Upload
meireles01
View
739
Download
4
Embed Size (px)
Citation preview
Variáveis Aleatórias Contínuas
Profª. JanineDisciplina: PROBABILIDADE E ESTATÍSTICA
Seja X uma v.a. contínua.
Uma variável aleatória pode assumir qualquer valor fracionário dentro de um intervalo definido de valores.
A proporção da área incluída ou frequência relativa entre dois pontos quaisquer, abaixo da curva de probabilidade, identifica a probabilidade de que a v.a. selecionada assuma um valor entre tais pontos.
VARIÁVEL ALEATÓRIA CONTÍNUA
Ou seja:
∫=≤≤b
a
dxxfbXaP )()(
VARIÁVEL ALEATÓRIA CONTÍNUA
Para que f(x) seja uma função de distribuição de probabilidade (fdp) legítima, deve satisfazer às duas condições a seguir:
a)
b)f(x) de gráfico do abaixo área a é que 1, dx f(x) ∫
∞
∞
=
xos todos para,0 ≥f(x)
VARIÁVEL ALEATÓRIA CONTÍNUA
Proposição: Seja X uma variável contínua X com f.d.p. f(x) então, definimos:
Valor Esperado:
Variância:
Desvio Padrão:
dxxfxXEX ∫∞
∞−
⋅== )()(µ
222 ))(()()( XEXEXVX −==σ
2Xσσ =
dxxfxXE ∫∞
∞−
⋅= )()( 22
VARIÁVEL ALEATÓRIA CONTÍNUA
Principais Características:
1)Para cada média e desvio padrão existe uma curva diferente.
2)O ponto mais alto da curva está na média.
3)A curva é simétrica em relação a média: o lado esquerdo é igual ao lado direito.
4)O desvio padrão determina a largura da curva.
5)A área total abaixo da curva é igual a 1 ou 100%.
DISTRIBUIÇÃO NORMAL
O gráfico de f(x) é:
DISTRIBUIÇÃO NORMAL
Se quisermos calcular a probabilidade indicada na figura, devemos fazer:
Que representa um relativo grau de dificuldade.
Usaremos então a notação:
Seja X~N, definimos:
e2π
1=b)≤X≤P(a ∫
b
a
-
2
1-
dxσ
σ
μx
²
)²(
²) ,(N: σµ X
-X:σ
μZ
DISTRIBUIÇÃO NORMAL
A vantagem dessa curva padronizada consiste em definir parâmetros para qualquer escala de medida que você utilizar.
Z é chamada de variável normal reduzida, Normal Padronizada ou Variável Normalizada.
Z tem E(Z)=0 e VAR(Z)=1.
Assim, podemos usar:
(0,1)N: Z²),(N: ⇒σµX
( )∞-∞e
2π
1=f(z) 2
1-
<<²
zz
DISTRIBUIÇÃO NORMAL
A variável Z indica quantos desvios padrões a variável X está afastada da média. Como as curvas são simétricas em relação a média.
Como para X dado a área a ser encontrada depende de μ e δ². Então é vantagem usar a variável Normalizada e encontrar essas as probabilidades por meio de valores tabelados.
DISTRIBUIÇÃO NORMAL
Tabela: Área sob a curva normal padronizada
DISTRIBUIÇÃO NORMAL
Exemplo 1: (Como usar a tabela).
Seja X: N(100, 25). Calcule:a) P(100 ≤ X ≤ 106);b) P(89 ≤ X ≤ 107);c) P(112 ≤ X ≤ 116);d) P(X ≥ 108);
DISTRIBUIÇÃO NORMAL
Exemplo 2:
O tempo que um motorista leva para reagir às luzes de freio em um veículo em desaceleração é crucial para evitar colisões traseiras. O artigo “Fast-Rise Brake Lamp as a Collision-Prevention Device ” (Ergonomics, 1993, p. 391-395) sugere que o tempo de reação de uma respostas no trânsito a um sinal de frenagem com luzes de freio convencionais pode ser modelado com uma distribuição normal de média 1,25 segundo e desvio padrão de 0,46 segundo. Qual é a probabilidade de que o tempo de reação esteja entre 1,00 e 1,75 segundos?
DISTRIBUIÇÃO NORMAL
forneceãopadronizaçAxPporbuscamos
reaçãodetempooxpormosrepresentaSe
).75,100,1(
,
≤≤
460
251751
460
251001
751001
,
,,
,
,,
, ,,
−≤≤−≤≤
Z
sesomenteesex
( ) ( ) )54,0()09,1(09,154,075,100,1
:
09,154,0
−Φ−Φ=≤≤−=≤≤
≤≤−
ZPxP
Assim
ZsejaOu
( ) 5675,02946,08621,075,100,1 =−=≤≤= xP
DISTRIBUIÇÃO NORMAL
VARIÁVEL ALEATÓRIA CONTÍNUA
Outras distribuições contínuas:
Distribuição Uniforme Contínua: é aquela em que todos os elementos têm a mesma probabilidade de ocorrer.
Distribuição Exponencial: é frequentemente usada para modelar a distribuição dos tempos entre a ocorrência de eventos sucessivos, tais como clientes chegando em uma unidade de atendimento, chamadas em uma central telefônica (X: tempo decorrido até que o 1º evento ocorra).