Professional Documents
Culture Documents
CIAW PRE Helios Malebranche 138-195
CIAW PRE Helios Malebranche 138-195
Distribuição Uniforme
P[c, d]
c d c d
Fx(c) = P(x ≤ c) P[c, d]
P(c) = 0
Distribuição Normal
ou
Gaussiana
Como vimos, se X é uma v.a. contínua com fdp dada por px, temos que:
E essa v.a. Contínua X é dita v.a. Normal ou v.a. Gaussiana quando a fdp px é
dada por:
Se
∫[a, X]p(u)du = F(X)
então
dF(X)/dX = p(X)
No nosso contexto:
fdp é a derivada da PDP
FDP é a primitiva da fdp
Fz(z) = P(Z ≤ z)
Z = N(0, 1)
Aplicação usual:
Tempo de vida de
equipamentos.
Exemplo:
Um determinado estoque de equipamentos é tal que 90% duram mais que
5 anos. Qual a probabilidade deste tipo de equipamento durar menos de 2
anos?
P(t > 5) = 90% ∫(5, ∞) λ e–λx dx e–λ5 = 0,9 λ = [Ln 0,9] / 5 = 0,021
Portanto:
P(t ≤ 2) = 1- ∫ (2, ∞) 0,021e–0,021x dx = 1 - e–0,042 ≈ 4%
Tabelas de integrais:
https://docs.ufpr.br/~jcvb/online/Tabelas%20de%20Integrais%20Indefinidas%20(1).pdf
https://www.if.ufrgs.br/tex/fisica-4/tab-integrais.pdf
Espaço Amostral
ou Espaço de Amostras
Ω
Evento
A .
Resultado
ou ponto-amostra
ω
Espaço Amostral
ou Espaço de Amostras
R
Ω
x x(ω) = a
Evento
A .
Resultado
ou ponto-amostra
ω
Espaço Amostral
ou Espaço de Amostras
R2
Ω
x x(ω)
Evento
A .
Resultado
ou ponto-amostra
x = (y, z)
ω
Espaço Amostral
ou Espaço de Amostras
R
Ω R
y
y(ω) = a
Evento z
. z(ω) = b
A
Resultado
ou ponto-amostra
ω
P(m ≤ M, d ≤ D, c ≤ C, f ≤ F, r ≤ R, u ≤ U) = Fx(M,D,C,F,R,U)
ou
P(u > U , f ≤ F | r ≤ R, m ∈ [M1, M2]) = ?
(probabilidade condicional… veremos adiante)
E como px = dF/dx:
No caso tridimensional:
pyzt(Y,Z,T) ≥ 0 px (X) ≥ 0
Y = 10 Y = 20
Z = 300 0,1 = P(10, 300) 0,2 = P(20, 300)
Z = 400 0,3 = P(10, 400) 0,4 = P(20, 400)
1,0 = P(Ω)
Y = 10 Y = 20 ↓ pz
Z = 300 0,1 = P(10, 300) 0,2 = P(20, 300) 0,3 = P(z = 300)
Z = 400 0,3 = P(10, 400) 0,4 = P(20, 400) 0,7 = P(z = 400)
py 0,4 = P(y = 10) 0,6 = P(y = 20) 1,0 = P(Ω)
x = (y, z, t)∈ R3
Caso discreto:
∑ i = -ꝏ, ꝏ ∑ k = -ꝏ, ꝏ pyzt(Yi ,Zk ,T) = pt(T)
Caso contínuo:
∫(-ꝏ, ꝏ) ∫(-ꝏ, ꝏ) pyzt(Y,Z,T) dZdT = py(Y)
∫(-ꝏ, ꝏ) ∫(-ꝏ, ꝏ) pyzt(Y,Z,T) dYdT = pz(Z)
∫(-ꝏ, ꝏ) ∫(-ꝏ, ꝏ) pyzt(Y,Z,T) dYdZ = pt(T)
E portanto:
FDP Condicional
da v.a. X, dado um evento M qualquer:
Fxy(X,Y) = Fx(X).Fy(Y)
e, no caso em que as FDPs forem diferenciáveis:
pxy(X,Y) = px(X).py(Y)
16:44 prof.helios.ufrj@gmail.com 174
2.4 V.A.’s Independentes
Vimos agora que se x e y forem v.a.´s independentes:
pxy(X,Y) = px(X).py(Y) [1]
[2]
[4]
----- // -----
----- // -----
16:44 prof.helios.ufrj@gmail.com 183
2.4 V.A.’s Independentes
Exemplo
Um painel controla a duração de ligações em dois postos de comunicações.
Acende uma luz:
verde quando as ligações dos postos são curtas (t < 0,5 min), dificultando a
localização dos postos, situação segura;
amarela, significando “atenção, existe risco de localização de um dos
postos”, quando um dos postos faz uma ligação longa (t ≥ 0,5 min); e
vermelha, significando “perigo, existe risco de localização dos dois postos”.
px(X) = 2e-2X
py(Y) = 5e-5Y
Calcularemos a dp da v.a. z:
P(z = 0) = P(x < 0,5, y < 0,5) = ∫∫(0, 0.5) pxy(X,Y) dXdY = 0,58
P(z = 2) = P(x > 0,5, y > 0,5) = ∫∫(0.5, ꝏ) pxy(X,Y) dXdY = 0,03
fdp da v.a. discreta (ou dp) pz: {(0; 0,58), (1; 0,39), (2; 0,03)}
pz(Z) = 0,58 se Z = 0
0,39 se Z = 1
0,03 se Z = 2
pz(Z) = 0,58 se Z = 0
0,39 se Z = 1
0,03 se Z = 2
Fz(Z) = 0 se Z ∈ (-ꝏ,0)
0,58 se Z ∈ [0, 1)
0,58 + 0,39 = 0,97 se Z ∈ [1,2)
0,58 + 0,39 + 0,03 = 1 se Z ∈ [2,ꝏ)
Fz(Z) = 0 se Z ∈ (-ꝏ,0)
0,58 se Z ∈ [0, 1)
0,58 + 0,39 = 0,97 se Z ∈ [1,2)
0,58 + 0,39 + 0,03 = 1 se Z ∈ [2,ꝏ)