Prof. Lorí Viali, Dr.

viali@mat.ufrgs.br
http://www.mat.ufrgs.br/~viali/
Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - Departamento de Estatística

A Função Densidade de Probabilidade

Seja X uma variável aleatória com
É a função que associa a cada
conjunto de valores X(S). Se o conjunto de
x ∈ X(S) um número f(x) que deve
valores for infinito não enumerável então
satisfazer as seguintes propriedades:
a variável é dita contínua. f(x) ≥ 0
∫ f(x)dx = 1

Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - Departamento de Estatística Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - Departamento de Estatística

Exemplo
A Distribuição de Probabilidade
Seja X uma VAC. Determine o valor
A coleção dos pares de “c” para que f(x) seja uma função
(x, f(x)) é denominada de distribuição de densidade de probabilidade (fdp).

probabilidade da VAC X.
c.x 2
se − 1 ≤ x ≤ 1
f (x ) = 
0 c. c.
Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - Departamento de Estatística Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - Departamento de Estatística

1
 Tem-se:
Para determinar o valor de “c”,
1 2 2 1
devemos igualar a área total a um, isto é, ∫-1 c. x dx = c ∫-1 x dx =
1 1
devemos fazer:  3  3 3
= c  x  = c 1 − -1  =
1  3 -1  3 3 -1
∫-1 f(x)dx = 1
2 3
1 2 = c =1⇒ c =
∫-1 c. x dx = 1 3 2
Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - Departamento de Estatística Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - Departamento de Estatística

Representação Gráfica Cálculo da Probabilidade

1,5 b
P ( a < X < b ) = ∫a f ( x )dx
1,0
y

0,5
2
f ( x ) = 3x
2 a x
b
0,0
-1,5 -1,3 -1,0 -0,8 -0,5 -0,2 0,0 0,3 0,5 0,8 1,0 1,3 1,5
a<X<b
-1 ≤ X ≤ 1
Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - Departamento de Estatística Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - Departamento de Estatística

b Observações:
P ( a < X < b) = ∫a f ( x ) dx
Se X é uma VAC, então:
Isto é, a probabilidade de que X
a
P( X = a ) = ∫a f ( x )dx = 0
assuma valores entre os números “a” e
P ( a < X < b) = P ( a ≤ X < b)
“b” é a área sob o gráfico de f(x) entre os
= P( a < X ≤ b )
pontos x = a e x = b.
= P(a ≤ X ≤ b).

Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - Departamento de Estatística Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - Departamento de Estatística

2
 Exemplo
A probabilidade solicitada é dada por:
Seja X uma VAC. Determine a
probabilidade de X assumir valores no 0,5 3 x2
P ( −0,5 < X < 0,5) = ∫-0,5 dx =
2
intervalo [-0,5; 0,5]. 0,5
3 0,5 2 3  x 3
= ∫-0,5 x dx =  
 3 x2 2 2  3 -05
 se − 1 ≤ x ≤ 1 1
f (x) =  2 = [(0,5)3 − (-0,5)3]
0 2
c. c.
= 12,50%
Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - Departamento de Estatística Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - Departamento de Estatística

Momentos

Se X é um VAC então o k-ésimo Considerando que o momento de

momento de X é dado por: ordem “k” de X é E(Xk) = µk, pode-se
µk = E( X k ) = ∫ x k f ( x )dx expressar a expectância e as demais

e o k-ésimo momento central de X é medidas em função desse resultado. Tem-

' k
se, então:
obtido por: µk = E (X k ) = ∫ ( x −µ ) f ( x )dx

Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - Departamento de Estatística Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - Departamento de Estatística

VAC – Caracterização
(a) Expectância, valor esperado (iii) Desvio Padrão

µ = E( X ) = ∫ xf ( x )dx σ = ∫ ( x −µ)2 f ( x )dx =

2 2
= ∫ x 2 f ( x )dx − µ = E( X 2) − E( X)
(b) Variância
2
2
σ = V ( X ) = ∫ ( x −µ ) f ( x )dx = (iv) O Coeficiente de Variação
2
= ∫ x f ( x )dx − (∫ xf ( x )dx ) =
2
γ = σ/µ
= ∫ x 2 f ( x )dx − µ2 = E( X 2) − E( X )2
Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - Departamento de Estatística Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - Departamento de Estatística

3
 Exemplo
(c) Assimetria
Determinar a expectância e o desvio
γ1 = [µ3 – 3µ1µ2 + 2µ13]/σ3
padrão da variável X dada por:
(d) Curtose
 3 x2
γ2 = E[(X - µ)4]/σ4 – 3 =  se − 1 ≤ x ≤ 1
f (x) =  2
= [µ4 – 4µ1µ3 + 6µ12µ2 – 3µ14]/σ4 - 3 0 c. c.

Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - Departamento de Estatística Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - Departamento de Estatística

1
σ= E ( X 2 ) − E ( X )2
µ = E( X ) = ∫-1 x.f(x)dx =
3 2 3 1 4
E ( X 2 ) = ∫-1 x 2 . x dx =
1
3 2
3  4 3
1
∫ x dx =
1 3 2 -1
= ∫-1 x. x .dx = ∫-1 x dx =  x  = 2
1

2 2 2  4 -1 3  5 3 5 5
1 1

1
=  x  = 1 − -1  =
3 14 -14  3 1 1
1 2  5 -1 2  5 5 -1
=  −  = − =0
2  4 4 -1 2  4 4 -1 3 1 1 3
=  +  = = 0,60
2  5 5 5

Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - Departamento de Estatística Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - Departamento de Estatística

A Função de Distribuição
O desvio padrão de X será, então:
É a função F(x) definida por:
2
σ= E( X 2 ) − E ( X ) = x
F( x ) = P( X ≤ x ) = ∫−∞ f (u )du
= 0,60 − 0 = 0,77
A F(x) é a integral da f(x) até um
ponto genérico “x”.

Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - Departamento de Estatística Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - Departamento de Estatística

4
 Exemplo
A F(x) é uma função definida em
Considerando a função abaixo
todo o intervalo real da seguinte forma:
como a fdp de uma VAC X, determinar a
F(x).  0 se x < -1
 3 2

 3 x2 F( x ) =  ∫−x1 u du se − 1 ≤ x ≤ 1
 se − 1 ≤ x ≤ 1  2
f (x ) =  2 1 se x >1

0 c. c.

Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - Departamento de Estatística Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - Departamento de Estatística

Assim a Função de Distribuição

Vamos determinar o valor da
integral em “u”: Acumulada (FDA) é:

x 3 u2 3 x  0 se x < - 1
F( x ) = ∫−∞ du = ∫−1 u2 du =
2 2  3+1

x F( x ) =  x se − 1 ≤ x ≤ 1
3  3 1 3
+1  2
=  u  = [ u3]−1 = x
x

2  3  −1 2 2  1
 se x > 1

Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - Departamento de Estatística Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - Departamento de Estatística

Representação Gráfica
Cálculo de Probabilidade com a FDA
1,0
3
+1
F( x ) = x
0,9
0,8 O uso da FDA é bastante prático no
2 0,7
0,6 cálculo das probabilidades, pois não é
0,5
0,4
0,3
necessário integrar, já que ela é uma
0,2
0,1 função Integral.
0,0
-1,5 -1,0 -0,5 0,0 0,5 1,0 1,5

Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - Departamento de Estatística Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - Departamento de Estatística

5
 Usando a FDA, teremos sempre três Observação:
casos possíveis:
Se X é uma VAC então o momento
P( X ≤ x ) = F( x ) de ordem “k” é dado por:
P( X > x ) = 1 − F( x )
E(Xk) =∫xkf(x)dx
P( x1 < X < x 2 ) = F( x 2) − F( x1)

Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - Departamento de Estatística Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - Departamento de Estatística

Uniforme

Exponencial
Normal

Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - Departamento de Estatística Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - Departamento de Estatística

Uniforme Exemplo
Uma VAC X é uniforme no Seja X uma VAC com distribuição
intervalo [a; b] se assume todos os uniforme no intervalo [2; 6], isto é,
valores com igual probabilidade. Isto é,
X ~ U(2; 6). Então a fdp é dada por:
se f(x) for:
 1  1 1
 se a ≤ x ≤ b  = se 2 ≤ x ≤ 6
f (x) =  b − a f (x ) =  6 - 2 4
0 
0 c. c.
c.c.
Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - Departamento de Estatística Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - Departamento de Estatística

6
 Representação Gráfica A Função de Distribuição

0,30
Fdp da U(2; 6) A função F(x) é dada por:
0,25
0,20
0 se x < a
0,15
 x − a
0,10
F( x ) =  se a ≤ x ≤ b
0,05
b − a
0,00
0 2 4 6 8 10
1 se x > b

Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - Departamento de Estatística Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - Departamento de Estatística

Representação Gráfica da U(2; 6)

Exemplo
1,0

Seja X uma uniforme no intervalo 0,9

0,8

[2; 6], então a FDA de X é dada por: 0,7

0,6
0,5
0 se x < 2 0,4


x − 2
0,3

F( x ) =  se 2 ≤ x ≤ 6 0,2

 4
0,1
0,0

1
 se x > 6 0 1 2 3 4 5 6 7 8

Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - Departamento de Estatística Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - Departamento de Estatística

Expectância ou Valor Esperado Variância

+∞ b x
E( X ) = ∫−∞ x.f ( x )dx = ∫a dx = σ2 = V(X) = E(X2) – E(X)2
b−a
b 2
1  x2  E( X 2 ) = ∫−∞ x 2 .f ( x )dx = ∫a x dx =
2 2
= = b −a = +∞ b
  b−a
b − a  2 a 2 ( b − a )
b
( b − a ).( b + a ) a + b 1  x3 3
b −a
3
= = =   =
2( b − a ) 2 b−a  3 a 3( b − a )

Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - Departamento de Estatística Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - Departamento de Estatística

7
 A variância será então:
2 2 2
σ = V ( X ) = E( X ) − E( X ) = Assimetria
3 3 2
b −a  a+b  γ1 = 0
= −  =
3( b − a )  2 
3
b −a
3 2 2
a + b − 2ab Curtose
= − =
3( b − a ) 4
( b −a )
2 γ2 = -6/5
=
12
Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - Departamento de Estatística Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - Departamento de Estatística

Exemplo
Exponencial
O tempo de trabalho sem falhas de
Uma variável aleatória T tem uma um equipamento (em horas) é dado pela
distribuição exponencial se sua fdp for função, abaixo. Determinar a
do tipo: probabilidade de que o equipamento não
falhe durante as primeiras 50 horas.
λ.e − λ. t t≥0
f (t) = 
0 t<0 0,01 e-0,01t se t ≥0
f ( t) = 
0 c. c.
Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - Departamento de Estatística Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - Departamento de Estatística

Representação gráfica
A probabilidade solicitada é dada
pela integral da função no intervalo 2,0

T < 50, isto é:

1,5
E(2,0)
50
P(T < 50) = ∫ 0,01 e-0,01t dt =
0 1,0 E(1,0)
50
 -0,01t  E(0,5)
= 0,01. ∫0 e-0,01t dt = 0,01.  − e
50
 =
0,5

 0,01 0
0,0
= 1 − e-0,5 = 39,35% 1 11 21 31 41 51 61 71 81 91 101

Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - Departamento de Estatística Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - Departamento de Estatística

8
 A função de distribuição Exemplo
O tempo de trabalho sem falha de
A função F(t) é dada por: um equipamento (em horas) é uma
exponencial de parâmetro λ = 0,01.
0 se t < 0
F( t ) =  -λ t Determine a probabilidade de ele
1 - e se t ≥ 0
funcionar sem falhas por pelo menos 50
Obs.: Tente determinar!
horas.

Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - Departamento de Estatística Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - Departamento de Estatística

Representação gráfica

A FDA para esta fdp é dada por: 1,00

0,90
0,80
-0 , 01t
F( t ) = 1 - e 0,70
E(2,0)
0,60

A probabilidade solicitada é dada por: 0,50

E(1,0)
0,40

0,30
E(0,5)
0,20
-0, 01.50
P(T ≤ 50) = F(50) = 1 - e = 0,10
0,00
-0,5
= 1- e = 39,35% 0 1 2 3 4 5 6 7 8 9 10

Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - Departamento de Estatística Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - Departamento de Estatística

Expectância ou valor esperado Variância

σ2 = V(T) = E(T2) – E(T)2
+∞ ∞ − λt
E (T ) = ∫ −∞
t.f ( t )dt = ∫ t.λ e 0
dt =
+∞ ∞
∞ ∞ E(T 2) = ∫− ∞ t 2 .f ( t )dt = ∫0 t 2 .λ e− λt dt =
= [ − t e −λt ]0 + ∫0 e−λt dt =
∞ ∞
−λt 
∞ = [− t 2e −λt ]0 + ∫0 2 te − λt dt =
 e 1
=  − t e − λt −  = 2 ∞ 2 1 2
 λ 0 λ = ∫0 tλe−λt dt = . = 2
λ λ λ λ
Obs.: Foi utilizado integração por partes.
Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - Departamento de Estatística Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - Departamento de Estatística

9
 Exercício

A variância será então:

Seja T uma VAC com distribuição
2 2 2
σ = V ( T ) = E( T ) − E( T ) =
2 exponencial de parâmetro λ. Determinar
2
1 2 1 1
= 2 −  = 2 − 2 = 2
λ λ λ λ λ o valor mediano da distribuição.

Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - Departamento de Estatística Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - Departamento de Estatística

Solução: Tem - se F(t) = P( T < t ) = 1 − e− λt .

Então : P( T < me ) = F( me ) =
Conforme visto a mediana é o valor 1 − e −λme = 0,5 ⇒ 1 − e−λme = 0,5
que divide a distribuição de forma que: = 0,5 ⇒ − λme = ln( 0,5)
e
− λme

ln(0,5) ln(2)
P(T < me) = P(T > me) = 50%. Assim me = - =
λ λ

Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - Departamento de Estatística Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - Departamento de Estatística

Assimetria

γ1 = 2

Curtose
γ2 = 6

Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - Departamento de Estatística

10