Índice

Introdução........................................................................................................................................3

Variáveis aleatórias..........................................................................................................................3

Distribuição de probabilidades.....................................................................................................4

Variáveis aleatória continuas...........................................................................................................5

Distribuição normal de Probabilidades............................................................................................6

Distribuição Normal.....................................................................................................................6

Distribuições contínuas de probabilidade....................................................................................7

Media e Variância de uma Variável Aleatória continua e suas propriedades...............................11

Aproximação da distribuição Binomial a Normal.........................................................................11

Conclusão......................................................................................................................................12

Referências Bibliograficas.............................................................................................................13

1
Introdução

O presente trabalho tem como Tema Variáveis aleatórias continuas e Distribuição normal, O
nosso objectivo é o estudo de fenómenos (experiências) aleatórios e medidas associadas a esses
fenómenos, que representamos por variáveis aleatórias (v.a.’s). Dada a realização de um
experimento aleatório qualquer, com um certo espaço de probabilidade, desejamos estudar a
estrutura probabilística de quantidades associadas à esse experimento. Note que antes da
realização de um experimento, não sabemos seu resultado, entretanto seu espaço de
probabilidade pode ser previamente estabelecido. Dessa forma, podemos atribuir probabilidades
aos eventos desse espaço amostral, dando origem ao conceito de variável aleatória. A
distribuição Normal também é conhecida como de Gauss, em referência ao emprego pioneiro
dessa distribuição no tratamento dos erros aleatórios de medidas experimentais, atribuído ao
matemático alemão Karl Friedrich Gauss (1777-1855).

Variáveis aleatórias

De acordo com Peternelli (s.a), ʻʻ uma função cujo valor é um número real determinado por cada
elemento em um espaço amostral é chamado uma variável aleatória (v.a.) ʼʼ (p.47).

Utilizaremos letras maiúsculas (X,Y,Z, etc) para representar a variável aleatória e a

correspondente letra minúscula (x,y,z, etc) para um dos seus valores.

Cada possível valor x de X representa um evento que é um subconjunto do espaço amostral.

Exemplo: Duas peças são retiradas sucessivamente, sem reposição, de uma caixa que contem
quatro peças boas (B) e 3 peças defeituosas (D).

Para esse experimento teríamos o seguinte espaço amostral

S = { BB, BD , DB , DD }

Se considerarmos a v.a. Y= número de peças retiradas teríamos:

S* = { 0,1,2 }

2
3
Fazendo uma correspondência entre S e S* teríamos:

Evento simples Y= y

BB 2

BD 1

DB 1

DD 0

Segundo Barbetta, Reis & Bornia (2004), referem que uma variável aleatória pode ser entendida
como uma variável quantitativa, cujo resultado (valor) depende de fatores aleatórios.

Exemplo:

 Número de coroas obtido no lançamento de 2 moedas;

 Número de itens defeituosos em uma amostra retirada, aleatoriamente, de um lote;
 Número de defeitos em um azulejo que sai da linha de produção;
 Número de pessoas que visitam um determinado site, num certo período de tempo;

Distribuição de probabilidades

Existem diversos modelos probabilísticos que procuram descrever vários tipos de variáveis
aleatórias: são as distribuições de probabilidade de variáveis aleatórias (discretas ou contínuas).

A distribuição de probabilidades de uma V.A. X é, portanto, uma descrição das probabilidades

associadas com os possíveis valores de X. Os valores que X assume determinam o suporte (S) da
V.A.

Variáveis discretas → suporte em um conjunto de valores enumeráveis (netos ou infinitos);

Variáveis contínuas → suporte em um conjunto não enumerável de valores.

Denomina-se de distribuição de probabilidade de alguma variável aleatória, a regra geral que

define a função de probabilidade (fp) (V.A.s discretas), ou a função densidade de probabilidade
(fdp) (V.A.s contínuas) para a variável de interesse.

4
Existem muitas distribuições de probabilidade, mas algumas merecem destaque por sua
importância prática. Estas distribuições também são chamadas de modelos probabilísticos.

Variáveis aleatória continuas

Segundo Sousa (s.a.), Variável Aleatória Contínua (VAC) é aquela que pode tomar qualquer
valor numérico em um determinado intervalo ou coleção de intervalos. Ou seja, entre quaisquer
de dois elementos vizinhos há quantidades intermediárias infinitas, dependentes da sensibilidade
do instrumento de medida.

Exemplo: Imagine nas Olimpíadas o lançamento de martelo. Sabemos de antemão que os valores
do lançamento de martelo atingem no máximo a distância de 60 metros e a distância mínima
classificatória de 30. Ou seja, todos os lançamentos serão dentro desse intervalo, podendo
assumir uma infinidade de possibilidades, pois sempre existirá uma fração para medir a menor
diferença possível entre um lançamento e outro, como 59,2512m.

Neste caso X seria uma vac que assume qualquer valor no intervalo 30 > X < 60.

Para Mayer (s.a.), Uma V.A. é classificada como contínua se assume valores em qualquer
intervalo dos números reais, ou seja, um conjunto de valores não enumerável. Dessa forma, não é
possível atribuir probabilidades para um ponto específico, apenas para intervalos da reta.

Exemplos: Peso de animais, Tempo de falha de um equipamento eletrônico Altura da maré em

uma hora específica, Salinidade da água do mar, Retorno financeiro de um investimento.

Não podemos atribuir probabilidades à valores específicos, pois há uma quantidade não
enumerável (infinita) de valores em um ponto.

Atribuimos probabilidades à intervalos de valores, por meio de uma função. Portanto, as

probabilidades são representadas por áreas.

5
Distribuição normal de Probabilidades

Distribuição Normal

Aderência à Distribuição Normal: O passo mais simples seria construir um Histograma com a
curva normal e verificar visualmente se ela é normal de fato. Por exemplo: o gráfico de vendas
de autopeças de um fabricante de Tete.

Propriedades

 A média, a mediana e a moda são iguais.

 A curva normal tem formato de um sino e é simétrica em torno da média.
 A área total sob a curva normal é igual 1.
 E(X)= μ e VAR(X)= σ2.
 O ponto máximo de f(x) é o ponto X=μ.

6
  Os pontos de inflexão da função são: X= μ+σ e X= μ-σ.

A distribuição normal é a mais importante distribuição de variáveis aleatórias contínuas em razão

da sua enorme aplicação nos mais variados campos do conhecimento.

Possui dois parâmetros característicos µ e σ² que correspondem respectivamente a média e a

variância da distribuição.

A distribuição normal com média µ=0 e variância σ²=1 é conhecida como distribuição normal
reduzida ou padronizada. Uma variável aleatória com essa distribuição geralmente é simbolizada
pela letra Z.

2
1 1 −x 2
f ( x , μ , σ )=
√2π σ 2
e (
−x −μ
2σ 2 )
,−∞< x <∞ , σ >0 f ( x )=
√2 π
e( )
2

1 −x −μ 2
f ( x , μ , σ )=
√2π σ2
e( 2σ 2 ),−∞< x <∞ , σ >0

7
Distribuições contínuas de probabilidade

Existem diversos modelos contínuos de probabilidade. Alguns deles: Uniforme,

Exponencial.Distribuição Uniforme

Seja X uma VAC que pode tomar todos os valores num intervalo [ a , b ]. Se a probabilidade de a
variável assumir valores num subintervalo for a mesma que para qualquer outro subintervalo de
mesmo comprimento teremos então uma distribuição uniforme. A função densidade de
probabilidade de uma VAC deste tipo será:

1
f ( x )= para a ≤ x ≤ b = 0 para qualquer outro valor.
b−a

Distribuição exponencial

Uma variável aleatória continua T tem uma distribuição exponencial de parâmetro λ se sua
função densidade de probabilidade f (t) for do tipo:

f ( t )=λ e−λt para t > 0 = 0 caso contrário.

Um dos modelos mais importantes, tanto do ponto de vista teórico quanto prático, é o modelo
normal. Este modelo, também chamado de modelo de Gauss, foi estabelecido por volta de 1733
pelo matemático francês Abraham De Moivre, e serve para explicar inúmeros fenômenos
naturais, físicos, psicológicos, sociológicos.

A distribuição normal é extremamente importante em Estatística pois serve de fundamento para

muitas técnicas de inferência e aproximações.

Definição: Dizemos que uma V.A. X segue o modelo normal se sua fdp é a seguinte:

1 −1 x−μ 2
f ( x )=
√ 2 πσ
exp
[ ( ) ]
2 σ
❑ , -∞ < x <∞

Onde: μ ∈ R é a média da população, σ ∈ R+¿ ¿ é o desvio-padrão populacional.

Notação: X ∼N(µ,σ 2) Esperança e variância: E(X) = µ e Var (X) = σ 2

X−μ
Z= N (μ,σ)
σ

8
9
Exemplo: Suponha que a média populacional do coeficiente de inteligência (QI) seja 100, com
desvio-padrão 15.

a) Qual a probabilidade de selecionarmos uma pessoa ao acaso, e ela ter QI entre 90 e 115?
b) Seja X ∼N(30,16). Qual a probabilidade de obtermos um valor maior ou igual a 38?
90−100 −10
a) Z= = = - 0,6667
15 15

115−100 15
Z= = =1
15 15

30−38 −8
b) Z= = = - 0,5
16 16

10
Características da curva normal:

 É simétrica em relação à µ;
 O ponto máximo (moda) de f (x) é o ponto x = µ;
 Os pontos de inflexão da função são µ−σ e µ + σ;
 A área total sob a curva é 1 ou 100%;
 A curva é assintótica em relação ao eixo x;

11
Media e Variância de uma Variável Aleatória continua e suas propriedades

Media (μ ¿

 A média de uma constante é igual a própria constante: μ ( k ) =k , onde k =constante

 Se multiplicarmos os valores de uma variável aleatória por uma constante, a média fica
multiplicada por esta constante. μ ( kX ) =k . μ ( X )
 Se os valores de uma variável aleatória forem somados a uma constante a média ficara
igualmente somada dessa constante. μ ( X ± k )=μ ( X ) ± k
 A média de uma soma ou diferença de duas variáveis aleatórias é igual à soma ou
diferença das medias dessas variáveis. μ ( X ±Y )=μ ( X ) ± μ(Y )
 A medida do produto de duas variáveis aleatórias independentes é igual ao produto das
medidas dessas variáveis. μ ( X .Y )=μ ( X ) . μ ( Y )

Variância (V)

 A variância de uma constante é nula. V ( k )=0

 Se multiplicarmos os valores de uma variável aleatória por uma constante, a variância
fica multiplicada pelo quadrado da constante. V ( kX )=k 2 .V ( X )
 Se os valores de uma variável aleatória forem somados a uma constante a variância
não se altera. V ( X ± k )=V ( X )
 A variância de uma soma ou diferença de duas variáveis aleatória independentes é
igual a soma das variâncias dessas variáveis. V ( X ±Y )=V ( X ) +V (Y )

Aproximação da distribuição Binomial a Normal

Segundo Viali (s.a.), Seja X uma variável aleatória distribuída binominalmente com parâmetros

ʻʻnʼʼ e ʻʻpʼʼ . Isto é: P ( X=x )= ( nx ). p . q

x n− x

12
Quando o número de provas ʻʻnʼʼ cresce (tende ao infinito) a distribuição binomial tende a uma
distribuição normal de media (μ ¿= np e desvio padrão σ =√ npq. Em geral admite – se que para
np ≥ 5 e np ≥ 5 ,ʻʻnʼʼ já será suficientemente grande para se poder aproximar uma distribuição
binomial a normal.

No entanto, devido ao facto de se estar aproximado uma distribuição discreta, através de uma
continua, recomenda – se para se obter maior precisão, realizar uma correção de continuidade
que consiste em transformar, por exemplo, P ( X=x ) n intervalo P( x−0,5< X < x +0,5) e o mesmo
em qualquer outra situação.

Exemplo: no lançamento de 30 moedas honestas, qual a probabilidade de saírem:

a) Exactamente 12 caras?

Solução

a) A probabilidade de saírem 12 caras é dada pela distribuição binomial por:

P ( X=12 ) =( 3012 ) . 0,5 12

. 0,530−12=8,06 %

Aproximadamente pela normal tem – se:

μ=np=30. ( 12 )=15
σ =√ npq=√ 30 . ( 12 ) .( 12 )=2,7386
Conclusão

Chegado ao final deste trabalho conclui – se que Variável Aleatória Contínua (VAC) é aquela
que pode tomar qualquer valor numérico em um determinado intervalo ou coleção de intervalos.
Ou seja, entre quaisquer de dois elementos vizinhos há quantidades intermediárias infinitas,
dependentes da sensibilidade do instrumento de medida. A distribuição normal é a mais
importante distribuição de variáveis aleatórias contínuas em razão da sua enorme aplicação nos

13
mais variados campos do conhecimento. Possui dois parâmetros característicos µ e σ² que
correspondem respectivamente a média e a variância da distribuição. A distribuição normal com
média µ=0 e variância σ²=1 é conhecida como distribuição normal reduzida ou padronizada.

14
Referências Bibliográficas

Barbetta, P. A., Reis, M. M., & Bornia, A. C. (2004). Estatistíca para cursos de engenharia e
informática. São Paulo: Atlas.

Mayer, F. d. (s.a.). Variáveis aleatórias e distribuições de probabilidades. Acedido á 06 de Abril

de 2020, recuperado em: https://www.google.com/url?
sa=t&rct=j&q=&esrc=s&source=web&cd=1&cad=rja&uact=8&ved=2ahUKEwinpoSE2
NvoAhVmQEEAHU9YDdEQFjAAegQIARAB&url=http%3A%2F%2Fleg.ufpr.br
%2F~fernandomayer%2Faulas%2Fce001n-2016-01%2F05_Variaveis_aleatorias
%2F05_Variaveis_Aleatorias.pdf

Peternelli, L. A. (s.a.). Variáveis aleatórias e distribuições de probabilidade. Acedido á 06 de

Abril de 2020, recuperado em: https://www.google.com/url?
sa=t&rct=j&q=&esrc=s&source=web&cd=1&cad=rja&uact=8&ved=2ahUKEwiIrZyq6t
voAhVsxYUKHYdvBLIQFjAAegQIARAB&url=http%3A%2F%2Fwww.dpi.ufv.br
%2F~peternelli%2Finf162.www.16032004%2Fmateriais
%2FCAPITULO4.pdf&usg=AOvVaw3hMRvK4s8Zozqjt6-rjX

Sousa, A. L. (s.a.). Variáveis aleatórias Continuas. Acedido á 08 de Abril de 2020, recuperado

em: https://www.google.com/url?
sa=t&rct=j&q=&esrc=s&source=web&cd=1&cad=rja&uact=8&ved=2ahUKEwjW9cOK
69voAhVFzoUKHfdqA10QFjAAegQIARAB&url=http%3A%2F%2Fnbcgib.uesc.br
%2Flec%2Fdownload%2Ffaria%2Fcet083%2Fapresentacoes
%2Fvac.pdf&usg=AOvVaw2gT3fidtFo7RNtAskJ8BhN

Viali, L. (s.a.). Probabilidade: Variaveis Continuas. Acedido á 09 de Abril de 2020, recuperado

em: https://www.google.com/url?
sa=t&rct=j&q=&esrc=s&source=web&cd=1&cad=rja&uact=8&ved=2ahUKEwiokrLd7
NvoAhVE9IUKHa_ZAkIQFjAAegQIARAB&url=http%3A%2F%2Fwww.mat.ufrgs.br
%2F~viali%2Festatistica%2Fmat2248%2Fmaterial%2Fapostilas
%2FProb_2.pdf&usg=AOvVaw1zybkH9gWGUmM

15
16