1-

FUNO DE DISTRIBUIO DE PROBABILIDADE

Quando se atribuem valores de probabilidade a todos os possveis valores de uma varivel aleatria x, seja atravs de uma tabela do tipo (x,Pr(x)) onde se enumeram todos os possveis valores da varivel aleatria x e as respectivas probabilidades, seja por uma funo do tipo f(x) = Pr(x), obtm-se o que se designa por funo de distribuio de probabilidades. Uma varivel aleatria x uma varivel cujos possveis valores so determinados por processos aleatrios, probabilsticos ou casuais, isto , processos cujo resultado especfico no possvel conhecer a priori com certeza absoluta. Sabe-se apenas que, perante determinado fenmeno, o resultado a obter um dos possveis resultados deste fenmeno, e eventualmente conhece-se a probabilidade ou o grau de credibilidade com que cada um desses resultados acontecer. Note-se que a soma das probabilidades de todos os possveis valores ou resultados da varivel aleatria de 1 ou 100%. Um acontecimento do gnero x={factorial de n} um acontecimento determinstico, isto , o seu resultado est bem determinado a priori, e para um dado valor de n, o resultado sempre o mesmo. Vejamos: n 0 1 2 3 4 n x = n! 0! = 1 1! = 1 2! = 2 x 1 = 2 3! = 3 x 2 x 1 = 6 4! = 4 x 3 x 2 x 1 = 24 n! = n x (n-1) x (n-2) x ... x 2 x 1

Outro exemplo de um fenmeno determinstico x={preo total a pagar pela aquisio de uma determinada quantidade de um produto}. Sabendo o preo unitrio, o preo total o produto do nmero de unidades adquiridas pelo preo unitrio. Isto , antes de se realizar a aquisio, conhece-se a priori o custo final. Contudo, tratando-se de um acontecimento probabilstico ou aleatrio, conhecem-se todos os possveis resultados que podem acontecer, mas no se sabe qual o resultado concreto que ir acontecer. Seja, por exemplo, x={lanamento de um dado honesto}. Sabe-se que acontecer um dos 6 resultados possveis, mas impossvel adivinhar qual a face que ir sair ao lanar o dado. No quadro seguinte enumeram-se todos os possveis valores da varivel x, e a respectiva probabilidade. Este quadro a funo de distribuio de probabilidades uniforme ou rectangular de um fenmeno aleatrio, j que todos os possveis valores de x tm exactamente a mesma probabilidade.

AMF/IPCB

2005/2006

1/18

x = face 1 2 3 4 5 6

Pr(x) 1/6 1/6 1/6 1/6 1/6 1/6

Note-se que neste exemplo possvel enumerar todos os valores da varivel aleatria, e entre quaisquer dois valores consecutivos da tabela no existe mais nenhum valor intermdio. As variveis aleatrias deste gnero designam-se por discretas. De um modo geral, estas variveis traduzem contagens de resultados do fenmeno aleatrio. Um exemplo menos trivial de uma funo de distribuio de probabilidades de natureza discreta por exemplo a combinao gamtica. Sejam Aa os genes que determinam uma dada caracterstica, em indivduos com reproduo sexuada. Ao dar-se o cruzamento de dois destes indivduos, os possveis valores resultantes, e as respectivas probabilidades esto enumerados na seguinte funo de distribuiuo de probabilidades (1): Combinao gamtica AA Aa aa Pr(x) 1/4 2/4 1/4

H, contudo, variveis aleatrias que podem assumir infinitos valores, caracterizadas por terem uma variao contnua. por exemplo o caso da seguinte varivel aleatria, definida para quantificar a produo: x={produo trigo por ha}. Note-se que uma varivel deste gnero pode assumir qualquer valor (inteiro ou no), dentro de determinados limites. Em variveis deste gnero impossvel enumerar todos os possveis valores que pode assumir. De um modo geral, e tomando como exemplo o anteriormente apresentado, interessa mais calcular a probabilidade de ocorrnciua de produo num dado intervalo, do que calcular propriamente a probabilidade de a produo ser rigorosamente igual a um valor. Veja-se que impossvel falar em termos de "a produo foi rigorosamente de 3 525 kg/ha"; o que se pretende dizer com isto que a produo se situa numa vizinhana (2) do valor de referncia.

Uma funo de distribuio deste gnero designa-se por funo de distribuio de probabilidades binomial. Pode pensar-se na varivel aleatria x={n de combinaes gamticas com gmeta A} sendo os possveis valores x=0, x=1, x=2. Tenha-se em ateno o conceito matemtico de vizinhana de um ponto.

AMF/IPCB

2005/2006

2/18

2-

FUNO DE DISTRIBUIO NORMAL

De um modo geral, a maior parte dos fenmenos probabilsticos de natureza contnua, e mesmo alguns de natureza discreta, tendem a seguir uma lei de distribuio designada por funo de distribuio normal, ou de Gauss. Esta lei de distribuio estabelece que os valores mais frequentes (isto , os valores a que correspondem as maiores probabilidades) se encontram em torno da mdia (estimativa do valor mdio ou esperana matemtica) da varivel aleatria; quanto mais afastados os valores esto da mdia (este afastamento quantificado em termos de varincia ou segundo momento em relao mdia), quer acima quer abaixo desta, menos frequentes so. Esta interpretao imediata da lei de distribuio normal coerente com o que se passa com a maior parte dos fenmenos que ocorrem na natureza. Mesmo que cada um dos fenmenos, considerados isoladamente, no sigam esta distribuio, desde que a amostra tenha tamanho igual ou superior a 30, os fenmenos tendem a aproximar-se da lei de distribuio normal, independentemente da distribuio de probabilidades que descreve cada um dos fenmenos isoladamente. Este principio um caso particular de um importante teorema muito utilizado em Estatstica, designado por Teorema do Limite Central, que nos permite considerar a distribuio normal como uma boa aproximao de clculo de probabilidades de qualquer acontecimento, desde que se tenha uma amostra suficientemente grande. A aproximao tanto melhor quanto maior for o tamanho da amostra. Esquematicamente, esta distribuio tem uma curva em forma de sino, simtrica em torno da mdia, tendo o eixo das absissas como assimptota horizontal (3).

f ( x) =

1 2 2

1 x 2 2

-4

-3

-2

-1

A curva da distribuio normal tem a seguinte funo de densidade: f ( x) = 1 2 2 e

1 x 2 2

Pela difinio de assimptota horizontal:

lim f ( x ) = 0 x
2005/2006 3/18

AMF/IPCB

que depende de dois parmetros: mdia , e desvio padro , que caracterizam cada uma das curvas em particular. Como anteriormente se referiu, a curva simtrica em torno da mdia. Alm da simetria, outra caracterstica fundamental da lei de distribuio normal uma propriedada que estabelece que a probabilidade dos indivduos abaixo da mdia igual probabilidade dos indivduos acima da mdia, isto , Pr(x ) = Pr(x ) = 0.5. Tratando-se de uma distribuio contnua, ou assimptoticamente contnua, teoricamente a probabilidade de um ponto nula, sendo esta funo de distribuio utilizada para estabelecer as probabilidades de a varivel aleatria acontecer em intervalos, e no em pontos isolados. Para calcular a probabilidade de ocorrncia de no intervalo x [x1, x2] calcula-se o integral da funo em ordem a x, no intervalo em questo. Isto , a probabilidade de ocorrncia num determinado intervalo equivale rea delimitada pela curva e pelo eixo das absissas, no intervalo considerado. Isto :

x1

x2

Pr( x1 x x2 ) = x

x2
1

1 2 2

1 x 2 2

dx

Repare-se na implicao daqui resultante: como cada curva de distribuio normal caracterizado pelos parmetros e , ter-se-o infinitos casos distintos, de onde resultaria a necessidade de o clculo das probabilidades ser estabelecido caso a caso em particular para cada uma das curvas, atravs da integrao de uma expresso anloga anteriormente referida o que, diga-se de passagem, no seria totalmente isento de dificuldade. A fim de ultrapassar este inconveniente, o Sr. Gauss (um dos estatsticos que inicialmente estudou esta funo de distribuio) desenvolveu uma metodologia conducente estandardizao, ou reduo a um caso nico, de qualquer que seja a funo de distribuio normal, caracterizada por e . Esta estandardizao transforma qualquer funo de distribuio normal N(,) numa nica funo de distribuio normal, caracterizada por ter mdia = 0 e desvio padro = 1, isto , N(0,1), que designada por funo de distribuio normal reduzida.

AMF/IPCB

2005/2006

4/18

Esta transformao faz-se convertendo cada um dos valores x da funo de distribuio normal N(,) para uma nova varivel adimensional, designada genericamente por z, que tem distribuio normal N(0,1). Esta transformao feita pela seguinte expresso:
x z= x

Veja-se que, para o caso da mdia, a transformao resulta em z = 0. Ento, a nova distribuio N(0,1) simtrica em torno da mdia =0, e Pr(z 0) = Pr(z 0) = 0.5. Convertidos os intervalos da varivel x, entre os quais se pretende calcular a probabilidade, para valores em z, o clculo desta probabilidade ser: Pr( x1 x x2 ) = x
x2
1

1 2 2

1 x 2 2

dx = Pr( z1 z z2 ) = z

z2
1

1 z2 e dz 2

Repare-se que este ltimo integral, em ordem a z, funo apenas da varivel z, que tem distribuio normal N(0,1), isto , uma funo nica. Assim o seu clculo representa, aps as respectivas transformaes, as probabilidades de qualquer funo de distribuio normal. As probabilidades, resultantes da integrao da funo f(z), esto calculados e encontram-se tabelados em tabelas de diferentes apresentaes. Uma das tabelas mais frequentemente referenciada a tabela apresentada em anexo, que representa os integrais entre 0 e z, com z 0, isto , do apenas as probabilides acima da mdia. Para obter probabilidades abaixo da mdia (referentes a z 0), devem fazer-se as transformaes de reas necessrias, justificadas pelas propriedades da curva de distribuio normal. Recapitulando, a fim de calcular probabilidades de acontecimentos que seguem distribuio normal N(,), a metodologia a seguir a seguinte: i) ii) Representar a curva de probabilidades normal N(,) e a rea que traduz a probabilidade pretendida; Transformar (estandardizar) os limites inferior e superior [x1, x2] da rea que representa a probabilidade a calcular para valores da varivel z; esta x transformao feita pela expresso z = ; fica-se assim com um intervalo de valores em z [z1, z2] , para o qual se pretende calcular a probabilidade; Ler as probabilidades na tabela de distribuio normal, tendo em ateno, em face da probabilidade pretendida, quais so as transformaes de reas a fazer, tendo em linha de conta as propriedades da distribuio normal.

iii)

De seguida paresenta-se um exemplo de clculo das probabilidades de uma varivel que segue a distribuio normal, tentando fazer-se uma anlise exautiva de todas as situaes possveis de ocorrerem, no que se refere localizao das reas que traduzem as probabilidades.

AMF/IPCB

2005/2006

5/18

3-

EXEMPLO DE APLICAO

A unidade de ensacamento de uma fbrica de cimentos pressuposto encher os sacos com um peso mdio =50 kg. bvio que nem todos os sacos ficam exactamente com a quantidade de 50 kg, havendo alguns que ficam com mais, outros que ficam com menos rao, devido a diversos factores aleatrios que ocasionam variabilidade no processo. Estudada esta variabilidade ou disperso, quantificou-se a varincia do processo, tendose concluido que de 2 = 0.25 kg2. Admitindo que o processo de ensacamento segue uma lei de distribuio normal com mdia = 50 e varincia = 0.25 (isto , x ~ N( = 50, = 0.25)), calcule a probabilidade de que um saco, seleccionado aleatoriamente, contenha: a) b) c) d) e) f) g) h) i) j) entre 50 kg e 51 kg. entre 49.5 kg e 50 kg. entre 49 kg e 51 kg. acima de 51.5 kg. abaixo de 48.75 kg. entre 50.5 kg e 51.5 kg. entre 48.5 kg e 49.5 kg. abaixo de 48.5 kg ou acima de 51.5 kg. Em 1 000 sacos sados desta unidade de ensacamento, quantos ser de esperar com o peso entre 49.5 kg e 51.5 kg? Calcule os limites inferior e superior do intervalo central onde existem 90% dos sacos sados desta linha de ensacamento.

3.1 - RESOLUO Estabelea-se que: x: peso dos sacos (varivel aleatria) x~N(=50, =0.25) = 50 = 0.5

AMF/IPCB

2005/2006

6/18

a)

Pretende-se calcular Pr(50 x 51). Esta probabilidade graficamente traduzida pela seguinte rea:

50

51

Convertam-se os limites do intervalo para a varivel z normal reduzida:

50 50 = 0; 0.5 x 51 50 para x=51 vem: z = = = 2; 0.5

para x=50 vem: z =

Ento: Pr(50 x 51) = Pr(0 z 2) = 0.4772, fazendo esta leitura na tabela para z = 2.00.
b)

Pretende-se calcular Pr(49.5 x 50). Esta probabilidade graficamente traduzida pela seguinte rea:

49.5

50

Convertam-se os limites do intervalo para a varivel z normal reduzida: para x=49.5 vem: z = x

49.5 50 = 1 ; 0.5

AMF/IPCB

2005/2006

7/18

para x=50 vem: z =

50 50 = 0; 0.5

Ento: Pr(49.5 x 50) = Pr(-1 z 0) Neste ponto, depara-se a a dificuldade de que a tabela anexa apenas d os valores das probabilidades para intervalos acima de z = 0, isto Pr(0 z z), sendo z 0. Apelando para a propriedade da simetria da distribuio normal, conclui-se que as duas reas abaixo indicadas so idnticas, isto , Pr(-1 z 0) = Pr(0 z 1).

P r(- 1<z<0 )

P r(0 <z<1)

z=-1

=0

z=1

Ento: Pr(49.5 x 50) = Pr(-1 z 0) = Pr(0 z 1) = 0.3413.

c)

Pretende-se calcular Pr(49 x 51). Esta probabilidade graficamente traduzida pela seguinte rea:

49

51

AMF/IPCB

2005/2006

8/18

Convertam-se os limites do intervalo para a varivel z normal reduzida: para x=49 vem: z = 49 50 = 2 ; 0.5 x 51 50 para x=51 vem: z = = = 2; 0.5 = x

Ento: Pr(49 x 51) = Pr(-2 z 2) Analisando a rea que traduz a probabilidade, nota-se que essa rea composta por duas partes, nomeadamente a rea compreendida entre z = -2 e z = 0, no ramo inferior da curva, e pela rea delimitada z = 0 e z = 2, no ramo superior. Em termos de probabilidade, tem-se:

Pr(-2<z<0)

Pr(0<z<2)

z=-2

=0

z=2

Pr(-2 z 2) = Pr(-2 z 0) + Pr(0 z 2) Como a tabela s permite a leitura directa de Pr(0 z 2), h que transformar, pela propriedade da simetria, a rea abaixo de z = 0 numa rea equivalente acima de z = 0. Fica ento: Pr(49 x 51) = Pr(-2 z 2) = Pr(-2 z 0) + Pr(0 z 2) =
(propriedade da simetria)

= Pr(0 z 2) + Pr(0 z 2) = = 2 x Pr(0 z 2) = = 2 x 0.4772 = 0.9544

d)

Pretende-se calcular Pr(x 51.5). Esta probabilidade graficamente traduzida pela seguinte rea:

AMF/IPCB

2005/2006

9/18

50

51.5

Convertam-se os limites do intervalo para a varivel z normal reduzida: para x = 51.5 vem: z = x

. 50 515 = 3; 0.5

Ento: Pr(x 51.5) = Pr(z 3) Analisando a rea que traduz a probabilidade, nota-se que essa rea a cauda superior da rea total direita de z = 0, delimitada inferiormente por z = 3. Contudo, a tabela em uso d leituras para reas delimitadas inferiormente por z = 0 e superiormente por z = z (neste caso z = 3). Numa situao deste gnero, h que apelar para uma propriedade fundamental da distribuio normal, que estabelece que Pr(x ) = Pr(z 0) = 0.5. Pela anlise das rea envolvidas, depreende-se que: Pr(z 3) = Pr(z 0) - Pr(0 z 3)

AMF/IPCB

2005/2006

10/18

Pr(z>3) Pr(0<z<3) 0 3

Ento: Pr(x 51.5) = Pr(z 3)

e)

= Pr(z 0) - Pr(0 z 3) = = 0.5 - 0.4987 = 0.0013

Pretende-se calcular Pr(x 48.75). Esta probabilidade graficamente traduzida pela seguinte rea:

48.75

50

Convertam-se os limites do intervalo para a varivel z normal reduzida: para x=48.75 vem: z = x

48.75 50 = 2.5; 0.5

Aplicando a propriedade da simetria: Pr(x 48.75) = Pr(z -2.5) = Pr(z 2.5)

AMF/IPCB

2005/2006

11/18

Pelo que foi exposto na alnea anterior, conclui-se que: Pr(z 2.5) = Pr(z 0) - Pr(0 z 2.5) Ento: Pr(x 48.75) = Pr(z -2.5) = Pr(z 2.5)
f)

= Pr(z 0) - Pr(0 z 2.5) = 0.5 - 0.4938 = 0.0062

Pretende-se calcular Pr(50.5 x 51.5). Esta probabilidade graficamente traduzida pela seguinte rea:

50

50.5

51.5

Convertam-se os limites do intervalo para a varivel z normal reduzida: para x = 50.5 vem: z = 50.5 50 = 1; 0.5 . 50 x 515 para x = 51.5 vem: z = = = 3; 0.5 = x

Pr(50.5 x 51.5) = Pr(1 z 3) Note-se que a rea que traduz esta probabilidade uma rea no ramo superior da curva da distribuio normal, sem que contudo os seus limites coincidam com z = 0. Analisando as rea envolvidas, conclui-se que: Pr(1 z 3) = Pr(0 z 3) - Pr(0 z 1) Isto , expressou-se a rea a calcular em funo da diferena de duas reas cuja leitura directa na tabela.

AMF/IPCB

2005/2006

12/18

Pr(0<z<3)

Pr(0<z<1)

Ento: Pr(50.5 x 51.5) = Pr(1 z 3)

g)

= Pr(0 z 3) - Pr(0 z 1) = 0.4987 - 0.3413 = 0.1574

Pretende-se calcular Pr(48.5 x 49.5). Esta probabilidade graficamente traduzida pela seguinte rea:

48.5

49.5

50

Convertam-se os limites do intervalo para a varivel z normal reduzida: para x = 48.5 vem: z =

48.5 50 = 3 ; 0.5 x 49.5 50 para x = 49.5 vem: z = = = 1 ; 0.5 =

Pr(48.5 x 49.5) = Pr(-3 z -1)

AMF/IPCB

2005/2006

13/18

Aplicando a propriedade da simetria da distribuio normal, vem um situao anloga resolvida na alnea anterior:

Pr(-3<z<-1) Simtricas

Pr(1<z<3)

-3

-1

Ento: Pr(48.5 x 49.5) = Pr(-3 z -1) = Pr(1 z 3) = Pr(0 z 3) - Pr(0 z 1) = 0.4987 - 0.3413 = 0.1574
h)

Pretende-se calcular Pr(x 48.5 x 51.5). Esta probabilidade graficamente traduzida pela seguinte rea:

48.5

50

51.5

Aps fazer a transformao para a curva normal N(0,1), vem: Pr(x 48.5 x 51.5) = Pr(z -3 z 3) Analisando as reas envolvidas, conclui-se que:

AMF/IPCB

2005/2006

14/18

Pr(z<-3)

Pr(z>3) Pr(0<z<3) -3 0 3

Pr(z -3 z 3) = Pr(z -3) + Pr( z 3) Aplicando a propriedade da simetria rea que traduz a Pr(z -3), conclui-se: que: Pr(z -3 z 3) = Pr(z -3) + Pr( z 3) = Pr( z 3) + Pr( z 3) = = 2 x Pr( z 3) =
(aplicando a resoluo da alnea d)

= 2 x [Pr(z 0) - Pr(0 z 3)] = = 2 x [0.5 - 0.4987] = = 2 x 0.0013 = 0.0026 i) No fundo, pretende-se calcular a proporo de sacos com peso x [49.5, 50.5].

Aplicando o mesmo mtodo de resoluo da alnea c), conclui-se que: Pr(49.5 x 50.5) = Pr(-1 z 1) = Pr(-1 z 0) + Pr(0 z 1) =
(propriedade da simetria)

= Pr(0 z 1) + Pr(0 z 1) = = 2 x Pr(0 z 1) = = 2 x 0.3413 = 0.6826 Ento: N esperado de sacos com peso x [49.5 , 50.5] = = N total de sacos x Pr(49.5 x 50.5) = 1 000 x 0.6826 683 sacos.
j)

Pretendem-se calcular os limites inferior (x1) e superior (x2) do intervalo central onde existem 90% dos sacos sados desta linha de ensacamento.

AMF/IPCB

2005/2006

15/18

Graficamente, tem-se a seguinte situao, onde se sabem as seguintes probabilidades, pela anlise do intervalo pretendido em conjugao com as propriededades da distribuio normal:

Pr(x1<x< )=0.45

Pr(<x<x2)=0.45

Pr(x<x1)=0.05

Pr(x>x2)=0.05

x1

50

x2

Pr(x > ) = Pr(x < ) = 0.5 Pr(x1 < x < x2) = 0.90 Pr(x1 < x < ) = 0.45 = Pr( < x < x2) Pr(x < x1) = 0.05 = 0.5 - Pr(x1 < x < ) Pr(x > x2) = 0.05 = 0.5 - Pr( < x < x2)

(dado do enunciado) (intervalo central) (propriedade da distribuio normal) (propriedade da distribuio normal)

Tendo em ateno que x1 e x2 so simtricos em torno de =50 (porque definem um intervalo central), ento z1 e z2 (reduo de x1 e x2 respectivamente, atravs da x expresso z = ) so simtricos em relao a z = 0.

Por Pr( < x < x2) = 0.45, sabe-se que Pr(0 < z < z2) = 0.45. Por leitura na tabela da distribuio normal, fica-se a saber que: para Pr(0 < z < z) = 0.4495 z = 1.64 para Pr(0 < z < z) = 0.4505 z = 1.65 Como Pr(0 < z < z2) = 0.45 est exactamente ao centro entre Pr(0 < z < z) = 0.4495 e Pr(0 < z < z) = 0.4505, fazendo interpolao directa nos dois valores z calculados anteriormente, conclui-se que z2 = 1.645. Ento, utilizando a expresso de reduo z = x

, obtm-se:

x2 = + z2. x2 = 50 + 1.645 x 0.5 x2 = 50.8225 e

AMF/IPCB

2005/2006

16/18

x2 = + z2. x2 = 50 - 1.645 x 0.5 x1 = 49.1775 (porque

x1 e x2 so simtricos em torno de )

Concluindo, o intervalo pretendido : x [49.1775 , 50.8225].

AMF/IPCB

2005/2006

17/18

BIBLIOGRAFIA

KAZMIER, LEONARD J. (1982). Estatstica Aplicada Economia e Administrao. SCHAUM - MCGRAW-HILL MURTEIRA, BENTO JOS FERREIRA (1990). Probabilidades e Estatstica. Vols I e II. McGraw-Hill do Brasil. SNEDECOR, G.W. & COCHRAN, W.G. (1980). Statistical Methods. Seventh Edition. IOWA STATE UNIV. PRESS. SPIEGEL, MURRAY R. (1977). Estatstica. McGRAW-HILL.

AMF/IPCB

2005/2006

18/18

NDICE

1 - FUNO DE DISTRIBUIO DE PROBABILIDADE.............................................. 1 2 - FUNO DE DISTRIBUIO NORMAL................................................................... 3 3 - EXEMPLO DE APLICAO ........................................................................................ 6 3.1 - Resoluo.......................................................................................................... 6 BIBLIOGRAFIA ................................................................................................................... 18

AMF/IPCB

2005/2006

19/18