Upload
audrey-tate
View
21
Download
0
Embed Size (px)
DESCRIPTION
Distribuições de probabilidades referentes a variáveis contínuas e suas aplicações. - PowerPoint PPT Presentation
Citation preview
Distribuições de probabilidades referentes a variáveis contínuas e
suas aplicações
As variáveis contínuas podem assumir qualquer valor dentro de um intervalo e para estas não é possível enumerar todos os valores possíveis e suas respectivas probabilidades. Para estas distribuições convém elaborar uma função de densidade de probabilidade.
Como existem infinitos pontos cada um com igualprobabilidade, se fossemos usar o mesmo método usado para a variável aleatória discreta, cada ponto teria probabilidade de ocorrência igual a zero.
A densidade de probabilidade de uma variável é comumente chamada de sua Distribuição de Probabilidade.
DISTRIBUIÇÃO NORMAL
Entre as distribuições teóricas de variável aleatória contínua, uma das mais empregadas é a distribuição Normal.Muitas das variáveis analisadas na pesquisa sócio-econômica correspondem à distribuição normal ou dela se aproximam. Propriedades da distribuição normal :1ª - A variável aleatória X pode assumir todo e qualquer valor real.2ª - A representação gráfica da distribuição normal é uma curva em forma de sino, simétrica em torno da média, que recebe o nome de curva normal ou de Gauss.3ª - A área total limitada pela curva e pelo eixo das abscissas é igual a 1, já que essa área corresponde à probabilidade de a variável aleatória X assumir qualquer valor real.4ª - A curva normal é assintótica em relação ao eixo das abscissas, isto é, aproxima-se indefinidamente do eixo das abscissas sem, contudo, alcançá-lo.5ª - Como a curva é simétrica em torno da média, a probabilidade de ocorrer valor maior que a média é igual à probabilidade de ocorrer valor menor do que a média, isto é, ambas as probabilidades são iguais a 0,5 ou 50%. Cada metade da curva representa 50% de probabilidade.
Abraham de Moivre, em 1733, publicou a equação da curva normal:
que permite gerar o seguinte gráfico:
• O gráfico da distribuição normal assemelha-se a um sino e seu formato dependerá dos valores dos parâmetros µ e .
• Notação de uma variável com distribuição normal:
);( 2X
A probabilidade de X assumir qualquer valor X0 é zero, isto é (PX=X0) = 0, logo, são iguais as probabilidades:
P (a < x < b) = P (a ≤ x ≤ b) = à area sob a curva compreendida entre dois pontos.
Distribuição Normal padronizada
Seja X uma variável aleatória com distribuição N(µ;2).
Considere a transformação linear:
ii
XZ
A média de Z é zero e a sua variância é igual a 1, logo a função densidade da variável Z é dada por:
Uso da distribuição normal padronizada
Z 0,00 0,01 ..... 0,07
0,0
0,1
0,2
M
1,1 0,3790
Exemplos do uso de z: 1. Em uma população de indivíduos adultos de
sexo masculino, cuja estatura média é 1,70m e desvio padrão é 0,08m, qual é o intervalo de alturas em que 95% da população está compreendida?
95% = ± 1,96 = 1,70 ± 1,96 x 0,08
= 1,70 + 0,1568 = 1,8568 (maior altura) e = 1,70 - 0,1568 =1,5432 (menor altura).
Assim sendo, 95% da população tem altura entre 1,5432m e 1,8568m. Portanto, será pouco provável encontrar alguém com altura superior a 1,8568m (2,5%) ou abaixo de 1,5432m (2,5%).
2. Na mesma população, qual a probabilidade de um indivíduo ter estatura entre 1,60 e 1,82m?
Calcula-se dois valores de z: zmin = (1,60 - 1,70) / 0,08 = 1,25 zmax = (1,82 - 1,70) / 0,08 = 1,50
A área entre z = 0 e z = -1,25 é 39,44 e a área entre z = 0 e z = 1,82 é de 43,32.
Portanto, a probabilidade de se encontrar alguém com estatura entre 1,60 e 1,82m é 0,3944 + 0, 4332 = 0,8276 = 82,76%