Escolar Documentos
Profissional Documentos
Cultura Documentos
INSTITUTO DE MATEMTICA
DEPARTAMENTO DE ESTATSTICA
Maro 2009
CONTEDO
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
41
41
41
42
42
43
43
43
44
44
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
45
45
46
48
49
. . . . .
. . . . .
. . . . .
. . . . .
. . . . .
. . . . .
. . . . .
. . . . .
. . . . .
. . . . .
. . . . .
. . . . .
. . . . .
. . . . .
. . . . .
normal
. . . . .
. . . . .
. . . . .
. . . . .
. . . . .
. . . . .
. . . . .
. . . . .
. . . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
51
51
51
52
52
52
52
53
54
54
55
59
59
59
60
61
63
63
68
69
71
71
71
72
74
75
2.4
2.5
Contedo
1 Variveis Aleatrias Contnuas
1.1 Noes bsicas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.2 Varivel aleatria contnua . . . . . . . . . . . . . . . . . . . . . . . . .
1.3 Funo de densidade de probabilidade . . . . . . . . . . . . . . . . . .
1.4 Funo de distribuio acumulada . . . . . . . . . . . . . . . . . . . .
1.5 Esperana de variveis aleatrias contnuas . . . . . . . . . . . . . . .
1.5.1 Esperana de funes de variveis aleatrias contnuas . . . . .
1.6 Varincia de variveis aleatrias contnuas . . . . . . . . . . . . . . . .
1.7 Propriedades da mdia e da varincia de variveis aleatrias contnuas
1.8 Exemplo 1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.9 Exemplo 2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.10 Exemplo 3 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.11 Exerccios resolvidos . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.12 Exerccios propostos . . . . . . . . . . . . . . . . . . . . . . . . . . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
3
3
5
5
7
8
9
9
10
10
14
17
21
25
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
26
26
27
28
28
28
29
30
30
31
32
32
33
33
34
34
35
35
39
40
41
41
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
4 A Distribuio Normal
4.1 Alguns resultados de Clculo . . . . . . . . . . .
4.1.1 Exerccio resolvido . . . . . . . . . . . . .
4.2 Densidade normal padro . . . . . . . . . . . . .
4.2.1 Denio . . . . . . . . . . . . . . . . . .
4.2.2 Esperana . . . . . . . . . . . . . . . . . .
4.2.3 Varincia . . . . . . . . . . . . . . . . . .
4.2.4 Caractersticas da curva normal padro .
4.2.5 Funo de distribuio acumulada . . . .
4.2.6 Tabulao da distribuio normal padro
4.2.7 Exemplos . . . . . . . . . . . . . . . . . .
4.3 Densidade Q (; 2 ) . . . . . . . . . . . . . . . . .
4.3.1 Denio . . . . . . . . . . . . . . . . . .
4.3.2 Caractersticas dacurva normal . . . . . .
4.3.3 Parmetros da Q ; 2 . . . . . . . . . .
4.3.4 Funo de dsitribuio acumulada . . . .
4.3.5 Clculo de probabilidades de uma varivel
4.3.6 Exemplos . . . . . . . . . . . . . . . . . .
4.4 Exemplo: qui-quadrado e normal . . . . . . . . .
4.4.1 Tabela da qui-quadrado . . . . . . . . . .
4.4.2 Exemplos . . . . . . . . . . . . . . . . . .
4.5 A distribuio log-normal . . . . . . . . . . . . .
4.5.1 Denio . . . . . . . . . . . . . . . . . .
4.5.2 Esperana . . . . . . . . . . . . . . . . . .
4.5.3 Varincia . . . . . . . . . . . . . . . . . .
4.6 Exerccios propostos . . . . . . . . . . . . . . . .
Captulo 1
Noes bsicas
Figura 1.1: Histogramas de uma varivel contnua com diferentes nmeros de classes
i ({) 0
A rea total sob o grco de i ({) igual a 1.
Dada uma funo i ({) satisfazendo as propriedades acima, ento i ({) representa
alguma varivel aleatria contnua [, de modo que S (d [ e) a rea sob a
curva limitada pelos pontos d e e (veja a Figura 1.4).
Figura 1.3: Diferena entre as reas dos retngulos e a rea sob o polgono de freqncia
1.2
Apresentamos, mais uma vez, o conceito de varivel aleatria, que j foi visto no estudo das variveis discretas, por ser este um conceito muito importante. Relembramos
tambm as denies de variveis aleatrias discretas e contnuas.
Denio 1.1 Uma varivel aleatria uma funo real (isto , que assume valores
em R) denida no espao amostral de um experimento aletario. Dito de outra forma,
uma varivel aleatria uma funo que associa a cada evento de um nmero real.
Denio 1.2 Uma varivel aleatria discreta se sua imagem (ou conjunto de valores que ela assume) for um conjunto nito ou enumervel. Se a imagem for um conjunto
no enumervel, dizemos que a varivel aleatria contnua.
1.3
A denio acima usa argumentos geomtricos; no entanto, uma denio mais precisa envolve o conceito de integral de uma funo de uma varivel, que, como se sabe,
representa a rea sob o grco da funo.
Denio 1.4 Uma funo de densidade de probabilidade uma funo i ({) que
satisfaz as seguintes propriedades:
i ({) 0
R
i ({)g{ = 1
Dada uma funo i ({) satisfazendo as propriedades acima, ento i ({) representa
alguma varivel aleatria contnua [, de modo que
Z e
i ({)g{
S (d [ e) =
d
Para deixar clara a relao entre a funo de densidade de probabilidade e a respectiva varivel aleatria [, usaremos a notao i[ ({)=
Uma primeira observao importante que resulta da interpretao geomtrica de
probabilidade como rea sob a curva de densidade de probabilidade a seguinte: se [
uma varivel aleatria contnua, ento a probabilidade do evento [ = d zero, ou
seja, a probabilidade de [ ser exatamente igual a um valor especco nula. Isso pode
ser visto na Figura 1.4: o evento {[ = d} corresponde a um segmento de reta e tal
segmento tem rea nula. Como consequncia, temos as seguintes igualdades:
Pr(d [ e) = Pr(d [ ? e) = Pr(d ? [ e) = Pr(d ? [ ? e)
1.4
{ R
(1.1)
A denio a mesma vista para o caso discreto; a diferena que, para variveis
contnuas, a funo de distribuio acumulada uma funo contnua, sem saltos. Veja
a Figura ?? para um exemplo.
Figura 1.6: Funo de distribuio acumulada - clculo a partir da rea sob a curva de
densidade
Da interpretao de probabilidade como rea, resulta que I[ ({) a rea esquerda
de { sob a curva de densidade i[ = Veja a Figura 1.6.
Existe uma relao entre a funo de densidade de probabilidade e a funo de
distribuio acumulada, que resultante do Teorema Fundamental do Clculo.
Por denio, temos o seguinte resultado:
R{
(1.6)
I[ ({) = Pr([ {) = i[ (x)gx
e do Teorema Fundamental do Clculo resulta que
g
I[ ({)
(1.7)
g{
isto , a funo de densidade de probabilidade a derivada da funo de distribuio
acumulada.
i[ ({) =
(1.2)
lim I[ ({) = 1
(1.3)
lim I[ ({) = 0
(1.4)
{
{
d ? e I[ (d) I[ (e)
(1.5)
1.5
Nas distribuies de frequncias agrupadas em classes de variveis quantitativas contnuas, vimos que a mdia podia ser calculada como
P
{ = il {l
onde il era a frequncia relativa da classe l e {l era o ponto mdio da classe l= Continuando com a idia inicial de tomar classes de comprimento cada vez menor, isto ,
fazendo 0> chegamos seguinte denio de esperana ou mdia de uma varivel
aleatria contnua.
Denio 1.6 Seja [ uma varivel aleatria contnua com funo de densidade de
probabilidade i[ = A esperana (ou mdia ou valor esperado) de [ denida como
Z +
{i[ ({)g{
(1.8)
H([) =
1.5.1
1.7
10
1.6
Esperana
H(d) = d
H([ + d) = H([) + d
H(e[) = eH([)
{min H([) {max
Vimos tambm que a varincia, uma medida de disperso, era calculada como a mdia
dos desvios quadrticos em torno da mdia, ou seja
P
2 = il ({l {)2
No caso de uma varivel aleatria contnua, fazendo k({) = [{ H([)]2 > resulta novamente a denio de varincia como mdia dos desvios quadrticos:
Denio 1.7 Seja [ uma varivel aleatria contnua com funo de densidade de
probabilidade i[ = A varincia de [ denida como
Z +
[{ H([)]2 i[ ({)g{
(1.10)
Y du([) =
p
Y du([)
Se denimos k({) = {2 > a primeira integral nada mais que H([ 2 )> pelo resultado
(1.9). A segunda integral H([) = e a terceira integral igual a 1, pela denio de
funo de densidade. Logo,
Y du([) = H([ 2 ) 22 + 2 = H([ 2 ) 2
1.8
Exemplo 1
Desvio Padro
GS (d) = 0
GS ([ + d) = GS ([)
GS (e[) = |e| GS ([)
GS ([) 0
(1.11)
2
=
{ 2{ + i[ ({)g{
R
R +
R + 2
2 +
=
{ i[ ({)g{ 2 {i[ ({)g{ +
i[ ({)g{
Varincia
Y du (d) = 0
Y du ([ + d) = Y du ([)
Y du (e[) = e2 Y du ([)
Y du([) 0
(1.12)
11
5
1
i[ ({) =
1
4
se 1 { 5
caso contrrio
ou
Z
Pr(2 [ 3) =
3
2
1
1
=
4
4
1
1
g{ =
4
4
1
4
12
1
4
2. Temos que
4
31 27
31
32 =
=
3
3
3
1
n = 3> 4
4
0
{1
4
se { ? 1
se 1 { 5
se { A 5
13
1.9
14
Exemplo 2
2. i[ uma funo linear i[ ({) = d + e{ que passa pelos pontos (1; 0> 1) e (6; 0> 3)>
resultando, portanto, o seguinte sistema de equaes:
0> 1 = d + e
0> 3 = d + 6e
Subtraindo a primeira equao da segunda, obtemos
0> 3 0> 1 = 5e e = 0> 04
15
I[ ({) =
ou seja,
0
0> 02{2 + 0> 06{ 0> 08
I[ ({) =
1
se { ? 1
se 1 { 6
se { A 6
Z {
0> 04w2
I ({) =
(0> 06 + 0> 04w)gw = 0> 06w +
2
1
1
1{6
0> 04{2
(0> 06 + 0> 04{)g{ = 0> 06{ +
Pr(2 [ 3) =
=
2
2
2
= 0> 06 (3 2) + 0> 02 (9 4) = 0> 06 + 0> 1 = 0> 16
Z
4. Veja a Figura 1.15; a podemos ver que, para { [1> 6]> I[ ({) a rea de um
trapzio de altura {1; base maior igual a i[ ({) e base menor igual a i[ (1) = 0> 1=
4> 5208
n=
2
6. Temos que
{3
{2
{ (0> 06 + 0> 04{) g{ = 0> 06 + 0> 04
2
3
1
1
0> 04
63
0> 03 1 +
=
0> 03 36 + 0> 04
3
3
0> 04
11> 75
=
= 1> 08 + 2> 88 0> 03
3
3
H([) =
16
17
6
Z 6
{4
{3
H([ 2 ) =
{2 (0> 06 + 0> 04{) g{ = 0> 06 + 0> 04
3
4 1
1
= (0> 02 216 + 0> 01 1296) (0> 02 + 0> 01)
das retas, basta substituir as coordenadas dos dois pontos e resolver o sistema.
Para a primeira reta temos o seguinte sistema:
0 = d+e0
1
= d+e2
2
Y du([) = 17> 25
1.10
11> 75
3
17> 1875
155> 25 138> 0625
=
9
9
Exemplo 3
18
0 = d+e4
1
= d+e2
2
Subtraindo a segunda equao da primeira, resulta
0
1
1
= (d d) + (4e 2e) e =
2
4
6
3
1
= =
8
8
4
Z 3
{
{
1
g{ +
g{
4
1 4
2
2 2
3
2
{
1 {
+ {
4 2 1
8 2
9
4
1
(4 1) + 3
2
8
8
8
3 15 12
6
3
+
= =
8
8
8
8
4
Z
1
1
(4 0) k k =
2
2
Pr(1 [ 3) =
=
=
=
19
20
4 2 3
4
{4
{
{
+
=
16 0
3
16 2
8 16
16
64 256
0 +
=
16
3
16
3 16
8
64
16 + 1
= 1+
3
3
56
14
14 =
=
3
3
Y du([) =
1,0
0,8
0,6
0,4
2
14
4=
3
3
{
1
I[ ({) = ({ 0)
2
4
{ [0> 2)
{
1
I[ ({) = 1 (4 {) 1
2
4
Combinando os resultados obtidos, resulta a seguinte expresso para I[ :
0
se { ? 0
1 {2
se 0 { ? 2
8
I[ ({) =
1 18 (4 {)2 se 2 { 4
1
se { A 4
0,2
0,0
-1
1
16 8n + n 2
1
8
n2
12+n
8
n2
n + 1> 6
8
n 2 8n + 12> 8
1
= 0> 6 =
= 0> 6 =
= 0> 6 =
= 0 =
= 0 =
8 12> 8
8 64 4 12> 8
=
n =
2
2
21
2> 21
n=
2
1.11
Exerccios resolvidos
N(2 {) se 0 { 1
j({) =
0
se { ? 0 ou { A 1
(a) Esboce o grco de j({)=
Soluo
Veja a Figura 1.20. Note que j(0) = 2N e j(1) = N=
22
0> 19722
T1 =
2
4
1
1
I[ (T2 ) = 0> 5 T2 T22 = 8T2 2T22 = 3
3
3
2
2T22 8T2 + 3 = 0 T22 4T2 + 1> 5 = 0
4 10
4 16 4 1> 5
=
T2 =
2
2
{2
2N{ N
= 1 =
2 0
3N
2
N
= 1 =
= 1 = N =
2
2
3
(c) Encontre a funo de distribuio acumulada.
Soluo
Por denio, I ({) = Pr([ {)= Portanto, para 0 { 1 temos que
{
Z {
w2
2
4{ {2
2
2w
(2 w)gw =
=
I ({) =
3
2 0
3
3
0 3
2N
se { ? 0
se 0 { 1
se { A 1
0> 41886
T2 =
2
4
1
3
I[ (T3 ) = 0> 75 T3 T23 = 16T3 4T23 = 9
3
3
4
9
4T23 16T3 + 9 = 0 T23 4T3 + = 0
4
4 7
4 16 4 2=25
=
T3 =
2
2
A raiz que fornece soluo no domnio de [
4 7
0> 67712
T3 =
2
2. (Bussab&Morettin) A demanda diria de arroz num supermercado, em centenas
de quilos, uma varivel aleatria com funo de densidade de probabilidade
2
se 0 { ? 1
3{
{ + 1 se 1 { ? 3
i ({) =
3
0
se { ? 0 ou { A 3
23
24
1 3 1
3
1
1> 5 0> 5 = = = 0> 375
2
2 2 2
8
ou
2
3
{
1> 52
3
+ 1> 5
+ 1 g{ = + { = + 3
3
6
6
6
1>5
1>5
9 6> 75
2> 25
=
= 0> 375
6
6
6
Z
Pr([ 1> 5) =
=
(b) Qual a quantidade de arroz que deve ser deixada disposio dos clientes
diariamente para que no falte arroz em 95% dos dias?
Soluo
Seja n o valor a estocar. Para que a demanda seja atendida, necessrio que
a quantidade demandada seja menor que a quantidade em estoque. Logo,
queremos encontrar o valor de n tal que Pr([ n) = 0> 95=
Como Pr([ 1) = 13 > n tem que ser maior que 1, ou seja, n est no tringulo
superior (veja a Figura 1.22).
Mas Pr([ n) = 0> 95 equivalente a Pr([ A n) = 0> 05= Logo,
n
1
(3 n) + 1
0> 05 =
2
3
n + 3
0> 1 = (3 n)
3
0> 3 = 9 6n + n 2
n2 6n + 8> 7 = 0
6 36 4 8=7
n =
2
{
{
Pr([ A n) = 0> 05 =
+ 1 g{ = 0> 05 = + { = 0> 05 =
3
6
n
n
2
2
n
n2
9
3
2
= 0> 05 =
n + 0> 05 = 0 = n 6n + 8> 7 = 0
+3 +n
6
6
6
6
mesma equao obtida anteriormente.
3. Seja [ uma varivel aleatria com funo de densidade de probabilidade dada por
2{ se 0 { 1
i[ ({) =
0
caso contrrio
1 1
2
Calcule Pr [ 2 3 [ 3
Soluo
Pr(D E)
= Assim,
Pr(E)
Pr [ 12 13 [ 23
2
1 1
1
=
Pr [ [
2
2 3
3
Pr 3 [ 3
Pr 13 [ 12
1
=
2
Pr 3 [ 3
Z 1@2
1@2
2{g{
{2 1@3
1@3
=
= Z 2@3
2@3
{2 |1@3
2{g{
1
4
4
9
1@3
1
9
1
9
5
36
3
9
5
12
1.12
25
Exerccios propostos
Captulo 2
Distribuio uniforme
Uma varivel aleatria contnua [ tem distribuio uniforme no intervalo [d> e] (nito)
se sua funo de densidade constante nesse intervalo, ou seja, temos que ter
i ({) = n
2)
{ [d> e]
n(2{ {2 ) se 0 { 1
i ({) =
0
caso contrrio
(a) Determine o valor de n=(Resp.: n = 3@2)
(b) Calcule H([) e Var({)= (Resp.: 5@8; 19@320)
(c) Calcule Pr(0 [ 1@2)= (Resp.: 5@16)
3. Uma varivel aleatria [ tem funo de densidade dada por
6{(1 {) se 0 { 1
i ({) =
0
caso contrrio
Se = H([) e 2 = Y du([)> calcule Pr( 2 ? [ ? + 2)=(Resp.: 0> 9793)
4. Uma varivel aleatria [ tem funo de
0
I ({) =
{5
1
1
ed
2.1.1
27
2.1.2
28
Esperana
I ({) = Pr ([ {)
e essa probabilidade dada pela rea sob a curva de densidade esquerda de {> conforme
ilustrado na Figura 2.2.
H([) = d +
d+e
ed
=
2
2
Usando a integral:
Z
H ([) =
e
d
e
1 {2
(e d) (d + e)
1
e2 d2
g{ =
=
=
ed
e d 2 d 2 (e d)
2 (e d)
ou seja,
H ([) =
2.1.3
(2.3)
Varincia
Por denio, Y du ([) = H [ 2 [H ([)]2 ;vamos, ento, calcular H [ 2 :
3 e
Z e
(e d) e2 + de + d2
1
{
1
e3 d3
g{ =
=
{2
=
H [2 =
ed
e d 3 d 3 (e d)
3 (e d)
d
d+e
2
(2.4)
Logo,
Y du ([) =
(2.2)
=
2
2
e + de + d2
e + de + d2
d+e 2
d2 + 2de + e2
=
=
3
2
3
4
2
2
2
2
2
2
d 2de + e
4e + 4de + 4d 3d 6de 3e
=
12
12
ou
Y du ([) =
2.1.4
(e d)2
12
(2.5)
Exerccios propostos
29
(a) Qual a probabilidade de que uma lata tenha contedo superior a 353 ml?
(Resp.: 0,2)
(b) Qual a probabilidade de que uma lata tenha contedo inferior a 346 ml?
(Resp.: 0,1)
(c) O controle de qualidade aceita uma lata com contedo dentro de 4 ml do
contedo exibido na lata. Qual a proporo de latas rejeitadas nessa linha
de produo? (Resp.: 0,2)
30
3. Uma distribuio uniforme no intervalo [d> e] tem mdia 7,5 e varincia 6,75. Determine os valores de d e e, sabendo que e A d A 0= (Resp.: d = 3 e e = 12)
2.2
Distribuio exponencial
Consideremos o grco da funo exponencial i ({) = h{ > dado na Figura 2.4. Podemos
ver a que, se { ? 0> ento a rea sob a curva limitada, o mesmo valendo para uma
funo mais geral i ({) = h{ = Ento, possvel denir uma funo de densidade a
partir da funo exponencial h{ , desde que nos limitemos ao domnio dos nmeros reais
negativos. Mas isso equivalente a trabalhar com a funo h{ para { positivo.
2.2.1
I ({) = Pr ([ {) =
Z
i (w) gw =
ou seja
Figura 2.4: Grco da funo exponencial natural i ({) = exp {
Z
Mas
0
{
1
1
g{ = h{
=
0
Logo
e, portanto, i ({) =
h{
R
0
h{ g{ = 1
Denio 2.1 Diz-se que uma varivel aleatria contnua [ tem distribuio exponencial com parmetro se sua funo de densidade de probabilidade dada por
{
{A0
h
i ({) =
0
{0
I ({) =
2.2.2
1 h{
0
se { A 0
se { 0
(2.6)
Vamos mostrar esse resultado usando a regra de LHpital e demonstrao por induo.
Consideremos o caso em que n = 1= Ento
lim {h{ = lim
{
{ h{
31
1
H ([) =
Desse resultado segue que
Z
0
2.2.4
1
{h{ g{ =
32
(2.9)
{h{ g{ =
1
2
(2.10)
Varincia
{ h{
{
= lim
{
{0
(h{ )0
= lim
{ h{
=0
{2 h{ =
0
{2 h{ g{ +
Z
0
2.2.3
2
H [2 = 2
Resumindo:
[ exp() =
Denindo
2.2.5
y=
h{
2
1
1
Var ([) = 2
2 2
(2.12)
H([) = 1
Y du([) = 12
(2.13)
Parametrizao alternativa
Z
0
{h{ g{ +
Z
0
1 {@
h
H([) =
i ({) =
{h{ =
(2.11)
x = { gx = g{;
gy =
{h{ g{
e, portanto:
Esperana
h{ g{
pela hiptese de induo. De maneira anloga, prova-se um resultado mais geral dado
por:
n A 0 e A 0
(2.8)
lim {n h{ = 0
{
2{h{ g{ 0 = H [ 2 2
h{ g{
Pelo resultado (2.7), o lado esquerdo desta ltima igualdade zero. Logo,
1
1
0 = H([) + h{ 0 = H([) + 0
0
1
=
{ A 0; A 0
H([ 2 ) = 2 2
Y du([) = 2
Essa parametrizao alternativa mais interessante, uma vez que o valor mdio
igual ao parmetro, e ser utilizada deste ponto em diante.
2.2.6
33
2.3
Exerccios resolvidos
= h
0=5
h
= 0> 17227
34
Distribuio gama
2.3.1
A funo gama
1
Note que o argumento da funo > que aparece no expoente da varivel de integrao
{=
A funo gama tem a seguinte propriedade recursiva: ( + 1) = ()= Para
demonstrar esse resultado, iremos usar integrao por partes.
Z
h{ { g{
( + 1) =
0
Fazendo
x = { gx = {1
gy = h{ g{ y = h{
Logo,
Z
( + 1) = { h{ 0
h{ {1 g{ =
Z 0
h{ {1 g{ =
( + 1) = 0 +
0
2.2.7
( + 1) = ()
Exerccios propostos
0
(2.14)
h{ g{ = 1
(2) = 1 (1) = 1 = 1!
(3) = 2 (2) = 2 1 = 2!
(4) = 3 (3) = 3 2 1 = 3!
(5) = 4 (4) = 4 3 2 1 = 4!
Em geral, se q inteiro,
(q) = (q 1)!
(2.15)
2.3.2
35
Denio 2.2 Diz-se que uma varivel aleatria tem distribuio gama com parmetros
e se sua funo de densidade de probabilidade dada por
1
{1 h{@
se { A 0
()
(2.16)
i ({) =
0
se { 0
Note que, quando = 1> resulta a densidade exponencial com parmetro > ou seja,
a distribuio exponencial um caso particular da densidade gama. Note que estamos
usando a parametrizao alternativa da densidade exponencial.
Para vericar que a funo dada em (2.16) realmente dene uma funo de densidade,
notamos inicialmente que i ({) 0= Alm disso,
Z
Z
Z
1
1
1 {@
i ({)g{ =
{
h
=
{1 h{@ g{
() 0
0
0 ()
{
Fazendo a mudana de varivel = w resulta
{ = w
{ = 0w=0
{ =
w=
0
i 00 ({) =
=
=
=
=
=
=
"
i 0 ({) = 0 { = ( 1)
i 0 ({) ? 0 { A ( 1)
i ({)g{ =
#
( 2)( 1){3 h{@ 1 ( 1){2 h{@ 1 ( 1){2 h{@
1 1 {@
+ 2 {
h
2
1
1
3 {@
h
( 1){2 h{@ + 2 {1 h{@
( 2)( 1){
()
2
1 2
1
3 {@
( 2)( 1) ( 1){ + 2 {
h
{
()
(
)
{3 h{@ 2
1
( 2)( 1) 2( 1){ + {2
(2.19)
2
()
1
()
g{ = gw
36
A distribuio gama
e, portanto,
1
{1 h{@ g{ =
() 0
Z
1
(w)1 hw gw
() 0
Z
1
w1 hw gw
()
0
1
() = 1
()
i 0 ({) A 0 { ? ( 1)
Logo,
{ = ( 1) um ponto de mximo
Resumindo a dependncia em :
1 = funo de densidade gama estritamente decrescente
A 1 = funo de densidade gama tem um mximo em { = ( 1)
2.3.3
{
lim i ({) = 0
{0
1
1
2 {@
h
{1 h{@
i 0 ({) =
( 1){
()
1
1
2 {@
{
=
h
1 {
()
= 4 2 ( 1)2 4 2 ( 1)( 2)
= 4 2 ( 1) [( 1) ( 2)]
(2.18)
= 4 2 ( 1)
37
Se A 1> o discriminante sempre positivo, ou seja, temos duas raizes reais distintas,
calculadas da seguinte forma:
1
2
( 1){ + 2 {2 = 0
2 ( 2)( 1) 2( 1){ + {2 = 0
q
2( 1) 4 2 ( 1)2 4 2 ( 2)( 1)
( 2)( 1)
p 2
( 1)( 1 + 2)
{=
2
{ = ( 1) 1
u2 = 1 1 + 1 sempre
positiva para A 1. J a raiz u1 =
A raiz
1 1 1 s ser positiva se 1 1 A 0> ou seja, se A 2=
Considerando a funo de segundo grau k({) que dene o sinal da derivada segunda,
vemos que o coeciente do termo quadrtico 1; assim, a funo negativa (sinal oposto
ao de d) para valores de { entre as razes, e positiva (mesmo sinal de d) fora das razes.
Veja a Figura 2.7; a podemos ver que, se A 2> a derivada segunda muda de sinal
em dois pontos dentro do domnio de denio da densidade gama. Isso no ocorre se
? 2 (ou = 2)> uma vez que, neste caso a menor raz negativa (nula).
{=
2( 1) 2
D !2
0,5
+
0
r1
0,45
D 1
0,4
r2
0,35
D 2
0,3
r1
0,25
0,2
r2
2
D
0,15
0,1
D 2
38
1
ou seja, a funo
de densidade
{ A
cncava para cima se se
1+1
ou { ? 1 1 1 e cncava para baixo se 1 1 1 ? { ?
1 1 + 1 > o que indica a ocorrncia de dois pontos de inexo.
Quando 2
i 00 ({) ? 0 se 0 ? { ? ( 1) + 1
i 00 ({) A 0 se { A ( 1) + 1
ou seja, a funo de densidade gama cncava para
cima se { A ( 1) + 1
e cncava para baixo se 0 ? { ? ( 1) + 1> o que indica a ocorrncia de
apenas um ponto de inexo.
Na Figura 2.8 ilustra-se o efeito do parmetro sobre a densidade gama. A o
parmetro est xo ( = 2) e temos o grco para diferentes valores de . Note
que, para = 1> o grco o da distribuio exponencial com parmetro = 2 e para
qualquer valor de ? 1> o grco ter essa forma= Note que para = 2 s h um ponto
de inexo; essa situao se repetir para valores de no intervalo (1> 2]. Para valores
de maiores que 2, h dois pontos de inexo. Na Figura ?? ilustra-se o efeito do
parmetro sobre a densidade gama. A o parmetro est xo ( = 2 ou = 3) e
temos o grco para diferentes valores de . Analisando essas duas guras, vemos que o
parmetro tem grande inuncia sobre a forma da distribuio, enquanto o parmetro
tem grande inuncia sobre a escala (ou disperso) da distribuio. Dessa forma,
o parmetro chamado parmetro de forma, enquanto o parmetro chamada
parmetro de escala.
+
r1 = 0
0,05
r2
10
15
20
25
30
i 00 ({) ? 0 se 1 1 1 ? { ? 1 1 + 1
i 00 ({) A 0 se { A 1 1 + 1 ou { ? 1 1 1
0,4
0,3
0,3
0,2
E 1,5
0,2
39
H([) =
1,5
0,1
0,1
0,0
0,0
0
10
12
14
10
12
14
=
Figura 2.9: Efeito do parmetro de escala sobre a densidade gama
2. A 1
{
= w temos que
ou seja,
[ jdpd(> ) H([) =
2.3.5
Varincia
(d) 2
i. cncava para baixo se { ? 1( 1 + 1)
ii. cncava para cima se { A 1( 1 + 1)
iii. nico ponto de inexo em { = 1( 1 + 1)
H([ 2 ) =
=
(e) A 2
i.
ii.
iii.
iv.
2.3.4
Z
1
(w) hw gw
()
0
Z
1
+1
w hw gw
()
0
Z
w hw gw
() 0
( + 1)
()
()
()
40
cncava para cima se { ? 1( 1 1)
cncava para baixo se 1( 1 1) ? { ? 1( 1 + 1)
cncava para cima se { A 1( 1 + 1)
dois pontos de inexo: { = 1( 11) e { = 1( 1+
1)
Z
1
{2 i ({)g{ =
()
0
Z
1
{+1 h{@ g{
()
0
H([ 2 ) =
=
=
Se [ jdpd(; ) , ento
H([) =
=
1
{i ({)g{ =
()
0
Z
1
{ h{@ g{
()
0
0
=
1 {@
{{
{2 {1 h{@ g{
Esperana
Z
g{
=
=
=
Logo,
{
= w temos que
Z
1
(w)+1 hw gw
()
0
Z
1
+2
w+1 hw gw
()
0
Z
2
w+1 hw gw
() 0
2
( + 2)
()
2
( + 1)( + 1)
()
2
( + 1)()
()
2 ( + 1)
Resumindo:
[ jdpd(> ) =
H([) =
Y du([) = 2
(2.20)
2.3.6
41
2.4.2
2.3.7
A distribuio de Erlang
Esperana e varincia
2.3.8
A distribuio qui-quadrado
Quando o parmetro de forma igual a q2 > com q inteiro positivo, e o parmetro de escala
= 2 resulta a distribuio qui-quadrado com q graus de liberdade, cuja densidade
i ({) =
1
q
2
{q@21 h{@2
2q@2
se { A 0
(2.21)
Usaremos a seguinte notao para indicar que [ tem distribuio qui-quadrado com q
graus de liberdade: [ "2q = Usando os resultados dados em (2.20), temos
H([) = q2 2 = q
2
[ "q =
Y du([) = q2 22 = 2q
2.4
2.4.1
Distribuio de Weibull
{
1
{
0
0
1 {
Z
{
h {u g{ =
{A0
{A0
{ 1
{
= gx =
{ = 0 = x = 0; { =
= x =
1 x u u
x
h
x gx
H([) =
H([ 2 ) = 2
e, portanto,
+1
+2
(
)
+1 2
+2
Y du([) =
(2.22)
(2.23)
e alguns autores (ver Rohatgi, por exemplo) usam um novo parmetro em vez de =
Para mostrar que i dene uma densidade, vamos mostrar que a integral 1. Para tal,
vamos fazer a seguinte mudana de varivel:
x =
x1 hx u xu gx
2.4.3
{ 1 {
i ({) =
h
Dessa forma,
u
hw u w1@ gw = u
wu@ hw gw
H([ u ) =
0
Z
Z 0
u+
u+
= u
wu@+11 hw gw = u
w 1 hw gw = u
0
0
Denio
i ({) =
42
Por denio,
Z
I ({) =
{
0
1 w
w
h gw
0
Z
{ 1 {
h
g{ =
0
hx gx = 1
Z
I ({) =
{
0
1 w
Z
w
h gw =
{
{
hx gx = hx 0
= 1 exp
{
2.5
2.5.1
43
Distribuio de Pareto
2.5.3
44
Varincia
Se [ S duhwr(> e) ento
Denio
H([ 2 ) =
e
{2
e
+1
Z
e
g{ = e
{
e
{+1 g{ = e
{+2
+ 2 e
Para que essa integral convirja, temos que ter + 2 ? 0> ou A 2= Satisfeita esta
condio,
e+2
e+2
e2
=
=
H([) = e 0
+ 2
2
2
Logo,
Y du([) =
=
=
e 2 e2 ( 1)2 2 e2 ( 2)
e2
=
2
1
( 1)2 ( 2)
2
e2 2 2 + 1 2 + 2
e 2 + 1 ( 2)
=
2
2
( 1) ( 2)
( 1) ( 2)
e2
( 1)2 ( 2)
Resumindo:
[ S duhwr(> e) =
2.5.4
H([) =
e
1
se A 1
e2
Y du([) =
( 1)2 ( 2)
(2.24)
se A 2
e
= e { e
=1
{
Z
I ({) = Pr([ {) =
2.5.2
Esperana
Se [ S duhwr(> e) ento
Z
Z
e +1
H([) =
{
g{ = e
e {
e
e
{ g{ = e
{+1
+ 1 e
Para que essa integral convirja, temos que ter + 1 ? 0> ou A 1= Satisfeita esta
condio,
e+1
e
e+1
=
=
H([) = e 0
+ 1
1
1
e
{
e
w1 g{ = e
{
w
e
46
| = i[ | = 12 = Logo
Como 0 | ? 1 e 1 ? | 0> resulta que i[
(
1
se 0 | ? 1
2 |
i\ (|) =
0
caso contrrio
De modo anlogo, para 0 z ? 1
Captulo 3
= I[ (z) I[ (z)
e, portanto
0
0
0
(z) = I[
(z) I[
(z)(1) =
iZ (z) = IZ
= i[ (z) + i[ (z)
Dada uma varivel aleatria contnua [ com funo de densidade i[ ({)> muitas vezes
estamos interessados em conhecer a densidade de uma outra varivel aleatria \ = j({)
denida como uma funo de [=
3.1
iZ (z) =
1
0
se 0 | ? 1
caso contrrio
Exemplo
0 j({) ? 1
1 ? { ? 1
0 k({) ? 1
Para calcular a funo de densidade de probabilidade de \ = j([) = [ 2 devemos
notar que
I\ (|) = Pr(\ |) = Pr([ 2 |)
= Pr ( | [ |)
= Pr([ |) Pr([ ? |)
= Pr([[ |) Pr([ |)
= I[ ( |) I[ ( |)
e, portanto
i\ (|) =
=
=
=
g
[I\ (|)]
g|
g
g
[I[ ( |)]
[I[ ( |)]
g|
g|
1
1
0
0
( |) I[
( |)
I[
2 |
2 |
1
1
i[ ( |) + i[ ( |)
2 |
2 |
45
3.2
Funes inversveis
Quando a funo j inversvel, possvel obter uma expresso para a funo de densidade de \ .
Teorema 3.1 Seja X uma varivel aleatria contnua com funo de densidade i[ ({) e
seja \ = j({) uma outra varivel aleatria . Se a funo j({) inversvel e diferencivel,
ento a funo de densidade de \ dada por:
gj 1 (|)
(3.1)
i\ (|) = i[ j 1 (|)
g|
Demonstrao:
Esse resultado segue diretamente da relao entre as funes de densidade e de
distribuio acumulada dada na equao (3.2):
0
i[ ({) = I[ ({)
(3.2)
j 0 ({)
A 0 e {1 ? {2
Suponhamos inicialmente que j({) seja crescente; nesse caso,
j ({1 ) ? j ({2 ) = Ento, a funo de distribuio acumulada de \ :
I\ (|) = Pr (\ |) = Pr (j([) |)
Mas, conforme ilustrado na Figura 3.1, j([) | [ j 1 (|)=
Logo,
47
48
y
y
g( X ) d y
g( X ) d y
X d g 1 ( y )
g 1 ( y )
g 1 ( y )
0
0
i\ (|) = I\ (|) = I[ j 1 (|)
gj 1 (|)
g|
= i[ j 1 (|)
gj 1 (|)
g|
j 0 ({)
= 1 Pr [ j 1 (|) = 1 I[ j 1 (|)
e, portanto
(3.5)
gj 1 (|)
? 0 (lembre que estamos considerando j decrescente agora, o que implica
g|
que a inversa tambm decrescente), resulta
gj 1 (|) gj 1 (|)
=
g|
g|
Como
gj 1 (|)
(3.3)
gj 1 (|)
Como a inversa de uma funo crescente tambm crescente, resulta que
A0
g|
e, portanto, (3.3) pode ser reescrita como
gj 1 (|)
0
gj 1 (|)
gj 1 (|)
0
0
i\ (|) = I\ (|) = I[ j 1 (|)
= i[ j 1 (|)
g|
g|
X t g 1 ( y )
(3.6)
Os resultados (3.4) e (3.6), para funes crescentes e decrescentes, podem ser reunidos
para completar a prova do teorema.
Quando a funo no monotna, no podemos aplicar o teorema acima e nem
sempre conseguiremos obter uma expresso usando os recursos vistos neste curso.
3.2.1
Exemplo
1 se 0 ? { ? 1
0 se { 0 ou { 1
i\ (|) = i[ h| h| = 1 h| i\ (|) = h|
uma vez que i[ ({) = 1 no intervalo (0> 1)= Note que essa a densidade exponencial com
parmetro igual a 1.
49
2,5
H(\ ) = 2H([)
1,5
Y du(\ ) = 4Y du([)
3
5
50
ento
3
5
4 0
Z 0
{
3
6 3
30 12
= 2> 1
{3{2 g{ = 3
= = H(\ ) = =
H([) =
4 1
4
4 5
20
1
0,5
0
0
0,5
1,5
2,5
3,5
4,5
-0,5
H([ 2 )
-1
-1,5
-2
3.2.2
Transformao linear
\ e
d
1
gj 1 (|)
=
g|
d
Logo, a densidade de \
i\ (|) = i[
|e
d
1
d
(3.7)
Exemplo
Se a funo de densidade da varivel aleatria [ dada por
3{2
se 1 { 0
i ({) =
0
se { ? 1 ou { A 0
calcule a funo de densidade de \ = 2[ 35 > bem como sua esperana e sua varincia.
Soluo:
Temos que d = 2 e e = 0> 6= Como 1 { 0> resulta que 2> 6 | 0> 6=
Logo,
| + 0> 6
1
se 2> 6 | 0> 6
i\ (|) = i[
2
2
ou seja
| + 0> 6 2 1
3
i\ (|) = 3
= (| + 0> 6)2
se 2> 6 | 0> 6
2
2
8
2
5 0
{
3
48 45
3
3
3
=
3
= = Y du([) =
=
5 1 5
5
4
80
80
1
3
3
=
= Y du(\ ) = 4
80
20
Z
{2 3{2 g{ =
4.2
4.2.1
52
2
1
w
Analisando a equao (4.2), vemos que a funo exp
satisfaz as condies
2
2
para ser uma funo de densidade. Essa , por denio, a densidade normal padro
*({) (note que *({) A 0) denida por:
2
{
1
?{?
(4.3)
*({) = exp
2
2
Captulo 4
A Distribuio Normal
Vamos denotar por Q (0; 1) a densidade normal padro e, se uma varivel aleatria ]
distribuda segundo uma normal padro, representaremos esse fato como ] Q (0; 1)=
4.1
4.2.2
4.1.1
1
2
2
w
gw = 1
exp
2
(1@2) =
h{ {1@21 g{ =
g{
{
(1@2) =
ou seja:
g{
wgw
0w=0
2
hw @2
q
w2
2
wgw = 2
(1@2) =
51
+
0
2
{
g{
{2 exp
2
{ = x g{ = gx
w2
2
resulta que:
2 Z
{
{ exp
=
2 0
{
w
Z
Varincia
uma vez que o integrando par (note os limites de integrao). Esta integral calculada
usando-se o mtodo de integrao por partes. Fazendo:
2
2
{
{
g{ = gy y = exp
{ exp
2
2
h{
Ento,
Logo,
4.2.3
(4.2)
Exerccio resolvido
(4.1)
Esperana
2 @2
hw
gw =
2
2
Z
{
g{ +
exp
2
2
Var(]) =
2
0
2
{
g{
{2 exp
2
(4.4)
r
2
{
g{ =
{2 exp
2
2
Var(]) = 1
2
(4.5)
4.2.4
53
54
0,4
{
{
0,3
3. Ponto de mximo
0,2
Para calcular a primeira e segunda derivadas de *({)> devemos lembrar que (h{ )0 =
h{ e, pela regra da cadeia, (hj({) )0 = hj({) j 0 ({)= Aplicando esses resultados densidade normal padro, obtemos que:
2
1
1
{
2{ = *({){
(4.6)
*0 ({) = exp
2
2
2
0,1
0
-5
-4
-3
-2
-1
(4.7)
4.2.5
* ({) = 0 { = 0
e assim, { = 0 um ponto crtico. Como *0 ({) A 0 para { ? 0 e *0 ({) ? 0 para
{ A 0> ento * crescente esquerda de 0 e decrescente direita de 0= Segue,
ento, que { = um ponto de mximo e nesse ponto
1
*(0) =
2
(4.8)
Z {
1
1
exp w2 gw
(4.10)
({) =
2
2
para a qual no existe uma antiderivada em forma de funo elementar. Assim, a funo
de distribuio acumulada da normal padro calculada por integrao numrica. Todos
os pacotes estatsticos possuem rotinas especiais para esse clculo. No EXCEL, a funo
DIST.NORMP calcula Pr (] {) para qualquer {> onde ] Q (0; 1)=
4.2.6
4. Pontos de inexo
(4.9)
Para completar o estudo da distribuio normal padro, necessrio calcular probabilidades de quaisquer eventos, tais como Pr (d ] e) = Por denio da funo de
densidade, essa probabilidade, no caso da normal padro, dada por:
Z e
1
1
exp {2 g{
Pr(d ] e) =
2
2
d
Como j dito, tal integral, que d a rea sob a curva compreendida entre os pontos d e
e> no pode ser calculada pelos procedimentos usuais; a diculdade est no fato de que
aqui no podemos aplicar o Teorema Fundamental
2 do Clculo, j que no existe uma
{
= Assim, para calcular probabilidades
funo elementar cuja derivada seja exp
2
do tipo acima, necessria a aplicao de mtodos numricos e esses mtodos permitem
tabular Pr(] }) para qualquer valor de }=
Ao nal deste captulo, so dadas 2 verses da tabela da normal padro. Na Tabela
1 dada a distribuio acumulada para cada valor de } A 0> ou seja dado o valor
de (}) = Pr(] })= Na Tabela 2, usa-se novamente o fato de a distribuio normal
{ ? 1
*00 ({) ? 0 {2 1 ? 0 {2 ? 1 1 ? { ? 1
55
56
4.2.7
Exemplos
Da Tabela 1 resulta
Pr (1 ? ] ? 0) = Pr(0 ? ] ? 1) = Pr(0 ? ] 1) = Pr(] 1) Pr(] 0)
= (1) (0) = 0> 84134 0> 5 = 0> 34134
Pela Tabela 2, temos que (note a simetria das reas!)
Pr (1 ? ] ? 0) = Pr(0 ] 1) = wde(1) = 0> 34134
4. Pr (] ? 1> 0)
Soluo
57
58
59
Densidade Q(; 2 )
4.3
4.3.1
Denio
Seja ] Q (0; 1) e vamos denir uma nova varivel aleatria [ = j(]) = + ]> em
que A 0= Usando o resultado (3.7), temos que:
"
{
1 { 2
1
1
1
= exp
i[ ({) = i]
2
2
ou ainda:
1
"
1
exp
i[ ({) =
2
2 2
e essa a densidade da normal
{
1
i () =
2 2
00
{=+
i ({) = 0 ({ )2 = 2 |{ | =
{=
2 #
Q (; 2 )
00
i ({) A 0 ({ )2 A 2 |{ | A
00
i ({)
3. Ponto de mximo
Para calcular a primeira e segunda derivadas de i ({)> devemos lembrar que (h{ )0 =
h{ e, pela regra da cadeia, (hj({) )0 = hj({) j 0 ({)= Aplicando esses resultados densidade normal, obtemos que:
1
({ )2
{
1
2 2({ ) = i ({)
(4.12)
exp
i 0 ({) =
2
2
2
2
2 2
Derivando novamente, obtemos:
{
{
{
1
1
00
i ({) 2 = i ({)
i ({) 2 =
i ({) = i 0 ({)
2
2
2
({ )2 2
1
({ )2
i ({) 2 = i ({)
(4.13)
= i ({)
4
4
Analisando a equao (4.12) e lembrando que i ({) A 0, pode-se ver que:
i 0 ({) = 0 { =
ou
{A
ou
{?
(4.16)
0 ({ )2 ? 2 |{ | ?
{?
?{ ?+
{?
?
(4.17)
{A
{A+
e
(4.15)
Alm disso,
Usaremos a seguinte notao para indicar que uma varivel aleatria [ tem distribuio
normal com parmetros e 2 : [ Q (; 2 )=
2. Assntotas:
(4.14)
4. Pontos de inexo
Denio 4.1 Uma varivel aleatria contnua [> denida para todos os valores da reta
real, tem densidade normal com parmetros e 2 > onde
? ?
e 0 ? 2 ?
>
se sua funo de densidade de probabilidade dada por
({ )2
1
exp
?{?
=
(4.11)
i ({) =
2 2
2 2
4.3.2
60
4.3.3
Parmetros da Q (; 2 )
(4.18)
(4.19)
(4.20)
61
62
0,5
0,4
0,5
N(3;1)
0,4
0,3
0,2
0,1
0,1
0,0
-5
-4
-3
-2
-1
N(3;1)
0,3
N(0;1)
0,2
10
0,0
-5
-4
-3
-2
-1
10
[ Q ; 2 =
H([) =
Y du([) = 2
Figura 4.9: Exemplos de densidades normais com mesma varincia e mdias diferentes
(4.21)
0,5
0,4
N(3;1)
0,3
0,2
4.3.4
N(3;4)
0,1
0,0
-5
-4
-3
-2
-1
10
Figura 4.10: Exemplos de densidades normais com mesma mdia e varincias diferentes
63
1,2
N(0;1)
1,0
0,8
N(3;2)
0,6
N(3;1)
0,4
0,2
0,0
-6
-4
-2
10
4.3.5
O resultado a seguir garante que probabilidades de qualquer varivel normal podem ser
calculadas a partir das probabilidades da
padro.
normal
De fato, j foi visto que se [ Q > 2 > ento [ = + ]> onde ] Q (0> 1)=
Vamos ver como utilizar esse resultado para calcular probabilidades da normal. Temos
que
Pr ([ {) = Pr
{
[
{
{
= Pr ]
=
(4.22)
Na Figura 4.12 ilustra-se esse fato com as densidades ] Q (0; 1) e [ Q (3; 4)=
No grco inferior a rea sombreada representa Pr([ 5) e, no grco superior, a rea
sombreada representa a probabilidade equivalente:
[ 3
53
Pr([ 5) = Pr
= Pr(] 1)
2
2
O que o resultado diz que essas reas (probabilidades) so iguais.
Esse resultado mostra que probabilidades de qualquer varivel normal podem ser
obtidas a partir de probabilidades da normal padro e, assim, s necessrio tabular a
distribuio normal padro.
4.3.6
Exemplos
64
65
[ 2
52
1 2
= Pr (1> 5 ] 1> 5) =
Pr (1 [ 5) = Pr
4
4
4
= 2 Pr (0 ] 1> 5) = 2 wde(1> 5) = 2 0> 43319
66
Soluo
Temos que (veja Figura 4.15)
[ 3
53
7 3
= Pr (5 ] 1) =
Pr (7 [ 5) = Pr
4
4
4
= Pr (5 ] 0) + Pr (0 ] 1) =
= Pr (0 ] 5) + wde(1> 0) = 0> 5 + 0> 34134 = 0> 84134
= (1> 0) (5> 0) = (1> 0) [1 (5> 0)]
[ (1)
5 (1)
1 (1)
= Pr (0 ] 2) =
Pr (1 [ 9) = Pr
9
9
9
= wde(2> 0) = (2> 0) 0> 5 = 0> 47725
+ 2
2
]
=
= Pr (2 ] 2) = 2 Pr (0 ] 2) =
Pr ( 2 [ + 2) = Pr
67
68
Como no exemplo anterior, dada a probabilidade de um evento, queremos encontrar a abscissa correspondente. Nesse exemplo, podemos observar que a abscissa
n tem que estar do lado esquerdo da curva, ou seja, abaixo da mdia, uma vez que
a probabilidade abaixo dela tem que ser menor do que 0,5.
Em termos da probabilidade equivalente da normal padro :
n2
n2
[ 2
= 0> 10 Pr ] ?
= 0> 10
?
Pr([ ? n) = 0> 10 Pr
3
3
3
Veja a Figura 4.18. Se abaixo da abscissa n2
3 temos rea de 0,10, pela simetria
da curva, temso que ter rea 0,10 acima da abscissa simtrica. Ou seja, acima de
n2
n2
3 temos rea 0,10 e, portanto, a rea entre 0 e 3 tem que ser 0,40.
n2
n2
= 0> 10 Pr ] A
= 0> 10
Pr ] ?
3
3
n2
n2
Pr 0 ]
= 0> 40 wde
= 0> 40
3
3
n2
= 1> 28 n + 2 = 3> 84 n = 1> 84
3
[ 2
n2
?
= 0> 95
Pr([ ? n) = 0> 95 Pr
3
3
n2
n2
= 0> 95 Pr(] ? 0) + Pr 0 ] ?
= 0> 95
Pr ] ?
3
3
n2
n2
= 0> 95 wde
= 0> 45
0> 5 + wde
3
3
Ento, na Tabela 2, temos que procurar, no corpo da tabela, a abscissa que corresponde rea de 0,45. fcil ver que essa abscissa 1,64, ou seja:
n2
= 1> 64 = n = 2 + 3 1=64 = 6> 92
3
4.4
n2
3
n2
3
= 0> 95
= 0> 10 n2
=
3
69
70
g
g
[ ( |)]
[ ( |)]
g|
g|
1
1
0 ( |) 0 ( |)
2 |
2 |
1
1
* ( |) + * ( |)
2 |
2 |
2 !
2 !
|
|
1
1
1
1
exp
+ exp
2
2 |
2
2 |
2
2
| 1
1
2 exp
2 2 |
2
|
1
exp | 1@2
2
2
1
1@21
|
h|@2
12 21@2
se { A 0
vemos que i\ (|) uma qui-quadrado com 1 grau de liberdade, ou seja, se ] Q (0; 1)>
ento ] 2 "21 . Este resultado se generaliza da seguinte forma: se ]1 > ]2 > = = = > ]q so
variveis aleatrias independentes, todas com distribuio normal padro, ento \ =
]12 + ]22 + = = = + ]q2 tem distribuio qui-quadrado com q graus de liberdade. Dessa
denio ca mais claro o conceito de graus de liberdade: o nmero de parcelas
independentes em uma soma de variveis aleatrias.
J foi visto que, se [ "2q> ento H([) = q e Y du([) = 2q= Na Figura 4.19
so apresentados os grcos para q = 1> 2> 6= Para q A 2> o grco tem sempre forma
semelhante ao ltimo grco desta gura.
4.4.1
Tabela da qui-quadrado
5
4
3
2
1
0
0
10
12
20
25
30
n =1
0,6
0,5
0,4
0,3
0,2
0,1
0
0
n =2
0,15
0,10
0,05
0,00
0
10
15
n =6
Figura 4.19: Distribuio qui-quadrado
71
72
Sabemos que i\ (|) = I 0 (|) e, tambm, no caso da normal padro, 0 (}) = *(})=
Logo, pela regra da cadeia,
1
ln |
1
ln |
=*
=
i\ (|) = 0
|
|
"
2 #
1
1 ln |
1
= exp
2
|
2
ou ainda:
"
#
1
1 ln | 2
exp
i\ (|) =
2
| 2 2
|A0
4.5.2
4.4.2
Exemplos
Esperana
A esperana de \ :
1. Na distribuio "215 > encontre a abscissa n tal que Pr("215 A n) = 0> 05=
Z
H(\ ) =
Soluo
Temos que considerar a linha correspondente a 15 graus de liberdade e a coluna
correspondente a = 0> 05> o que nos d n = 24> 996
2. Na distribuio
"223 >
Pr("223
? n) = 0> 10=
4.5
4.5.1
A distribuio log-normal
Denio
I\ (|) = Pr (\ |) = Pr h[ | = Pr ([ ln |) =
[
ln |
ln |
= Pr ]
= Pr
ln |
=
|A0
Soluo
| = 0 w =
|=
w=
gw = |1 g|
| = hw
"
#
1
1 ln | 2
|
exp
g|
2
| 2 2
73
4.5.3
e, portanto
H(\ ) =
=
=
=
=
2 #
"
1
1 w
gw =
exp
+ w gw
2
2 2
2
Z
2
2
1
w 2w + 2 w
exp
gw =
2 2
22
"
#
Z
w2 2w + 2 + 2
1
exp
gw
2
2 2
2
"
#
Z
w2 2w + 2
1
2
exp
exp 2 gw =
2
2
2
22
"
2
2 #
Z
2
2
w 2w + 2 + + 2 + 2
1
exp
exp 2
gw
2
2 2
2 2
1
22
"
hw exp
1
2
w
2 )
2 !
Z
w + 2
+ 2
1
2
exp
exp
gw
= exp 2
2
2 2
2 2
2 2
(
2 !
2 )
Z
+ 2
w + 2
2
1
exp
gw
= exp 2 +
2
2 2
2 2
2 2
Varincia
#
Z
1
1 ln | 2
g|
H(\ 2 ) =
|2
exp
2
| 22
0
"
"
#
#
Z
Z
1 w 2
1 w 2
1
1
2w
=
h exp
exp
+ 2w gw
gw =
2
2
2 2
22
2
Z
2
2
w 2w + 4 w
1
exp
=
gw =
2 2
2 2
"
#
Z
w2 2w + 2 2 + 2
1
exp
=
gw
2 2
2 2
"
#
Z
w2 2w + 2 2
2
1
exp
exp 2 gw =
=
2
2
2
2 2
"
2
2 #
Z
2
2
w 2w + 22 + + 2 2 + 2 2
1
exp
= exp 2
gw
2
2 2
22
2 )
2 !
Z
w + 22
+ 22
1
2
exp
exp
gw
= exp 2
2
2 2
2 2
22
(
2 !
2 )
Z
+ 2 2
w + 22
1
2
exp
gw
= exp 2 +
2
2 2
2 2
22
Mas o termo
colchetes externos a integral de uma densidade normal com
entre os
mdia = + 2 e varincia 2 ; logo, essa integral 1 e, portanto:
2 !
2
+ 2
+ 2 + 2 2 + 4
2
H(\ ) = exp 2 +
= exp
2
2
2
2
2
2
H(\ ) = exp +
(4.23)
2
74
Como antes, o termo entre os colchetes externos 1 porque a integral de uma densidade
normal com mdia + 2 2 e varincia 2 = Logo,
2 !
2
+ 22
2
+ 2 + 4 2 + 4 4
H(\ 2 ) = exp 2 +
=
exp
2
2 2
2 2
2
2
=
Var(\ ) = exp 2 + 2 2 exp +
2
2
= exp 2 + 22 exp 2 +
=
2
2
2
= exp 2 + 2 exp 2 +
#
"
exp 2 + 22
= exp 2 + 2
1
=
exp (2 + 2 )
= exp 2 + 2 exp 2 + 2 2 2 2 1 =
2
2
= exp 2 + exp 1
2
Denindo p = H([) = exp 10) + 2 > temos que p2 = exp 2 + 2 = Logo,
h 2i
Var(\ ) = p2 h 1
(4.24)
4.6
75
Exerccios propostos
1. Na distribuio normal [
Q(> 2 ),
encontre:
76
W = 0> 05 se a esfera recupervel, isto , 0> 6080 ? [ ? 0> 6100 ou 0> 6180 ?
[ ? 0> 6200
(e) o nmero n tal que Pr([ A n) = 0> 90= (Resp.: 1> 28)
2. Suponha que os tempos de vida de 2 marcas de aparelhos eltricos sejam variveis
aleatrias G1 e G2 , onde G1 Q (42> 36) e G2 Q (45> 9). Se o aparelho deve ser
usado por um perodo de 45 horas, qual marca deve ser preferida? E se for por
um perodo de 49 horas? (Resp.: 2;1)
3. Numa distribuio normal, 31% dos elementos so menores que 45 e 8% so maiores
que 64. Calcular os parmetros que denem a distribuio. (Resp.: = 50;
)
4. As vendas de um determinado produto tm distribuio aproximadamente normal
com mdia de 500 unidades e desvio padro de 50 unidades. 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? (Resp.:
0> 0228)
5. Um produto alimentcio ensacado automaticamente, sendo o peso mdio de 50
kg por saco, com desvio padro de 1,6 kg. Os clientes exigem que, para cada saco
fornecido com menos de 48 kg, o fornecedor pague uma indenizao de 5 u.m..
(a) Para 200 sacos fornecidos, qual o custo mdio com indenizao? (Resp.:
105> 6 u.m)
(b) Para que o custo calculado no item anterior caia para 50 u.m., qual deveria
ser a nova regulagem mdia da mquina? (Resp.: 50> 624)
(c) Como o fornecedor acha que, no custo global, desvantajoso aumentar a
regulagem da mquina, ele quer comprar uma nova mquina. Qual deveria
ser o desvio padro dessa mquina para que, trabalhando com peso mdio de
50 kg, em apenas 3% dos sacos se pague indenizao? (Resp.: 1> 064)
6. Um teste de aptido para o exerccio de uma certa prosso exige uma sequncia
de operaes a serem executadas rapidamente uma aps a outra. Para passar no
teste, o candidato deve complet-lo em, no mximo, 80 minutos. Admita que o
tempo, em minutos, para completar a prova seja uma varivel aleatria normal
com mdia 90 minutos e desvio padro 20 minutos.
(a) Que porcentagem dos candidatos tem chance de ser aprovada? (Resp.: 30> 85)
(b) Os 5% melhores recebero um certicado especial. Qual o tempo mximo
para fazer jus a tal certicado? (Resp.: 57> 2 min)
12. O 90o percentil de uma varivel aleatria Q > 2 50, enquanto o 15o percentil
25. Encontre os valores dos parmetros da distribuio. (Resp.: = 36> 35;
= 10> 92)
13. Uma enchedora automtica enche garrafas de acordo com uma distribuio normal
de mdia 1000 ml. Deseja-se que no mximo 1 garrafa em 100 saia com menos de
990ml. Qual deve ser o maior desvio padro tolervel? (Resp.: 4> 2918)
77
Tabela 1
Tabela da Distribuio Acumulada da Normal Padro
Tabela 2
Distribuio normal padro
Valores de p
Valores de p
p
Casa inteira
a
e 1 . Decimal
0,0
0,1
0,2
0,3
0,4
0,5
0,6
0,7
0,8
0,9
1,0
1,1
1,2
1,3
1,4
1,5
1,6
1,7
1,8
1,9
2,0
2,1
2,2
2,3
2,4
2,5
2,6
2,7
2,8
2,9
3,0
3,1
3,2
3,3
3,4
3,5
3,6
3,7
3,8
3,9
4,0
)( z)
Pr( Z d z )
a
0
0,50000
0,53983
0,57926
0,61791
0,65542
0,69146
0,72575
0,75804
0,78814
0,81594
0,84134
0,86433
0,88493
0,90320
0,91924
0,93319
0,94520
0,95543
0,96407
0,97128
0,97725
0,98214
0,98610
0,98928
0,99180
0,99379
0,99534
0,99653
0,99744
0,99813
0,99865
0,99903
0,99931
0,99952
0,99966
0,99977
0,99984
0,99989
0,99993
0,99995
0,99997
1
0,50399
0,54380
0,58317
0,62172
0,65910
0,69497
0,72907
0,76115
0,79103
0,81859
0,84375
0,86650
0,88686
0,90490
0,92073
0,93448
0,94630
0,95637
0,96485
0,97193
0,97778
0,98257
0,98645
0,98956
0,99202
0,99396
0,99547
0,99664
0,99752
0,99819
0,99869
0,99906
0,99934
0,99953
0,99968
0,99978
0,99985
0,99990
0,99993
0,99995
0,99997
2
0,50798
0,54776
0,58706
0,62552
0,66276
0,69847
0,73237
0,76424
0,79389
0,82121
0,84614
0,86864
0,88877
0,90658
0,92220
0,93574
0,94738
0,95728
0,96562
0,97257
0,97831
0,98300
0,98679
0,98983
0,99224
0,99413
0,99560
0,99674
0,99760
0,99825
0,99874
0,99910
0,99936
0,99955
0,99969
0,99978
0,99985
0,99990
0,99993
0,99996
0,99997
78
3
0,51197
0,55172
0,59095
0,62930
0,66640
0,70194
0,73565
0,76730
0,79673
0,82381
0,84849
0,87076
0,89065
0,90824
0,92364
0,93699
0,94845
0,95818
0,96638
0,97320
0,97882
0,98341
0,98713
0,99010
0,99245
0,99430
0,99573
0,99683
0,99767
0,99831
0,99878
0,99913
0,99938
0,99957
0,99970
0,99979
0,99986
0,99990
0,99994
0,99996
0,99997
2 decimal
4
5
0,51595 0,51994
0,55567 0,55962
0,59483 0,59871
0,63307 0,63683
0,67003 0,67364
0,70540 0,70884
0,73891 0,74215
0,77035 0,77337
0,79955 0,80234
0,82639 0,82894
0,85083 0,85314
0,87286 0,87493
0,89251 0,89435
0,90988 0,91149
0,92507 0,92647
0,93822 0,93943
0,94950 0,95053
0,95907 0,95994
0,96712 0,96784
0,97381 0,97441
0,97932 0,97982
0,98382 0,98422
0,98745 0,98778
0,99036 0,99061
0,99266 0,99286
0,99446 0,99461
0,99585 0,99598
0,99693 0,99702
0,99774 0,99781
0,99836 0,99841
0,99882 0,99886
0,99916 0,99918
0,99940 0,99942
0,99958 0,99960
0,99971 0,99972
0,99980 0,99981
0,99986 0,99987
0,99991 0,99991
0,99994 0,99994
0,99996 0,99996
0,99997 0,99997
6
0,52392
0,56356
0,60257
0,64058
0,67724
0,71226
0,74537
0,77637
0,80511
0,83147
0,85543
0,87698
0,89617
0,91309
0,92785
0,94062
0,95154
0,96080
0,96856
0,97500
0,98030
0,98461
0,98809
0,99086
0,99305
0,99477
0,99609
0,99711
0,99788
0,99846
0,99889
0,99921
0,99944
0,99961
0,99973
0,99981
0,99987
0,99992
0,99994
0,99996
0,99998
7
0,52790
0,56749
0,60642
0,64431
0,68082
0,71566
0,74857
0,77935
0,80785
0,83398
0,85769
0,87900
0,89796
0,91466
0,92922
0,94179
0,95254
0,96164
0,96926
0,97558
0,98077
0,98500
0,98840
0,99111
0,99324
0,99492
0,99621
0,99720
0,99795
0,99851
0,99893
0,99924
0,99946
0,99962
0,99974
0,99982
0,99988
0,99992
0,99995
0,99996
0,99998
8
0,53188
0,57142
0,61026
0,64803
0,68439
0,71904
0,75175
0,78230
0,81057
0,83646
0,85993
0,88100
0,89973
0,91621
0,93056
0,94295
0,95352
0,96246
0,96995
0,97615
0,98124
0,98537
0,98870
0,99134
0,99343
0,99506
0,99632
0,99728
0,99801
0,99856
0,99896
0,99926
0,99948
0,99964
0,99975
0,99983
0,99988
0,99992
0,99995
0,99997
0,99998
9
0,53586
0,57535
0,61409
0,65173
0,68793
0,72240
0,75490
0,78524
0,81327
0,83891
0,86214
0,88298
0,90147
0,91774
0,93189
0,94408
0,95449
0,96327
0,97062
0,97670
0,98169
0,98574
0,98899
0,99158
0,99361
0,99520
0,99643
0,99736
0,99807
0,99861
0,99900
0,99929
0,99950
0,99965
0,99976
0,99983
0,99989
0,99992
0,99995
0,99997
0,99998
Casa inteira
a
e 1 . Decimal
0,0
0,1
0,2
0,3
0,4
0,5
0,6
0,7
0,8
0,9
1,0
1,1
1,2
1,3
1,4
1,5
1,6
1,7
1,8
1,9
2,0
2,1
2,2
2,3
2,4
2,5
2,6
2,7
2,8
2,9
3,0
3,1
3,2
3,3
3,4
3,5
3,6
3,7
3,8
3,9
4,0
Pr(0 d Z d z )
a
0
0,00000
0,03983
0,07926
0,11791
0,15542
0,19146
0,22575
0,25804
0,28814
0,31594
0,34134
0,36433
0,38493
0,40320
0,41924
0,43319
0,44520
0,45543
0,46407
0,47128
0,47725
0,48214
0,48610
0,48928
0,49180
0,49379
0,49534
0,49653
0,49744
0,49813
0,49865
0,49903
0,49931
0,49952
0,49966
0,49977
0,49984
0,49989
0,49993
0,49995
0,49997
1
0,00399
0,04380
0,08317
0,12172
0,15910
0,19497
0,22907
0,26115
0,29103
0,31859
0,34375
0,36650
0,38686
0,40490
0,42073
0,43448
0,44630
0,45637
0,46485
0,47193
0,47778
0,48257
0,48645
0,48956
0,49202
0,49396
0,49547
0,49664
0,49752
0,49819
0,49869
0,49906
0,49934
0,49953
0,49968
0,49978
0,49985
0,49990
0,49993
0,49995
0,49997
2
0,00798
0,04776
0,08706
0,12552
0,16276
0,19847
0,23237
0,26424
0,29389
0,32121
0,34614
0,36864
0,38877
0,40658
0,42220
0,43574
0,44738
0,45728
0,46562
0,47257
0,47831
0,48300
0,48679
0,48983
0,49224
0,49413
0,49560
0,49674
0,49760
0,49825
0,49874
0,49910
0,49936
0,49955
0,49969
0,49978
0,49985
0,49990
0,49993
0,49996
0,49997
3
0,01197
0,05172
0,09095
0,12930
0,16640
0,20194
0,23565
0,26730
0,29673
0,32381
0,34849
0,37076
0,39065
0,40824
0,42364
0,43699
0,44845
0,45818
0,46638
0,47320
0,47882
0,48341
0,48713
0,49010
0,49245
0,49430
0,49573
0,49683
0,49767
0,49831
0,49878
0,49913
0,49938
0,49957
0,49970
0,49979
0,49986
0,49990
0,49994
0,49996
0,49997
2 decimal
4
5
0,01595 0,01994
0,05567 0,05962
0,09483 0,09871
0,13307 0,13683
0,17003 0,17364
0,20540 0,20884
0,23891 0,24215
0,27035 0,27337
0,29955 0,30234
0,32639 0,32894
0,35083 0,35314
0,37286 0,37493
0,39251 0,39435
0,40988 0,41149
0,42507 0,42647
0,43822 0,43943
0,44950 0,45053
0,45907 0,45994
0,46712 0,46784
0,47381 0,47441
0,47932 0,47982
0,48382 0,48422
0,48745 0,48778
0,49036 0,49061
0,49266 0,49286
0,49446 0,49461
0,49585 0,49598
0,49693 0,49702
0,49774 0,49781
0,49836 0,49841
0,49882 0,49886
0,49916 0,49918
0,49940 0,49942
0,49958 0,49960
0,49971 0,49972
0,49980 0,49981
0,49986 0,49987
0,49991 0,49991
0,49994 0,49994
0,49996 0,49996
0,49997 0,49997
6
0,02392
0,06356
0,10257
0,14058
0,17724
0,21226
0,24537
0,27637
0,30511
0,33147
0,35543
0,37698
0,39617
0,41309
0,42785
0,44062
0,45154
0,46080
0,46856
0,47500
0,48030
0,48461
0,48809
0,49086
0,49305
0,49477
0,49609
0,49711
0,49788
0,49846
0,49889
0,49921
0,49944
0,49961
0,49973
0,49981
0,49987
0,49992
0,49994
0,49996
0,49998
7
0,02790
0,06749
0,10642
0,14431
0,18082
0,21566
0,24857
0,27935
0,30785
0,33398
0,35769
0,37900
0,39796
0,41466
0,42922
0,44179
0,45254
0,46164
0,46926
0,47558
0,48077
0,48500
0,48840
0,49111
0,49324
0,49492
0,49621
0,49720
0,49795
0,49851
0,49893
0,49924
0,49946
0,49962
0,49974
0,49982
0,49988
0,49992
0,49995
0,49996
0,49998
8
0,03188
0,07142
0,11026
0,14803
0,18439
0,21904
0,25175
0,28230
0,31057
0,33646
0,35993
0,38100
0,39973
0,41621
0,43056
0,44295
0,45352
0,46246
0,46995
0,47615
0,48124
0,48537
0,48870
0,49134
0,49343
0,49506
0,49632
0,49728
0,49801
0,49856
0,49896
0,49926
0,49948
0,49964
0,49975
0,49983
0,49988
0,49992
0,49995
0,49997
0,49998
9
0,03586
0,07535
0,11409
0,15173
0,18793
0,22240
0,25490
0,28524
0,31327
0,33891
0,36214
0,38298
0,40147
0,41774
0,43189
0,44408
0,45449
0,46327
0,47062
0,47670
0,48169
0,48574
0,48899
0,49158
0,49361
0,49520
0,49643
0,49736
0,49807
0,49861
0,49900
0,49929
0,49950
0,49965
0,49976
0,49983
0,49989
0,49992
0,49995
0,49997
0,49998
79
Tabela 3
Tabela da Qui-Quadrado
Valores crticos tais que
Pr F n2 t F n2;D
D
g.l.
n
F n2;D
=
0,990
0,980
0,975
0,950
0,900
0,800
0,200
0,100
0,050
0,025
0,020
0,010
0,000
0,001
0,001
0,004
0,016
0,064
1,642
2,706
3,841
5,024
5,412
6,635
0,020
0,040
0,051
0,103
0,211
0,446
3,219
4,605
5,991
7,378
7,824
9,210
0,115
0,185
0,216
0,352
0,584
1,005
4,642
6,251
7,815
9,348
9,837 11,345
0,297
0,429
0,484
0,711
1,064
1,649
5,989
7,779
0,554
0,752
0,831
1,145
1,610
2,343
7,289
0,872
1,134
1,237
1,635
2,204
3,070
1,239
1,564
1,690
2,167
2,833
3,822
1,646
2,032
2,180
2,733
3,490
2,088
2,532
2,700
3,325
4,168
10
2,558
3,059
3,247
3,940
4,865
11
3,053
3,609
3,816
4,575
5,578
12
3,571
4,178
4,404
5,226
6,304
13
4,107
4,765
5,009
5,892
7,042
14
4,660
5,368
5,629
6,571
7,790
15
5,229
5,985
6,262
7,261
16
5,812
6,614
6,908
7,962
17
6,408
7,255
7,564
18
7,015
7,906
8,231
19
7,633
8,567
8,907 10,117 11,651 13,716 23,900 27,204 30,144 32,852 33,687 36,191
20
8,260
9,237
9,591 10,851 12,443 14,578 25,038 28,412 31,410 34,170 35,020 37,566
21
8,897
9,915 10,283 11,591 13,240 15,445 26,171 29,615 32,671 35,479 36,343 38,932
22
9,542 10,600 10,982 12,338 14,041 16,314 27,301 30,813 33,924 36,781 37,659 40,289
23 10,196 11,293 11,689 13,091 14,848 17,187 28,429 32,007 35,172 38,076 38,968 41,638
24 10,856 11,992 12,401 13,848 15,659 18,062 29,553 33,196 36,415 39,364 40,270 42,980
25 11,524 12,697 13,120 14,611 16,473 18,940 30,675 34,382 37,652 40,646 41,566 44,314
26 12,198 13,409 13,844 15,379 17,292 19,820 31,795 35,563 38,885 41,923 42,856 45,642
27 12,879 14,125 14,573 16,151 18,114 20,703 32,912 36,741 40,113 43,195 44,140 46,963
28 13,565 14,847 15,308 16,928 18,939 21,588 34,027 37,916 41,337 44,461 45,419 48,278
29 14,256 15,574 16,047 17,708 19,768 22,475 35,139 39,087 42,557 45,722 46,693 49,588
30 14,953 16,306 16,791 18,493 20,599 23,364 36,250 40,256 43,773 46,979 47,962 50,892