Algumas Distribuições de

Probabilidade Contínuas:

Uniforme Contínua
Exponencial
Normal
Log-Normal
Distribuição Uniforme Contínua
Exemplo: Suponha que uma grande sala de conferência
usada por certa empresa não possa ficar reservada por mais
do que quatro horas.
No entanto, o uso da sala é tanto que conferências longas e
curtas ocorrem com muita frequência.
Pode-se assumir que o comprimento X de uma conferência
tem distribuição uniforme no intervalo [0,4].
(a) Qual é a função densidade de probabilidade?
(b) Qual é a probabilidade de que qualquer conferência dure
pelo menos três horas?

1
f ( x )= , se 0 ⩽ x⩽4 ; 0, casocontrário .
4
4
1 1
P [ X ≥3 ] = ∫ dx =
3 4 4
Distribuição Exponencial
Exemplo: Suponha que um sistema contém certo
tipo de componente cujo tempo para falha, em anos,
é dado por T.
A variável aleatória T é bem modelada pela
distribuição exponencial com tempo médio para falha
de 5.
Qual é a probabilidade de que o componente esteja
funcionando após oito anos?
∞
1 −t/5 −8 / 5
P ( T>8 )=∫ e dt=e ≈0,2 .
8
5
Distribuição Normal ou Gaussiana
Distribuição Normal ou Gaussiana
Cálculo das Probabilidades na Curva
Normal
P(x1 < X < x2) é a área abaixo da curva entre x1 e x2 na
(região sombreada).
P(x1 < X < x2) para curvas normais diferentes.
Podemos transformar todas as observações de qualquer
variável aleatória normal X em um novo grupo de
observações da variável aleatória normal Z, com média 0
e variância 1. Isso pode ser feito pela transformação
A v.a. normal com média 0 e variância 1 é chamada de
normal padronizada (ou padrão).
Exemplo: Seja Z uma v.a. normal padronizada. Calcule:
(a) P(Z > 1,84)
(b) P(-1,97 < Z < 0,86)
Solução:

(a) P(Z > 1,84) = P(Z < -1,84) = 0,0329,

obtida direto na tabela.

(b) P(-1,97 < Z < 0,86) = P(Z < 0,86) – P(Z < -1,97) =
= 0,8051 – 0,0244 = 0,7807
Exemplo: Dada uma distribuição normal padrão,
determine o valor de k de modo que P(Z > k) = 0,3015.
Solução:

P(Z > 0,3015) = P(Z < -k).

Tabela: 0,3015 = P(Z < -k)

Assim, -k = -0,52,
ou seja k = 0,52.

Portanto
P(Z > 0,52) = 0,3015.
Podemos transformar as observações da v.a. em
observações da v.a. usando a expressão:
Exemplo: Dado que X tem distribuição normal com média
igual a 300 e desvio padrão igual a 50, determine a
probabilidade de que X assuma um valor maior que 362.
Solução:

z = (362 – 300) / 50 = 1,24.

Portanto,

P(X > 362) = P(Z > 1,24) = P(Z < -1,24) = 0,1075
Exemplo: Dada uma distribuição normal com média igual a
40 e desvio-padrão igual a 6, determine o valor de x tal que

(a) P( X < x ) = 0.45.

Se P(X < x) = 0.45.

então P(Z < (x-40)/6) = 0.45.

Mas P(Z < -0.13) = 0.45

(da tabela);

Logo (x-40)/6 = -0.13

x = 40 + (-0.13)6
= 40 - 0.78
= 39,22. z = (x – 40) / 6

Ou seja, P(X < 39.22 ) = 0.45.

(b) P( X > x ) = 0.14.

Se P( X > x ) = 0.14.

então P( Z > (x-40)/6 ) = 0.14.

Mas P( Z > 1,08) = P( Z < -1.08)

= 0.14
(da tabela);

Logo (x-40)/6 = 1.08

x = 40 + (1.08)6
= 46.48
z = (x – 40) / 6
Ou seja, P( X > 46.48 ) = 0.14.
Exemplo: Em um processo industrial, o diâmetro de um rolamento
é uma parte importante do processo. O comprador determina que
as especificações para o diâmetro seja 3,0 +/- 0,01 cm. A
consequência é que nenhuma peça fora dessas especificações
será aceita. Sabe-se que, no processo, o diâmetro do rolamento
tem distribuição normal com média igual a 30 e devio-padrão igual
a 0,005. Em média, quantos rolamentos fabricados serão
inutilizados?
Solução:
3.0 – 0.01 = 2.99 e 3.0 + 0.01 = 3.01.

P ( 2.99 < X < 3.01 ) = 1 - 2 P( X < 2.99 ) .

P( X < 2.99 ) = P( Z < (2.99-3.0)/0.005 )

= P( Z < -2,0 ) = 0.0228.

P( X < 2.99) + P ( X > 3.01 ) = 0.0456.

4.56%, em média, inutilizados

Distribuição Lognormal
Exemplo: A concentração de poluentes produzidos por indústrias
químicas é conhecida historicamente por exibir um comportamento
que lembra uma distribuição log-normal. Suponha que assumimos
que a concentração de certo poluente, em partes por milhão, tem
distribuição log-normal com parâmetros média igual a 3,2 e desvio-
padrão igual a 1. Qual é a probabilidade de que a concentração
exceda oito parte por milhão?

Solução: Considere a variável aleatória X a concentração de poluentes.

P(X>8) = 1 – P(X<8)

Se ln(X) tem distribuição normal com média = 3,2 e desvio-padrão = 1,

P(X < 8) = P[Z < (ln(8) – 3,2)/1] = P(Z < -1,12) = 0,1314.

Então P(X>8) = 1 – 0,1314 = 0,8688