Escolar Documentos
Profissional Documentos
Cultura Documentos
SUMRIO
1. VARIVEIS ALEATRIAS CONTNUAS ..............................................................................................................2
1.1. CLCULO DE PROBABILIDADE COM UMA VAC .........................................................................................................2
1.2. A FUNO DE DISTRIBUIO ACUMULADA ...............................................................................................................3
1.3. VARIVEL ALEATRIA CONTNUA (CARACTERIZAO).............................................................................................4
1.3.1. Expectncia, esperana, mdia ou valor esperado de X ...................................................................................4
1.3.2. A varincia de X .............................................................................................................................................4
1.3.3. O desvio padro .............................................................................................................................................4
1.3.4. A varincia relativa e o coeficiente de variao ..............................................................................................4
1.4. DISTRIBUIES ESPECIAIS DE PROBABILIDADE CONTNUAS .......................................................................................5
1.5. A DISTRIBUIO UNIFORME .....................................................................................................................................5
1.5.1. Propriedades da distribuio uniforme ...........................................................................................................5
1.5.2. A distribuio exponencial..............................................................................................................................7
1.5.3. Propriedades da distribuio Exponencial ......................................................................................................8
1.6. A DISTRIBUIO NORMAL .......................................................................................................................................9
1.6.1. Propriedades da distribuio normal ..............................................................................................................9
1.6.2. Outras propriedades..................................................................................................................................... 10
1.6.3. Tabelas......................................................................................................................................................... 11
1.6.4. Relao entre as distribuies Binomial e Normal......................................................................................... 13
1.7. A FUNO GAMA.................................................................................................................................................. 14
1.8. A DISTRIBUIO T (DE STUDENT) .......................................................................................................................... 15
1.8.1. Propriedades da distribuio t (de Student)................................................................................................... 16
1.9. A DISTRIBUIO QUI-QUADRADO..................................................................................................................... 17
1.9.1. Propriedades da distribuio 2 (qui-quadrado) ........................................................................................... 17
1.10. A DISTRIBUIO F (DE SNEDECOR) ...................................................................................................................... 19
1.10.1. Propriedades da distribuio F (de Snedecor)............................................................................................. 19
2. PROPRIEDADES DA MDIA E DA VARINCIA DE VARIVEIS ALEATRIAS.......................................... 21
2.1. MDIA.................................................................................................................................................................. 21
2.2. VARINCIA........................................................................................................................................................... 21
2.3. A MEDIANA E A MODA ........................................................................................................................................... 22
2.4. DESIGUALDADES DE TCHEBYCHEFF E CAMP-MEIDELL ........................................................................................... 22
2.5. O TEOREMA CENTRAL DO LIMITE ........................................................................................................................... 23
3. EXERCCIOS ........................................................................................................................................................... 24
4. RESPOSTAS DOS EXERCCIOS............................................................................................................................ 28
5. REFERNCIAS ........................................................................................................................................................ 29
- h t t p : / / w w w . m a t . u f r g s. b r / ~ v i a l i /
E L E ME N TO S DE PRO B AB IL ID ADE
1. VARIVEIS ALEATRIAS CONTNUAS
Seja E um experimento e S um espao amostra associado. Se X uma varivel aleatria definida em S tal que X(S) seja infinito no-enumervel, isto , X(S) seja um intervalo de nmeros reais,
ento X dita uma varivel aleatria contnua.
Definio
Seja X uma varivel aleatria contnua (VAC). A funo f(x) que associa a cada x X(S) um
nmero real que satisfaz as seguintes condies:
(a) f(x) 0, para todo x X(S) e
(b) X(S)f(x)dx = 1
denominada de funo densidade de probabilidade (fdp) da varivel aleatria X.
Neste caso f(x) representa apenas a densidade no ponto x, ao contrrio da varivel aleatria
discreta, f(x) aqui no a probabilidade de a varivel assumir o valor x.
P r o f . L o r Vi a l i , D r . - v i a l i @ m a t . u f r g s . b r
- h t t p : / / w w w . m a t . u f r g s. b r / ~ v i a l i /
(c) Se uma funo f* satisfizer s condies f*(x) 0 para todo x e f * (x)dx = k, onde k
um nmero real positivo, mas no igual a 1, ento f*(x) pode ser transformada numa fdp mediante a
seguinte transformao:
f(x) = f*(x) / k , para todo x.
Neste caso a f(x) ser uma funo densidade de probabilidade.
(d) Se X assumir valores apenas num intervalo finito [a; b], pode-se simplesmente por f(x) =
0 para todo x [a; b]. como conseqncia a fdp ficar definida para todos os valores reais de x e pode
se exigir que
f ( x)dx = 1. Assim, sempre que a f(x) for especificada apenas num intervalo finito,
deve-se supor que seja zero para todos os demais valores no pertencentes ao intervalo.
Exemplo 1.1
Seja X uma VAC com fdp dada por:
f(x) = 2x
= 0,
se 0 < x < 1
para quaisquer outros valores.
Soluo:
Suponha-se que X seja uma VAC com fdp dada por:
f(x) = 2x
= 0,
se 0 < x < 1
para quaisquer outros valores.
Determinar a FD de X
Soluo:
A funo de distribuio de X a funo F tal que:
P r o f . L o r Vi a l i , D r . - v i a l i @ m a t . u f r g s . b r
- h t t p : / / w w w . m a t . u f r g s. b r / ~ v i a l i /
F(x) = P(X x) =
x
f (u)du
x
2udu
0 se x 0
= x2 se 0 < x 1
1
se x > 1
= E(X) =
x. f ( x)dx
1.3.2. A varincia de X
Seja X uma varivel aleatria contnua com mdia = E(X). Ento a varincia de X, anotada
por 2 ou V(X) definida por:
2
2
2
2
2
2 = V(X) =
( x ) . f ( x)dx =
x . f ( x)dx - = E(X ) -
2 = 2 / 2
O coeficiente de variao de X definido como a raiz quadrada da varincia relativa:
=/
Exemplo 1.2
Determinar a expectncia e a varincia da VAC cuja fdp dada por:
P r o f . L o r Vi a l i , D r . - v i a l i @ m a t . u f r g s . b r
- h t t p : / / w w w . m a t . u f r g s. b r / ~ v i a l i /
f(x) = 3x2
=0
se
-1 x 0
caso contrrio
Soluo:
= E(X) =
x. f ( x)dx = 01 x.(3 x2)dx = 01(3 x3 )dx = 3. = 3/4 = 0,75
4 1
= V(X) =
x2 . f ( x)dx
- =
x2 .(3 x2)dx
- (3/4) =
3x4 dx
5
- (3/4) = 3. x - (3/4)2
5 1
2
= 3/80.
= E(X) =
x. f ( x)dx = a x.
dx = (a + b) / 2
b a
P r o f . L o r Vi a l i , D r . - v i a l i @ m a t . u f r g s . b r
- h t t p : / / w w w . m a t . u f r g s. b r / ~ v i a l i /
Varincia
2
2 = V(X) =
x .
1
(a + b)
2
dx -
= (b - a) / 12
ba
2
Desvio padro
=
(b a)2
12
se x < a
0,
x a
, se a x b
b a
se x b
1,
Exemplo 1.3
Seja X uma VAC com distribuio uniforme no intervalo [5, 10]. Determinar as probabilidades:
(a) P(X < 7)
Soluo:
Utilizando a FDA da varivel vem:
(a) P(X < 7) = F(7) = (7 - 5) / (10 - 5) = 2 / 5 = 40%
(b) P(X > 8,5) = 1 - P(X < 8,5) = 1 - F(8,5) = 1 - (8,5 - 5) / (10 - 5) = 1 - 3,5 / 5 = 1 - 0,70 =
30%
(c) P(8 < X < 9) = F(9) - F(8) = (9 - 5) / (10 - 5) - (8 - 5) / (10 - 5) = 4 / 5 - 3 / 5 = 1 / 5 = 20%
(d) P(|X - 7,5| > 2) = P(X - 7,5 > 2 ou X - 7,5 < -2) = P(X > 9,5 ou X < 5,5) = 1 - F(9,5) +
F(5,5) = 20%
P r o f . L o r Vi a l i , D r . - v i a l i @ m a t . u f r g s . b r
- h t t p : / / w w w . m a t . u f r g s. b r / ~ v i a l i /
para t > 0
caso contrrio
2,0
E(1)
E(0,5)
1,6
E(2)
1,2
0,8
0,4
0,0
0,0
1,0
2,0
3,0
4,0
5,0
6,0
7,0
8,0
para t > 0
0,9
0
Desta forma o lucro do fabricante ser uma VAD T com a seguinte distribuio:
P r o f . L o r Vi a l i , D r . - v i a l i @ m a t . u f r g s . b r
- h t t p : / / w w w . m a t . u f r g s. b r / ~ v i a l i /
-2
f(t)
0,5934
0,4066
= E(T) = 0 t. f ( t)dt = 0 t. e t dt = 1/
Varincia
2 = E(T2) - 2 = 0 t 2 . e t dt - 2 = 1/2
O desvio padro
=
1 =1
1 e
se t < 0
t
, se t 0
-(s+t)
/ e-s =
e-t
Portanto P(T s + t / T s) = P(T t)
P r o f . L o r Vi a l i , D r . - v i a l i @ m a t . u f r g s . b r
- h t t p : / / w w w . m a t . u f r g s. b r / ~ v i a l i /
, isto :
F(t) = P(T t) = 1 - e-t
( x )2 / 2 2
, para - x
Varincia
V(X) = 2, isto , a varincia da distribuio normal o parmetro ao quadrado.
P r o f . L o r Vi a l i , D r . - v i a l i @ m a t . u f r g s . b r
- h t t p : / / w w w . m a t . u f r g s. b r / ~ v i a l i /
O desvio padro
O desvio padro da distribuio normal o parmetro .
1
2
u2 / 2
du
Esta integral, e alis como de qualquer outra normal, no pode ser avaliada pelo mtodo tradicional (teorema fundamental do clculo). Ela s pode ser calculada por mtodos numricos. E por isso
ela encontrada tabelada em qualquer livro texto de Probabilidade ou Estatstica.
Figura 1.2 Distribuies normais: N(0; 1/2), N(0; 1) e N(0; 2)
0,8
0,6
0,4
0,2
0,0
-5,0
-4,0
-3,0
-2,0
-1,0
0,0
1,0
2,0
3,0
4,0
5,0
P r o f . L o r Vi a l i , D r . - v i a l i @ m a t . u f r g s . b r
- h t t p : / / w w w . m a t . u f r g s. b r / ~ v i a l i /
10
(z) =
1
2
2
e z / 2 ,
para - z
(i) Se X uma N(, ), ento Z = (X - ) / a normal padro ou reduzida. Isto significa que
qualquer curva normal poder ser padronizada, mediante esta transformao.
1.6.3. Tabelas
A forma de se calcular probabilidade com qualquer distribuio normal atravs da tabela da
normal padro. Assim se X : N(, ) ento primeiro necessrio padronizar X, isto , fazer:
Z = (X - ) / .
Em seguida obter em uma tabela o valor da probabilidade, isto , o valor:
P(Z z) = (z)
Este valor (z) pode ser lido como valor tabelado de z e significa a probabilidade de a varivel aleatria contnua Z = (X - ) / assumir valores esquerda (abaixo de) do valor particular z.
Lembrar que qualquer tabela construda fornecendo os valores da FDA de Z. A maioria delas fornece as probabilidades de Z z para valores de z entre -3,09 e +3,09 e com aproximao centesimal. Algumas fornecem valores de z entre 0 e 3,09
Assim o primeiro valor tabelado em geral (-3,09) = P(Z -3,09) que vale 0,0000, isto ,
zero com uma aproximao de 4 decimais. O valor seguinte seria (-3,08) = P(Z -3,08) = 0,0001.
O ltimo valor tabelado , em geral, (3,09) = P(Z 3,09) = 1,000, pois o valor acumulado,
isto quer dizer, que at este valor tem-se a totalidade da rea til sob a curva avaliada com uma aproximao de 4 decimais.
P r o f . L o r Vi a l i , D r . - v i a l i @ m a t . u f r g s . b r
- h t t p : / / w w w . m a t . u f r g s. b r / ~ v i a l i /
11
Convm ressaltar que as tabelas sendo da FDA de Z fornecem a rea esquerda de um valor qualquer
z. No entanto, como a curva simtrica, se quisssemos, a rea direita de z, basta observar que:
P(Z > z) = 1 - P(Z z) = 1 - (z) = (-z)
0,5
0,4
0,3
0,2
0,1
0,0
-4,0
-3,0
-2,0
-1,0
0,0
1,0
2,0
S1
3,0
4,0
(d) P(-1 Z 1)
Soluo:
(a) P(Z < 2,23) = (2,23) = 98,71%
(b) P(Z > -1,45) = 1 - P(Z -1,45) = 1 - (-1,45) = 1 - 0,0735 = 92,65%
(c) P(-2 < Z 2) = (2) - (-2) = 0,9772 - 0,0228 = 95,44%
(d) P(-1 Z 1) = (1) - (-1) = 0,8413 - 0,1587 = 68,26%
Exemplo 1.6
Seja X uma VAC com distribuio N(10, 2). Determinar:
(a) P(X < 10)
P r o f . L o r Vi a l i , D r . - v i a l i @ m a t . u f r g s . b r
- h t t p : / / w w w . m a t . u f r g s. b r / ~ v i a l i /
12
Soluo:
Neste caso, antes de se poder procurar os valores na tabela necessrio padronizar cada valor
de X, atravs da expresso:
Z = (X - ) / = (X - 10) / 2
(a) P(X < 10) = P((X - 10) / 2 < (10 - 10) / 2) = P(Z < 0) = (0) = 50%
(b) P(X > 11,50) = P(Z > (11,50 - 10) / 2) = P(Z > 0,75) = 1 - (0,75) = 22,66%
(c) P(8 < X 12) = P(-1 < Z 1) = (1) - (-1) = 0,8413 - 0,1587 = 68,26%
(d) P(6,08 X 13,92) = P(-1,96 < Z 1,96) = (1,96) - (-1,96) = 0,9750 - 0,0250 = 95%
P(X = x) = .px. qn x
Quando o nmero de provas n cresce (tende ao infinito) a distribuio binomial tende a uma
distribuio normal de mdia = np e desvio padro = npq
Em geral admite-se que para np 5 e nq 5, n j ser suficientemente grande para se poder
aproximar uma distribuio binomial pela normal.
No entanto, devido ao fato de se estar aproximando uma distribuio discreta, atravs de uma
contnua, recomenda-se para se obter maior preciso, realizar uma correo de continuidade que consiste em transformar, por exemplo, P(X = x) no intervalo P(x - 0,5 < X < x + 0,5) e o mesmo em qualquer outra situao.
Exemplo 1.7
No lanamento de 30 moedas honestas, qual a probabilidade de sarem:
(a) Exatamente 12 caras?
(b) Mais de 20 caras?
Soluo:
(a) A probabilidade de sarem 12 caras dada pela distribuio binomial por:
30
12
18
. 0,5 . 0,5
12
P(X = 12) =
= 8,06%
P r o f . L o r Vi a l i , D r . - v i a l i @ m a t . u f r g s . b r
- h t t p : / / w w w . m a t . u f r g s. b r / ~ v i a l i /
13
= np = 30.(1/2) = 15
1 1
2 2
= npq = 30. .
= 2,7386
Ento P(X =12) calculado pela normal com utilizao da correo de continuidade ser:
P(X =12) P(11,5 < X < 12,5) = P(-1,28 < Z < -0,91) = 0,3997 - 0,3186 = 8,11%, que no
muito diferente do valor exato 8,06%.
i
30 1 1
. .
i= 21 i 2 2
30
30 i
= 2,14%
Gama (x ) = ( x ) = 0 t x 1e t dt
( x + 1) = x!
( x + 1) = x ( x )
(1 / 2) =
A funo gama pode ser considerada uma generalizao do Fatorial.
Se n um inteiro positivo, ento:
(n) = (n 1)!
E , ento::
x
(1) = 0
e dx = 1
Graficamente a funo Gama tem um comportamento estranho, especialmente para os nmeros negativos devido aos pontos de descontinuidade. A Figura 1 mostra o grfico da funo Gama apenas para os nmeros positivos que so de maior interesse.
P r o f . L o r Vi a l i , D r . - v i a l i @ m a t . u f r g s . b r
- h t t p : / / w w w . m a t . u f r g s. b r / ~ v i a l i /
14
(x)
18
16
14
12
10
8
6
4
2
0
0,0
0,5
1,0
1,5
2,0
2,5
3,0
3,5
4,0
4,5
5,0
Figura 1.4 - Grfico da funo Gama no domnio dos nmeros reais positivos
t (x) =
+ 1
2
x
1 +
2
2
+1
2
= 1 ,2, 3,...
Para qualquer valor inteiro e positivo de a distribuio t assume uma forma muito parecida
com a curva normal-padro (Z) sendo que a aproximao ser tanto melhor quanto maior for o valor
de . A Figura 1.5 apresenta a forma da distribuio de Student para alguns valores de .
P r o f . L o r Vi a l i , D r . - v i a l i @ m a t . u f r g s . b r
- h t t p : / / w w w . m a t . u f r g s. b r / ~ v i a l i /
15
0,40
fdp de
t(1)
0,30
t(5)
t(25)
0,20
0,10
0,00
-6
-5
-4
-3
-2
-1
Varincia
V(X) = 2 =
O desvio padro
=
Tabelas
O que tabelado a funo inversa (percentis), em relao a rea direita (unilateral) de cada
curva (uma para cada linha), ou a soma das caudas (bilateral), isto , a tabela retorna um valor t tal
que P(T t) = (unilateral) ou P(|T| t) = (bilateral).
P r o f . L o r Vi a l i , D r . - v i a l i @ m a t . u f r g s . b r
- h t t p : / / w w w . m a t . u f r g s. b r / ~ v i a l i /
16
As duas opes podem ser colocadas em uma mesma tabela. Pode-se ler uma rea (a) de cima
para baixo e se ter um valor unilateral (P(T t) = ) ou ler a rea (a) de baixo para cima e se ter um
valor t tal que P(T t) = /2.
P(t de Student valor tabelado) =
Valores unilaterais
0.5000
0.2000
0.1000
0.0500
0.0400
0.0200
0.0100
0.0050
0.0010
1.000
3.078
6.314
12.706
15.894
31.821
63.656
127.321
636.578
0.816
1.886
2.920
4.303
4.849
6.965
9.925
14.089
31.600
0.765
1.638
2.353
3.182
3.482
4.541
5.841
7.453
12.924
0.741
1.533
2.132
2.776
2.999
8.610
0.727
1.476
2.015
2.571
2.757
4.604
P(93.747
< -2,262)
= 2,5%5.598
ou
3.365> 2,262)
4.032= 2,5%
4.773
P(
9
0.718
1.440
1.943
2.447
2.612
3.143
3.707
4.317
5.959
0.711
1.415
1.895
2.365
2.517
2.998
3.499
4.029
5.408
0.706
1.397
1.860
2.306
2.449
2.896
3.355
3.833
5.041
0.703
1.383
1.833
2.262
2.398
2.821
3.250
3.690
4.781
10
0.700
1.372
1.812
2.228
2.359
2.764
3.169
3.581
4.587
11
0.697
1.363
1.796
2.201
2.328
2.718
3.106
3.497
4.437
6.869
12
0.695
1.356
P(|
1.782 9| 2,262)
2.179 = 5%
2.303
2.681
3.055
3.428
4.318
13
0.694
1.350
1.771
2.160
2.282
2.650
3.012
3.372
4.221
14
0.692
1.345
1.761
2.145
2.264
2.624
2.977
3.326
4.140
15
0.691
1.341
1.753
2.131
2.249
2.602
2.947
3.286
4.073
1
2
x
2
2
2
= 1, 2, 3,...
x [0; )
Varincia
V(X) = 2 = 2
O valor denominado de "graus de liberdade".
P r o f . L o r Vi a l i , D r . - v i a l i @ m a t . u f r g s . b r
- h t t p : / / w w w . m a t . u f r g s. b r / ~ v i a l i /
17
O desvio padro
= 2
Representao grfica
1,00
Q(1)
Q(2)
Q(3)
0,80
0,60
0,40
0,20
0,00
0,0
1,0
2,0
3,0
4,0
5,0
6,0
7,0
8,0
Tabelas
O que tabelado a funo inversa, em relao a rea direita de cada curva (uma para cada
linha), isto , dado um valor de rea na cauda direita (a), a tabela retorna um valor x tal que P(2 x)
= .
0.995
0.990
0.975
0.950
0.900
0.100
0.050
0.025
0.100
0.005
0.000
0.000
0.001
0.004
0.016
2.706
3.841
5.024
2.706
7.879
0.010
0.020
0.051
0.103
0.211
4.605
5.991
7.378
4.605
10.597
0.072
0.115
0.216
0.352
0.584
6.251
7.815
9.348
6.251
12.838
0.207
0.297
0.484
0.711
1.064
7.779
9.488
11.143
7.779
14.860
9.236= 90%
11.070
0,211]
12.832
9.236
16.750
2
P[1.610
(2)
0.412
0.554
0.831
1.145
0.676
0.872
1.237
1.635
2.204
10.645
12.592
14.449
10.645
18.548
0.989
1.239
1.690
2.167
2.833
12.017
14.067
16.013
12.017
20.278
1.344
1.647
2.180
2.733
3.490
13.362
15.507
17.535
13.362
21.955
1.735
2.088
2.700
3.325
4.168
14.684
16.919
19.023
14.684
23.589
10
2.156
2.558
3.247
3.940
4.865
15.987
18.307
20.483
15.987
25.188
P r o f . L o r Vi a l i , D r . - v i a l i @ m a t . u f r g s . b r
- h t t p : / / w w w . m a t . u f r g s. b r / ~ v i a l i /
18
Fm ,n
m + n m n m 1
m 2 n2 x 2
2
m, n = 1, 2, 3,
=
m+ n
m n
(mx + n ) 2
2 2
x [0; )
m
m2
Varincia
V(X) = 2 =
2 m 2 (m + n 2 )
m(m 2 )( n 4 )
1,0
fdp de
0,8
F(1, 3)
F(2, 5)
0,6
F(5, 10)
0,4
F(20, 20)
0,2
0,0
12
15
- h t t p : / / w w w . m a t . u f r g s. b r / ~ v i a l i /
19
Tabelas
O que tabelado a percentil 95% ou 99% - rea direita de cada curva (uma para cada par
de valores numerador, denominador) igual a 5% e 1%, isto , x tal que P[F(m, n) x] = 5% ou
P[F(m, n) x] = 1%.
Tabela F Probabilidades unilaterais direita a 5%
1
10
11
12
13
14
15
16
161,45 199,50
215,71
224,58
230,16 233,99 236,77 238,88 240,54 241,88 242,98 243,90 244,69 245,36 245,95 246,47
18,51
19,00
19,16
19,25
19,30
19,33
19,35
19,37
19,38
19,40
19,40
19,41
19,42
19,42
19,43
19,43
10,13
9,55
9,28
9,12
9,01
8,94
8,89
8,85
8,81
8,79
8,76
8,74
8,73
8,71
8,70
8,69
7,71
6,94
6,59
6,39
6,26
6,16
6,09
6,04
6,00
5,96
5,94
5,91
5,89
5,87
5,86
5,84
6,61
5,79
5,41
5,19
5,05
4,95
4,88
4,82
4,77
4,74
4,70
4,68
4,66
4,64
4,62
4,60
5,99
5,14
4,76
4,53
4,39
4,28
4,21
4,15
4,10
4,06 7)
4,03
4,00 = 5%
3,98
P[F(5,
3,97]
3,96
3,94
3,92
5,59
4,74
4,35
4,12
3,97
3,87
3,79
3,73
3,68
3,64
3,60
3,57
3,55
3,53
3,51
3,49
5,32
4,46
4,07
3,84
3,69
3,58
3,50
3,44
3,39
3,35
3,31
3,28
3,26
3,24
3,22
3,20
5,12
4,26
3,86
3,63
3,48
3,37
3,29
3,23
3,18
3,14
3,10
3,07
3,05
3,03
3,01
2,99
10
4,96
4,10
3,71
3,48
3,33
3,22
3,14
3,07
3,02
2,98
2,94
2,91
2,89
2,86
2,85
2,83
10
11
12
13
14
15
16
1 4052,18 4999,34 5403,53 5624,26 5763,96 5858,95 5928,33 5980,95 6022,40 6055,93 6083,40 6106,68 6125,77 6143,00 6156,97 6170,01
2
98,50
99,00
99,16
99,25
99,30
99,33
99,36
99,38
99,39
99,40
99,41
99,42
99,42
99,43
99,43
99,44
34,12
30,82
29,46
28,71
28,24
27,91
27,67
27,49
27,34
27,23
27,13
27,05
26,98
26,92
26,87
26,83
21,20
18,00
16,69
15,98
15,52
15,21
14,98
14,80
14,66
14,55
14,45
14,37
14,31
14,25
14,20
14,15
16,26
13,27
12,06
11,39
10,97
P[F(5,
7,46]10,16
= 1%10,05
10,67
10,467) 10,29
9,96
9,89
9,82
9,77
9,72
9,68
13,75
10,92
9,78
9,15
8,75
8,47
8,26
8,10
7,98
7,87
7,79
7,72
7,66
7,60
7,56
7,52
12,25
9,55
8,45
7,85
7,46
7,19
6,99
6,84
6,72
6,62
6,54
6,47
6,41
6,36
6,31
6,28
11,26
8,65
7,59
7,01
6,63
6,37
6,18
6,03
5,91
5,81
5,73
5,67
5,61
5,56
5,52
5,48
10,56
8,02
6,99
6,42
6,06
5,80
5,61
5,47
5,35
5,26
5,18
5,11
5,05
5,01
4,96
4,92
10
10,04
7,56
6,55
5,99
5,64
5,39
5,20
5,06
4,94
4,85
4,77
4,71
4,65
4,60
4,56
4,52
P r o f . L o r Vi a l i , D r . - v i a l i @ m a t . u f r g s . b r
- h t t p : / / w w w . m a t . u f r g s. b r / ~ v i a l i /
20
sas variveis.
E(X.Y) = E(X).E(Y)
2.2. VARINCIA
(1) A varincia de uma constante nula
V(k) = 0
(2) Se multiplicarmos os valores de uma varivel aleatria por uma constante, a varincia fica multi-
V(X k) = V(X)
(4) A varincia de uma soma ou diferena de duas variveis aleatrias independentes igual a soma
- h t t p : / / w w w . m a t . u f r g s. b r / ~ v i a l i /
21
4
9k 2
(Desigualdade de Camp-Meidell)
Compare o limite superior da probabilidade P[(X - | 2)], obtida pela desigualdade de Tchebycheff, com a probabilidade exata se X for uniformemente distribuda sobre (-1, 3).
P r o f . L o r Vi a l i , D r . - v i a l i @ m a t . u f r g s . b r
- h t t p : / / w w w . m a t . u f r g s. b r / ~ v i a l i /
22
Soluo:
3
3
) = 0 a probabilidade exata.
3
3
) 1/4.
|X - | < 2
1 - 1/4 = 75%
2.5. O TEOREMA CENTRAL DO LIMITE
Sejam X1, X2, ... Uma seqncia de variveis aleatrias iid (independentes e identicamente
distribudas) com E(X i2 ) <
Sejam = E(Xi) e 2 = Var(Xi).
Ento para todos os valores a e b tais que a b, tem-se:
n
Xi n
1 x2 2
b ab
P a i =1
dx = (b) (a)
e
n
2
P r o f . L o r Vi a l i , D r . - v i a l i @ ma t . u f r g s . br
- ht t p : / / w w w . ma t . u f r g s. br / ~ vi a l i /
23
3. EXERCCIOS
(78) Uma varivel aleatria contnua tem a seguinte funo densidade de probabilidade:
caso contrrio.
o valor de k.
(80) Uma varivel aleatria contnua X definida pela seguinte funo densidade:
f(x) =
3
(x 1)2 para 0 x < 2. Determinar:
2
(80.1) A mdia
(80.2) A varincia
2kx
se 0 x < 3;
se 3 x < 5;
caso contrario
(84) Suponha que um mecanismo eletrnico tenha um tempo de vida X (em unidades de 1000 horas)
f(t) = 0,001e
-0,001t
para t > 0
= 0 caso contrrio
P r o f . L o r Vi a l i , D r . - v i a l i @ ma t . u f r g s . br
- ht t p : / / w w w . ma t . u f r g s. br / ~ vi a l i /
24
Determinar
(85.1) A probabilidade de que uma lmpada dure mais do que 1200 horas.
(85.2) A probabilidade de que uma lmpada dure menos do que sua durao mdia.
(85.3) A durao mediana.
(86) Se as interrupes no suprimento de energia eltrica ocorrem segundo uma distribuio de Pois-
son com a mdia de uma por ms (quatro semanas), qual a probabilidade de que entre duas interrupes consecutivas haja um intervalo de:
(86.1) Menos de uma semana.
(88) Se X tem uma distribuio normal com mdia 100 e desvio padro 10, determine:
(88.1) P(X < 115)
(89.2) P(|X - | )
e desvio padro de 50. Se a empresa decide fabricar 600 unidades no ms em estudo, qual a probabilidade de que no possa atender a todos os pedidos desse ms, por estar com a produo esgotada?
(92) O nmero de pedidos de compra de certo produto que uma cia recebe por semana distribui-se
normalmente, com mdia 125 e desvio padro de 25. Se em uma dada semana o estoque disponvel
de 150 unidades, qual a probabilidade de que todos os pedidos sejam atendidos? Qual deveria ser o
estoque para se tivesse 99% de probabilidade de que todos os pedidos fossem atendidos?
P r o f . L o r Vi a l i , D r . - v i a l i @ ma t . u f r g s . br
- ht t p : / / w w w . ma t . u f r g s. br / ~ vi a l i /
25
(93) Uma enchedora automtica de garrafas de refrigerantes est regulada para que o volume mdio de
lquido em cada garrafa seja de 1000 cm3, com desvio padro de 10 cm3. Pode-se admitir que a distribuio da varivel seja normal.
(93.1) Qual a percentagem de garrafas em que o volume de lquido menor que 990 cm3?
(93.2) Qual a percentagem de garrafas em que o volume do lquido no se desvia da mdia em
mdia 0,10 cm e desvio padro 0,02 cm. Se o dimetro do anel diferir da mdia de mais do que 0,03
cm, ele vendido por R$ 5,00, caso contrrio, vendido por R$ 10,00. Qual o preo mdio de venda
de cada anel?
(95) Suponha que as amplitudes de vida de dois aparelhos eltricos D1 e D2, tenham distribuies
N(42; 6) e N(45; 3), respectivamente. Se o aparelho para ser utilizado por um perodo de 45 horas,
qual aparelho deve ser preferido? E se for por um perodo de 51 horas?
(96) A distribuio dos pesos de coelhos criados em uma granja pode muito bem ser representada por
uma distribuio normal, com mdia de 5 kg e desvio padro de 0,8 kg. Um abatedouro comprar 5000
coelhos e pretende classific-los de acordo com o peso, do seguinte modo: 20% dos leves como pequenos, os 55% seguintes como mdios, os 15% seguintes como grandes e os 10% mais pesados como
extras. Quais os limites de pesos para cada classificao?
(97) Uma distribuio normal tem desvio padro igual a 5 e tal que 1,5% dos valores esto abaixo de
de que um candidato, que responde ao acaso (chuta) todas as questes, acerte mais do 15 questes?
(99) Um dado equilibrado lanado 120 vezes. Determinar a probabilidade que a face 4 (quatro) apa-
rea:
(99.1) 18 vezes ou menos
(101) Uma varivel aleatria tem mdia igual a 5 e desvio padro igual a 3. Determine:
(101.1) P(|X - 5| 3)
P r o f . L o r Vi a l i , D r . - v i a l i @ ma t . u f r g s . br
- ht t p : / / w w w . ma t . u f r g s. br / ~ vi a l i /
26
(102) Supondo que a mdia de uma varivel aleatria X seja igual a 4 e o desvio padro igual a 2, de-
termine:
(102.1) A probabilidade de X estar no intervalo de 0 a 8. (102.2) Qual o valor mnimo de P(-2
X 10).
P r o f . L o r Vi a l i , D r . - v i a l i @ ma t . u f r g s . br
- ht t p : / / w w w . ma t . u f r g s. br / ~ vi a l i /
27
(80.2) 2 = 0,60
V(X) = 8,33
(83) (83.1) 3
(83.2) 5/4
(85.2) 63,21%.
(86.2) 47,24%
(87.2) 53,28%
(87.3) 50%
(87.4) 46,72%
(88.2) 97,72%
(88.3) 50%
(88.4) a = 20
(89.2) 68,26%
(89.3) 1,645
(89.4) a = - 1,645
(85.3)
(92.2) 184
(93.2) 95,44%
(93.3) No se altera
(99.2) 91,15%
(101.2) h = 30
(101.3) 75%
P r o f . L o r Vi a l i , D r . - v i a l i @ ma t . u f r g s . br
(101.4) 84%
- ht t p : / / w w w . ma t . u f r g s. br / ~ vi a l i /
28
5. REFERNCIAS
BUSSAB, Wilton O, MORETTIN, Pedro A. Estatstica Bsica. 3a ed. So Paulo: Atual, 1986.
COSTA NETO, Pedro Lus de Oliveira, CYMBALISTA, Melvin. Probabilidades: resumos tericos,
Decision Making. New York: John Wiley & Sons, 1987. 827p.
MASON, Robert D., DOUGLAS, Lind A. Statistical Techniques in Business And Economics. IRWIN,
Boston, 1990.
MEYER, Paul L. Probabilidade: aplicaes Estatstica. Rio de Janeiro: Livros Tcnicos e Cientficos, 1978.
MILLER, Charles D., HEEREN, Vern E., HORNSBY Jr., E. John. Mathematical Ideas. USA: Harper
Collins Publishers, 1990.
The Statistics Problem Solver. Research and Education Association, Piscataway, New Jersey, 1993.
ROTHENBERG, Ronald I. Probability and Statistics. Orlando (FL), Hartcourt Brace Jovanovich Publishers, 1991.
ROSS, Sheldon M. Introduction to Probability Models. Orlando (FL): Academic Press, 1985, 502 p.
P r o f . L o r Vi a l i , D r . - v i a l i @ ma t . u f r g s . br
- ht t p : / / w w w . ma t . u f r g s. br / ~ vi a l i /
29