Probabilidade e Estatística

Distribuiç
Distribuições Contí
Contínuas de Probabilidade
Prof. Dr. Narciso Gonçalves da Silva
http://paginapessoal.utfpr.edu.br/ngsilva
 Contíínuas de Probabilidade Distribuição Uniforme

Uma variável aleatória contínua X está uniformemente

distribuída no intervalo (a, b) se a sua função densidade
de probabilidade é dada por:
Distribuiçções Cont
Distribui

2
Distribui
Distribuiçções Cont
Contíínuas de Probabilidade
Distribuição Uniforme

3
 Contíínuas de Probabilidade Distribuição Uniforme

Exemplo:
A espessura de chapas fabricadas numa indústria está
uniformemente distribuída entre 0,84 cm e 1,04 cm.
a) De um total de 200 chapas inspecionadas, quantas
excedem 1,00 cm?
b) Qual deve ser a espessura de modo que 40% das
Distribuiçções Cont

chapas não excedam essa espessura?

Respostas: a) P(X > 1,00 cm) = 20% n = 40 chapas
b) x = 0,92 cm
Distribui

4
 Contíínuas de Probabilidade Distribuição Exponencial
Considere um Experimento de Poisson com parâmetro λ .

A variável aleatória contínua X está exponencialmente

distribuída se a sua função densidade de probabilidade é
dada por:
Distribuiçções Cont
Distribui

5
Distribui
Distribuiçções Cont
Contíínuas de Probabilidade
Distribuição Exponencial

6
 Contíínuas de Probabilidade Distribuição Exponencial
Exemplo:
Uma fábrica de lâmpadas oferece uma garantia de troca
se a duração da lâmpada for inferior a 60 horas. A duração
das lâmpadas é uma variável aleatória contínua X
exponencialmente distribuída com função densidade de
probabilidade dada por:
Distribuiçções Cont

Determine quantas lâmpadas são trocadas por conta da

Distribui

garantia para cada 1000 lâmpadas fabricadas.

Resposta: 12 lâmpadas
7
 Contíínuas de Probabilidade Distribuição Normal
Uma variável aleatória contínua X está normalmente
distribuída se a sua função densidade de probabilidade é
dada por:
Distribuiçções Cont
Distribui

Utiliza-se a notação: X ~ N(µ,σ2)

Por exemplo: X ~ N(3, 4)
8
 Contíínuas de Probabilidade Distribuição Normal
Propriedades:
1ª) f(x) tem um ponto de inflexão em µ - σ e outro em µ + σ;
2ª) f(x) tende a zero quando x tende a +∞ ou -∞;
3ª) f(x) é simétrica com relação à média µ;
1
4ª) f(x) tem um ponto de máximo em x = µ e f(x) =
σ 2π
Distribuiçções Cont
Distribui

9
 Contíínuas de Probabilidade Distribuição Normal
Propriedades:
5ª) A área abaixo da função é igual a 1;
6ª) A distribuição normal é classificada como simétrica
(A = 0) e mesocúrtica (C = 0,263);
7ª) 68,2% dos dados da variável aleatória estão
localizados entre µ - σ e µ + σ, 95,4% entre µ - 2σ e
Distribuiçções Cont

µ + 2σ e 99,8% entre µ - 3σ e µ + 3σ.

Distribui

10
Distribui
Distribuiçções Cont
Contíínuas de Probabilidade

7ª)
Propriedades:
Distribuição Normal
 Contíínuas de Probabilidade Distribuição Normal
É impossível resolver esta integral analiticamente. O
resultado desta integral é obtido utilizando métodos
numéricos.

Logo, o cálculo de probabilidade para variáveis aleatórias

normalmente distribuída é obtido através de valores
tabelados.
Distribuiçções Cont

Para evitar a multiplicação desnecessária de tabelas para

cada par de valor (µ,σ2) utiliza-se uma transformação
fazendo:
Distribui

12
 Contíínuas de Probabilidade Distribuição Normal
Onde Z é uma variável aleatória contínua que terá
distribuição normal com µ = 0 e σ2 = 1, ou seja Z ~ N(0,1),
com função densidade de probabilidade definida por:
Distribuiçções Cont

Esta variável aleatória Z tem uma distribuição de

probabilidade denominada distribuição normal
padronizada ou normal reduzida.
Distribui

Desta forma:

13
 Distribui
Distribuiçções Cont
Contíínuas de Probabilidade

Exemplo: X ~ N(4,9)
Distribuição Normal

14
 Contíínuas de Probabilidade Distribuição Normal
A tabela Z fornece os valores da área abaixo da função
f(z) para diversos pontos desde 0 até 3,99 com
acréscimos de 0,01.

Assim:
Distribuiçções Cont
Distribui

15
 Distribui
Distribuiçções Cont
Contíínuas de Probabilidade
Tabela Z

16
 Contíínuas de Probabilidade Distribuição Normal
Exemplos:

a) P(0 ≤ Z ≤ 1) = 0,3413 b) P(Z > 1,93) = 0,5000 - 0,4732 = 0,0268

Distribuiçções Cont

c) P(-2,55 < Z ≤ 1,20) = 0,4946 + 0,3849 = 0,8795

Distribui

17
 Contíínuas de Probabilidade Exercícios
1) Sendo X ~ N(12,4), determine:

a) P(X ≤ 15,5) = P(Z ≤ 1,75) = 0,50 + 0,4599 = 0,9599

b) P(10 < X ≤ 15) = P(-1,00 < Z ≤ 1,50) = 0,7745

c) P(X > 9,5) = P(Z > -1,25) = 0,8944

Distribuiçções Cont

2) Os salários dos funcionários de uma empresa estão

normalmente distribuídos com média de R$ 8000,00 e
desvio-padrão de R$ 500,00. Qual a porcentagem de
Distribui

funcionários que recebem mais de R$ 9280,00 nesta

empresa?
Resposta: P(X > 9280) = P(Z > 2,56) = 0,52% 18
 Contíínuas de Probabilidade Exercícios
3) Os pacientes de um hospital são submetidos a um
tratamento de saúde cujo tempo de cura está
normalmente distribuído com média de 15 dias e
desvio-padrão de 2 dias.
a) Qual a proporção de pacientes que demora mais de 17
dias para se recuperar?
b) Qual a probabilidade de um paciente escolhido ao
Distribuiçções Cont

acaso apresentar tempo de cura inferior a 20 dias?

c) Qual deve ser o tempo máximo necessário para a
recuperação de 30% dos pacientes?
Distribui

19
 Contíínuas de Probabilidade Exercícios
4) O diâmetro de um anel industrial é uma variável
aleatória normalmente distribuída com média de 0,10
cm e desvio-padrão 0,02 cm. Se o diâmetro do anel
fabricado diferir da média por mais de 0,03 cm ele é
vendido por R$ 5,00, caso contrário é vendido por R$
10,00. Qual é o preço médio de venda de cada anel?
Distribuiçções Cont

(Extraído de Notas de Aula da Profa Márcia O. Erbano)

Distribui

20
 Contíínuas de Probabilidade Distribuição Normal

Uma aproximação da Distribuição Binomial com

parâmetros n e p pode ser obtida pela Distribuição
Normal fazendo µ = n.p e σ2 = n.p.(1 – p).

Quando n tende para o infinito, a variável aleatória

definida por
Distribuiçções Cont
Distribui

está uniformemente distribuída com µ = 0 e σ2 = 1.

21
 Contíínuas de Probabilidade Distribuição Normal
Exemplos:
1) Uma moeda não viciada é lançada 100 vezes. Qual a
probabilidade de sair cara entre 38 e 59 vezes?

2) Uma máquina produz peças de modo que 5% são

Distribuiçções Cont

defeituosas. Se uma amostra de 1000 peças é extraída

aleatoriamente, qual a probabilidade de que não mais
de 40 peças sejam defeituosas?
Distribui

22
 Contíínuas de Probabilidade Função Gama
A função gama é definida por:
Distribuiçções Cont

Integrando por partes, tem-se:

Se α é um número natural, então:

Por exemplo:
Distribui

Em particular:
23
 Contíínuas de Probabilidade Distribuição Gama
A variável aleatória contínua X tem distribuição gama
quando sua função densidade de probabilidade é dada
por:
Distribuiçções Cont

Onde α é o parâmetro de forma (α > 0) e β é o parâmetro

de escala (β > 0).
Distribui

Observação:
Quando α = 1, tem-se a distribuição exponencial.
24
 Contíínuas de Probabilidade Distribuição Gama
Esperança Matemática: E(X) = α/β

Variância: V(X) = α/β²

Exemplos de gráficos para β =1

Distribuiçções Cont
Distribui

25
 Contíínuas de Probabilidade χ 2)
Distribuição Qui-quadrado (χ
A variável aleatória contínua X tem distribuição qui-
quadrado com φ graus de liberdade (φ ϵ N) quando sua
função densidade de probabilidade é dada por:
Distribuiçções Cont

Fazendo α = φ/2 e β = 2 na fdp da distribuição gama

tem-se a fdp da distribuição qui-quadrado.
Distribui

Observação:
A distribuição qui-quadrado é assimétrica positiva.
26
 Contíínuas de Probabilidade χ 2)
Distribuição Qui-quadrado (χ
Esperança Matemática: E(X) = φ

Variância: V(X) = 2φ
Distribuiçções Cont
Distribui

27
 Distribui
Distribuiçções Cont
Contíínuas de Probabilidade
Tabela da Qui-quadrado (χ
χ 2)

28
 Contíínuas de Probabilidade χ 2)
Distribuição Qui-quadrado (χ
Exemplos:
1) Sendo φ = 8 e α = 25%, determine a abscissa da qui-
quadrado.
2) Sendo X uma variável aleatória contínua com
distribuição qui-quadrado com φ = 20, determine a
mediana e o 9º decil da variável aleatória X.
Distribuiçções Cont

3) Determine as abscissas indicadas no gráfico da

distribuição qui-quadrado abaixo, sendo φ = 10.
Distribui

29
 Contíínuas de Probabilidade Distribuição t de Student
Esta distribuição foi desenvolvida pelo químico britânico
W. S Gosset, que publicava em 1908 seus trabalhos
sob o pseudônimo de “Student”.
A variável aleatória contínua X tem distribuição t de
Student quando a função densidade de probabilidade
é dada por:
Distribuiçções Cont

Com x real onde φ é o grau de liberdade da distribuição.

Distribui

• Esperança Matemática: E(X) = 0

• Variância: V(X) = φ/(φ – 2) com φ > 2
30
 Contíínuas de Probabilidade Distribuição t de Student
Observações:
1ª) A distribuição é simétrica com relação a sua média;
2ª) Quanto maior o valor de φ mais se aproxima da
distribuição normal padronizada;
3ª) Esta distribuição é muito utilizado para inferências
estatísticas para amostra pequenas (n < 30).
Distribuiçções Cont
Distribui

31
 Distribui
Distribuiçções Cont
Contíínuas de Probabilidade
Tabela da distribuição t de Student

32
 Contíínuas de Probabilidade Distribuição t de Student
Exemplo:
Uma variável aleatória contínua X tem distribuição t de
Student com 4 graus de liberdade. Determine o 1o quartil
da variável aleatória X.
Distribuiçções Cont
Distribui

33
 Contíínuas de Probabilidade Distribuição F (Fisher-Snedecor)
Esta distribuição foi desenvolvida pelo inglês R.A. Fisher
(1890-1962) e pelo americano G. E. Snedecor (1881-1974).

A distribuição F é a razão entre duas variáveis aleatória

independentes que possuem distribuições qui-quadrado.

A distribuição F com φ1 graus de liberdade no numerador e

Distribuiçções Cont

φ2 graus de liberdade no denominador é definida por:

Distribui

34
 Distribui
Distribuiçções Cont
Contíínuas de Probabilidade
Distribuição F (Fisher-Snedecor)

35
 Contíínuas de Probabilidade Distribuição F (Fisher-Snedecor)
A tabela da distribuição F retorna a abscissa que tem
2,5% ou 5% dos dados na cauda à direita, com φ1 e φ2
graus de liberdade.
Distribuiçções Cont
Distribui

36
 Distribui
Distribuiçções Cont
Contíínuas de Probabilidade
Distribuição F (Fisher-Snedecor)

37
 Contíínuas de Probabilidade Distribuição F (Fisher-Snedecor)
Propriedade:

Exemplos:
1) Calcular

Resposta:
Distribuiçções Cont

2) Determine o 5o centil e o 95o centil da variável

aleatória X que tem distribuição F com 8 graus de
liberdade no numerador e 6 graus de liberdade no
Distribui

denominador.

38