Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
Varivel aleatria
contnua (funco
densidade de
probabilidade,f.d.p.)
f(x)
Varivel
aleatria
discreta (f.p.)
1 2
3 4 5 6
x
2
f ( x)dx = 1
R
(iii)
E(X) = xf (x)dx
Notao: = E(X)
Varincia: o valor esperado da v.a. (X E(X))2, ou
seja,
Var(X) = (x - ) f ( x ) dx = E ( X ) ( E ( X ))
2
Notao:
= V ar (X)
4
Exemplo 1
A durao, em anos, de uma lmpada especial uma varivel
aleatria contnua com funo densidade dada por:
f(x)
ce
2 x
, x 0
, c.c
f(x)
= ce
2 x
I ( 0 , ) ( x )
Notaco usual
f(w)dw = 1
2 w
0
dw
+
c
e
dw = 1
c=2
Continuao exemplo 1
x
F(x)
2e
2w
dw = 1 e
2x
ou F(x)
0
1 - 2e 2x
,x < 0
, x 0
F(2)
= 1 e 2 ( 2 ) = 0 , 98
E(X) =
wf ( w ) dw =
w 0 dw + 2 we
2w
dw = 0 . 5
f ( x ) d ( g ( x )) = f ( x ) g ( x ) | ba g ( x ) d ( f ( x ))
a
1. Modelo Uniforme
Uma varivel aleatria contnua X tem distribuio uniforme com
parmetros e se sua funo de densidade de probabilidade dada
por:
1
, x
f ( x) =
0,
c.c
Notao: X~U( , ))
A funo de distribuio acumulada dado por:
0
x
F ( x) =
1
E( X ) =
+
2
x<0
x
x
(
)2
Var ( X ) =
12
1
, 50 x 70
f ( x) = 20
0,
c.c
Portanto,
60
P ( 55 < X < 60 ) =
1
5
dx
=
55 20
20
Tambm,
70 + 50
E(X ) = =
= 60
2
( 70 50 ) 2
=
= 33 ,3
12
2
2. Modelo Exponencial
Uma varivel aleatria contnua X tem distribuio exponencial com
parmetro , se sua funo de densidade dado por
1 x
f (x) = e ,
0 ,
x0
c .c
Notao: X~Ex().
A funo de distribuio acumulada dado por:
x
1
e
,
F ( x) =
0
Pode-se mostrar:
x0
c.c
E ( X ) = , Var ( X ) = 2
9
Exemplo: Certo tipo de fusvel tem durao de vida que segue uma
distribuio exponencial com tempo mdio de vida de 100 horas.
Cada pea tem um custo de 10,0 unidades monetrias (u.m) e se
durar menos de 20 horas, existe um custo adicional de 8.0 u.m.
(a) Qual a probabilidade de uma durar mais de 150 horas?
(b) Determinar o custo esperado.
Soluo: Se X: tempo de durao de uma pea, do enunciado tem-se
que: E(X)=100 horas e X~Ex(100). Ou seja,
x
100
1
e
,
F ( x) =
x0
c.c
150
100
) = e 1,5 = 0,223
10
10 ,
C =
10 + 8 ,
se x 200
se x < 200
11
4. Modelo Normal
Exemplo : Observamos o peso, em kg, de 1500 pessoas adultas
selecionadas ao acaso em uma populao.
O histograma por densidade o seguinte:
Densid ade
0 .04
0 .03
0 .02
0 .01
0 .00
30
40
50
60
70
80
90
1 00
P es o
12
13
Densidade
0.030
0.015
0.000
30
40
50
60
70
80
90
100
P eso
O Modelo Normal
Uma varivel aleatria contnua X tem distribuio normal com mdia
e varincia 2 , se sua funo de densidade dada por:
1
f ( x) =
e
2
x 2
, xR
Notao : X ~ N ( , 2 ).
16
Distribuies
normais
com mdias diferentes e
varincias iguais.
Distribuies
normais
com mdias iguais e
varincias diferentes
17
(a ) E ( X ) = , Var ( X ) = 2
(b) A distribuio simtrica ao redor de sua mdia.
(c) A rea total sob curva igual a um portanto, cada metade da curva
tem 0,5 da rea total.
(d)
P ( X + )
= 0 , 6896
P ( 2 X + 2 ) = 0 , 9546
P ( 3 X + 3 ) = 0 , 9973
18
F ( x) =
1
1
exp
2
2
X ~ N ( , 2 ).
dt
19
1
f ( z) =
e
2
z2
, zR
(z) = P (Z z) =
1
exp( 0 , 5 t 2 ) dt
2
20
(z) = P (Z z) =
1
exp( 0 , 5 t 2 ) dt
2
Observao:
( i ) P ( Z z ) = ( z ) = 1 P ( Z z ) = 1 ( z ), z > 0
( ii ) P ( z Z z ) = 2 P ( Z z ) 1 = 2 ( z ) 1
( iii ) P ( a Z b ) = ( b ) ( a ), a , b R
21
0,00
0,500000
0,539828
0,579260
0,617911
0,655422
0,691462
0,725747
0,758036
0,788145
0,815940
0,841345
0,864334
0,884930
0,903199
0,919243
0,933193
0,945201
0,955435
0,964070
0,971284
0,977250
0,982136
0,986097
0,989276
0,991802
0,993790
0,995339
0,996533
0,997445
0,998134
0,998650
0,999032
0,999313
0,999517
0,999663
0,999767
0,999841
0,999892
0,999928
0,999952
0,01
0,503989
0,543795
0,583166
0,621719
0,659097
0,694974
0,729069
0,761148
0,791030
0,818589
0,843752
0,866500
0,886860
0,904902
0,920730
0,934478
0,946301
0,956367
0,964852
0,971933
0,977784
0,982571
0,986447
0,989556
0,992024
0,993963
0,995473
0,996636
0,997523
0,998193
0,998694
0,999064
0,999336
0,999533
0,999675
0,999776
0,999847
0,999896
0,999930
0,999954
0,02
0,507978
0,547758
0,587064
0,625516
0,662757
0,698468
0,732371
0,764238
0,793892
0,821214
0,846136
0,868643
0,888767
0,906582
0,922196
0,935744
0,947384
0,957284
0,965621
0,972571
0,978308
0,982997
0,986791
0,989830
0,992240
0,994132
0,995603
0,996736
0,997599
0,998250
0,998736
0,999096
0,999359
0,999550
0,999687
0,999784
0,999853
0,999900
0,999933
0,999956
0,03
0,511966
0,551717
0,590954
0,629300
0,666402
0,701944
0,735653
0,767305
0,796731
0,823814
0,848495
0,870762
0,890651
0,908241
0,923641
0,936992
0,948449
0,958185
0,966375
0,973197
0,978822
0,983414
0,987126
0,990097
0,992451
0,994297
0,995731
0,996833
0,997673
0,998305
0,998777
0,999126
0,999381
0,999566
0,999698
0,999792
0,999858
0,999904
0,999936
0,999958
0,04
0,515953
0,555670
0,594835
0,633072
0,670031
0,705401
0,738914
0,770350
0,799546
0,826391
0,850830
0,872857
0,892512
0,909877
0,925066
0,938220
0,949497
0,959071
0,967116
0,973810
0,979325
0,983823
0,987455
0,990358
0,992656
0,994457
0,995855
0,996928
0,997744
0,998359
0,998817
0,999155
0,999402
0,999581
0,999709
0,999800
0,999864
0,999908
0,999938
0,999959
0,05
0,519939
0,559618
0,598706
0,636831
0,673645
0,708840
0,742154
0,773373
0,802337
0,828944
0,853141
0,874928
0,894350
0,911492
0,926471
0,939429
0,950529
0,959941
0,967843
0,974412
0,979818
0,984222
0,987776
0,990613
0,992857
0,994614
0,995975
0,997020
0,997814
0,998411
0,998856
0,999184
0,999423
0,999596
0,999720
0,999807
0,999869
0,999912
0,999941
0,999961
0,06
0,523922
0,563559
0,602568
0,640576
0,677242
0,712260
0,745373
0,776373
0,805106
0,831472
0,855428
0,876976
0,896165
0,913085
0,927855
0,940620
0,951543
0,960796
0,968557
0,975002
0,980301
0,984614
0,988089
0,990863
0,993053
0,994766
0,996093
0,997110
0,997882
0,998462
0,998893
0,999211
0,999443
0,999610
0,999730
0,999815
0,999874
0,999915
0,999943
0,999963
0,07
0,527903
0,567495
0,606420
0,644309
0,680822
0,715661
0,748571
0,779350
0,807850
0,833977
0,857690
0,878999
0,897958
0,914656
0,929219
0,941792
0,952540
0,961636
0,969258
0,975581
0,980774
0,984997
0,988396
0,991106
0,993244
0,994915
0,996207
0,997197
0,997948
0,998511
0,998930
0,999238
0,999462
0,999624
0,999740
0,999821
0,999879
0,999918
0,999946
0,999964
22
P(Z<1,80)
P(0,80<Z<1.40)
P(Z<-0,57)
O valor de k tal que: P(Z<k)=0,05.
(b) P(0,80 < Z < 1,40) = (1,40) - (0,80) = 0,91924- 0,78814 = 0,1311
23
X
Z =
~ N ( 0 ,1 )
24
70 90 X 100 90
<
<
( a ) P (70 < X < 100 ) = P (
) = P ( 2 < Z < 1) =
10
10
= P ( Z 1) P ( Z 2) = P ( Z 1) (1 P ( Z 2)) =
= 0,841345 (1 0,97725 ) = 0,718595
30 X 90 30
<
< )=
10
10
10
= P ( 3 < Z < 3) = 2 P ( Z < 3) 1 = 2 0.998650 - 1 = 0,9973
2a X 90 2a
(c) P(90 2a < X < 90+ 2a) = P(2a < X 90 < 2a) = P <
<
10
10
10
a
a
= 2P(Z ) 1 = 0,99 P(Z < ) = 0,995
5
5
a
= 2,57 a = 12,85
5
25
X ~ N (120,152 ).
100 120
= 1 P( Z < 1,33)
= 1 (1,33) = 1 0,908241 = 0,091769
26
(b) Qual deve ser o tempo de prova de modo que permita o 95% dos
vestibulandos terminem no prazo estipulado?
P ( X < x) = 0,95
x 120
P ( X < x ) = P Z <
= 0,95
15
x =120+1,6415=152,6
(c) Qual o intervalo central de tempo, tal que 80% dos estudantes
gastam para completar o exame?
27
x2 120
x1 120
P ( x1 X x2 ) = 0,80 P
Z
= 0.80
15
15
z=? , tal que (z)=0,90
Da tabela z= 1,28
x1 120
= 1,28 x1 = 120 15 1,28 x1 = 100,8 min .
15
x2 120
= 1,28 x2 = 120 + 15 1,28 x2 = 139,2 min .
15
28
Y = a1 X 1 + L + a n X
= a1
+ L + a
a i
i=1
e varincia
2
Y
= a
2
1
2
1
+ L + a
2
n
2
n
i=1
2
i
2
i
29
i =1
Pi +
i =1
Xi + E
30
Pi ~ N (190,10 2 ), X i ~ N (170,12,252 ) i = 1, L ,5
Do teorema
anterior 5C distribui-se normalmente com mdia
5
C =
i =1
E ( Pi ) +
i =1
E(X i) + E
i =1
i =1
= 5 10 2 + 5 12 ,25 2 + 0 = 1250 g 2
2000 1900
= P ( Z 2,83) = 0,997673
31
Seja Y = X P ~ N ( Y ; Y2 )
onde
Y = X P = 170 190 = 20 ;
Y2 =
2
X
2
P
= 10
+ 12 , 25
= 250 .
Logo,
P (Y > 0 ) = 1 P (Y 0 )
0 ( 20 )
= 1 P Z
250
= 1 P ( Z 1 , 26 ) = 1 0,896165
= 0,103835.
32
Y = X1 +L + X
i =1
Y=
X
i =1
X
~ N (0,1).
/ n
33
120
i =1
X i ~ N (120 65 ,120 16 )
Y ~ N ( 7800 ,1920 )
7910 7800
7893 7800
P ( 7893 Y 7910 ) = P
Z
1920
1920
34
200
)(0,3) k (0,7) 200 k = 0,948
P ( X 50) = (
k
k = 50
200
35
36
37
Idia Bsica
X ~ b(n ; p)
E(X) = np
Var(X) = np(1 p)
Y ~ N( y, y2)
Portanto,
com
y = n p
y2 = n p (1 p).
P( a X b) P(a Y b)
P( X a) P(Y a)
P( X b) P(Y b)
39
P ( X 50) P (Y 50) = P (
Y 60 50 60
) = P ( Z 1,54) = 0,938
42
42
continuidade
40
Correo de Continuidade
Para melhorar a aproximao, usamos a correo por continuidade no
clculo com a Normal como segue:
P ( X 50) P (Y 49,5) = P (
Y 60 49,5 60
) = P ( Z -1.62) = 0,9478
42
42
Y 60 50,5 60
P ( X > 50) P (Y 50,5) = P (
) = P ( Z 1.46) = 0,9292
42
42
Para probabilidade pontuais, criamos um intervalo artificial:
P ( X = 50 ) P ( 49 ,5 Y 50 ,5) = P (
49 ,5 60 Y 60 50 ,5 60
) = 0,0182
42
42
42
E(X) = np = 1000,9 = 90
Var(X) = np(1 p) = 100 0,9 0,1 = 9
) = P ( Z 1 . 16 ) = ( 1 ,16 ) = 0 . 876976
3
9
Probabilidade exata = 0.8761232 (usando a distribuio binomial).
42