Escolar Documentos
Profissional Documentos
Cultura Documentos
2016
1. f (x ) ≥ 0
Z ∞
2. f (x )dx = 1
−∞
Z b
3. P(a ≤ X ≤ b) = f (x )dx
a
•P(X = x0 ) = 0
=⇒ P(a ≤ X ≤ b) = P(a < X < b) = P(a < X ≤ b) = P(a ≤ X < b)
Prof. James S. Eger Universidade Federal de Santa Catarina
EMB 5010 - Estatı́stica e Probabilidade para Engenharia
Introdução Variáveis Aleatórias Contı́nuas Distribuição Uniforme Distribuição Exponencial Distribuição Normal Referências
VAD // VAC
1. f (x ) ≥ 0
1. f (xi ) ≥ 0 Z ∞
2.
P
f (xi ) = 1 2. f (x )dx = 1
−∞
3. f (xi ) = P(X = xi ) Z b
3. P(a ≤ X ≤ b) = f (x )dx
a
Exercı́cio
Z x
F (x ) = P(X ≤ x ) = f (s)ds
−∞
Média e Variância
Z ∞
µ = E (x ) = x · f (x )dx
−∞
I Variância: medida de dispersão:
Z ∞
σ 2 = V (x ) = E (x − µ)2 = (x − µ)2 · f (x )dx
−∞
VAD // VAC
Média e Variância de uma Variável Aletória Média e Variância de uma Variável Aletória
Discreta Contı́nua
n
Z ∞
1. E (x ) = 1. E (x ) = x · f (x )dx
X
xi · pi
−∞
i=1 Z ∞
n 2. V (x ) = (x − µ)2 · f (x )dx
2. V (x ) = (xi − µ) · pi
X
2 −∞
i=1
Exercı́cios
I Distribuição Uniforme
I Distribuição Exponencial
I Distribuição Normal
Distribuição Uniforme
É o modelo contı́nuo mais simples:
1
I f (x ) =
b−a
a+b
I µ=
2
(b − a)2
I σ2 =
12
Prof. James S. Eger Universidade Federal de Santa Catarina
EMB 5010 - Estatı́stica e Probabilidade para Engenharia
Introdução Variáveis Aleatórias Contı́nuas Distribuição Uniforme Distribuição Exponencial Distribuição Normal Referências
Exercı́cio
Distribuição Exponencial
I X = intervalo decorrido entre contagens sucessivas de um processo de Poisson
I Válida para as mesmas suposições:
I Taxa média de ocorrências = constante = λ
I Ocorrências independentes
I f (x ) = λe −λx
1
I µ=
λ
1
I σ2 = 2
λ
I Calcule a probabilidade de o
transistor durar até 500 horas
I Calcule a proporção de
transistores que terá falhado
após 1000 horas
b) Qual o tempo mı́nimo de espera que você encontrará 75% das vezes? (2,9 min)
c) Qual o tempo máximo de espera que você encontrará 90% das vezes? (23,0 min)
Distribuição Normal
1 −(x −µ)2
I f (x ) = √ e 2σ2
2πσ
I E (x ) = µ
I V (x ) = σ 2
Caracterı́sticas Especiais
I Simétrica em torno de µ
I Seja uma V.A. normal X, com média = 170 e desvio-padrão = 10. Qual a
probabilidade de ocorrer o evento X > 180?
1
Z ∞ Z ∞ −(x −µ)2
I P(X > 180) = f (x )dx = √ e 2σ2 dx
180 180 2πσ
I Não pode ser integrado explicitamente
I Solução: calculado numericamente e tabelado: V.A. Normal Padrão (Z)
X −µ
I Z=
σ
I Z tem parâmetros E (Z ) = 0 e V (Z ) = 1
I F(Z) é tabelada
I P(Z < 0, 25) = 0, 5987
I P(Z > 0, 25) =
1 − P(Z < 0, 25) =
1 − 0, 5987 = 0, 4013
I Diferentes tabelas...
I P(Z > 0, 25) = 0, 4013
Voltando ao exemplo:
I X tem distribuição normal com µ = 170 e σ = 10
I P(X > 180) =?
180 − 170
I Z= =1
10
I P(X > 180) = P(Z > 1)
I Da tabela: P(Z > 1) = 0, 1587
I Portanto, P(X > 180) = 0, 1587
Exercı́cios
1. Seja X uma variável distribuı́da normalmente, com média igual a 10 e
desvio-padrão igual a 2. Determine:
a) P(X > 13)
b) P(X < 11)
c) P(X < 8)
d) P(X > 9)
e) P(6 < X < 14)
f) P(−2 < X < 8)
2. Para a mesma variável X, determine o valor de x0 que resolve:
a) P(X > x0 ) = 0, 5
b) P(X > x0 ) = 0, 10
c) P(X > x0 ) = 0, 95
d) P(x0 < X < 10) = 0, 2
Esse é o momento para aprender a usar a tabela de distribuição normal
Prof. James S. Eger Universidade Federal de Santa Catarina
EMB 5010 - Estatı́stica e Probabilidade para Engenharia
Introdução Variáveis Aleatórias Contı́nuas Distribuição Uniforme Distribuição Exponencial Distribuição Normal Referências
Exercı́cio
Exercı́cio
Referências