Cap 6 - Variáveis Aleatórias Contínuas

BARBETTA, REIS e BORNIA Estatstica para Cursos de Engenharia e Informtica.
Atlas, 2004
Estatstica para Cursos de Engenharia e
Estatstica para Cursos de Engenharia e
Informtica
Informtica
Pedro Alberto Barbetta / Marcelo Menezes Reis / Antonio Cezar Bornia
So Paulo: Atlas, 2004
Cap. 6
Cap. 6
Variveis aleatrias
Variveis aleatrias
contnuas
contnuas
APOIO:
Fundao de Apoio Pesquisa Cientfica e Tecnolgica do Estado de Santa Catarina
(FAPESC)
Departamento de Informtica e Estatstica UFSC (INE/CTC/UFSC)
BARBETTA, REIS e BORNIA Estatstica para Cursos de Engenharia e Informtica. Atlas, 2004
Varivel aleatria
Varivel aleatria
os possveis resultados esto
contidos em um conjunto
finito ou enumervel
os possveis resultados
abrangem todo um intervalo
de nmeros reais
varivel
aleatria
discreta contnua
0
1 2 3 4 ...
nmero de defeitos em ...
Ex.
0
Ex.
tempo de resposta de ...
Variveis aleatrias contnuas
Variveis aleatrias contnuas
tempo de resposta de um sistema computacional;
rendimento de um processo qumico;
tempo de vida de um componente eletrnico;
resistncia de um material; etc.
Variveis aleatrias discretas com grande nmero de
possveis resultados (podem ser aproximadas para
contnuas):
nmero de transaes por segundo de uma CPU;
nmero de defeitos numa amostra de 5.000 itens; etc.
Varivel aleatria: discreta x contnua
Discreta
Discreta
1
2
x
p(x)
1 2
x
f(x)
1 2
rea total = 1
8
1
x
f(x)
1 2 3 4 5 6 7 8
1
2
3
4
5
6
7
8
8 setores
0
0
0
0
270
0
180
0
90
0
III III
II I
x
360
1
x
360 0
f(x)
rea total = 1
Contnua
Contnua
Varivel aleatria contnua
evento {0 X < 90}
x
360 90 0
f(x)
360
1
0
0
0
0
270
0
180
0
90
0
III III
II I
x
x
360 0
f(x)
rea total = 1
360
1
rea = P( 0 X < 90)
As probabilidades de eventos associados a uma varivel aleatria
contnua X podem ser calculadas atravs de uma funo densidade
de probabilidade f, que deve satisfazer:
e x x f , 0 ) (
x
f(x)
a b
1 ) ( ) ( =
+

x d x f
Se A =[a, b], ento
=
b
a
x d x f A P ) ( ) ( ) (
Exemplo 6.3
<
=

0 para , 0
0 para , 2
) (
2
t
t e
t f
t
t
f(t)
2
3
6 ) 3 ( 2
3
2
3
2
3
0
2
1
2 2 ) ( ) 3 (

+
+

+
= + =
= = = >

e e e dt e dt t f T P
t t
Funo de distribuio acumulada
= =

x ds s f x X P x F
x
, ) ( ) ( ) (
<

=

0 para , 0
0 para , 1
) (
2
t
t e
t F
t
F(t)
1
t
Exemplo 6.3
Valor esperado e varincia
+

= = dx x xf X E ) ( ) (
+

= = dx x f x X V ) ( ) ( ) (
2 2

2 2
) ( ) ( = X E X V
+

= dx x f x X E ) ( ) (
2 2
onde:
ou
Principais Modelos Contnuos
Distribuio uniforme
Distribuio uniforme
=
] , [ para , 0
] , [ para ,
1
) (

x
x
x f
0
0
0
0
270
0
180
0
90
0
III III
II I
x
360
1
x
360 0
f(x)
rea total =1
Exemplo:
Distribuio uniforme
Distribuio uniforme
=
] , [ para , 0
] , [ para ,
1
) (

x
x
x f
<
<
=
x
x
x
x
x F
para
para
para
, 1
,
, 0
) (
x
0
f(x)

1
x
0
F(x)
2
) (
+
= X E
( )
12
) (
2

= X V
Distribuio exponencial
Exemplos:
tempo (em minutos) at a prxima consulta a uma base de dados;
tempo (em segundos) entre pedidos a um servidor;
distncia (em m) entre defeitos de uma fita.
0
t
x
x
x
Nmero X de
ocorrncias do
evento em [0, t)
Poisson
Tempo T ata
ocorrncia do
evento
Exponencial
0 , ) ( > =

t e t f
t
t
e t T P t F

= = 1 ) ( ) (
t
t
e t f

= ) (
0
) (
0
t
e t T P

= >
t
0
1
) ( = T E
2
1
) (
= T V
Resp.
<
=

0 para , 0
0 para , 2
) (
2
t
t e
t f
t
? ) 3 2 ( = T P
t
f(t)
3 2

=
3
2
2
2 ) 3 2 ( dt e T P
t
ou
0158 , 0 ) 3 ( ) 2 ( ) 3 2 (
6 4 ) 3 ( 2 ) 2 ( 2
= = = > =

e e e e T P T P T P
Exemplo 6.3
Distribuio normal
Distribuio normal
+
-
x
f(x)
rea total = 1
+ < < =

x e x f
x
,
2
1
) (
2
2
1

= ) (X E
2
) ( = X V
Distribuio normal
Distribuio normal
e
2 1

2 1
=
e
4 3
=
4 3
<
Distribuio normal padro
Distribuio normal padro
P(X > 180) = P(Z > 1)
1
10
170 180
=
x
z
Distribuio de Z:
normal padro
Distribuio deX:
normal com =170 e =10
Tabela da distribuio normal padro
(pela tabela)
0,0
0,1
0,2
...
0,09 ... 0,02 0,01 0,00
z
segunda decimal de z
(rea na cauda
superior )
0,4168
P(-0,42 < Z < 0,42) = ?
Ento, P(-0,42 <Z <0,42) =1 2 (0,3372) =0,3256
=
-
A normal como limite de outras distribuies
Aproximao normal binomial
Condio:
n grande e
p no muito prximo de 0 (zero) ou de 1 (um).
Parmetros:
np =
) 1 ( p np =
x
0 1 2 3 4 5 6 7 8 9 10
0,001
0,01
0,246
0,01
0,001
0,117
0,044 0,044
0,205
0,117
0,205
0 1 2 3 4 5 6 7 8 9 10
P(X > 6) = p(7) + p(8) + p(9) + p(10)
= 0,172
Ex. Qual a probabilidade de mais de 6 caras em
10 lanamentos de uma moeda honesta?
Pela binomial:
( ) ( )
x x
. .
x
x p

=
10
5 , 0 5 , 0
10
) (
Pela normal:
x
0 1 2 3 4 5 6 7 8 9 10
P(X > 6,5)
Pela normal:
z
0 0,95
0,1711
x
5 6,5
P(X > 6,5)
95 , 0
5 , 2
5 5 , 6
=
x
z
Aproximao normal Poisson
Aproximao normal Poisson
Aproximao vlida quando for grande
0 1 2 3 4 5
0,0
0,1
0,2
0,3
0,4
p(x)
x
0 2 4 6 8 10 12
0,00
0,05
0,10
0,15
p(x)
x
10 20 30
0,00
0,04
0,08
p(x)
x
=20 =5 =1
Parmetros da normal:
=
=
Grfico de probabilidade normal
Ex. Dados:74,0; 74,4; 74,7; 74,8; 75,9
valor observado
v
a
l
o
r

e
s
p
e
r
a
d
o
p
e
l
a

n
o
r
m
a
l
-1,4
-1,0
-0,6
-0,2
0,2
0,6
1,0
1,4
73,6 74,0 74,4 74,8 75,2 75,6 76,0
Dados com distribuio normal
valores observados
v
a
l
o
r
e
s

e
s
p
e
r
a
d
o
s

p
e
l
a

n
o
r
m
a
l
-2,5
-1,5
-0,5
0,5
1,5
2,5
72,5 73,5 74,5 75,5 76,5 77,5 78,5
Dados com distribuio normal, mas com um ponto discrepante
valores observados
v
a
l
o
r
e
s

e
s
p
e
r
a
d
o
s

p
e
l
a

n
o
r
m
a
l
-2,5
-1,5
-0,5
0,5
1,5
2,5
72 74 76 78 80 82 84
valor discrepante
Dados com distribuio assimtrica
valores observados
v
a
l
o
r
e
s

e
s
p
e
r
a
d
o
s

p
e
l
a

n
o
r
m
a
l
x
f(x)

Cap 6 - Variáveis Aleatórias Contínuas

Caricato da

Informazioni sul documento

Copyright

Formati disponibili

Condividi questo documento

Condividi o incorpora il documento

Opzioni di condivisione

Hai trovato utile questo documento?

Questo contenuto è inappropriato?

Copyright:

Formati disponibili

Cap 6 - Variáveis Aleatórias Contínuas

Caricato da

Copyright:

Formati disponibili

BARBETTA, REIS e BORNIA Estatstica para Cursos de Engenharia e Informtica.

Potrebbero piacerti anche