Escolar Documentos
Profissional Documentos
Cultura Documentos
Departamento de Estatística
Universidade Federal do Paraná
Neste vídeo
I Modelos probabilísticos contínuos.
I Lognormal.
I Gama.
I Weibull.
I Beta.
I Fundamentação e propriedades.
I Exemplos de aplicação.
f (y)
positivos e apresenta assimetria. 2
Denotamos por Y ∼ LNor(θ, ω). θ ∈ R e ω > 0 são a média e a variância de uma v.a.
Lognormal e são chamados de parâmetros de locação e dispersão.
Densidade
0.15
0.10
0.05
A duração do atendimento de cada cliente no caixa de um
0.00
supermercado tem distribuição Lognormal com parâme- 0 5 10 15 20
tro de locação θ = 1.5 e parâmetro de dispersão ω = 0.5. Tempo de atendimento (y)
1.00
Probabilidade
0.75
1. Qual a média e variância da duração dos
atendimentos? 0.50
0.25
2. Qual a probabilidade de um atendimento durar
menos de 5 minutos?
0.00
0 5 10 15 20
Tempo de atendimento (y)
λr
I Seja YEi ∼ Exp(λ) (i ∈ {1, . . . , k}) uma f (y) =
Γ(r)
· yr−1 · exp{−λy}
f (y)
reais positivos, assumindo formas 0.1
assimétricas.
0
I Ela tem aplicações na área de
0 5 10 15 20
confiabilidade e análise de y
sobrevivência, assim como a
Lognormal. Figura 6. Distribuição Gama.
7.5 0.20
0.75 0.15 0.10
5.0 0.50 0.10 0.05
2.5 0.25 0.05
0.0 0.00 0.00 0.00
0.0 2.5 5.0 7.5 0.0 2.5 5.0 7.5 0 5 10 15 10 20
r = 0.8 e λ = 2 r=1eλ=2 r=4eλ=2 r = 10 e λ = 2
2.0
15 0.4
1.5 0.3 0.2
10 1.0 0.2 0.1
5 0.5 0.1
0 0.0 0.0 0.0
0 1 2 3 4 0 1 2 3 4 0 2 4 6 8 5 10
Valores de Y
Densidade
0.15
A duração do atendimento de cada cliente no caixa de um 0.10
supermercado tem distribuição Gama com parâmetro de 0.05
forma r = 12 e parâmetro de taxa λ = 2. 0.00
0 5 10 15 20
1. Qual a média e variância da duração dos Tempo de atendimento (y)
atendimentos? 1.00
Probabilidade
2. Qual a probabilidade de um atendimento durar 0.75
12 12
µ= = 6 e σ 2 = 2 = 3.
2 2
β y β−1 y β
f (y) = exp −
I A Weibull tem suporte no conjunto dos δ δ δ
f (y)
0.5
I Ela tem aplicações na área de
confiabilidade e análise de
sobrevivência, assim como a
0
Lognormal e a Gama.
0 1 2 3 4 5
I Tem como caso particular a y
distribuição Exponencial.
Figura 11. Distribuição Weibull.
Diferente das duas anteriores, a Weibull tem expressão fechada para a função de
distribuição acumulada que é
F (y) = 1 − exp{−(y/δ)β }.
Prof. Walmes M. Zeviani Distribuições contínuas: Lognormal, Gama, Weibull e Beta 24
Gráfico da densidade da Weibull
δ = 0.1 e β = 0.9 δ = 0.1 e β = 1 δ = 0.1 e β = 2 δ = 0.1 e β = 5
25 10.0
20 7.5 15
7.5
15 5.0 10
5.0
10
5 2.5 2.5 5
0 0.0 0.0 0
0.0 0.3 0.6 0.9 1.2 0.00 0.25 0.50 0.75 0.0 0.1 0.2 0.3 0.04 0.08 0.12 0.16
δ = 0.25 e β = 0.9 δ = 0.25 e β = 1 δ = 0.25 e β = 2 δ = 0.25 e β = 5
10.0 4
Densidade
3 6
7.5 3
5.0 2 2 4
2.5 1 1 2
0.0 0 0 0
0 1 2 3 0.0 0.5 1.0 1.5 2.0 0.0 0.2 0.4 0.6 0.1 0.2 0.3 0.4
δ = 0.5 e β = 0.9 δ = 0.5 e β = 1 δ = 0.5 e β = 2 δ = 0.5 e β = 5
5 2.0
4 1.5 3
1.5
3 1.0 2
1.0
2
1 0.5 0.5 1
0 0.0 0.0 0
0 2 4 6 0 1 2 3 4 0.0 0.5 1.0 1.5 0.2 0.4 0.6 0.8
Valores de Y
Densidade
0.15
0.10
0.05
Probabilidade
1. Qual a média e variância da duração dos 0.75
atendimentos? 0.50
β y β−1
f (y) = · exp{−(y/δ)β }, em que δ = µ/(Γ(1/β) + 1).
δ δ
f (y)
I Forma simétrica. 1
I Assimétrica com moda no interior.
0
I Assimétrica com moda na borda.
0 0.2 0.4 0.6 0.8 1
I Forma de banheira. y
yα−1 · (1 − y)β−1
f (y) = 0 < y < 1,
B(α, β)
em que
Γ(α) · Γ(β)
B(α, β) = ,
Γ(α + β)
é a função beta (por isso o nome distribuição Beta). Denotamos por Y ∼ Beta(α, β).
α αβ
µ = E(Y ) = e σ 2 = V(Y ) = .
α +β (α + β)2 (α + β + 1)
Densidade
10
0
O teor de gordura no leite de um rebanho bovino é uma 0.00 0.05 0.10 0.15 0.20
variável com distribuição Beta com parâmetros α = 2 e Tempo de atendimento (y)
β = 50. 1.00
Probabilidade
1. Qual o teor médio de gordura no leite? 0.75
0.50
2. Qual o percentual de amostras que terá teor de
0.25
gordura menor que 10%?
0.00
0.00 0.05 0.10 0.15 0.20
Tempo de atendimento (y)
2
µ= = 0.038.
2 + 50
Figura 22. Gráfico das funções de risco das distribuições Lognormal, Gama e Weibull.
I Behrens-Fisher. I Log-logistic.
I Beta generalizada. I Logistic.
I Birnbaum-Saunders. I Normal Inversa.
I Box-Cox. I Simplex.
I Gama Inversa. I Trapezoidal.
I Gumbel. I Triangular.
I Kumaraswamy. I Tweedie.
I Laplace. I E muitas outras.
Revisão
I Modelos probabilísticos contínuos.
I Lognormal.
I Gama.
I Weibull.
I Beta.
I Fundamentação e propriedades.
I Exemplos de aplicação.