I. 2.

Exemplos Clássicos de Distribuições Contínuas

( Ca b) )
(A) Distribuição
Uniforme ( contínua ) : X n U ,

•
é v. a. continua com distribuição Uniforme no intervalo
b tem densidade dada
( a
,
,
se
por :

¥: : : :
"

•
Note
que flx ) : 70 Hxe IR e
fpifcse ) da = 1 .

• A
f. d. F associada a
f é calculada da
seguinte forma :

x ca
,
Flx ) =

[ flhdt = O

açxcb
,
Fla ) =

fê flttdt faço [⇐ seja

= A + dt -

FH
fê flttdt µ ftp.dt-fjodt
x ? b .
= de + = 1
,
- .

ou
seja :

{
o xca
,

F tal a ex cb
seja
-
-

1 ,
xD b

diz verifica também F) G) ta ¢ ha eis

: - se
que
:
flae ) = , .
 (B) Distribuição Exponencial : Xv
Exp ( s )
•
é v. a. continua com distribuição exponencial de parâmetro no
,
tem densidade dada
por
se :

fui =

µ É; ; ou
f. d. Fui
=p É :[%
-

Verifique que fé de fato uma densidade e

que
F- é a
f. d.
associada à
f .

Observações :

1. A distribuição exponencial é usada muitas

vezes
onde variável aleatória é tempo de
a
espera ,

por exemplo tempo até falha de

,
um
componente
eletrônico .

2.
Propriedade : ( Perda de memória )

Xv Enplt ) ocorrer CI ) ou CI ) (*)

onde
LI ) P (X > a tb =P ( X > a ) PCX > b)
.
a
,
b , o
,

(e) P ( × > a+ b) X > a = PCX > b)

,
a
,
b , 0
.

obs : . CI ) e (E) são equivalentes ;

(I ) ( ou
• II ) ) :
propriedadememoria
chamada de

perda de .
(a) de fato X
Caput então b 70 :
:
se no
,
:
para a
,

P (X > a+ bl X > a) =
PÉ =
PIX da tb =

P ( X > a ) PCX > a)

=
e-
" at"
=
éb = PLX > b)
,
la
e
-

memória
ou
seja ,
X tem a
propriedade perda de .

Na verdade , uma v. a.
exponencial éauãica v. a .

continua não -

negativa que possui propriedade perda de a

de memória resultado
. Isso é
que diz
o
seguinte o .

Teorema X uma contínua Então

:
Seja v. a. .
:

( I ) ( ou III ) ocorre se e somente se

,
,

ou (i ) PCX > O ) = O ou Cü ) Xv
Explt ) plalgum X 0 .

Demonstração :

⇐ .
se lü ) ocorre CE ) já visto .

•
se (i ) ocorre
CI ) segue trivialmente .

⇐) LI ) P (X 70 ) # O 0)
Supor que ocorra e
que .

Então para b =D temos E)

pa
a :
que
=
,
,

2
PLX 70 ) [ PCX 70) ) PLX 70 )
=

,
ou
seja ,
= 1 .

Logo ,
X é uma v. a.
positiva .
Seja F a
f. d. de X .

Defina Glx ) = 1- Fla ) .

Assim ,
temos
que
:

G é não _
crescente contínua pela direita ,
,

GLO ) = 1 Gta ) = O e G ( a + b) = G (a) Glb )

.
a >o
, ,

e b) 0 .

então ,
Então
,
se ce R
,
40
,
e m
,
n inteiros positivos ,

[G ( 4M Dm
"

(a) Gln c) -
=
[GG ) ) e (* a) G (c) =

defato :

GCC ) = G
( c -

me em + =

G G
§ §
= C -

. =

of -

me f- tan
-
.
G
E) =

Í
-

G
%
G
com
=
c-
=
.

: M
- - -
- m
G
Ç
G
f-
a

mmc
= c- .
=

af
.
- -

= 1

Daí ( *a) de (* a ) ↳)
, segue e
, , segue ,
 Vá temos o C G (1) e 1
, que .

defeito : .
G (1) = 1 - FU ) =p (x > 1)
, logo ,
o EGC 1) E 1

"
•

se G (1) = 1 G Cn ) = [ G (1) J = 1

GG a)
çfçjn G Cn ) fiz = [ou Âfçm 1=1

o
que
contraria o
fato de Gto ) = o .

Logo ,
Gl 1) #1 .

.
se G (1) = O G ( YM ) = O

(**)

Glotfçjç Glxtfçool km Êfçi DÊ "

Enfim o = 0
,
o
que
contaria o
fato GCO ) = 1 .

Logo ,
GC 1) # 0
,

Como O C G ( 1) C 1 então podemos escrever

, ,

GI 1) é
=

, para algum 170 .

Fazendo a = 1 em (* * ) ,
temos
que
:

I G ( Hm ) Jm = G (1) = é
"
G ( Hm ) = é tn ,
m EE
m 70

Fazendo a = Um em la )
,
temos
que
:

"
Ê
G ( Mm ) =
[ Gltlm )) =

,
n
,
m inteiros 70
.
 '
Logo ,
obtemos : G
(g) = e- Y
, Hy racional , y
>o .

Assim , continuidade à direita de G , temos

pela que
dado x E IR 20
, ,

G (x ) = lim G
(g) =
limitar = e-
te
.

xt
y → xt y →

Nacional
y : racional
:
y

Dá
, segue que :

F- (x ) = 1- Glx ) = 1- é Haro
, ,

f. d. exponencial de
parâmetro b
,

ou
seja ,
Xv Expld ) .
.
 C 0¥ Normal ou
Gaussiana
(c 1 Distribuição Normal Padrão : Xv N lo 1) ,

Xé uma v. a. com
distribuição normal padrão ,

tem densidade dada

se por :

ê%
flx ) =
1
,
se C- IR .

12T

Observações :

1.
fé uma
função densidade .

f (a) 70 HXEIR
pa definição .

µ flx ) = 1 : mostraremos em 2
etapas

( 1° ) Considere
"
% C- IR Então
gcx ) = e-
,
se .
:

(a) 70 Hx E IR
G ;
-

g é contínua ;
•

g é fçáo par gtx ) glx ) HXEIR =

;
gráfico de g é simétrico em
torno do
zero
;
é inegável
g primitiva não pode ser
mas
sua
•

expressa por
meio de
funções elementares .
 Para
" % iês então
x 71 o C e- E ;
:
,

[ êibndx E
f; êetdx =

fçiç [ ê" da

"e
-

fiz f- f)
aêb =
a e- EM
=

êidx
[
i. E IR

como
gé função por :

%
êtdx
f-É =

[ ê dx E IR .

êdx
Como
g
é contínua
,
então
[ E IR .

Logo , [ e-
%
da EIR ( finita ) .

êibndn
(2° ) seja [ = e
;
temos
que
o < e co

é =

fje-%da.fjiikdy-fjf.ir?Idsedy--
coord O 2T
%
rêbdr
.

polares
fofo rê
[
= do dr = 2T =

x = rosa

seno
y r
-
_

F-
ê%
-

= 2, fim
a →+ o
-
+ 1) = 2T
 ÷ é = 2T e como eso então e = V-27
, ,
-

Assim :

µ e-
%
da = VI e
,
portanto , [¥ ,
e- % dx =

la
"
% xeir é densidade simétrica ;
2.
flx ) =

1¥ e-
,
,

gráfico de
f é simétrico em torno do
zero .

A
y

f- d. F associada a
f : pj.fm

Ftse )
:[ ¥ ,
é % dt
- a a
%

outra notação :
§ Ix ) = Fla )

Flx ) não
pode ser expressa por fçãs elementares ( não
existe uma
forma fechada pl Ftse ) ) ;
entretanto ,
existem resultados series de ( baseados em

)
potências que garantem o cálculo ( aproximado ) de
Flx ) e
permitem construção de tabelas .

Temos
que
:

) PIX > o )
Flo ) PIXEO
12 1- Flo )
•
= =
= = .

•
f- ( -
x ) = 1- F Ge H x C- IR
,
.
Obs : XNNIO 1) ,
;
tabelas ,
geralmente ,
fornecem as

seguintes probabilidades
•
: Plocxca ) -

foaytaêêbdx
y

✓ g. fcx
)

Ás
esa :

y plxço )

O a
7
"
• a >o
,
PLXE a) =

} +
Plocxca )

PLXE a) Plxra ) plosxca )

-21
=
-
-

• Ocacb

Placxcb ) -

_
PLOCXCB ) -

PCOCXCA) :
E

(G) Distribuição Normal ou

Gaussiana : Xv
NLp.rs
Xéumav -
a. com
distribuição normal de
parâmetros
o2 se tem densidade dada
µ
e
por :
tema
) 1
flx
-

ao'
= e se EIR
, ,
12T r

onde o EIR 070

µ , ,
.

Obs :
fé densidade simétrica
emtomode.pe .

✓ Jfk
)

t.tt
=
-

µ
- a
µ sua :
(D) Distribuição Gama : X v
Gama ( x
,
d) ou Xv T (x ,
s )

Xé uma v. a. com
distribuição gama de
pãametros
X tem densidade dada
por
x e ,
se :

µÇ
e "
si
flat
-

-
é se >o
_
,

,
O XÇO
,

onde ×
,
DE IR
,
a 70 e 770 ,

[ não
"
e T (x ) = é dx a > o .

Observações :

1.
[
'
70 )
xd é dx E IR
seja integral éfinita le
-

ou a
,
,

há uma
( demonstração omitida ) , poaã não
forma simples
ela Sendo assim derrotamos Ma )
para pa
.
_
a
,
.

2.
fé uma densidade

de
fato : note
que

[ É I
' " "
é?
×
si
f-
-

dx
-

é =
y dy =

p
se
y -
-
a

¥ fo j êody
"

%
)
=
=
? ,
_
. .
então :

[ FÉ É [
" " "
x é da = site da =

, ,
L

¥ 1
"
=

¥, .
=
a

resultados ( demonstração omitida

3. Temos os
seguintes Ítoel Port Stone
_

veja
-
-

• PC 1) = 1

M VÊ
12
•

• M ( x -11 = a M ( ) x

•
M ( n = n - 1) ! n : inteiro
positivo
VI ln 1) !
n inteiro
positivo ímpar :P
nz
-
•
:
=

*
nê !

4. Xv
Exp ( s ) X v
Gama ( 1 ,
a

f. d. F da Mm )
5. Se a = m : inteiro
positivo então ,
a
,
a

admite uma
forma fechada ( somente neste ) caso
,

dada
por
:

me " "
lhe ) é
-

F- ( x ) = 1- ,
se >o
K O
!
=

K
Observação :
construção de
funções de densidade .

Seja g : R → IR uma
função tal
que :

G (a) 70 ,
Hx E IR e
[ gcx ) dx = C E IR ler o ) .

Assim
,
se
definirmos :

flx) la gcx ) -

,
então fé uma densidade .

1
ex :

Glx ) =

1-1×2
,
se C- IR

glx ) 70 Hxe IR

.fi gcxldn % =

, ↳ da =

fçiçoãetgx
T E IR
Tz ZI
= - -
=

Então
flx ) { densidade
: = se EIR é uma
,
.

* + xç

f. é chamada : densidade Cauchy padrão ou

cauchylo 1) .

A
f. d. F correspondente a
f ,
é dada
por :

Ftse ) (verifique ! )
=

1g +
¥ arctgx ,
xe IR
 densidade de
Ei : De modo geral ,
a
Candy de
parâmetros µ Rep é dada
e >o , por :

) C- IR
ftr =
B ,
se .

pa
'
* )
+
x-p

not :
Candy (
MP