Tema1.2 - Modelos Probabilisticos Contínuos

Estatstica II Licenciatura em Gesto Ano Lectivo 2010/2011 (2 Semestre)
Tema 1. (2 Parte) Modelos Probabilsticos Contnuos

Sandra Gancho Custdio, Sofia Delgado Antnio, Rui Borges Francisco e Teresa Ferreira

1
1.2 Modelos Probabilsticos Contnuos

1.2.1 Distribuio Uniforme Contnua
Uma varivel aleatria contnua X segue uma distribuio Uniforme no intervalo
| |
a, b , a b < < < + , e escrevemos
| |
X ~ Uniforme a, b , se a sua funo
densidade de probabilidade dada por:

( )
1
, a x b;
b a

f x

0, outros valores.
s s

A f.d.p. de uma distribuio Uniforme contnua constante no intervalo onde se
encontra definida e corresponde ao inverso da amplitude do intervalo.

A figura que se segue representa o grfico da funo densidade de probabilidade
de uma distribuio Uniforme:

Figura Funo densidade de probabilidade de
| |
X ~ Uniforme a, b .

f(x)
x
a b
1
b a



2
A funo de distribuio de uma varivel aleatria com distribuio Uniforme
dada por:

( )
0, x < a;
x a
F x , a x < b;
b a
1, x b.

= s
>

A representao do grfico de F(x) dada por:

Figura Funo de distribuio de
| |
X ~ Uniforme a, b .

O valor esperado e a varincia de X so:

| | ( )
( )
2
b a
a b
E X , Var X .
2 12
+
= =
Resoluo de Exerccios

F(x)
x
a b
1


3
1.2.2 Distribuio Exponencial
O tempo de espera entre acontecimentos originados por um processo de
Poisson uma distribuio exponencial. A sua utilizao na modelao
estatstica mais ampla, aplicando-se a outros fenmenos (tempos de vida de
equipamentos, montantes de indemnizaes, etc.).

Uma varivel aleatria X apresenta distribuio exponencial, de parmetro 0, >
( )
X ~ Exponencial , se a sua f.d.p. for dada por:

( )
x
e , x 0;
f x
0, x 0.
>

Apresenta-se na figura a f.d.p. de uma v.a. Exponencial genrica:

Figura Funo densidade de ( )
X ~ Exponencial .

A funo de distribuio definida por:

f(x)
x


4
( )
x
0, x 0;
F x
1 e , x 0.
>

Com as seguintes caractersticas:

| | ( )
2
1 1
E X , Var X . = =

Interpretando a distribuio exponencial em termos do tempo de espera entre
acontecimentos gerados por um processo de Poisson (onde o ritmo mdio a
que afluem os acontecimentos por intervalo unitrio), o valor esperado de X
mostra que a mdia do tempo de espera o inverso da intensidade (mdia)
dos acontecimentos.
Por exemplo, se em mdia surgem 6 acontecimentos por hora, o tempo mdio de
espera por um evento de 10 minutos.

Propriedade da falta de memria da distribuio exponencial:

Seja ( )
X ~ Exponencial , ento:
( ) ( )
P X x h X x P X h , para x, h 0. > + > = > >

Para qualquer objecto em que o seu tempo de vida descrito por uma distribuio
exponencial, o tempo de vida que lhe falta viver (h) no afectado pelo j vivido
(x), isto , no entra em linha de conta com o envelhecimento ou o desgaste
prprio da idade (o tempo de vida depende apenas da amplitude h).




5
1.2.3 Distribuio Normal
A distribuio Normal, Gaussiana ou de Gauss uma das distribuies
contnuas mais utilizada pois, so vrios os comportamentos de variveis
aleatrias que podem ser descritos por uma distribuio Normal, desempenhando
um papel crucial na inferncia estatstica.

Uma v.a. X apresenta distribuio Normal com parmetros u e varincia
2
o ,
simbolicamente
( )
2
X ~ N , u o
( ) ( )
ou X ~ N , u o , se a sua funo densidade de
probabilidade for dada por:

( )
2
1 x
2
2
1
f x e , x , , > 0.
2
| | u
|
o
\ .
= e ue o
to

A f.d.p. apresenta as seguintes caractersticas:

O grfico da funo densidade de probabilidade de
( )
2
X ~ N , u o :

Tem a forma de sino com mximo em x ; =u
simtrica em relao a x ; =u

| | ( )
2
E X e Var X . =u = o
x
u


6
A funo de densidade da distribuio Normal representa uma famlia de
distribuies em que, cada membro representado por um valor especfico de u,
que localiza o centro da distribuio e o que mede a variabilidade de X em torno
do valor mdio, tal como se ilustra nas figuras.

Na primeira, apresentam-se trs f.d.p. da distribuio Normal caracterizadas pelo
mesma variabilidade,
2
1 o = , e diferentes mdias:

Na segunda, tm-se trs f.d.p caracterizadas pela mesma mdia, 10 u = , e com
diferentes variabilidades em torno da mdia:



7
A funo de distribuio de uma varivel aleatria com distribuio Normal
definida pelo integral:

( )
2
1 t
x
2
2
1
F x e dt.
2
u | |
|
o \ .
=
to

Valor obtido apenas por mtodos numricos.

Distribuio Normal Estandardizada
A distribuio Normal com 0 u = e
2
( ) 1 o o = designa-se por distribuio
Normal reduzida, padro ou estandardizada.

No caso de
( )
X ~ N , , u o ento:

( )
X
Z ~ N 0, 1 ,
u
= u = o =
o

onde,
X
Z
u
=
o
representa uma varivel aleatria Normal reduzida.

A grande vantagem da distribuio Normal estandardizada, prende-se com o
facto de esta apresentar tabelados os valores da sua funo de distribuio,
simbolizada por
( ) ( )
P Z z z s = u .

Relembre-se que a funo densidade de uma varivel aleatria com distribuio
Normal simtrica, como tal tem-se:



8
( ) ( )
z z , o = o e
( ) ( )
z 1 z . u = u

Todos os clculos de probabilidades de variveis aleatrias Normais se podem
reduzir ao clculo de probabilidades de uma varivel aleatria Normal
reduzida:

( )
a X b a b
P a X b P P Z
b a b a
P Z P Z .
u u u u u
| | | |
s s = s s = s s =
| |
o o o o o
\ . \ .
u u u u
| | | | | | | |
= s s = u u
| | | |
o o o o
\ . \ . \ . \ .

Neste clculo
b a
e
u u
| | | |
u u
| |
o o
\ . \ .
so valores tabelados.

Teorema da Aditividade da Distribuio Normal
Considere-se k variveis aleatrias independentes,
i
X , i = 1, 2, ..., k, todas com
distribuio Normal:
( )
i i i
X ~ N , . u o

Ento, a varivel aleatria
k
i i
i 1
Y a X
=
=
, com
i
a e , apresenta a seguinte
distribuio:

k
i i
i 1
Y a X
=
=
k k
2 2
i i i i
i 1 i 1
~ N a , a .
= =
| |
u o
|
|
\ .



9
Com base no presente teorema definem-se os seguintes corolrios:

Corolrio 1:
Se
i
X , i = 1, 2, ..., n, so variveis aleatrias independentes em que:

( )
( )
k
i i
i=1
X ~ N ; X ~ N n ; n . u o u o

Corolrio 2:
Se
( )
1 1 1
X ~ N ; u o e
( )
2 2 2
X ~ N ; u o so duas variveis aleatrias
independentes, ento:

( )
1 2
X X +
( )
2 2
1 2 1 2
~ N ; , u +u o + o e
( )
1 2
X X
( )
2 2
1 2 1 2
~ N ; . u u o + o

Corolrio 3:
Se
i
X , i = 1, 2, ..., n, so variveis aleatrias independentes em que,
( )
i
X ~ N ; , u o ento:
n
i
i 1
X
X
n
=
=
~ N ; .
n
o | |
u
|
\ .

Resoluo de Exerccios.

1.2.4 Distribuio Log-Normal
A v.a.
X
Y e = segue uma distribuio Log-Normal, se X for uma v.a. Normal.
Simbolicamente, ( )
Y ~ LogNormal ; u o e a sua f.d.p. dada por:



10

( )
2
x
x
1 ln y
2
2
x
1
f y e , y .
y 2
| | u
|
o +
\ .
= e
to

Os parmetros u e o correspondem aos parmetros de uma v.a Normal.
Podemos reescrever a v.a. anterior por
( )
X lnY ~ N ; = u o .

A representao do grfico da f.d.p. de uma distribuio Log-Normal :

Mostra-se que o valor esperado e a varincia de Y, expressos em funo dos
parmetros de
( )
X lnY ~ N ; = u o so:

( )
( )
( ) ( )
2
2 2
2
2 2
E Y e
Var Y e e .
| | o
u +
|
\ .
u+o u +o
=
=

f(y)
y
0


11
Ao contrrio da distribuio Normal, a distribuio Log-Normal assimtrica
positiva (enviesada esquerda, correspondendo o enviesamento ao lado mais
abrupto, i., menos longo da distribuio). Assim, a Mediana da distribuio
dada por: Me(Y) e .
u
=


1.2.5 - Teorema Limite Central
Este Teorema permite a determinao de distribuies aproximadas, quando
no possvel obter distribuies exactas, se as variveis aleatrias forem
independentes e identicamente distribudas (i.i.d.). Saliente-se que o uso de
distribuies aproximadas apenas tem validade para amostras suficientemente
grandes.

Teorema Limite Central (T.L.C.)

Seja
1 2 n
X , X ,..., X uma sucesso de variveis aleatrias i.i.d. com
| |
i
E X , =u
| |
2
i
Var X = o e
n
n i
i 1
S X
=
=
. Ento, para n tem-se:

( )
n
i
a
n i 1
n
X n
S n
Z ~N 0,1 .
n n
=
u
u
= =
o o

A distribuio de
n
Z converge (tende assintoticamente) para uma distribuio
Normal reduzida.



12
O T.L.C. pode enunciar-se no s em relao ao total,
n
S , mas tambm em
relao mdia das variveis aleatrias,
n
i n
i 1
1 1
X X S
n n
=
= =
. Assim, sob os
mesmos pressupostos, a distribuio da varivel aleatria mdia amostral
converge para a distribuio Normal reduzida:

( )
a
n
X
Z ~ N 0,1 .
n
u
=
o

Obs. Quando se empregam distribuies assimptticas, uma regra emprica
consiste em admitir que para valores de n 30 se tem uma boa aproximao
distribuio exacta.

Existem corolrios do T.L.C. destacando-se os referentes aproximao de
variveis aleatrias Binomial e Poisson, respectivamente, pela distribuio
Normal.

Corolrio 1: Seja X uma varivel aleatria com distribuio Binomial de
parmetros n e p,
( )
X ~ Binomial n, p . Se n 30, np > 5 ou n(1p) > 5, ento:

( )
( )
aprox aprox
n
X np
X ~ N np, np(1 p) Z ~ N 0,1 .
np(1 p)

Corolrio 2: Seja X uma varivel aleatria com distribuio Poisson de
parmetro , ( )
X ~ Poisson . Na prtica se > 20, ento:



13

( )
( )
aprox aprox
n
X
X ~ N , Z ~ N 0,1 .

Nota: Em ambos os corolrios, estamos a aproximar a distribuio de uma v.a.
discreta pela distribuio de uma v.a. contnua, pelo que se deve aplicar a
correco de continuidade.

Consiste em calcular
( )
1 2
P x 0,5 X x 0,5 s s + a partir da funo densidade de
probabilidade (contnua).

Devido correco continuidade tem-se:
( ) ( )
Discreta Normal
F x F x 0,5 ~ +

.


Tema1.2 - Modelos Probabilisticos Contínuos

Caricato da

Informazioni sul documento

Titolo originale

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

Tema1.2 - Modelos Probabilisticos Contínuos

Caricato da

Copyright:

Formati disponibili

Estatstica II Licenciatura em Gesto Ano Lectivo 2010/2011 (2 Semestre)

Tema 1. (2 Parte) Modelos Probabilsticos Contnuos

. Ento, para n tem-se:

Potrebbero piacerti anche