Variveis Aleatrias Contnuas e Distribuies de Probabilidade

Motivao
A quantidade de oxignio dissolvido importante para aferir a qualidade de um regato. Os nveis aceitveis de oxignio variam de 5 mg/L a 12mg/L. estudantes da Strong Vincent High School na Pensilvnia, conduziram um estudo sobre o oxignio dissolvido no Cascade Creek. A curva normal mostra resultados obtidos pelos estudantes. Esses nveis de oxignio dissolvido so aceitveis? Se no forem, so muito baixos ou muito altos? - +

x = 10 s = 1,9

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

200

100

Std. Dev = 994,59 Mean = 2516,6 0

0 0,

N = 1488,00
,0 00 60 ,0 00 55 0 , 00 50 ,0 00 45 ,0 00 40 0 , 00 35 ,0 00 30 ,0 00 25 0 , 00 20 ,0 00 15 ,0 00 10 0 0, 50

Vendas de auto peas

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 normal , com parmetros , em que - < < , e > 0 . Tambm,

2) usada para denotar a distribuio. A mdia e varincia de X E a notao N(,2 2. A varivel aleatria X, que igual ao nmero de tentativas que so iguais a e 2 resultam em um sucesso, com parmetros 0 < p < 1 e n = 1,2,... A funo de probabilidade de X :

4-6 Distribuio Normal

Figura 4-10 Funes densidades de probabilidades normal para valores selecionados dos parmetros e 2.

4-6 Distribuio Normal

99,72%

Alguns resultados teis relativos distribuio normal: Para qualquer varivel aleatria normal,

95,44% 68,26%

-3

-2 -

+ +2

+3

4-6 Distribuio Normal

Definio : Normal Padro
Uma varivel aleatria normal com:

chamada de varivel aleatria normal padro e denotada por Z. A funo distribuio cumulativa de uma varivel aleatria normal padro denotada por:

4-6 Distribuio Normal

Propriedades da Normal Padro
Os valores z so chamados de escores numa distribuio normal padronizada. A rea acumulada est prximo de zero para escores z prximos de 3,49. A rea acumulada para z=0 0,50. A rea acumulada est prxima de 1 para escores z prximos de z=3,49

4-6 Distribuio Normal

Propriedades da Normal Padro
X ~ N ( , 2 )

Z=

1 1 X 1 E(Z ) = E = E X = E ( X ) = ( ) ( ) ( ) = 0
2 1 X 1 Var ( Z ) = Var = 2 Var ( X ) = 2 Var ( X ) = 2 = 1

Z ~ N (0,1)

integrais podem ser tabeladas!

4-6 Distribuio Normal

z - +

P(0 < Z < z ) P(0 < Z < 2,17) = ? P(0 < Z < 2,17) = 0, 4850

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 at encontrar 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 at a linha 1,5 e ento selecionando a coluna marcada com 0,03, encontrando-se assim a probabilidade 0,93699.

Figura 4-13 Funo densidade de probabilidade normal padro.

4-6 Distribuio Normal

Padronizando uma Varivel Aleatria Normal
2, a varivel Se X uma varivel aleatria normal com E(X) = e V(X) = 2 aleatria

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

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 miliampres e 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

4-6 Distribuio Normal

Figura 4-15 Padronizando uma varivel aleatria normal.

4-6 Distribuio Normal

Padronizando para calcular uma probabilidade
2. Ento: Suponha que X seja uma varivel aleatria com mdia e 2

Em que Z uma varivel aleatria normal padro e z = (x-)/ o valor z obtido pela padronizao de X. A probabilidade obtida entrando na Tabela III do Apndice com z = (x-)/.

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

4-6 Distribuio Normal

Exemplo 4-14 (continuao)

Figura 4-16 Determinando o valor de x para encontrar a probabilidade especificada.

4-6 Distribuio Normal

Determinando probabilidades
P( 2,17 < Z < 0) = ?
0,4850

P( 2,17 < Z < 0) = 0, 4850

0,4850

= -
-2,17

2,17

P( 1 < Z < 2) = ?

P( 1 < Z < 2) = 0, 4772 + 0,3413 = 0,8185

0,4772 = -
-1 0 2

0,3413 +

+ -

+ -

0 1

4-6 Distribuio Normal

Determinando probabilidades
P( Z > 1,5) = ?

0,5 = - 0 1,5 + - 0

_ + -

0,4332

0 1,5

P( Z > 1,5) = 0,5 0, 4332 = 0,0668

4-6 Distribuio Normal

Determinando probabilidades
X ~ N (10, 4) P(8 < X < 11) = ?
X - +

10 11

Z=

~ N (0,1)

P(8 10 < X 10 < 11 10) = ?

P(

8 10 X 10 11 10 < < )=? 2 2 2

Z

P( 1 < Z < 0,5) = ?

-
-1

0 0,5

4-6 Distribuio Normal

Determinando escores (valores de x)
0.10

N(3,16) f(x)
rea=5%

0.4 0.3 0.2 0.1

N(0,1)
rea=5%

f(x)
0.05

0.00 -10 0 3 10 20

0.0 -3 -2 -1 0 1
1,65

P(X x )=0,05

P(Z 1,65 )= 0,05

x = + z = 3 + 1.65 * 4 = 9,6

4-6 Distribuio Normal

Distribuio de soma de variveis aleatrias
X 1 ~ N ( 1 , 12 )
2 ) X 2 ~ N ( 2 , 2 2 ) X 3 ~ N ( 3 , 3

3 v.a. independentes com distribuies normal

Y = X1 + X 2 + X 3
Qual a distribuio de Y ?
2 2 ( 1 + 2 + 3 , 12 + 2 +3 ) Y ~ N (?,?)

E (Y ) = E ? ( X 1 + X 2 + X 3 ) = E ( X 1 ) + E ( X 2 ) + E ( X 3 ) = 1 + 2 + 3
2 2 Var (Y ) = ? 12 + 2 +3

4-6 Distribuio Normal

Distribuio de soma de variveis aleatrias
X 1 ~ ?( 1 , 12 )
2 X 2 ~ ?( 2 , 2 ) M

2 X n ~ ?( n , n )

Y = X1 + X 2 + K + X n = X i
i =1

Qual a distribuio de Y ? se n for grande:

n n Y ~ N i , i2 i =1 i =1

Teorema do Limite Central

4-6 Distribuio Normal

Teorema do Limite Central
Se amostras de tamanho n, onde n grande, forem tiradas de uma populao qualquer, com mdia e um desvio padro , ento a distribuio amostral de mdias das amostras se aproximar de uma distribuio normal. Se a prpria populao for normalmente distribuda, a distribuio amostral das mdias das amostras ser normalmente 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 2mdia= 2/n.

4-6 Distribuio Normal

Teorema do Limite Central
Mdia Idade 18-24 25-29 30-34 35-49 50-65 65 ou mais Min 9 11 11 16 21 33

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

4-7 Aproximao da Normal pelas distribuies Binomial e de Poisson

Sob certas condies, a distribuio Normal pode ser usada para aproximar a distribuio Binomial e a distribuio de 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 ser a 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

Aproximao da distribuio Binomial pela Normal
Se X for uma varivel aleatria binomial com parmetros n e p

Ser aproximadamente 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.

4-7 Aproximao da Normal pelas distribuies Binomial e de Poisson

Exemplo 4-18
O problema de comunicao digital no exemplo prvio resolvido como segue

Porque np = (16x106)(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)
0,09

2 = 0, 4 5 E ( X ) = np = 100 * 0, 4 = 40 Var ( X ) = npq = 100 * 0, 4 * 0,6 = 24 n = 100 p=

0,08 0,07 0,06 0,05 0,04 0,03 0,02

X ~ N (40, 24)

0,01 0 0 20 40

30

P(30 < XX 51) = ? = ? (correo de continuidade) (29,5 < 51,5)

60

80

100

51,5 40 29,5 40 <Z< P = 0,9745 (valor exato para Binomial 0,9752) 24 24

4-7 Aproximao da Normal pelas distribuies Binomial e de Poisson

Aproximao da distribuio Poisson pela Normal
Se X for uma varivel aleatria Poisson Poisson com com E(X) E(X) = = e V(X) = ,

Ser aproximadamente 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 ser a 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