Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
Estatı́stica II
Distribuições contı́nuas: uniforme, exponencial e normal.
Edezio Pantoja Estimação.
Teste de Hipóteses.
Correlação e Regressão Linear
25 de agosto de 2016
As variáveis aleatórias também podem ser discretas ou continuas e temos (ii) f (x)dx = 1;
RX
as seguintes definições: Além disso, definimos para qualquer c < d (emRX ),
Variáveis Aleatórias Discretas – admite um número finito de valores Z d
ou tem uma quantidade enumerável de valores. P(c < X < d) = f (x)dx.
c
Variáveis Aleatórias Continuas – pode tomar um número infinito de
Observações:
valores, e esses valores podem ser associados a mensurações em uma
Da definição acima temos que P(X = xo ) = 0, pois
escala contı́nua. Z xo
Observação: Não podemos indagar qual a probabilidade do i-ésimo valor P(X = xo ) = f (x)dx = 0.
de X, pois os valores possı́veis de X não são enumeráveis, daı́ P(xi ) não ter xo
Como vemos, f (x) assim definida, é realmente uma função densidade, pois
Z +∞ Z 1 0 1 x
f (x) ≥ 0 e f (x)dx = f (x)dx = 1.
−∞ 0
Figura: fdp
Esperança Matemática
Seja X uma variável aleatória. A esperança matemática, média ou valor
esperado de X é definida por: Distribuição Uniforme: É uma distribuição de probabilidade usada para
∞
X variáveis aleatórias contı́nuas, definida num intervalo [a,b], e sua função
E (X ) = µ = xi P(xi ), se X for discreta.
densidade de probabilidade é dada por:
Zi=1∞
E (X ) = µ = xf (x)dx, se X for contı́nua. 1
se a ≤ x ≤ b
−∞ f (x) = b−a
0 se x < a ou x > b
Variância
A variância de uma variável aleatória X é dada por:
Var (X ) = σ 2 = E (X 2 ) − [E (X )]2 .
f (x)
b
1 a+b
Z ∞ Z
E (X ) = x · f (x) dx = x· dx =
−∞ a b−a 2
Variância da Distribuição Uniforme
2
a+b
Z ∞
1 2 2 2
b−a V (X ) = E (X ) − [E (x)] = x · f (x) dx −
−∞ 2
b
a+b 2
1
Z
2
= x · dx −
a b−a 2
2
b + ab + a 2 a + 2ab + b 2
2
= −
a b x 3 4
(b − a) 2
=
12
Figura: Distribuição Uniforme
f (t)
1 O tempo de vida T (em horas) das lâmpadas elétricas fabricadas por certa
A sua média ou esperança matemática é µ = E (T ) = e sua variância é companhia possui uma distribuição exponencial de probabilidade com
λ
1 média de 500 horas. Qual é a probabilidade do tempo de vida, de uma
V (T ) = 2 . Da definição da fdp de T temos:
λ lâmpada dessa companhia, durar mais de 600 horas?
P(T > t) = e −λt ; 1 1
Solução: Temos que µ = λ ⇒ 500 = λ ⇒ λ = 0, 002.
P(T ≤ t) = 1 − P(T > t) = 1 − e −λt .
Assim P(T > t) = e −0,002t ⇒ P(T > 600) = e −0,002·600 = 0, 301.
a curva normal tem forma de sino, é simétrica em relação à média, a curva normal tem forma de sino, é simétrica em relação à média,
como representada na figura 4; como representada na figura 4;
aproximadamente 68% da área sob a curva normal se encontra entre
os valores µ ± σ, cerca de 95% da área se encontra entre µ ± 2σ e
cerca de 99,97% da área se encontra entre µ ± 3σ.
a curva normal tem forma de sino, é simétrica em relação à média, a curva normal tem forma de sino, é simétrica em relação à média,
como representada na figura 4; como representada na figura 4;
aproximadamente 68% da área sob a curva normal se encontra entre aproximadamente 68% da área sob a curva normal se encontra entre
os valores µ ± σ, cerca de 95% da área se encontra entre µ ± 2σ e os valores µ ± σ, cerca de 95% da área se encontra entre µ ± 2σ e
cerca de 99,97% da área se encontra entre µ ± 3σ. cerca de 99,97% da área se encontra entre µ ± 3σ.
a média, mediana e moda são valores coincidentes; a média, mediana e moda são valores coincidentes;
a variável aleatória X associada a sua distribuição varia de
−∞ < x < ∞;
f (x)
Temos que
Se a variável aleatória contı́nua Z tem distribuição N (0, 1) , temos
b
1
Z
1 x−µ 2 z2
√ e − 2 [ σ ] dx, 1
Z
z2
P(a ≤ X ≤ b) = P(z1 ≤ Z ≤ z2 ) = √ e − 2 dx
a σ 2π z1 2π
que apresenta um grau relativo de dificuldade de ser calculada (através de cujos valores de P (0 ≤ Z ≤ za ) = a já estão tabelados. Assim sendo
métodos numéricos de integração). Portanto usaremos a tabela da curva ! 2
teremos de fazer a conversão da variável aleatória X ∼ N µ, σ para a
normal padrão que é a curva normal com média 0 (zero) e desvio-padrão 1 variável Z ∼ N (0, 1) .
(um) .
-1 0 za 1
O resultado da padronização é a obtenção de uma escala de distribuição O resultado da padronização é a obtenção de uma escala de distribuição
denominada escala reduzida, escore Z, que mede o afastamento das denominada escala reduzida, escore Z, que mede o afastamento das
variáveis em relação à média em número de desvios-padrão. Para isso variáveis em relação à média em número de desvios-padrão. Para isso
fazemos fazemos
X −µ X −µ
Z= Z=
σ σ
em que: em que:
Z representa o número de desvios-padrão a contar da média; Z representa o número de desvios-padrão a contar da média;
x representa um valor qualquer da variável aleatória; x representa um valor qualquer da variável aleatória;
µ = média da distribuição;
X −100 X −100
µ = 100 e σ = 5 =⇒ z = 5 µ = 100 e σ = 5 =⇒ z = 5
(i) P(100 ≤ X ≤ 106) = P(0 ≤ Z ≤ 1, 2) = 0, 384930 (i) P(100 ≤ X ≤ 106) = P(0 ≤ Z ≤ 1, 2) = 0, 384930
Resolução Resolução
(iv ) P (X ≥ 108) = P (Z ≥ 1, 6) = 0, 5 − P (0 ≤ Z ≤ 1, 6)
= 0, 054799.