Variveis Aleatrias

Contnuas e
Distribuies de
Probabilidade
Motivao
A quantidadede oxigniodissolvido
importante para aferir a qualidade de
um regato. Os nveis aceitveis de
oxignio variam de 5 mg/L a 12mg/L.
estudantes da StrongVincent High
School na Pensilvnia, conduziram um
estudo sobre o oxignio dissolvido no
CascadeCreek. A curva normal mostra
resultados obtidos pelos estudantes.
Esses nveis de oxignio dissolvido so
aceitveis? Se no forem, so muito
baixos ou muito altos?
- +
9 , 1
10
=
=
s
x
Aderncia Distribuio Normal
O passo mais simples
seria construir um
Histograma com a curva
normal e verificar
visualmente se ela
normal de fato.
Por exemplo: o grfico de
vendas de autopeas de um
fabricante de Detroit
Vendas de auto peas
6
0
0
0
,
0
5
5
0
0
,
0
5
0
0
0
,
0
4
5
0
0
,
0
4
0
0
0
,
0
3
5
0
0
,
0
3
0
0
0
,
0
2
5
0
0
,
0
2
0
0
0
,
0
1
5
0
0
,
0
1
0
0
0
,
0
5
0
0
,
0
0
,
0
200
100
0
Std. Dev =994,59
Mean =2516,6
N =1488,00
4-6 Distribuio Normal
Propriedades
A mdia, a mediana e a moda so iguais.
A curva normal tem formato de um sino e simtrica
me torno da mdia.
A rea total sob a curva normal igual 1.
E(X)= e VAR(X)=
2
.
O ponto mximo de f(x) o ponto X=.
Os pontos de inflexo da funo so: X= + e X=
-.
4-6 Distribuio Normal
Definio
Uma varivel aleatria X com funo densidade de probabilidade:
Uma varivel aleatria X com funo densidade de probabilidade:
E a notao N(,
2
) usada para denotar a distribuio. A mdia e varincia de X
so iguais a e
2
. A varivel aleatria X, que igual ao nmero de tentativas que
resultam em um sucesso, com parmetros 0 < p < 1 e n = 1,2,... A funo de
probabilidade de X :
E a notao N(,
2
) usada para denotar a distribuio. A mdia e varincia de X
so iguais a e
2
. A varivel aleatria X, que igual ao nmero de tentativas que
resultam em um sucesso, com parmetros 0 < p < 1 e n = 1,2,... A funo de
probabilidade de X :
uma varivel aleatria normal , com parmetros , em que - < < , e > 0 .
Tambm,
uma varivel aleatria normal , com parmetros , em que - < < , e > 0 .
Tambm,
Figura 4-10 Funes densidades de probabilidades
normal para valores selecionados dos parmetros e

2
.
4-6 Distribuio Normal
Algunsresultadosteis
relativosdistribuio
normal: Para qualquer
varivel aleatria
normal,
4-6 Distribuio Normal

68,26%
95,44%
99,72%
+ +2 +3
-
-3 -2
4-6 Distribuio Normal
Definio : Normal Padro
Uma varivel aleatrianormal com:
Uma varivel aleatrianormal com:
A funo distribuio cumulativa de um
denotada por:
a varivel aleatria normal padro
A funo distribuio cumulativa de um
denotada por:
a varivel aleatria normal padro
chamada de varivel aleatria normal padro e denotada por Z.
chamada de varivel aleatria normal padro e denotada por Z.
4-6 Distribuio Normal
Propriedades da Normal Padro
Os valores z so chamados de escores numa
distribuio normal padronizada.
A rea acumulada estprximo de zero para
escores z prximos de 3,49.
A rea acumulada para z=0 0,50.
A rea acumulada estprxima de 1 para
escores z prximos de z=3,49
4-6 Distribuio Normal
Propriedades da Normal Padro
X
Z

=
( ) E Z =
X
E

=


( )
1
E X

=
( )
1
( ) E X

=
( )
1
0

=
( ) Var Z =
X
Var

=


( )
2
1
Var X

=
( )
2
2 2
1
1 Var X


= =
integrais podem ser tabeladas! ~ (0,1) Z N
2
~ ( , ) X N
z
(0 2,17) ? P Z < < =
(0 2,17) 0,4850 P Z < < =
- + 0 z
(0 ) P Z z < <
4-6 Distribuio Normal
Figura 4-13 Funo densidade de probabilidade normal
padro.
4-6 Distribuio Normal
Exemplo 4-11
Considere que Z seja uma varivel aleatria normal padro. A Tabela III do
Apndice fornece probabilidades na forma (z) =P(Z z). O uso da Tabela III para
encontrar P(Z 1,5) ilustrado na figura 4-13. Leia a coluna z para baixo atencontrar o
valor 1,5. A probabilidade de 0,93319 lida na coluna adjacente, marcada como 0,00.
O topo das colunas se refere s casas centesimais do valor de z em P(Z z). Por
exemplo, P(Z1,53) encontrado lendo a coluna de z ata linha 1,5 e ento selecionando
a coluna marcada com 0,03, encontrando-se assim a probabilidade 0,93699.
4-6 Distribuio Normal
Padronizando uma Varivel Aleatria Normal
Se X uma varivel aleatria normal com E(X) = e V(X) =
2
, a varivel
aleatria
Se X uma varivel aleatria normal com E(X) = e V(X) =
2
, a varivel
aleatria

varivel aleatria normal padro.

uma varivel aleatria normal, com E(Z) = 0 e V(Z) = 1. Ou seja, Z uma

varivel aleatria normal padro.

uma varivel aleatria normal, com E(Z) = 0 e V(Z) = 1. Ou seja, Z uma
4-6 Distribuio Normal
Exemplo 4-13
Suponha que as medidas da corrente em um pedao de fio sigam a distribuio
normal, com uma mdia de 10 miliamprese uma varincia de 4 (miliampres)
2
. Qual a
probabilidade de a medida exceder 13 miliampres?
Seja X a corrente em miliampres. A probabilidade requerida pode ser representada por
P(X>13). Seja Z = (X-10)/2. A relao entre os vrios valores de X e os valores
transformados de Z mostrada na figura 4-15. Notamos que X>13 corresponde a Z>1,5.
Assim, da Tabela III do Apndice,
P(X>13) =P(Z>1.5) =1 P(Z1.5) =1 0.93319 =0.06681
Em vez de usar a figura 4-15, a probabilidade pode ser encontrada a partir da desigualdade
X >13. Isto ,
P(X>13) =P((X-10)/2 >(13-10)/2) =P(Z>1.5) =0.06681
Figura 4-15 Padronizando uma varivel aleatria normal.
4-6 Distribuio Normal
4-6 Distribuio Normal
Padronizando para calcular uma probabilidade
Suponha que X seja uma varivel aleatria com mdia e
2
. Ento:
Suponha que X seja uma varivel aleatria com mdia e
2
. Ento:
Em que Z
pela padronizao de X. A probabili
Apndice com z = (x-
uma varivel aleatria normal padro e z = (x-)/ o valor z obtido
dade obtida entrando na Tabela III do
)/.
Em que Z
pela padronizao de X. A probabili
Apndice com z = (x-
uma varivel aleatria normal padro e z = (x-)/ o valor z obtido
dade obtida entrando na Tabela III do
)/.
4-6 Distribuio Normal
Exemplo 4-14
Continuando o exemplo prvio, qual a probabilidade de a medida da corrente
estar entre 9 e 11 miliampres? Da figura 4-15 ou procedendo algebricamente, temos
P(9 <X<11) =P((9-10)/2 <(X-10)/2 <(11-10)/2) =
=P( -0,5 <Z <0,5) =P(Z<0,5) P(Z<-0,5) =
=0,69146 0,30854
=0,38292
Em vez de usar a figura 4-15, a probabilidade pode ser encontrada a partir da desigualdade
X >13. Isto ,
P(X>13) =P((X-10)/2 >(13-10)/2) =P(Z>1.5) =0.06681
4-6 Distribuio Normal
Exemplo 4-14 (continuao)
Determine o valor para o qual a probabilidade de uma medida da corrente estar
abaixo desse valor seja 0.98. O valor requerido mostrado graficamente na figura 4-16. O
valor de x tal que P(X<x) =0.98. Pela padronizao, essa expresso de probabilidade
pode ser escrita como
P(X<x) =P((X-10)/2 <(x-10)/2)
=P(Z<(x-10)/2)
=0.98
A Tabela III do Apndice usada para encontrar o valor de z, tal que P(Z<z)=0,98. A
probabilidade mais prxima da Tabela III resulta em
P(Z<2.05) =0.97982
Conseqentemente, (x-10)/2 =2,05 e a transformao padronizada usada ao contrrio
para determinar x. O resultado
x =2(2.05) +10 =14,1 miliampres
Exemplo 4-14 (continuao)
Figura 4-16 Determinando o valor de x para encontrar a
probabilidade especificada.
4-6 Distribuio Normal
( 2,17 0) ? P Z < < = ( 2,17 0) 0,4850 P Z < < =
- + 0 -2,17 2,17 - + 0
=
0,4850 0,4850
( 1 2) ? P Z < < =
( 1 2) 0,4772 0,3413 0,8185 P Z < < = + =
= +
- + 0 2 -1 - + 0 1 - + 0 2
0,4772 0,3413
4-6 Distribuio Normal
Determinando probabilidades
- + 0 - + 0 1,5 - + 0 1,5
( 1,5) ? P Z > =
( 1,5) 0,5 0,4332 0,0668 P Z > = =
=
0,5
_
0,4332
4-6 Distribuio Normal
Determinando probabilidades
~ (10,4) X N
(8 11) ? P X < < =
X
Z

= ~ (0,1) N
(8 10 10 11 10) ? P X < < =
8 10 10 11 10
( ) ?
2 2 2
X
P

< < =
( 1 0,5) ? P Z < < =
Z
- + 0 0,5 -1
Z
- + 10 11 8
X
4-6 Distribuio Normal
Determinando probabilidades
20 10 0 -10
0.10
0.05
0.00
3
f(x)
x
N(3,16)
rea=5%
3 2 1 0 -1 -2 -3
0.4
0.3
0.2
0.1
0.0
f(x) N(0,1)
rea=5%
P(X x )=0,05 P(Z 1,65 )= 0,05
1,65
6 , 9 4 * 65 . 1 3 = + = + = z x
4-6 Distribuio Normal
Determinando escores (valores de x)
( ) ? E Y =
( ) ? Var Y =
2
1 1 1
2
2 2 2
2
3 3 3
1 2 3
~ ( , )
~ ( , )
~ ( , )
X N
X N
X N
Y X X X



= + +
Qual a distribuio de Y ?
~ (?,?) Y N
1 2 3 1 2 3
( ) ( ) ( ) ( ) E X X X E X E X E X + + = + + =
1 2 3
+ +
2 2 2
1 2 3
+ +
2 2 2
1 2 3 1 2 3
~ ( , ) Y N + + + +
3 v.a. independentes com distribuies normal
4-6 Distribuio Normal
Distribuio de soma de variveis aleatrias
2
1 1 1
2
2 2 2
2
1 2
1
~?( , )
~?( , )
~?( , )
n n n
n
n i
i
X
X
X
Y X X X X



=
= + + + =

M
K
Qual a distribuio de Y ?
2
1 1
~ ,
n n
i i
i i
Y N
= =




Teorema do Limite Central
se n for grande:
4-6 Distribuio Normal
Distribuio de soma de variveis aleatrias
Se amostrasde tamanhon, onden grande, foremtiradasde
umapopulaoqualquer, com mdia e um desvio padro ,
ento a distribuio amostral de mdias das amostras se
aproximarde uma distribuio normal.
Se a prpria populao for normalmente distribuda, a
distribuio amostral das mdias das amostras sernormalmente
distribuda para qualquer tamanho de amostra n.
Em ambos os casos, a distribuio amostral das mdias tem
mdia igual a mdia da populao ou seja
mdia
= . E a
distribuio amostral de mdias das amostras tem uma varincia
igual a 1/n vezes a varincia da populao ou seja
2
mdia
=
2
/n.
4-6 Distribuio Normal
Teorema do Limite Central
Considere como resultado de um
levantamento feito com adultos
que afirmaram ter lido o jornal no
dia anterior.
Selecione ao acaso 50 adultos
com idades entre 18 e 24 anos.
Qual a probabilidade de que o
tempo mdio gasto por eles esteja
entre 8,7 e 9,5?
Suponha =1,5 minutos
Idade Min
18-24 9
25-29 11
30-34 11
35-49 16
50-65 21
65 ou mais 33
Mdia
4-6 Distribuio Normal
Teorema do Limite Central
Sob certascondies, a distribuioNormal
podeser usadaparaaproximar a distribuio
Binomial e a distribuiode Poisson
4-7 Aproximao da Normal pelas
distribuies Binomial e de Poisson
Figura 4-19
Aproximao da
distribuio binomial
pela normal.
4-7 Aproximao da Normal pelas
distribuies Binomial e de Poisson
Exemplo 4-17
Em um canal digital de comunicao, suponha que o nmero de bits recebidos
com erro possa ser modelado por uma varivel aleatria binomial. Suponha que a
probabilidade de um bit ser recebido com erro seja 1 x 10
-5
. Se 16 milhes de bits forem
transmitidos, qual sera probabilidade de se ter mais que 150 erros?
Seja a varivel aleatria X o nmero de erros. Ento X uma varivel aleatria binomial e
Claramente, a probabilidade no exemplo 4-17 difcil de calcular. Felizmente, a
distribuio normal pode ser usada para prover uma excelente aproximao nesse
exemplo.
4-7 Aproximao da Normal pelas
distribuies Binomial e de Poisson
4-7 Aproximao da Normal pelas
distribuies Binomial e de Poisson
Aproximao da distribuio Binomial pela Normal
Se X for uma varivel aleatria binomial com parmetros n e p
Se X for uma varivel aleatria binomial com parmetros n e p
Seraproximadamente uma varivel aleatria normal padro. De modo a aproximar
uma probabilidade binomial por uma distribuio normal, uma correo de
continuidade aplicada como se segue:
Seraproximadamente uma varivel aleatria normal padro. De modo a aproximar
uma probabilidade binomial por uma distribuio normal, uma correo de
continuidade aplicada como se segue:
A aproximao boa para np > 5 e n(1-p) > 5.
A aproximao boa para np > 5 e n(1-p) > 5.
Exemplo 4-18
O problema de comunicao digital no exemplo prvio resolvido como segue
Porque np =(16x10
6
)(1x10
-5
)=160 e n(1-p) muito maior, espera-se que a aproximao
4-7 Aproximao da Normal pelas
distribuies Binomial e de Poisson
Figura 4-21 Condies para aproximar as probabilidades
hipergeomtricas e binomial.
4-7 Aproximao da Normal pelas
distribuies Binomial e de Poisson
Considere o experimento: retiram-se 100 bolas da urna (com reposio).
Define-se uma v.a. X cujos valores representam o nmero total de bolas
vermelhas dentre as 100 escolhidas.
Calcule: P(30 X 51)
2
100 0,4
5
( ) 100*0,4 40
( ) 100*0,4*0,6 24
n p
E X np
Var X npq
= = =
= = =
= = =
~ (40,24) X N
0
0,01
0,02
0,03
0,04
0,05
0,06
0,07
0,08
0,09
0 20 40 60 80 100
(30 51) ? P X =
30
(29,5 51,5) ? P X < < = (correo de continuidade)
29,5 40 51,5 40
24 24
P Z


< < =


0,9745 (valor exato para Binomial 0,9752)
4-7 Aproximao da Normal pelas
distribuies Binomial e de Poisson
4-7 Aproximao da Normal pelas
distribuies Binomial e de Poisson
Aproximao da distribuio Poisson pela Normal
Se X for uma varivel aleatria Poisson com E(X) = e V(X) = ,
Se X for uma varivel aleatria Poisson com E(X) = e V(X) = ,
Seraproximadamente uma varivel aleatria normal padro. A aproximao boa
para = 5.
Seraproximadamente uma varivel aleatria normal padro. A aproximao boa
para = 5.
4-7 Aproximao da Normal pelas
distribuies Binomial e de Poisson
Exemplo 4-20
Considere que o nmero de partculas de asbestos em um metro quadrado de
poeira em uma superfcie siga a distribuio de Poisson, com mdia de 1000. Se um metro
quadrado de poeira for analisado, qual sera probabilidade de que 950 ou menos partculas
sejam encontradas?
Essa probabilidade pode ser expressa exatamente como
A dificuldade computacional clara. A probabilidade pode ser aproximada por