFORME
A função de distribuição acumulada da uniforme é dada por


 0, se x < α
x−α
F(x) = P(X ≤ x) = α ≤x<β
 β−α
1, x≥β
6
O MODELO UNIFORME - A CUMULADA
7
O MODELO UNIFORME
A distribuição uniforme normalmente é denotada por
X = U(α, β).
A probabilidade P(c < X ≤ d) = F(d) − F(c)
8
O MODELO UNIFORME
Exemplo 1 Considere a distribuição uniforme de variável

aleatória U com α = −1/2 e β = 1/2. Note que

1 1 1, se α ≤ u ≤ β
f (u, − , ) =
2 2 0 caso contrário
O valor esperado e a variância para esse caso são?
9
O MODELO UNIFORME
Exemplo 2 A acumulada Fu é dada por:
10
O MODELO UNIFORME
Exercı́cio 1: Suponha que uma grande sala de conferências

usada por certa empresa não possa ficar reservada por mais do
que quatro horas. No entanto, o uso da sala é tal que
conferências longas e curtas ocorrem com muita frequência. Na
verdade, assume-se que a duração X de uma conferência tem
distribuição uniforme no intervalo [0, 4].
(a) Qual é a função de densidade de probabilidade?
(b) Qual é a probabilidade de que qualquer conferência dure
pelo menos três horas?
11
O MODELO UNIFORME
Dada uma variável aleatória uniforme X qualquer, com

parâmetros α e β, podemos definir a variável U como
X − β−α
2
U=
β−α
A transformação leva a variável aleatória X no intervalo [α, β]

na variável U de [− 12 , 12 ]
12
O MODELO UNIFORME
Assim, se c < d
!
c − β+α
2 d − β+α
2
P(c < X ≤ d) = F(d) − F(c) = P <U≤
β+α β+α
! !
d − β+α
2 c − β+α
2
= Fu − Fu
β+α β+α
13
A DISTRIBUIÇ ÃO NORMAL
A mais importante das distribuições de probabilidade

contı́nuas é a distribuição normal.
A curva normal tem uma forma de sino e descreve uma grande

quantidade de fenômenos da natureza, na indústria e em
pesquisas.
A distribuição de variável aleatória normal é representada por

uma equação que depende de dois parâmetros: µ e σ, que são o
valor esperado e o desvio padrão respectivamente.
14
O MODELO NORMAL
Exemplo de uma curva normal, determinada por valores

particulares de µ e σ 2 .
15
O MODELO NORMAL
Definição 2 A variável aleatória X tem distribuição normal com

parâmetros µ e σ 2 , −∞ < µ < ∞ e 0 ≤ σ 2 < ∞ se sua
densidade é dada por
1 2 2
f (x; µ, σ 2 ) = √ e−(x−µ) /2σ , −∞ < x < ∞
σ 2π
Note que f (x; µ, σ 2 ) ≥ 0. Além disso,
Z ∞
f (x; µ, σ 2 )dx = 1
−∞
16
O MODELO NORMAL
Teorema 2 O valor esperado e variância de uma distribuição

normal são:
E(X) = µ
σ 2 (X) = σ 2
17
O MODELO NORMAL - P ROPRIEDADES
I f (x; µ, σ 2 ) → 0, x → ±∞
I µ − δ e µ + δ são pontos de inflexão
√
I x = µ é ponto de máximo com valor máximo 1/σ 2π
I a função é simétrica em relação a reta x = µ
18
O MODELO NORMAL - D ISTRIBUIÇ ÃO PADR ÃO
Quando µ = 0 e σ 2 = 1 temos uma distribuição normal

reduzida ou padrão.
1 2
φ(z) = √ e−z /2 , −∞ < z < ∞
2π
19
O MODELO PADR ÃO
20
O MODELO PADR ÃO - T RANSFORMAÇ ÃO À FORMA

PADR ÃO
A transformação de qualquer distribuição normal à forma

padrão é dada por
X−µ
Z=
σ
21
O MODELO PADR ÃO
Exemplo 3 Dada uma distribuição normal padrão, determine a

área abaixo da curva que está
(a) à direita de z = 1, 84
(b) entre z = −1, 97 e z = 0, 86
22
O MODELO PADR ÃO
Exemplo 4 Dada uma distribuição normal padrão, determine o

valor de k de modo que
(a) P(Z > k) = 0, 3015
(b) P(k < Z < −0, 18) = 0, 4197
23
O MODELO PADR ÃO
Exemplo 5 Dada uma variável aleatória X com distribuição

normal µ = 50 e σ = 10, determine a probabilidade de que X
assuma um valor entre 45 e 62.
24
O MODELO PADR ÃO
Exercı́cio 2 Dada uma variável aleatória X com distribuição

normal µ = 300 e σ = 50, determine a probabilidade de que X
assuma um valor maior que 362.
25
O MODELO PADR ÃO
Exemplo 6 Dada uma variável aleatória X com distribuição

normal µ = 40 e σ = 6, determine o valor de x que tem
(a) 45% da área à esquerda e
(b) 14% da área à direita.
26

Aula 11 Probabilidade e Estatística

Hochgeladen von

Dokumentinformationen

Originalbeschreibung:

Copyright

Verfügbare Formate

Dieses Dokument teilen

Dokument teilen oder einbetten

Freigabeoptionen

Stufen Sie dieses Dokument als nützlich ein?

Sind diese Inhalte unangemessen?

Copyright:

Verfügbare Formate

Aula 11 Probabilidade e Estatística

Hochgeladen von

Copyright:

Verfügbare Formate

A ULA 11 - D ISTRIBUIÇ ÕES DE PROBABILIDADE CONT ÍNUAS

Prof. Josuel Kruppa Rogenski

Variáveis aleatórias resultantes de um processo de mensuração

Definição 1 A variável aleatória X tem distribuição uniforme

Teorema 1 O valor esperado e a variância da variável aleatória

A função de distribuição acumulada da uniforme é dada por

O MODELO UNIFORME - A CUMULADA

A distribuição uniforme normalmente é denotada por

Exemplo 1 Considere a distribuição uniforme de variável

Exemplo 2 A acumulada Fu é dada por:

Exercı́cio 1: Suponha que uma grande sala de conferências

Dada uma variável aleatória uniforme X qualquer, com

A transformação leva a variável aleatória X no intervalo [α, β]

A DISTRIBUIÇ ÃO NORMAL

A mais importante das distribuições de probabilidade

A curva normal tem uma forma de sino e descreve uma grande

A distribuição de variável aleatória normal é representada por

Exemplo de uma curva normal, determinada por valores

Definição 2 A variável aleatória X tem distribuição normal com

Teorema 2 O valor esperado e variância de uma distribuição

O MODELO NORMAL - P ROPRIEDADES

O MODELO NORMAL - D ISTRIBUIÇ ÃO PADR ÃO

Quando µ = 0 e σ 2 = 1 temos uma distribuição normal

O MODELO PADR ÃO

O MODELO PADR ÃO - T RANSFORMAÇ ÃO À FORMA

A transformação de qualquer distribuição normal à forma

O MODELO PADR ÃO

Exemplo 3 Dada uma distribuição normal padrão, determine a

O MODELO PADR ÃO

Exemplo 4 Dada uma distribuição normal padrão, determine o

O MODELO PADR ÃO

Exemplo 5 Dada uma variável aleatória X com distribuição

O MODELO PADR ÃO

Exercı́cio 2 Dada uma variável aleatória X com distribuição

O MODELO PADR ÃO

Exemplo 6 Dada uma variável aleatória X com distribuição

Das könnte Ihnen auch gefallen