Escolar Documentos
Profissional Documentos
Cultura Documentos
Quando aplicamos a Estatstica na resoluo de problemas administrativos, verificamos que muitos problemas
apresentamasmesmascaractersticasoquenospermiteestabelecerummodelotericoparadeterminaodasoluo
deproblemas.
Oscomponentesprincipaisdeummodeloestatsticoterico:
1.OspossveisvaloresqueavarivelaleatriaXpodeassumir;
2.AfunodeprobabilidadeassociadavarivelaleatriaX;
3.OvaloresperadodavarivelaleatriaX;
4.AvarinciaeodesviopadrodavarivelaleatriaX.
H dois tipos de distribuies tericas que correspondem a diferentes tipos de dados ou variveis aleatrias: a
distribuiodiscretaeadistribuiocontnua.
DistribuiesContnuas
Varivelaleatriacontnua aquela que pode assumir inmeros valores num intervalo de nmeros reais e medida
numaescalacontnua.Porexemplo,umavarivelaleatriacontnuadeveserdefinidaentreosnmerosreais0e1,ou
nmeros reais no negativos ou, para algumas distribuies, qualquer nmero real. A temperatura, a presso, a
precipitaoouqualquerelementomedidonumaescalacontnuaumavarivelaleatriacontnua.
ExistemduasfunesassociadasacadavarivelcontnuaX:afunodensidadedeprobabilidade,simbolizadaporf X ,
eafunocumulativadeprobabilidade,oufunodedistribuiodeprobabilidaderepresentadaporF X .Afunof X
aquela cuja integral de X a at X b b a d a probabilidade de que X assuma valores compreendidos no
intervalo a,b ,ouseja,
b
P (a X b ) = f (X ) dX 1
a
AfunocumulativadeprobabilidadeF b talque:
b
F (b ) = Pr ob (X b ) = f (X ) dX 2
Qualquer funo definida no campo real s pode ser considerada como uma funo densidade de probabilidade se
foremsatisfeitasasseguintescondies:
f (X ) 0 3
paratodoXe
F (X ) = X dX = 1 4
eaprobabilidadedequeavarivelcontnuaXassumaumvaloremparticular,b,porexemplo,:
TMA DISTRIBUIESCONTNUAS
b
P (a X b ) = f (X ) dX = F (b ) F (b ) = 0 6
a
Hmuitasdistribuiestericascontnuas.Algumasdasmaisusadasaquiso:distribuionormal,distribuio
gamma, distribuio de valores extremos e distribuio exponencial. Neste material vamos tratar dos modelos
probabilsticos citados, que tm importncia prtica na investigao cientfica, abordando as formas das funes
densidadedeprobabilidade,bemcomoaesperanaeavarincia.
DistribuioUniforme
Uma distribuio de varivel aleatria contnua a distribuio uniforme cuja funo densidade de probabilidade
constantedentrodeumintervalodevaloresdavarivelaleatriaX.
AvarivelaleatriaXtemdistribuiouniformedeprobabilidadesnointervalo a,b seafunodensidadef x for:
, comasseguintescondies:baeaxb.
Arepresentaogrficadadistribuiouniformeumretngulocombasedefinidapelosvaloresaebqueestabelecem
oslimitesdevalorespossveisdavarivelaleatriaX,FiguraXXXXX.
f(X)
1/(ba)
0ab X
Dadefiniodadistribuiouniformededuzimos:
Areadoretnguloiguala1,poisabase ba eaaltura1/ ba .
AprobabilidadedavarivelaleatriaXserigualoumaiorqueae,aomesmotempo,menorouigualabigual
a1ou100%
AmdiaeavarinciadavarivelaleatriaXcomdistribuiouniformedeprobabilidadesnointervalo a,b so:
Mdia:
Varincia:
EXEMPLO1
AvarivelaleatriaXtemdistribuiouniformenointervalo 50,200 .Calcularamdiaeodesviopadro.
Soluo
A mdia da varivel aleatria contnua X 150 obtida com a frmula:
200 50
125
2 2
Da mesma forma, a varincia 1875,00, obtida com a frmula:
200 50
1875,00
12 12
O desvio padro obtido como:
1875 43,30
EXEMPLO2
ContinuandooExemplo1,qualaprobabilidadedeumvalordavarivelXseencontrarentre110e150?
Soluo
2 Bertolo
DISTRIBUIESCONTNUAS TMA
2.DISTRIBUIOUNIFORMENOEXCEL
OExcelnotemnenhumafunoestatsticaparaadistribuiouniforme.Entretantopossvelautomatizarosclculos
criandoummodeloestatsticoparaadistribuiouniforme.Nosegmentodeplanilhaabaixomostramosomodelo
DistribuioUniformeresolvendoosExemplos1e2.Comomodelopossvelrealizarclculos,conformeapresentado
aseguir:
Asclulaspintadasnacorverdesoclulasqueaceitamsomentedados.Asclulaspintadasemazulsoas
clulasresultados.Asrestantesclulaspintadasdecoralaranjadosoclulascontendottulos.
NasclulasC4 eC5soinformadososlimitesaebdavarivelaleatriauniformeX
AsclulasC6,C7eC8calculam,respectivamente,amdia,avarinciaedesviopadro.
Informandoosvalorescedpertencentesaointervalo a,b nasclulasC10eC11,omodelocalcularnaclula
C12aprobabilidadeP cXd .AsclulasC10eC11estopreparadasparaaceitarapenasvaloresdentrodo
intervalo a,b .
Aomesmotempo,omodeloconstriafunof x nointervalo a,b edestacaareadeclculodaprobabilidade
P cXd .
A B C D E F G H
1 DISTRIBUIO UNIFORME
2
3 Varivel Aleatria Uniforme X
4 Mnimo 50 0,007 50 0
5 Mximo 200 0,006 50 0,00666667
6 Mdia 125,00 0,005 200 0,00666667
0,004
7 Varincia 1875,00 200 0
0,003
8 Desvio Padro 43,30 0,002 110 0
9 Clculo de Probabilidades 0,001 110 0,00666667
10 c 110,00 0 150 0,00666667
11 d 150,00 150
0 50 0 100 150 200 250
12 P (c<X<d ) 26,67%
13
=SE(E(C11<=C5;C11>=C4;C10<=C5;C
10>=C4);(C11-C10)/(C5-C4);"Erro!")
EXERCCIOSRESOLVIDOS
EXERCCIOS
1.Determineaprobabilidadedeobtermos
Bertolo 3
TMA DISTRIBUIESCONTNUAS
DistribuioNormal
1.DISTRIBUIONORMALCURVANORMAL
Entre as distribuies tericas de varivel aleatriacontnua, umadas mais empregadas adistribuionormal. Sua
importncia em anlise matemtica resulta do fato de que muitas tcnicas estatsticas, como anlise de varincia, de
regressoealgunstestesdehiptese,assumemeexigemanormalidadedosdados.Almdisso,aamplaaplicaodessa
distribuiovemempartedevidoaoteoremadolimitecentral.Esteteoremadeclaraquenamedidaemqueotamanho
daamostraaumenta,adistribuioamostraldasmdiasamostraistendeparaumadistribuionormal Triola,1998 .
OaspectogrficodeumadistribuionormalodaFigura01:
FIGURA 01
Paraumaperfeitacompreensodadistribuionormal,observeaFigura01eprocurevisualizarasseguintes
propriedades:
1 AvarivelaleatriaXpodeassumirtodoequalquervalorreal.
2 Arepresentaogrficadadistribuionormalumacurvaemformadesino,simtricaemtornodamdia ,que
recebeonomede oude .
3 Areatotallimitadapelacurvaepeloeixodasabcissasiguala1,jqueessareacorrespondeprobabilidadeda
varivelaleatriaXassumirqualquervalorreal.
4 A curva normal assinttica em relao ao eixo das abcissas, isto , aproximase indefinidamente do eixo das
abcissassem,contudo,alcanlo.
5 Como a curva simtrica em torno de , a probabilidade de ocorrer valor maior do que a mdia igual
probabilidade de ocorrer valor menor do que a mdia, isto , ambas as probabilidades so iguais a 0,5. Escrevemos:
P X P X 0,5.
Quando temos em mos uma varivel aleatria com distribuio normal, nosso principal interesse obter a
probabilidadedessavarivelaleatriaassumirumvaloremumdeterminadointervalo.
Calcularestaintegraltodavez,noseriafcil.
A fim de ultrapassar este inconveniente, o Sr. Gauss um dos
estatsticos que inicialmente estudou esta funo de distribuio
desenvolveu uma metodologia conducente estandardizao, ou
reduo aumcasonico,dequalquerquesejaafunode
distribuionormal,caracterizadapore.Estaestandardizaotransformaqualquerfunodedistribuionormal
N , numa nicafunodedistribuionormal,caracterizadaportermdia 0edesviopadro 1,isto,
N 0,1 ,quedesignadaporfunodedistribuionormalreduzida.
Vejamoscomoproceder,pormeiodeumexemploconcreto.
Seja X a varivel aleatria que representa os dimetros dos parafusos produzidos por certa mquina. Vamos supor
que essa varivel tenha distribuio normal com mdia = 2 cm desvio padro = 0,04 cm.
Pode haver interesse em conhecer a probabilidade de um parafuso ter um dimetro com valor entre 2 e 2,05 cm.
fcil notar que essa probabilidade, indicada por:
4 Bertolo
DISTRIBUIESCONTNUAS TMA
2 2,05
O clculo direto dessa probabilidade exige um conhecimento de Matemtica mais avanado do que aquele que dispomos aqui.
Entretanto, podemos contornar o problema facilmente. Basta aceitar, sem demonstrao, que, se X uma varivel aleatria
com distribuio normal de mdia e desvio padro , ento a varivel:
1
tem distribuio normal reduzida , isto , tem distribuio normal de mdia 0 e desvio padro 1.
As probabilidades associadas distribuio normal padronizada so encontradas em tabelas, no havendo necessidade de
serem calculadas.
A Figura abaixo uma tabela de distribuio normal reduzida2, que nos d a probabilidade de Z tomar qualquer valor entre a
mdia 0 e um dado valor z, isto :
Convertidososintervalosdavarivelx,entreosquaissepretendecalculara probabilidade,paravalores
padronizadosemz,oclculodestaprobabilidadeser:
ILUSTRAO
Porcentagens da rea Sob a Curva Normal Padro
Umgrficodestacurvanormalpadronizada mdia0eVarincia1 :
1
O valor de Z pode ser obtido no Excel pela funo Padronizar. Assim, =PADRONIZAR(x; mdia;desv_padro)
2
Esta Tabela foi produzida no Excel usando a funo estatstica =DIST.NORMP($A2+B$1)-0,5000. Foi feita a subtrao de 0,5000 para os
valores ficarem restritos primeira metade dos valores acima de zero da gaussiana. Note que a funo est definida assim para a clula B2.
Para se obter os valores das outras clulas, basta arrastarmos a ala do canto inferior direito de B2 at K42.
Bertolo 5
TMA DISTRIBUI
ESCONTN
NUAS
F
FIGURA 03 - REA SUB
BTENDIDA PELA
P CURVA
A NORMAL REDUZIDA DE 0 A Z
Z 0 01
0,0 0,02 0,03 0,04 0,05 0,06 0
0,07 0,0
08 0,09
0,00 0,0000 040
0,00 0,0080 0,0120 0,0160 0,0199 0,0239 0,0279 0,03
319 0,03599
0,10 0,0398 438
0,04 0,0478 0,0517 0,0557 0,0596 0,0636 0,0675 0,07
714 0,07533
0,20 0,0793 832
0,08 0,0871 0,0910 0,0948 0,0987 0,1026 0,1064 0,11
103 0,1141
0,30 0,1179 217
0,12 0,1255 0,1293 0,1331 0,1368 0,1406 0,1443 0,14
480 0,15177
0,40 0,1554 591
0,15 0,1628 0,1664 0,1700 0,1736 0,1772 0,1808 0,18
844 0,18799
0,50 0,1915 950
0,19 0,1985 0,2019 0,2054 0,2088 0,2123 0,2157 0,21
190 0,22244
0,60 0,2257 291
0,22 0,2324 0,2357 0,2389 0,2422 0,2454 0,2486 0,25
517 0,25499
0,70 0,2580 611
0,26 0,2642 0,2673 0,2704 0,2734 0,2764 0,2794 0,28
823 0,28522
0,80 0,2881 910
0,29 0,2939 0,2967 0,2995 0,3023 0,3051 0,3078 0,31
106 0,31333
0,90 0,3159 186
0,31 0,3212 0,3238 0,3264 0,3289 0,3315 0,3340 0,33
365 0,33899
1,00 0,3413 438
0,34 0,3461 0,3485 0,3508 0,3531 0,3554 0,3577 0,35
599 0,3621
1,10 0,3643 665
0,36 0,3686 0,3708 0,3729 0,3749 0,3770 0,3790 0,38
810 0,38300
1,20 0,3849 869
0,38 0,3888 0,3907 0,3925 0,3944 0,3962 0,3980 0,39
997 0,40155
1,30 0,4032 049
0,40 0,4066 0,4082 0,4099 0,4115 0,4131 0,4147 0,41
162 0,41777
1,40 0,4192 207
0,42 0,4222 0,4236 0,4251 0,4265 0,4279 0,4292 0,43
306 0,43199
1,50 0,4332 345
0,43 0,4357 0,4370 0,4382 0,4394 0,4406 0,4418 0,44
429 0,4441
1,60 0,4452 463
0,44 0,4474 0,4484 0,4495 0,4505 0,4515 0,4525 0,45
535 0,45455
1,70 0,4554 564
0,45 0,4573 0,4582 0,4591 0,4599 0,4608 0,4616 0,46
625 0,46333
1,80 0,4641 649
0,46 0,4656 0,4664 0,4671 0,4678 0,4686 0,4693 0,46
699 0,47066
1,90 0,4713 719
0,47 0,4726 0,4732 0,4738 0,4744 0,4750 0,4756 0,47
761 0,47677
2,00 0,4772 778
0,47 0,4783 0,4788 0,4793 0,4798 0,4803 0,4808 0,48
812 0,48177
2,10 0,4821 826
0,48 0,4830 0,4834 0,4838 0,4842 0,4846 0,4850 0,48
854 0,48577
2,20 0,4861 864
0,48 0,4868 0,4871 0,4875 0,4878 0,4881 0,4884 0,48
887 0,48900
2,30 0,4893 896
0,48 0,4898 0,4901 0,4904 0,4906 0,4909 0,4911 0,49
913 0,49166
2,40 0,4918 920
0,49 0,4922 0,4925 0,4927 0,4929 0,4931 0,4932 0,49
934 0,49366
2,50 0,4938 940
0,49 0,4941 0,4943 0,4945 0,4946 0,4948 0,4949 0,49
951 0,49522
2,60 0,4953 955
0,49 0,4956 0,4957 0,4959 0,4960 0,4961 0,4962 0,49
963 0,49644
2,70 0,4965 966
0,49 0,4967 0,4968 0,4969 0,4970 0,4971 0,4972 0,49
973 0,49744
2,80 0,4974 975
0,49 0,4976 0,4977 0,4977 0,4978 0,4979 0,4979 0,49
980 0,4981
2,90 0,4981 982
0,49 0,4982 0,4983 0,4984 0,4984 0,4985 0,4985 0,49
986 0,49866
3,00 0,4987 987
0,49 0,4987 0,4988 0,4988 0,4989 0,4989 0,4989 0,49
990 0,49900
3,10 0,4990 991
0,49 0,4991 0,4991 0,4992 0,4992 0,4992 0,4992 0,49
993 0,49933
3,20 0,4993 993
0,49 0,4994 0,4994 0,4994 0,4994 0,4994 0,4995 0,49
995 0,49955
3,30 0,4995 995
0,49 0,4995 0,4996 0,4996 0,4996 0,4996 0,4996 0,49
996 0,49977
3,40 0,4997 997
0,49 0,4997 0,4997 0,4997 0,4997 0,4997 0,4997 0,49
997 0,49988
3,50 0,4998 998
0,49 0,4998 0,4998 0,4998 0,4998 0,4998 0,4998 0,49
998 0,49988
3,60 0,4998 998
0,49 0,4999 0,4999 0,4999 0,4999 0,4999 0,4999 0,49
999 0,49999
3,70 0,4999 999
0,49 0,4999 0,4999 0,4999 0,4999 0,4999 0,4999 0,49
999 0,49999
3,80 0,4999 999
0,49 0,4999 0,4999 0,4999 0,4999 0,4999 0,4999 0,49
999 0,49999
3,90 0,5000 000
0,50 0,5000 0,5000 0,5000 0,5000 0,5000 0,5000 0,50
000 0,50000
4,00 0,5000 000
0,50 0,5000 0,5000 0,5000 0,5000 0,5000 0,5000 0,50
000 0,50000
Voltemo
os, ento, ao nosso
n problem
ma.
Queremmos calcular P(2
P < X < 2,05 5). Para obter essa probabillidade, precisa
amos, em prim
meiro lugar, ca
alcular o valorr de
z que de a x = 2,05 (x = 2 z = 0,
q correspond 0 pois =2). Temos,
T ento
o:
6 Bertol
lo
DISTRIBUIESCONTNUAS TMA
2,05 2 0,05
1,25,
0,04 0,04
donde:
P(2 < X < 2,05) = P(0 < X 1,25)
Procuremos, agora, na Figura 03 acima o valor de z = 1,25.
Na primeira coluna encontramos o valor 1,2. Em seguida, encontramos, na primeira linha, o valor 5, que corresponde
ao ltimo algarismo do nmero 1,25. Na interseco da linha e coluna correspondentes encontramos o valor 0,3944, o que nos
permite escrever:
P(0 < Z < 1,25) = 0,3944
Assim, a probabilidade de um parafuso fabricado por essa mquina apresentar um dimetro entre a mdia = 2 e o
valor x = 2,05 0,3944.
Escrevemos, ento:
P(2 < X < 2,05) = P(0 < Z < 1,25) = 0,3944 ou 39,44%.
EXERCCIOSRESOLVIDOS
1.Determineasprobabilidades:
a.P 1,25 Z 0
Soluo:
A probabilidade procurada corresponde parte hachurada da figura:
Sabemos que:
P(0 < Z < 1,25) = 0,3944
Pela simetria da curva, temos:
P(-1,25 < Z < 0 = P(0 < Z < 1,25) = 0,3944
b.P 0,5 Z 1,48
A Probabilidade procurada corresponde parte hachurada da figura:
Temos
P(-0,5 < Z < 1,48) = P(-0,5 < Z < 0) + P(0 < Z < 1,48)
Como:
P(-0,5 < Z < 0 = P(0 < Z < 0,5) = 0,1915
e
P(0 < Z < 1,48) = 0,4306
obtemos:
P(-0,5 < Z < 1,48) = 0,1915 + 0,4306 = 0,6221
c.P 0,8 Z 1,23
Bertolo 7
TMA DISTRIBUIESCONTNUAS
Temos:
P(0,8 < Z < 1,23) = P(0 < Z < 1,23) P(0 < Z < 0,8)
Como:
P(0 < Z < 1,23) = 0,3907 e P(0 < Z < 0,8) = 0,2881,
Obtemos:
P(0,8 < Z < 1,23) = 0,3907 0,2881 = 0,1026.
d.P Z 0,6
A probabilidade procurada corresponde parte hachurada da figura:
Temos:
P(Z > 0,6) = P(Z > 0) P(0 < Z < 0,6)
Como:
P(Z > 0) = 0,5 e P(0 < Z < 0,6) = 0,2258
obtemos:
P(Z > 0,6) = 0,5 0,2258 = 0,2742
e.P Z 0,92
A probabilidade procurada corresponde parte hachurada da figura:
Temos:
P(Z < 0,92) = P(Z < 0) + P(0 < Z < 0,92)
como:
P(Z < 0) = 0,5 e P(0 < Z < 0,92) = 0,3212
obtemos:
P(Z < 0,92) = 0,5 + 0,3212 = 0,8212
2.Aunidadedeensacamentodeumafbricadecimentospressupostoencherossacoscomumpesomdio 50kg.
bvioquenemtodosossacosficamexatamentecomaquantidadede50kg,havendoalgunsqueficamcommais,outros
queficamcommenoscimento,devidoadiversosfatoresaleatriosqueocasionamvariabilidadenoprocesso.
Estudadaestavariabilidadeoudisperso,quantificouseavarinciadoprocesso,tendoseconcludoquede2 0.25
kg2ouodesviopadro 0,25 0,5kg.
Admitindoqueoprocessodeensacamentoseguealeidedistribuionormalcommdia 50evarincia 0.5
isto,x~N 50, 0.5 ,calculeaprobabilidadedequeumsaco,selecionadoaleatoriamente,contenha:
8 Bertolo
DISTRIBUIESCONTNUAS TMA
a entre50kge51kg.
b entre49,5kge50kg.
c entre49kge51kg.
d acimade51,5kg.
e abaixode48,75kg.
f entre50,5kge51,5kg.
g entre48,5kge49,5kg.
h abaixode48,5kgouacimade51,5kg.
i Em1000sacossadosdestaunidadedeensacamento,quantosseroesperadoscomopesoentre49,5kge51,5kg?
j Calculeoslimites,inferioresuperior,dointervalocentralondeexistem90%dossacossadosdestalinhade
ensacamento.
Soluo:
Estabelea-se que:
x: peso dos sacos (varivel aleatria)
x~N(=50, =0,25) = 50 = 0,5
a) Pretende-se calcular Pr(50 x 51). Esta probabilidade graficamente traduzida
pela seguinte rea:
Convertam-se os limites do intervalo para a varivel z
normal reduzida:
para x=50 vem: 0
,
para x=51 vem: 2
,
Ento:
Pr(50 x 51) = Pr(0 z 2) = 0,4772 ou 47,72%,
fazendo esta leitura na tabela para z = 2,00.
b) Pretende-se calcular Pr(49,5 x 50). Esta probabilidade graficamente
traduzida pela seguinte rea:
Convertam-se os limites do intervalo para a varivel z
normal reduzida:
,
para x=49,5 vem: 1
,
para x=50 vem: 0
,
Ento:
Pr(49,5 x 50) = Pr(-1 z 0)
Neste ponto, depara-se dificuldade de que a tabela anexa apenas d os valores das
probabilidades para intervalos acima de z = 0, isto Pr(0 z z), sendo z 0.
Apelando para a propriedade da simetria da distribuio normal, conclui-se que as
duas reas abaixo indicadas so idnticas, isto , Pr(-1 z 0) = Pr(0 z 1).
Ento:
Pr(49,5 x 50) = Pr(-1 z 0) = Pr(0 z
1) = 0,3413 ou 34,13%
Bertolo 9
TMA DISTRIBUIESCONTNUAS
Analisando a rea que traduz a probabilidade, nota-se que essa rea composta por
duas partes, nomeadamente a rea compreendida entre z = -2 e z = 0, no ramo inferior
da curva, e pela rea delimitada z = 0 e z = 2, no ramo superior. Em termos de
probabilidade, tem-se:
Analisando a rea que traduz a probabilidade, nota-se que essa rea a cauda
superior da rea total direita de z = 0, delimitada inferiormente por z = 3.
Contudo, a tabela em uso d leituras para reas delimitadas inferiormente por z = 0 e
superiormente por z = z (neste caso z = 3).
Numa situao deste gnero, h que apelar para uma propriedade fundamental da
distribuio normal, que estabelece que Pr(x ) = Pr(z 0) = 0,5.
Pela anlise das reas envolvidas, depreende-se que:
Pr(z 3) = Pr(z 0) - Pr(0 z 3)
Ento:
Pr(x 51,5) = Pr(z 0) Pr(0 z 3) =
0,5 0,4987 = 0,0013 ou 0,13%
10 Bertolo
DISTRIBUIESCONTNUAS TMA
Pelo que foi exposto na alnea anterior, conclui-se que:
Pr(z 2,5) = Pr(z 0) - Pr(0 z 2,5)
Ento:
Pr(x 48,75) = Pr(z -2,5) = Pr(z 2,5) = Pr(z 0) - Pr(0 z 2,5)
= 0,5 0,4938 = 0,0062 ou 0,62%
f) Pretende-se calcular Pr(50,5 x 51,5). Esta probabilidade graficamente
traduzida pela seguinte rea:
Convertam-se os limites do intervalo para a
varivel z normal reduzida:
,
para x=50,5 vem: 1
,
,
para x=51,5 vem: 3
,
Ento:
Pr(50,5 x 51,5) = Pr(1 z 3)
Note-se que a rea que traduz esta probabilidade uma rea no ramo superior da curva
da distribuio normal, sem que contudo os seus limites coincidam com z = 0.
Analisando as rea envolvidas, conclui-se que:
Pr(1 z 3) = Pr(0 z 3) - Pr(0 z 1)
Isto , expressou-se a rea a calcular em funo da diferena de duas reas cuja
leitura direta na tabela.
Ento:
Pr(50,5 x 51,5) = Pr(1 z 3) = Pr(0z3)
- Pr(0 z 1)
= 0,4987 0,3413 = 0,1574 ou 15,74%
Bertolo 11
TMA DISTRIBUIESCONTNUAS
12 Bertolo
DISTRIBUIESCONTNUAS TMA
EXERCCIOS
1.SendoZumavarivelcomdistribuionormalreduzida,calcule:
Bertolo 13
TMA DISTRIBUIESCONTNUAS
X i
11
X = i =1
(X X )
N
2
i
12
s2 = i =1
N 1
14 Bertolo
DISTRIBUIESCONTNUAS TMA
Umanotaobastanteempregadaparadesignarqueumavariveltemdistribuionormalcommdia x evarincias2
( )
sarepresentaodee x dedeumaamostra N X , s .Seumaamostradedadostemrealmentedistribuio
2
normalaseguinterelaovlida:A K3 0.Acurtosedadistribuionormaliguala3eaassimetrianula.
O histograma de freqncias da distribuio normal tem a forma de sino ou parecida. Com a mdia constante e a
varinciavarivel,ogrficodacurvanormalassumediferentesformasdesino:dealongadaaachatada.Aprobabilidade
dequeXassumavaloresmenoresouiguaisaumdadoxquandoXN x ,s2 estimadapor:
X (X )2
1
F (X ) = e 2 2 dX 13
2
Mas essa equao no pode ser resolvida analiticamente sem o uso de mtodos de integrao aproximada. Por essa
razousaseatransformao Z =
(X X ) ecomissoavarivelZtemN 0,1 .
s
AvarivelZchamadavarivelreduzidaeacurva
Z Z2
1
F (Z ) = e 2 dZ 14
2
acurvanormalreduzida.
F Z naformadaequao 14 tabulada.Comoacurvanormalreduzidasimtrica,essapropriedadegeralmente
utilizadanatabulaodeapenasvalorespositivosdeZ.Masalgumastabelas,comoatabela4,tambmmostramvalores
negativosdeZ.AstabelasdeF Z tantopodemindicaraProb Zz ,bemcomoasProb 0Zz .Porisso,aescolhada
tabelaesuautilizaodeveserfeitacommuitocuidado.AtabelautilizadaaquiforneceProb Zz .Masnastabelas
quefornecemapenasosvalorespositivosdavarivelreduzidafazseusodapropriedadedesimetriadacurvanormal
reduzidademodoque:P XZ0 P 0ZX .
3.DISTRIBUIONORMALNOEXCEL
Poderamos construir uma planilha para realizar os clculos de P(0 < Z < z) diretamente na planilha Excel. Para
tanto,bastaconstruirumaplanilhacomoamostradaabaixo:
A B C D E F
1 valor 9,00
2 mdia 7,00
3 desviopadro 1,20
4 valorreduzidoz 1,67 <--=PADRONIZAR(B1;B2;B3)
5 arredondado 1,60 <--=ARREDONDAR.PARA.BAIXO(B4;1)
6 centsimo 0,07 <--B4-B5
7 P(0<Z<z) 0,4515 <--=PROCV(B5;Dist_Z!$A$2:$K$42;B6*100+2)
8
OprocessoficaeficienteecomreduodeerrosdeleituraporpartedousuriodaTabela.Aindamaisesteresultado
poder ser utilizado em outras clulas de clculo de novas variveis que necessitam do conhecimento do valor de
P(0 < Z < z).
possvel automatizamos esta busca na Tabela ainda mais usando o VBA com formulrios. Para isso construa o
formulrioseguinte:
Bertolo 15
TMA DISTRIBUIESCONTNUAS
CONSTRUODOFORMULRIO
Sevocquiserconstruiresteformulrio,simplesmentecopieolayoutmostradonailustraoacima.Sigaospassos
abaixo:
1.Abraapasta workbook quevocquerqueoformulriopertena UserFormscomomacrostemdeserem
atribudosaumapasta eligueoVBEdoExcel.
2.NoVBEcliquenobotoInserirUserForm ouvparaInserir UserForm
3.Seacaixadeferramentasnoaparecerporsis primeirocliqueno formparagarantirsequeelenoestoculto
cliquenobotoCaixadeFerramentas.
4. Para colocar um controle no formulrio clique no boto apropriado na caixa de ferramentas e da clique no
formulrio.Controlespodemsermovidosarrastandoospelosseuslados,ouredimensionandoarrastandoosbotesao
redordopermetro.
5.Paraeditaraspropriedadesdeumcontrole,certifiquesequeo controleescolhidoestejaselecionadoedafaaas
mudanas apropriadas na janela Properties. Se voc no puder ver a janela properties, v para Exibir Janela de
Propriedades.
6.Pararemoverumcontroledeumformulrio,selecioneoecliqueateclaDeletenoseuteclado.
Um UserForm realmente no far qualquer coisa at o cdigo que dirige o formulrio e seus vrios controles seja
criado.Oprximopassoescreverocdigoquedirigeoprprioformulrio.
InicializandooFormulrio:
A maioria dos formulrios precisa de uma espcie de configurao quando so abertos. Neles podem ser definidos
valoresdefault,certifiquesedequeoscamposestejamvazios.Esteprocessochamadodeinicializaodoformulrio
e ele tratado por uma macro chamada UserForm_Initialize. Aqui est como construir o cdigo para inicializar o
FormulriodeEntradadosParmetros:
1.ParaverajaneladecdigodoformulriovparaExibir CdigooucliqueF7.
2.QuandoajaneladecdigoseabrirprimeiramenteelaconterumprocedimentoUserForm_Click vazio.Usamosas
listas dropdownnotopodajaneladecdigoparaescolherUserFormeInitialize.Istocriaroprocedimentoquevoc
precisa.VocpodeagoradeletaroprocedimentoUserForm_Click .
16 Bertolo
DISTRIBUIESCONTNUAS TMA
Bertolo 17
TMA DISTRIBUIESCONTNUAS
Esta funo calcula a area sob o lado esquerdo de um valor especificado (o valor z) de uma curva de funo
densidade de distribuio normal padro (standard normal distribution density function curve). Num portugus
simples, ela retorna a probabilidade de X que menor que um valor especfico.
Se voc no souber com o que uma curva normal se parece ou j se esqueceu dela, aqui est um exemplo:
Nesteexemplo,aprobabilidadedeXsermenorque1,64 z 94.9497
Function u_SNorm(z)
c1 = 2.506628
c2 = 0.3193815
c3 = -0.3565638
c4 = 1.7814779
c5 = -1.821256
c6 = 1.3302744
If z > 0 Or z = 0 Then
w=1
Else: w = -1
End If
y = 1 / (1 + 0.2316419 * w * z)
u_SNorm = 0.5 + w * (0.5 - (Exp(-z * z / 2) / c1) * _
(y * (c2 + y * (c3 + y * (c4 + y * (c5 + y * c6))))))
End Function
u_SNorm(1.64) = 0.949497
Esta funo tambm implementada no exemplo Black-Scholes Option Pricing Model - European Call and Put.
18 Bertolo
DISTRIBUIESCONTNUAS TMA
4.APLICAOOMercadodeAes
Algumasvezes,osmercadosdeaesseguemumatendnciaparacima outendnciaparabaixo dentrode2desvios
padresdamdia.Istochamadomoversedentrodocanalderegressolinear.
AquiestumgrficodoAustralianindex oAllOrdinaries de2003atSet2006.
Alinhacinzasuperiorest2desviospadresacimadamediaealinhacinzainferiorest2desviospadresabaixoda
mdia.
NotequeemAbrilde2006ondiceesteveacimadamargemsuperiordocanaleumacorreoseguida omercado
despencou .
Masdeformainteressante,altimapartedogrficomostraqueondicesomenteesteveemquedaatopontono
fundodocanaledaentorecuperouatamdia,comovocpodevernaexibioampliadaabaixo.Taisanlises
ajudamostradersganharemdinheiro ounoperderemdinheiro quandoestoinvestindo.
Bertolo 19
TMA DISTRIBUIESCONTNUAS
DistribuioExponencial
Adistribuioexponencialgeralmenteaplicadadadoscomforteassimetria3comoaquelescujohistogramatema
formadafiguraabaixo,ouseja,deJinvertido.Quandoosserviosprestadosporumaempresaparaclientesexternosou
internossodeduraovarivelestadistribuioaindicadaparaanalisaressesexperimentos,porexemplo,a
duraodoatendimentodocaixadeumbancooudepostosdesade,otempodeoperaoseminterrupodeum
equipamento,etc.Suadensidadedeprobabilidadetemaforma:
com 0,x 0 1
esuafunodedistribuiodeprobabilidadedotipo:
1
2
Ascaractersticasdafunoexponencialdefinidaso:
A distribuio no simtrica como mostra a Figura abaixo para dois valores do parmetro , obtida no
segmentodeplanilha:
A B C D E F G H
1 DISTRIBUIO EXPONENCIAL
2
3 0,5 1
4 Mdia 2,00 1,00
5 Desvio Padro 2,00 1,00
6 X f(X) f(X)
7 0 0,5000 1,0000
8 1 0,3033 0,3679 1,2
9 2 0,1839 0,1353 1,0
10 3 0,1116 0,0498
0,8
11 4 0,0677 0,0183
12 5 0,0410 0,0067 0,6
13 6 0,0249 0,0025 0,4
14 7 0,0151 0,0009 0,2
15 8 0,0092 0,0003 0,0
16 9 0,0056 0,0001 0 1 2 3 4 5 6 7 8 9 10
17 10 0,0034 0,0000
18
C$3*EXP $B17*C$3
AvarivelaleatriaXassumesomentevalorespositivos.
Comparandocoma distribuionormal,enquantoestacompletamentedefinidapordoisparmetros, mdiae
desviopadro,adistribuioexponencialdefinidaporapenasumnicoparmetro,estimadopor:
1
3
Comisso,afunocumulativadeprobabilidadeassumeaformageralmenteencontradanaliteratura,ouseja:
1 para0 X ae
4
paraX a
A esperana e a varincia da distribuio exponencial so obtidas atravs das expresses: 1/ e 2 1/2,
respectivamente.Adistribuioexponencialumcasoespecialdadistribuiogamacomoparmetro 1.
3Skewness
20 Bertolo
DISTRIBUIESCONTNUAS TMA
EXEMPLO1 ProjetoPAEBolsista:MichelleS.Reboita
Considere os dados dirios de chuva de Pelotas RS, no ms de janeiro, cuja distribuio de freqncias consta na
tabela15.Nesteexemploosdadosbrutosnosoapresentados.
Osclculosnecessriosparaaestimativadamdiaedavarinciadosdadostambmestoindicadosnatabela15,com
isso,temse:
f = 450 + 184 + 80 + 43 + 23 + 9 + 7 + 5 + 2 + 2 + 0 + 1 = 806
fX = 450 5,5 + 184 15 + 80 25 + 43 35 + 23 45 + 9 55 + 7 65 + 5 75 + 2 85 + 2 95 + 0 105 + 1 115 = 11575
fX 2
= 450 5,52 + 184 152 + 80 252 + 43 352 + 23 452 + 9 552 + 7 652 + 5 752 + 2 852 + 2 952 + 0 1052 + 1 1152 = 334912,5
Tabela15.DistribuiodefreqnciasdostotaisdiriosdechuvadejaneirodePelotas,RS,noperodode1893a1994.
Foramconsideradosapenasosvalores 1,0mm.
X=
fX = 11575 = 14,361
f 806
s 2
=
[ fX 2
( fX) / f
2
] = 334912,5 11575 / 806 = 209,54
2
f 1 805
s 14,48
1 1
0,0696
14,361
OsvaloresdeF X easfreqnciasesperadassoassimcalculados:
Bertolo 21
TMA DISTRIBUIESCONTNUAS
22 Bertolo
DISTRIBUIESCONTNUAS TMA
SecumulativoforVERDADEIRO,afunoDISTEXPONdaprobabilidadeacumuladadezeroatx,P 0Xx
considerando o parmetro lambada, valor obtido com a frmula P X a 1 . Por exemplo, a
probabilidadeacumuladadoexemplo2podeserobtidacomafrmula: 1DISTEXPON 1;0,5;VERDADEIRO
0,6065. Escolhendo na caixa de combinao VERDADEIRO
VERDADEIRO a planilha constri a curva de probabilidade
acumulada..
DistribuioLogNormal
Nem todas as variveis aleatrias tm distribuio normal. H experincias com resultados no simtricos, por
exemplo,oretornodasoperaesfinanceiras.
A varivel aleatria X com valores positivos tem distribuio lognormal com funo densidade de
probabilidade:
1
0
2
0 0
seavarivelaleatriaYdefinidacomoY ln X tiverdistribuionormalcommdia Y e
desviopadro0Y .
AnalisandoavarivelaleatriaXretornodeuminvestimentoemaes:
Arelaoentreoresgateeaaplicaopodesermaiorque1,semnenhumalimitaoatondeoprpriomercado
permitir.
Entretanto,arelaoentreoresgateeaaplicaopodesermenorque1atolimitedenoresgatarnadae
perderaaplicaorealizada,provocandoumadistribuioderetornosassimtrica.
AmdiaeavarinciadeXcomdistribuiolognormalso:
3.DISTRIBUIOLogNormalNOEXCEL
Vejamososegmentodeplanilhacomestadistribuio:
Bertolo 23
TMA DISTRIBUIESCONTNUAS
A B C D E F G H I
1 DISTRIBUIO LOG-NORMAL
2
3 Parmetros da Distribuio Normal Y 0,16
4 Y 1,5 2 0,14
5 Y 1 0,75 0,12
6 Distribuio Log-normal X 0,10
7 X 7,39 9,79 0,08
8 X 9,69 8,51 0,06
9 Funo densidade 0,04
10 Intervalo da curva: 0,25 0,02
11 x f (x ) f (x ) 0,00
12 0,0 0,0000 0,0000 0 2 4 6 8 10 12 14 16 18 20
13 0,3 0,0248 0,0001
14 0,5 0,0720 0,0017
15 0,8 0,1076 0,0068
16 1,0 0,1295 0,0152
17 1,3 0,1412 0,0257
18 1,5 0,1461 0,0370
19 1,8 0,1465 0,0481
20 2,0 0,1441 0,0583
21 2,3 0,1398 0,0673
22 2,5 0,1346 0,0749
23 2,8 0,1288 0,0812
24 3,0 0,1227 0,0861
25 3,3 0,1166 0,0899
26 3,5 0,1106 0,0925
27 3,8 0,1047 0,0942
28 4,0 0,0991 0,0951
29 4,3 0,0937 0,0954
30 4,5 0,0887 0,0950
31 4,8 0,0838 0,0941
32 5,0 0,0793 0,0929
33 5,3 0,0750 0,0913
Variandoamdiaeodesviopadro,clulasC4eD5,dadistribuionormalY ln X podeseanalisaro
comportamentodestascurvas.NointervalodeclulasC7:D8aplanilhaforneceamdiaeodesviopadrodecada
distribuiolognormal,comomostradonafiguraacima.
OExceldispedasfunesestatsticasDIST.LOGNORMALeINVLOGparaclculoscomadistribuiolognormal.
AsintaxedafunoDIST.LOGNORMAL:
DIST.LOGNORMAL(x;mdia;desv_padro)
AfunoDIST.LOGNORMALdaprobabilidadeacumuladade0ax,conhecidososargumentosmdiaedesv_padro.
Vejaumexemplo:
J K L M N O
1 Funo DIST.LOGNORMAL
2
3 Y 1,5
4 Y 1
5 x 4
6 P(X<=4) 0,4547 <--=DIST.LOGNORMAL(L5;L3;L4)
7 P(X<=4) 0,4547 <--=DIST.NORMP((LN(L5)-L3)/L4)
8
AsintaxedafunoINVLOG:
INVLOG(probabilidade;mdia;desv_padro)
AfunoINVLOGdovalordexparaaprobabilidade,conhecidososargumentosmdiaedesv_padro.Emoutras
palavras,afunoINVLOGafunoinversadafunoDIST.LOGNORMAL.
Vejaumexemplo:
24 Bertolo
DISTRIBUIESCONTNUAS TMA
J K L M N O P
9 Funo INVLOG
10
11 Y 1,5
12 Y 1
13 Probabilidade 0,4547
14 x 4,00 <--=INVLOG(L13;L11;L12)
15 x 4,00 <--=EXP(L11+L12*INV.NORMP(L13))
16
Comoadistribuiolognormalrelacionadacomadistribuionormal,aprobabilidadeacumuladadezeroatxna
distribuiolognormalcomparmetroseigualprobabilidadeacumuladadeatln x dadistribuionormal
commdiaedesviopadro;isto:
ln
. , , .
EstaigualdadepodeserverificadanasclulasL7eL8daplanilhaacima.Damesmamaneira,oclculodexparauma
determinadaprobabilidadeacumuladaconsiderandoosparmetrosdadistribuiolognormaltemaseguinte
equivalnciacomadistribuionormal:
.
, ,
EstaigualdadepodeserverificadanasclulasL14eL15daplanilhaacima.
DistribuioGama
Muitasvariveisaleatriascontnuaspossuemassimetria skewness positiva,ouseja,sodistorcidasdireita.
Freqentementeadistoroocorrequandohumlimitefsicoesquerdaquerelativamenteprximoavariaodos
dados Wilks,1995 .Exemploscomunsdestasituaosoasquantiasdeprecipitaoeavelocidadedoventoqueso
fisicamente no negativas. H uma variedade de distribuies contnuas que so limitas esquerda por zero.
Entretanto,adistribuiogamacomumenteusadapararepresentardadosdeprecipitao.
Afunodensidadedeprobabilidadedadistribuiogama:
1
; ; 1
onde,umparmetrodeescala,oparmetrodeformae afunogamaordinriade.Afunogamatem
asseguintespropriedades:
2
paratodoX 0
(1) = (2) = 1
(X + 1 ) = X (X ) para M X > 0
(1 / 5 ) = = 1,77245
Ovalorde X podeserobtido,comboaaproximao,atravsdaseguinterelao:
2
3
onde:
Bertolo 25
TMA DISTRIBUIESCONTNUAS
1 1 1
1 4
12 360 1260
Atabela7forneceosvaloresde X ,combasenestasrelaes.
Amdia,avarinciaeocoeficientedeassimetria A dadistribuiogamapodemserobtidospor:
5
2 2 6
2
7
Adistribuiogamatemassimetriapositivacomoparmetrodiminuindoeoparmetroaumentando.Variandose
,comconstante,mudaseaescaladadistribuio,enquantovariandose,comconstante,mudaseasuaforma.
Quando 1,DISTGAMAretornaradistribuioexponencialcom:
1
Podeseconcluir,combasenaequao 7 ,que,quandotendeparainfinitoA0,ouseja,adistribuiogama,neste
caso,tendeasersimtrica.
As estimativas dos parmetros e resultam da soluo das equaes 5 e 6 . Mas essas estimativas no so
adequadas,preferindoseasestimativasdescritasemThom 1966 :
26 Bertolo
DISTRIBUIESCONTNUAS TMA
1 4
1 1 8
4 3
9
sendo
A = ln X Xg 10
onde
1 N
X = Xi
N i =1
11
amdiaaritmticae
1 N
ln(Xi )
Xg =
N 1
12
quando0Z0,5772epor
1
16
Estaequaonotemsoluoimediata,exigindotabelasoutcnicasdeintegraonumricacomoexpansoemsriee
afrmuladeSimpson,porexemplo.Asrienormalmenteutilizadaaseguinte:
1 17
1 1 2 1 2 3
Naequao 15 ,fazendose ;x t;dx dt,chegaseaequao 17 .
AprobabilidadedeocorrerumvalordeXtF t .
EXEMPLO1 ProjetoPAEBolsista:MichelleS.Reboita
Consideremse os 95 valores mensais de chuva do ms de janeiro em Pelotas, RS, na tabela 8, cuja distribuio de
freqnciasmostradanatabela9.
Soluo
Considerando-se a tabela 9, tem-se:
f = 18 + 28 + 20 + 13 + 9 + 4 + 2 + 1 = 95
fX = 18 31,1 + 28 73,1 + 20 115,1 + 13 157,1 + 9 199,1 + 4 241,1 + 2 283,1 + 1 325,1 = 10.598,5
10.598,5
111,56
95
Bertolo 27
TMA DISTRIBUIESCONTNUAS
fX 2
= 18 31,12 + 28 73,12 + 20 115,12 + 13 157 ,12 + 9 199,12 + 4 241,12 + 2 283,12 + 1 325,12 = 1.608 .101,75
10.598,5
1.608.101,75
95
4.528,72
1 94
Ano 0 1 2 3 4 5 6 7 8 9
189... 112,6 32,1 129,9 183,1 63,4
190... 68,3 77,5 113,3 35,8 145,6 22,3 20,2 15,5 121,4 148,5
191... 203,6 117,8 81,3 50,1 197,7 132,6 130,1 72,8 86,6 23,1
192... 81,5 65,7 159,0 182,0 28,8 129,6 33,4 82,7 59,3 119,7
193... 97,0 239,6 31,5 59,0 151,7 45,7 64,5 64,5 232,0 92,4
194... 269,0 271,3 68,3 25,1 244,7 44,1 113,4 101,8 340,3 87,6
195... 10,4 84,9 62,8 144,4 160,1 22,1 210,9 58,4 162,0 134,5
196... 143,5 106,6 64,5 151,1 11,5 48,1 107,8 84,4 191,3 105,2
197... 83,9 148,1 178,1 213,9 127,0 129,8 140,1 119,7 72,5 14,7
198... 59,6 85,4 71,0 135,9 246,8 78,6 166,0 82,7 149,5 209,4
Tabela 9. Distribuio de freqncias dos totais mensais de chuva de janeiro em Pelotas RS. Ajuste distribuio
gama.
1 4 0,19594
0,19504 1 1 2,7206
4 3
111,56
41,0066
2,7206
2,7206 estimadapelaequao 3 ,naqual
1 1 1
1 0,98879
12 2,7206 360 2,7206 1260 2,7206
, , ,
1,5704
,
Asestimativasdosparmetroscombasenasequaes 5 e 6 afimdecomparaesficam:
2,7206x41,0066115,56
2 2 2,7206x 41,0066 2 4.574,80
28 Bertolo
DISTRIBUIESCONTNUAS TMA
Comosparmetroseestimadotmse,ento,afunodensidadedeprobabilidade,naformadaequao 1 ,
1
; ;
,
2,61. 10 . . ,
eafunocumulativadeprobabilidade equao16 ser:
,
F 2,61. 10 ,
Asoluodessaequaoexigeoempregodetcnicasdeintegraonumricaouusodetabelasespecficas.Adotouse
aquiaexpansoemsrienaformadaequao 17 ,cujareproduodetodososclculospraticamenteimpossvelde
serapresentadaaqui.Mas,considerandoapenasaprimeiraclassedadistribuiodefrequncias,attulodeexemplo,
temse:
52,1
1,2705
41,0066
1,2705 , 1,2705 1,2705 1,2705
,
1
2,7206.1,5704 3,7206 3,7206 4,7206 3,7206 4,7206 5,7206
1,2705 1,2705
3,7206 4,7206 5,7206 6,7206 3,7206 4,7206 5,7206 6,7206 7,7206
0,12602 1 0,341484 0,091909 0,020413 0,003859 0,12602x1,4583.
F X1 F 52,1 0,1838
OsvaloresdeF X easfreqnciasesperadassoassimcalculados:
F X1 F 52,1 0,1838fe 17
F X2 F 94,1 0,4734fe 28
F X3 F 136,1 0,7052fe 22
F X4 F 178,1 0,8490fe 14
F X5 F 220,1 0,9271fe 7
F X6 F 262,1 0,9663fe 4
F X7 F 304,1 0,9849fe 2
F X8 F 346,1 0,9934fe 1
Tabela10.Distribuiodefreqnciasdostotaismensaisdechuvade janeiroemPelotasRS,ajustadosdistribuio
gamadeprobabilidade.
Classes PontoMdio X f FX fe
10,1 52,1 31,1 18 0,1838 17
52,1 94,1 73,1 28 0,4734 28
94,1 136,1 115,1 20 0,7052 22
136,1 178,1 157,1 13 0,8489 14
178,1 220,1 199,1 9 0,9272 7
220,1 262,1 241,1 4 0,9663 4
262,1 304,1 283,1 2 0,9849 2
304,1 346,1 325,1 1 0,9934 1
Totais 95 95
Ohistogramadefreqnciasdesteexemplomostradonafigura6.
Bertolo 29
TMA DISTRIBUIESCONTNUAS
Figura6.TotaisdechuvamensaldejaneiroemPelotas,RS,ajustadosadistribuiogama Assisetal.,1996,pg.59 .
3.DISTRIBUIOGAMANOEXCEL
OExceldispedasfunesestatsticasDISTGAMAeINVGAMAparaclculoscomadistribuiogama.
AsintaxedafunoDISTGAMA:
DISTGAMA(x;alfa;beta;cumulativo)
A funo DISTGAMA retorna a distribuio gama, conhecidos argumentos alfa e beta, parmetros da distribuio,
nmeros positivos. Se 1, a DISTGAMA retorna a distribuio gama padro. O argumento cumulativo um valor
lgico: retornar a funo de distribuio cumulativa VERDADEIRO, retornar a funo de probabilidade de massa
FALSO,ounoespecificado.
AsintaxedafunoINVGAMA:
INVGAMA(probabilidade;alfa;beta)
Elaretornaoinversodadistribuiocumulativagama.Sep DISTGAMA x;... ,entoINVGAMA p;... x.Vocpode
usarestafunoparaestudarumavarivelcujadistribuiopodeserenviesada.
Probabilidadeaprobabilidadeassociadadistribuiogama.
Alfaumparmetrodadistribuio.
Betaumparmetroparaadistribuio.Se 1,INVGAMAretornaradistribuiogamapadro.
Dadoumvalordeprobabilidade,INVGAMAprocuraaquelevalorxdemodoqueDISTGAMA x,alfa,beta,VERDADEIRO
probabilidade.Assim,aprecisodeINVGAMAdependedaprecisodeDISTGAMA.INVGAMAutilizaumatcnicade
buscainterativa.Seabuscanotiverconvergidoaps100iteraes,afunoretornarovalordeerro#N/D.
30 Bertolo
DISTRIBUIESCONTNUAS TMA
DistribuiotdeStudent
Deacordocomo teoremadolimitecentral,adistribuioamostral4deumaestatstica comoumamdiadaamostra
seguir uma distribuio normal, enquanto o tamanho da amostra for suficientemente grande. Portanto, quando
conhecermos o desvio padro da populao, podemos calcular um zescore5, e usarmos a distribuio normal para
avaliarprobabilidadescomamdiaamostral.
Mas os tamanhos das amostras so algumas vezes pequenos, e frequentemente no conhecemos o desvio padro da
populao.Quandoumdestesproblemasocorrerem,osestatsticoscontamcomadistribuiodaestatsticat tambm
conhecidacomotescore ,cujosvaloressodadospor:
Onde amdiaamostral,amdiadapopulao,sodesviopadrodaamostraenotamanhodaamostra.A
distribuiodaestatsticatchamadadedistribuiotoudedistribuiotdeStudent.
AdistribuiotdeStudenttemgrandeimportnciaparaainfernciadeparmetrosdapopulaoeparaaestatsticade
pequenasamostras.
GrausdeLiberdade
Existem realmente muitas distribuies t diferentes. A forma particular da distribuio t determinada pelos seus
grausdeliberdade.Osgrausdeliberdadesereferemaonmerodeobservaesindependentesnumconjuntodedados.
Quandoestimarumescoremdioouumaproporodeumaamostrasimples,onmerodeobservaesindependentes
igualaotamanhodaamostramenosum.Daento,adistribuioda estatsticatdasamostrasdetamanho8sero
descritasporumadistribuiottendo81ou7grausdeliberdade.Similarmente,uma distribuiottendo15graus
deliberdadeseriausadacomumaamostradetamanhoiguala16.
Anotaoutilizadaparagrausdeliberdadegl6.
Para outras aplicaes, os graus de liberdade podem ser calculados diferentemente. Descreveremos estes clculos
quandoelessurgirem.
PropriedadesdaDistribuiot
Adistribuiottemasseguintespropriedades:
Amdiadadistribuioiguala0.
Avarinciaiguala/ 2 ,ondeograudeliberdade verltimaseo e2.
4
Suponha que retiremos todas as amostras possveis de tamanho n de uma dada populao. Suponha, ainda mais, que
calculemos uma estatstica (p.ex., uma mdia, desvio padro) para cada amostra. A distribuio de probabilidade desta
estatstica chamada de distribuio amostral.
5
Um escore-z (tambm conhecido como escore padro) indica quantos desvios padres um elemento est da mdia. Um
escore-z pode ser calculado pela seguinte frmula.
z = (X - ) /
onde z o z-escore, X o valor do elemento, a mdia da populao, e o desvio padro.
Aqui est como interpretar os z-escores.
Umzescoremenorque0representaumelementomenorqueamdia.
Umzescoremaiorque0representaumelementomaiorqueamdia.
Umzescoreiguala0representaumelementoigualmdia.
Umzescoreiguala1representaumelementoqueest1desviopadromaiorqueamdia;umzescoreiguala
2,2desviospadresmaiorqueamdia;etc.
Umzescoreiguala1representaumelementoqueest1desviopadromenorqueamdia;azescoreiguala
2,2desviopadromenorqueamdia;etc.
Seonmerodeelementosnoconjuntoforgrande,cercade68%doselementostemumzescoreentre1e1;
cercade95%temumzescoreentre2e2;ecercade99%temumzescoreentre3e3.
6Algunsautoresutilizamanotaoinglesadf degreeoffree
Bertolo 31
TMA DISTRIBUIESCONTNUAS
Avarinciasempremaiorque1,emboraelaestejaprximade1quandoexistiremmuitosgrausdeliberdade.
Cominfinitosgrausdeliberdade,adistribuiotamesmaqueadistribuionormalpadro.
QuandoUsaraDistribuiot
A distribuio t pode ser usada com qualquer estatstica tendo uma distribuio com a forma de sino isto ,
aproximadamentenormal .Oteoremadolimitecentralestabelecequea distribuioamostraldeumaestatsticaser
normalouaproximadamentenormal,sequalquerumadascondiesseguinteseaplicar:
Adistribuiodapopulaonormal.
Adistribuioamostralsimtrica,unimodal,semoutliers,eotamanhodaamostraestentre15oumenos
Adistribuioamostralmoderadamenteassimtrica,unimodal,semoutliers,eotamanhodaamostraest
entre16e40.
Otamanhodaamostramaiorque40,semoutliers.
A distribuio t no dever ser usada com amostras pequenas das populaes que no forem aproximadamente
normais.
ProbabilidadeeaDistribuiotdeStudent
Quando uma amostra de tamanho n for extrada de uma populao tendo uma distribuio normal ou
aproximadamentenormal ,amdiaamostralpodesertransformadanuma tescore,usandoaequaoapresentadano
inciodalio.Repetimosaquelaequaoabaixo:
Onde amdiaamostral,amdiadapopulao,sodesviopadrodaamostra,notamanhodaamostraeos
grausdeliberdadesoiguaisan1.
A tescore produzida por esta transformao pode ser associada com uma nica probabilidade cumulativa. Esta
probabilidade cumulativa representa a probabilidade de se encontrar uma mdia amostral menor que ou igual a ,
dadaumaamostraaleatriadetamanhon.
FunodeProbabilidade
Afunodensidadedeprobabilidadedadapor:
1
, 2 . 1
2
OndeafunoGamaet.
AmdiadadaporE t 0eavarinciaVar t .
ADistribuiotdeStudentnoExcel
OExceldispedasfunesestatsticasDISTTeINVTparaadistribuiotcujassintaxessoasseguintes:
DISTT t;graus_liberdade;caudas
AfunoestatsticaDISTTdaprobabilidadedovalortserexcedidoconsiderandoosargumentosgrausliberdadee
caudasdadistribuiot
Seoargumentocaudasforiguala1,afunoDISTTdaraprobabilidadecorrespondenteaumacaudada
distribuio.
Seoargumentocaudasforiguala2,afunoDISTTdaraprobabilidadecorrespondentesduascaudasda
distribuio.
INVT probabilidade;graus_liberdade
AfunoestatsticaINVTdotcrticodadistribuiotreferenteaosargumentosprobabilidadeegraus_liberdade,
considerandoqueaprobabilidadesereferesduascaudasdadistribuio.AfunoINVTafunoinversadaDISTT
quandooargumentocaudasiguala2.ParaoclculodafunoINVToExcelaplicaumprocedimentoiterativoat
alcanarumerrode3x107.Seem100iteraesnoforpossvelobteroresultado,afunoINVTapresenta#N/A.
32 Bertolo
DISTRIBUIESCONTNUAS TMA
Aplanilhaabaixomostracomopodemosusarasfunesdadistribuiotparaumexemplo.
A B C D E F
1 Distribuio t Student
2
3 Funo DISTT Uma cauda
4 Duas caudas
5 t 1,896 2
6 n 40
7 Duas caudas
8 g.l. 39
9 P( t >1,896) 0,065 <--=DISTT(C5;C8;E5)
10
11
="P(t>"&C5&")"
12 Funo INVT
13
14 P 0,065
15 n 40
16 Duas caudas
17 g.l. 39 <--=C15-1
18 t 1,896 <--=INVT(C14*SE(E5=1;2;1);C17)
19
Nestaplanilhaforamconstrudosdoismodelos:
Oprimeiromodelocalculaaprobabilidadeconsiderandoaescolharealizadanacaixadecombinao:Duas
caudasouUmacauda,resultadosprevistosnaprpriafunoDISTT.
Osegundomodelocalculaotcrticoconsiderandoaescolharealizadanacaixadecombinao:Duascaudasou
Umacauda.OresultadoparaumacaudanoestprevistonafunoINVT;entretanto,comoovalordo
argumentoprobabilidadedeverserodobrodovalordoproblema,naclulaC18registramosafrmula:
INVT C14*SE E5 1;2;1 ;C17 sendoE5oendereodaclulavinculadacomacaixadecombinaoDuas
caudasouUmacauda.
Notaoetescore
Osestatsticosusamtpararepresentaratescorequetemumadistribuiodeprobabilidadescumulativade 1 .
Por exemplo, suponha que estamos interessados no tescore tendo uma probabilidade cumulativa de 0,95. Neste
exemplo,seriguala 10,95 ou0,05.Referiremosaotescorecomot0,05.
claro,ovalordet0,05dependedonmerodegrausdeliberdade.Porexemplo,com2grausdeliberdade,aquelet0,05
iguala2,92;mascom20grausdeliberdade,aquelet0,05iguala1,725.
Nota:Devidoadistribuiotsersimtricaaoredordeumamdiazero,oseguinteverdadeiro:
t t1et1 t
Assim,set0,05 2,92,entot0,95 2,92.
Testandooseuentendimento
EXEMPLO1
ATomazEdisonfabricalmpadasincandescentes.OCEOexigequeumalmpadadaTEsobrevivaemmdia300dias.
Umpesquisadorselecionaaleatoriamente15lmpadasparateste.Aslmpadasamostradassobreviveramemmdia
290dias,comumdesviopadrode50dias.SeaexignciadoCEOforverdadeira,qualaprobabilidadeque15
lmpadasselecionadasaleatoriamenteteriamumavidamdiadenomaisque290dias?
Soluo
A primeira coisa que precisamos fazer calcular o t-escore, baseado na seguinte
equao:
Bertolo 33
TMA DISTRIBUIESCONTNUAS
290
300 10
0,7745966
50 12,909945
15
Onde amdiaamostral,amdiadapopulao,sodesviopadrodaamostraenotamanhodaamostra.
Agora,estamosprontosausaraplanilhaacimaparaosclculos:
A B C Aplanilhaencontrouaprobabilidadecumulativa:0,226.
1 Distribuio t Student Portanto, se a vida verdadeira da lmpada fosse 300
2 dias, h uma chance de 22,6% que a vida mdia da
3 Funo DISTT
lmpadapara15lmpadasselecionadasaleatoriamente
4
sermenorqueouiguala290dias.
5 t 0,7745966
6 n 14
7 Uma cauda
8 g.l. 13
9 P( t >0,7745966) 0,226
EXEMPLO2
SuponhaosescoresdeumtestedeQIestejamnormalmentedistribudos,commdiade100.Suponhaque20pessoas
sejamselecionadasaleatoriamenteetestadas.Odesviopadronogrupoamostral15.Qualaprobabilidadequea
mdiadoescoredotestenogrupoamostralsernomximo110?
Soluo
Graus de liberdade gl = 20 1 = 19 110 100 10
2,98142397
Mdia da populao = 100 15 3,354101966
20
Mdia da amostra = 110
Desvio padro da amostra = 15
Entrando comeste valor na planilha como aquela acima, temos:
A B C
A planilha encontrou a probabilidade: 0,0046. Portanto, a
1 Distribuio t Student
probabilidadecumulativa0,996,ouseja,h99,6%dechance
2
queamdiaamostralnosermaiorque110.
3 Funo DISTT
4
5 t 2,98142397
6 n 20
7 Uma cauda
8 g.l. 19
9 P( t >2,98142397) 0,004
34 Bertolo
DISTRIBUIESCONTNUAS TMA
DistribuioQuiQuadrado
Suponha que conduzimos o seguinte experimento estatstico. Selecionamos uma amostra aleatria de tamanho n de
umapopulaonormal,tendoumdesviopadroiguala.Encontramosqueodesviopadrodanossaamostraiguala
s.Comestesdados,definimosumaestatstica,chamadaquiquadrado,usandoaseguinteequao:
n 1 s
Se repetirmos este experimento um nmero infinito de vezes, poderemos obter uma distribuio amostral para a
estatstica quiquadrado. A distribuio quiquadrado definida pela seguinte funo de densidade de probabilidade
fdp :
2
2 2
0,30 4 liberdade:2 2*
0,20 Quando os graus de liberdade forem maiores que ou
10
0,10 iguaisa2,ovalormximodeYocorrequando
0,00
2
Quanto grausdeliberdade,maisacurvaquiquadrado
0 10 20
x seaproximadeumadistribuionormal.
ProbabilidadeCumulativaeaDistribuioQuiQuadrado
Adistribuioquiquadradoconstrudademodoqueareatotalsobacurvasejaiguala1.Areasobacurvaentre0
eumparticularvalorquiquadradoumaprobabilidadecumulativaassociadacomaquelevalorquiquadrado.Por
exemplo,nafiguraabaixo,areahachuriadarepresentaumaprobabilidadecumulativaassociadacomumaestatstica
quiquadradaigualaA;isto,elaaprobabilidadequeovalordeumaestatsticaquiquadradocaiaentre0eA.
ADistribuioQuiQuadradonoExcel
O Excel dispe das funes estatsticas DIST.QUI, INV.QUI e TESTE.QUI para a distribuio cujas sintaxes so as
seguintes:
DIST.QUI x;graus_liberdade
Com a funo DIST.QUI foi construda a curva da distribuio quiquadrado. A frmula: DIST.QUI $B5;C$4
DIST.QUI $B6;C$4 foi,primeiro,registradanaclulaC5edepoiscopiadanointervaloC5:E30,comomostraaplanilha
abaixo. Mudando os graus de liberdade do intervalo C4:E4 o modelo construir outras curvas da distribuio qui
quadrado.
A B C D E F G H I J K L M
1 DISTRIBUIO QUI-QUADRADO
2
3 Graus de liberdade
4 x 2 4 10
5 0 0,3935 0,0902 0,0002 <=DIST.QUI($B5;E$4)DIST.QUI($B6;E$4)
6 1 0,2387 0,1740 0,0035
7 2 0,1447 0,1779 0,0149
8 3 0,0878 0,1518 0,0341 Distribuio Qui-Quadrado
9 4 0,0533 0,1187 0,0562 0,50
10 5 0,0323 0,0881 0,0759
11 6 0,0196 0,0633 0,0898 2
0,40
Probabilidade
12 7 0,0119 0,0443 0,0966
13 8 0,0072 0,0305 0,0967 4
0,30
14 9 0,0044 0,0207 0,0916
10
15 10 0,0027 0,0139 0,0830
0,20
16 11 0,0016 0,0092 0,0725
17 12 0,0010 0,0061 0,0614
0,10
18 13 0,0006 0,0040 0,0507
19 14 0,0004 0,0026 0,0409
0,00
20 15 0,0002 0,0017 0,0324
21 16 0,0001 0,0011 0,0253 0 5 10 15 20 25
22 17 0,0001 0,0007 0,0194 x
23 18 0,0000 0,0004 0,0147
24 19 0,0000 0,0003 0,0110
25 20 0,0000 0,0002 0,0082
26 21 0,0000 0,0001 0,0060
27 22 0,0000 0,0001 0,0044
28 23 0,0000 0,0000 0,0031
29 24 0,0000 0,0000 0,0023
30 25 0,0000 0,0000 0,0016
31 26 -1,00000 -0,99997 -0,99626
INV.QUI probabilidade;graus_liberdade
AfunoestatsticaINV.QUIdovalorcrticonacaudasuperiordadistribuioquiquadradoparaaprobabilidadeeos
graus_liberdadeespecificados.AfunoINV.QUIafunoinversadaDIST.QUI.
TESTE.QUI intervalo_observado;intervalo_esperado
A funo estatstica TESTE.QUI d a probabilidade P x na cauda superior da distribuio quiquadrado para o
intervalo_observadoeointervalo_esperadoespecificados.EstafunodomesmoresultadoqueafunoDIST.QUI.
EXEMPLO1
A NoseBatteryCompany NBC desenvolveuumanovabateriadetelefonecelular.Emmdia,abateriasobrevive60
minutoscomumanicacarga.Odesviopadro4minutos.
Suponhaqueodepartamentodefabricaoexecutaumtestedecontroledequalidade.Elesselecionamaleatoriamente
7baterias.Odesviopadrodasbateriasselecionadas6minutos.Qualseriaaestatsticaquiquadradorepresentada
nesteteste?
Soluo
Sabemos o seguinte:
O desvio padro da populao 4 minutos
O desvio padro da amostra 6 minutos
O nmero de observaes da amostra 7.
Para calcular a estatstica qui-quadrado, liguemos estes dados na equao qui-
quadrado, como mostrado abaixo
36 Bertolo
DISTRIBUIESCONTNUAS TMA
n 1 s 7 1 6
13,5
4
Onde aestatsticaquiquadrado,notamanhodaamostra,sodesviopadrodaamostra,eodesviopadro
dapopulao.
EXEMPLO2
Vamosrevisaroproblemaapresentadoacima.Odepartamentodefabricaoexecutouumtestedecontrolequalidade,
usando7bateriasselecionadasaleatoriamente.Nosseustestes,odesviopadrofoi6minutos,queigualouestatstica
quiquadradode13,5.
Suponhaqueelesrepetiramotestecomumanovaamostraaleatriade7baterias.Qualaprobabilidadequeodesvio
padrononovotestesermaiorque6minutos?
Soluo
Sabemos o seguinte:
O desvio padro da amostra n igual a 7
Os graus de liberdade so iguais a n 1 = 7 1 = 6
A estatstica qui-quadrado igual a 13,5 (ver exemplo 1 acima).
Dados os graus de liberdade, podemos determinar a probabilidade cumulativa que a
estatstica qui-quadrado caia entre 0 e qualquer valor positivo. Para encontrar a
probabilidade cumulativa que uma estatstica qui-quadrado caia entre 0 e 13,5,
entremos com os graus de liberdade (6) e a estatstica qui-quadrado (13,5) na funo
DIST.QUI da planilha abaixo:
A B C D A planilha mostrou que a
1 DISTRIBUIO QUI_QUADRADO probabilidade cumulativa
2 0,96.
3 tamanho da amostra 7,0
Isto nos diz que a
4 desvio padro da amostra 6,0
probabilidade que um desvio
5 desvio padro da populao 4,0
padro ser menor que ou
6 qui-quadrado 13,5 <--=((C3-1)*C4^2)/(C5^2)
igual a 6 minutos 0,96.
7 graus de liberdade 6,0 <--C3-1
Isto significa que a
8 Probabilidade 0,04 <--=DIST.QUI(C6;C7)
9 Probabilidade Cumulativa 0,96 <--=1-C8
probabilidade que o desvio
10
padro ser maior que 6
minutos 1 0,96 = 0,04.
Bertolo 37
TMA DISTRIBUIESCONTNUAS
DistribuioF
AestatsticaFumavarivelaleatriaquetemumadistribuioF.
AquiestoospassosexigidosparasecalcularumaestatsticaF:
Selecioneumaamostraaleatriadetamanhon1deumapopulaonormal,tendoumdesviopadro7iguala1.
Selecioneumaamostraaleatriaindependentedetamanhon2deumapopulaonormal,tendodesviopadro
iguala2.
AestatsticaFarazode e .
Assim,paraverificarseduaspopulaesindependentestmamesmavarinciautilizadaaestatsticadarelaodas
varinciasdasamostras retiradasdaspopulaes.Seasdistribuiesdasduaspopulaesforemnormais,entoa
relao temdistribuioF.Semprequeasdistribuiesdaspopulaesforemnormais,adistribuioFserutilizada,
tambm,paracompararduasoumaismdiassimultaneamente,procedimentodenominadoanlisedavarincia.
AsseguintesequaesequivalentessocomumenteusadasparasecalcularumaestatsticaF:
; ; ;
Onde1odesviopadrodapopulao1,s1odesviopadrodaamostraretiradadapopulao1,2odesvio
padrodapopulao2,s2odesviopadrodaamostraretiradadapopulao2, aestatsticaquiquadradoparaa
amostraretiradadapopulao1,1ograudeliberdadepara , aestatsticaquiquadradoparaaamostra
extradadapopulao2,e2soosgrausdeliberdadepara .Notequeosgrausdeliberdade1 n11egrausde
liberdade2 n21.
AdistribuiodetodosospossveisvaloresdaestatsticaFchamadadeumadistribuioF8,com1 n11e2 n2
1grausdeliberdade.
CaractersticasPrincipaisdaDistribuioF
AdistribuioFcontnuaesemprepositivacomvaloresnointervalo 0,
HumafamliadedistribuiesFidentificadaspordoisparmetros:grausdeliberdadedonumerador1e
grausdeliberdadedodenominador2.
AdistribuioFteminclinaopositiva.Aformafinaldadistribuiodependedosgrausdeliberdade1e2,
comomostraafiguraabaixo
QuandodescrevendoumadistribuioF,
Distribuio F o nmero de graus de liberdade
0,25
associados com o desvio padro no
0,20 numerador da estatstica F sempre
Probabilidade
7Desviopadrodapopulao
8TambmconhecidacomodistribuioFdeSnedecor
38 Bertolo
DISTRIBUIESCONTNUAS TMA
Avarinciaiguala .
ProbabilidadeCumulativaeaDistribuioF
Cada estatstica F pode ser associada com uma nica probabilidade cumulativa. Esta probabilidade cumulativa
representaaprobabilidadedequeaestatsticaFsejamenorqueouigualaumvalorespecfico.
OsestatsticosusamfpararepresentarovalordeumaestatsticaFtendoumaprobabilidadecumulativade 1 .
Por exemplo, suponha que estamos interessados na estatstica F tendo uma probabilidade cumulativa de 0,95.
ReferiremosaestaestatsticaFcomof0,05,desdeque 10,95 0,05.
claro,paraencontrarovalorfprecisaremossaberosgrausdeliberdade,1 e2.Nanotao,osgrausdeliberdade
aparecem entre parnteses como segue: f 1 , 2 . Assim, f0,05 5,7 se refere ao valor da estatstica F tendo uma
probabilidadecumulativade0,95,1 5grausdeliberdade,e2 7grausdeliberdade.
ADistribuioFnoExcel
OExceldispedasfunesestatsticasDISTFeINVFparaadistribuioFcomasseguintessintaxes:
DISTF(x;gl_numerador;gl_denominador)
AfunoestatsticaDISTFdaprobabilidadeP Fx nacaudasuperiordadistribuioFconsiderandoosgrausde
liberdadedonumeradorgl_numeradoreosgrausdeliberdadedodenominadorgl_denominador.Porexemplo,parax
14,4 e graus de liberdade gl_numerador 9 e gl_denominador 5, com a frmula: =DISTF(14,4;9;5) obtemos o
resultado0,00451referenteprobabilidadeP F14,4 nacaudasuperiordadistribuioF.
A B C D E F G H I J K L
1 DISTRIBUIO F
2
3 Graus de liberdade numerador
4 5 15 25
5 Graus de liberdade denominador
6 x 9 15 30
7 0 0,0455 0,0017 0,0001
8 0,2 0,1172 0,0413 0,0110
9 0,4 0,1351 0,1235 0,0870
10 0,6 0,1255 0,1690 0,1887
Distribuio F
11 0,8 0,1071 0,1644 0,2180 0,25
12 1 0,0878 0,1357 0,1813
0,20
13 1,2 0,0708 0,1030 0,1259
Probabilidade
Bertolo 39
TMA DISTRIBUIESCONTNUAS
crticocomoFc 14,40.ComooclculodeFcumprocedimentoiterativo,sedepoisderealizar100iteraesnofor
alcanadooresultadocomumerrode3x107,afunoINVFapresentaroresultado#N/A.
EXEMPLO1
Suponha que voc selecionou aleatoriamente 7 mulheres de uma populao de mulheres, e 12 homens de uma
populaodehomens.Atabelaabaixomostraosdesviospadresdecadaamostraedecadapopulao.
Como voc pode ver da equao, existem realmente duas maneiras de se calcular uma
estatstica F desses dados. Se os dados das mulheres aparecem no numerador, podemos
calcular uma estatstica F como segue:
35 1.225
30 1.361
900 1,68
45 2025 0,81
50 2500
Para este clculo, os graus de liberdade do numerador so 1 7 1 = 6; e os do
denominador 2 = 12 -1 = 11.
Na planilha teremos:
G H I J K
1 DesvPad Pop 1 30
2 DesvPad Pop2 50
3 DesvPad Amostra 1 35
4 DesvPad Amostra 2 45
5 Estatstica F 1,680384 <--=((H3^2/H1^2)/(H4^2/H2^2))
Por outro lado, se os dados dos homens aparecem no numerador, calculamos a
estatstica F como segue:
45 2.025
50 0,81
2.500 0,595
35 1.225 1,361
30 900
Para este clculo, os graus de liberdade do numerador so 1 12 1 = 11; e os do
denominador 2 = 7 -1 = 6.
Na planilha teremos:
G H I J K
1 DesvPad Pop 1 50
2 DesvPad Pop2 30
3 DesvPad Amostra 1 45
4 DesvPad Amostra 2 35
5 Estatstica F 0,595102 <--=((H3^2/H1^2)/(H4^2/H2^2))
EXEMPLO2
EncontreaprobabilidadecumulativaassociadacomcadaumadasestatsticasFdoExemplo1,acima.
40 Bertolo
DISTRIBUIESCONTNUAS TMA
Soluo
Para resolver este problema, precisamos encontrar os graus de liberdade de cada
amostra. Depois ento, usaremos a planilha Excel que realiza os clculos para
encontrar as probabilidades.
Os graus de liberdade da amostra de mulheres so iguais a n 1 = 7 1 = 6.
Os graus de liberdade da amostra de homens so iguais a n 1 = 12 1 = 11.
Portanto, quando os dados das mulheres aparecerem no numerador, os graus de liberdade
do numerador 1 so iguais a 6; e os do denominador 2 = 11. E, baseado nos clculos
mostrados no exemplo anterior, a estatstica F igual a 1,680384. Levando estes
valores planilha encontramos que a probabilidade cumulativa 0,7844.
N O P Q R
1 Funo DISTF Funo INVF
2
3 DesvPad Pop 1 30 Probabilidade 0,2156
4 DesvPad Pop2 50 gl numerador 6
5 DesvPad Amostra 1 35 gl denominador 11
6 DesvPad Amostra 2 45 F crtico(0,2156;6;11) 1,680
7 Estatstica F 1,680384 <--=((O5^2/O3^2)/(O6^2/O4^2))
8 x 1,680384 <--=O7
9 gl numerador 6
10 gl denominador 11
11 P( F >=1,6803840877915 ) 0,2156 <--=DISTF(O8;O9;O10)
12 P( F<1,6803840877915 ) 0,7844 <--=1-O11
13
Por outro lado, quando os dados dos homens aparecerem no numerador, os graus de
liberdade do numerador 1 so iguais a 11; e os do denominador 2 = 6. E, baseado nos
clculos mostrados no exemplo anterior, a estatstica F igual a 0,595102. Levando
estes valores planilha encontramos que a probabilidade cumulativa 0,2156.
N O P Q R
1 Funo DISTF Funo INVF
2
3 DesvPad Pop 1 50 Probabilidade 0,2156
4 DesvPad Pop2 30 gl numerador 6
5 DesvPad Amostra 1 45 gl denominador 11
6 DesvPad Amostra 2 35 F crtico(0,2156;6;11) 1,680
7 Estatstica F 0,595102 <--=((O5^2/O3^2)/(O6^2/O4^2))
8 x 0,595102 <--=O7
9 gl numerador 11
10 gl denominador 6
11 P( F >=0,595102040816327 ) 0,7844 <--=DISTF(O8;O9;O10)
12 P( F<0,595102040816327 ) 0,2156 <--=1-O11
Bertolo 41
TMA DISTRIBUIESCONTNUAS
DistribuiodeWeibull
AdistribuiodeprobabilidadeWeibullumadistribuiodeprobabilidadecontnuaamplamenteutilizadanaanlise
dedadosdevidadeequipamentosdevidoasuaflexibilidadeelapodeimitaroutrasdistribuiesdeprobabilidade,
comoadistribuioexponencialeadistribuionormal,dependendodovalordeseusparmetros.
Oseunomesedeveaoseuinventor,WaloddiWeibull,eusadaextensivamenteemengenhariadeconfiabilidadeeno
clculodotempomdiodefalhaparadeterminadodispositivo.
AsprincipaisvantagensdautilizaodadistribuiodeWeibullparaanlisedasobrevivnciaqueatravsda
estimativadeapenasdoisparmetros alfaebeta soobtidasinformaestantodelongevidademdiaquantodotipo
decurvadesobrevivncia.Outravantagemqueasobservaesnonecessitamserrealizadasaintervalosconstantes,
como,porexemplo,comastabelasdeesperanadevida.
AfdpdadistribuioWeibulldescritapelaEquao:
; ; 0e 0
Onde:
oparmetrodeforma shape ;
oparmetrodeescala scale ;
Afda9dadistribuioWeibulldescritapelaEquao:
; ; 1
OparmetroinfluencianafdpdadistribuioWeibulldaseguinteforma:
Para0 1:
o f t quandot 0;
o f t 0quandot .
Para 1:
o f t 0quandot 0;
~
o f t crescequantot t moda edecrescelogoaps.
OFatordeForma indicaaformadacurvaeacaractersticadasfalhas .
" 1"mortalidadeinfantil
" 1"falhasaleatrias funoexponencialnegativa
" 1"falhaspordesgaste
ObservaesrelativasaoFatordeForma"":
A escolha apropriada de "" e "" na Distribuio de Weibull pode ser usada para representar uma larga faixa de
distribuies, incluindo tanto distribuies randmicas exponencial negativa quanto s distribuies
aproximadamentenormais.EmboraaexperinciatenhamostradoqueadistribuiodeWeibullpossaserusadapara
representaragrandemaioriademodelosdefalha,essencialnotarqueumafunosemiemprica,epodenoser
capazderepresentaralgumasdistribuiesparticularesencontradasnaprtica.
ComrelaoaoFatordeForma"",temosque:
o Se" 1" taxadefalhaconstante ,podeserumaindicaoquemodosdefalhasmltiplosestopresentesou
queosdadoscoletadosdostemposparafalharsosuspeitos.Estefreqentementeocasodossistemasos
quaisdiferentescomponentestmdiferentesidades,eotempoindividualdeoperaodoscomponentesno
9Funodistribuioacumulada
42 Bertolo
DISTRIBUIESCONTNUAS TMA
estodisponveis.Umataxadefalhasconstantepodetambmindicarqueasfalhassoprovocadasporagentes
externos,taiscomo:usoinadequadodoequipamentooutcnicasinadequadasdemanuteno.
o Omododefalhaspordesgastecaracterizadopor" 1",maspodeocorrersituaesasquaisasfalhaspor
desgasteocorramdepoisdeumtempofinitolivredefalhas,eumvalorde" 1"obtido.Istopodeocorrer
quandoumaamostragemcontmumaproporodeitensimperfeitos,acarretandofalhasantesdeumtempo
finitolivredefalhas.OsparmetrosdaDistribuiodeWeibulldosmodosdefalhaspordesgastepodemser
deduzidosseforemeliminadosositensimperfeitoseanalisadososseusdadosseparadamente.
Figura A - Efeito do parmetro na fdp. Retirado de [Life Data Analysis10].
OparmetroinfluencianafdpdadistribuioWeibulldaseguinteforma Figura22 :
Secresceenquantoconstante,afdpseesticaparaadireitaesuaalturadiminui;
Sedecresceenquantoconstante,afdpseencolheparaaesquerdaesuaalturaaumenta.
10http://www.weibull.com/lifedatawebcontents.htm
Bertolo 43
TMA DISTRIBUIESCONTNUAS
Figura B - Efeito do parmetro na fdp. Retirado de [Life Data Analysis].
Adistribuioexponencial usadaparaestudartempodeespera umcasoespecialdadistribuioWeibullcomalfa
1,mdia betaelmbda ataxaderisco 1/beta.OutrocasoespecialdadistribuioWeibulladistribuioRayleigh
usada para estudar o espalhamento de radiao, velocidade de ventos ou fazer certas transformaes . Para a
distribuioRayleighalfafixadoem2.
Na prtica a distribuio Weibull usada para descrever dois grupos de fenmenos. O tempo de vida de objetos
frequentementeusadoemcontroledequalidade.UmfabricanteforneceosparmetrosWeibullparaumprodutoeo
usuriopodecalcularaprobabilidadequeumapartefalheapsum,dois,trsoumaisanos.Oprogramadistribuio
Weibullpermitelhefazerestesclculoscombasenosparmetrosjconhecidos.Porexemplo,sevocquisersabera
proporoquefalhaapsumoumaisanos,entrecomovalorumnacaixa'x'eleiaovalordaprobabilidadeacumulada.
Sevocquisersaberomomentonotempoemqueaspartesforamdivididasvocfracassar,entrecomovalor0.5caixa
'%'eleiaovalorde'x'.
AdescriodavelocidadedosventosumexemplodousodadistribuioWeibullparadescreverfenmenosnaturais.
Cada parte do planeta tem os seus prprios parmetros para uma distribuio Weibull para descrever o modelo da
velocidadedosventosnaquelelugar.Combasenistovocpodecalcularonmerodediasporano,ouhoraspordia,
comvelocidadedosventosacimadecertafora,ouamdiadavelocidadedosventos,ouamedianadavelocidadedos
ventos,dividiremdoisosdiasdoanoeterumavelocidadedosventosabaixodaforamdia,metadedosdiasacima.A
distribuio Weibull muito prtica nesta rea porque a distribuio no permite valores negativos e fcil de
considerarapropriadamenteofatoquenamaioriadosdiasexistiroumpoucodevento,emalgunsdiasumaporoe
voctemaquelesdiasqueexistemmuitomaisvento.
AdistribuiologWeibullseconcentranologdeumavariveldistribudaporWeibull.Eladolimitedadistribuio
paraosmenoreseosmaioresvaloresnasamostrasextradasdeumavariedadededistribuies.Adistribuiousada
paradescrevercondiesextremas,taiscomorajadadeventoextrema,energiaextremaliberadaduranteterremotos,
ou stress extremos para os quais os componentes esto sujeitos. Algumas vezes a distribuio usada como uma
alternativa distribuio normal no caso de dados assimtricos. Outros nomes para a logWeibull so "distribuio
FisherTippett" ou "distribuio extreme value". Embora a distribuio mais usada seja a distribuio extreme value
existem outras distribuies de valores extremos descrevendo a distribuio limite para os menore e os maiores
valores extrados de uma particular distribuio. A distribuio de Gumbel um caso especial de log distribuio
Weibull.ParaadistribuioGumbelalfa 0ebeta 1.
ExistemvriospacotesestatsticosparaestimarosparmetrosWeibullparaumconjuntodedados.Noexisteportanto
muitospacotesparaalogWeibull.VocterdeprocurarporelesnaInternet.Infelizmenteestespacotestendemaser
caros.
Weibull no Excel
44 Bertolo
DISTRIBUIESCONTNUAS TMA
OExcelpossuiafunoWEIBULLcomaseguintesintaxe:
WEIBULL(x;beta;alfa;cumulativo)
Xovalornoqualseavaliaafuno.
Alfaumparmetrodadistribuio
Betaumparmetrodadistribuio
Cumulativodeterminaaformadafuno
Quandoalfa 1,aWEIBULLretornaradistribuioexponencialcom: 1/.
Porexemplo: WEIBULL 105;20;100;FALSO d0,035589
WEIBULL 105;20;100;VERDADEIRO d0,929581
O link11 :
http://www.bertolo.pro.br/FinEst/Estatistica/DistribuicaoProbabilidades/binomial.htm
11Outrasdistribuiespoderosercalculadasnestesite:http://www.bertolo.pro.br/FinEst/Estatistica/index.html
Bertolo 45