Probest Aula 5

[ENG1029] PROBEST
Aula 5
Profª. Soraida Aguilar

DEI
soraguilar@puc-rio.br
1
Aula 5
❑ Variáveis Contínuas
❑ Uniforme
❑ Exponencial
❑ Normal
soraguilar@puc-rio.br 2
Distribuição Uniforme
❑ A função de densidade de probabilidade é uma

reta paralela ao eixo horizontal no intervalo (a, b).
❑ A probabilidade de ocorrência de dois intervalos

quaisquer, do mesmo tamanho, dentro de (a, b), é
a mesma.
❑ Se considerarmos os limites de ocorrência de 𝒙

como sendo a e b (a < b) devemos ter
necessariamente f(x) = 1/(b – a) para que a
integral da densidade seja 1.
❑ Assume-se que uma v.a. com essa

distribuição possa assumir qualquer valor
“ao acaso” no intervalo (a,b).
❑ Por isso entende-se que a probabilidade

de que esta v.a. assuma valores em um
intervalo (u,v) contido em (a,b) seja
proporcional a amplitude (v-u) deste
intervalo.
❑ Se X ~ Unif(a,b) então sua densidade é:

 1
 se x  (a, b)
f ( x) =  b − a
0 se x  (a, b)
❑ A função de distribuição é dada por:

0 se x  a
x -a

F ( x) = Pr( X  x) =  se x  (a, b)
 b - a
1 se x  b
❑ Note que a função de distribuição é linear

no intervalo (a, b).
❑ Média e Variância da distribuição Uniforme

❑ Se X ~ Unif(a,b) então:
( b − a)
2
a+b
E( X ) = , VAR( X ) =
2 12
Exemplo
❑ Um vôo da ponte aérea RJ-SP leva entre 40 e 50
minutos, com igual probabilidade de ocorrência
dentro desse intervalo.
❑ A distribuição é Uniforme no intervalo (40, 50)
1
❑ 𝑓 𝑥 = para 𝒙 no intervalo (40,50) e zero fora desse
50 – 40
intervalo
f(x)
0,1
0 40 50 x
❑ Qual a probabilidade de um vôo durar mais de 48

minutos?
50
Pr ( X  48) = 
1 2
dx =
48
50 − 40 10
❑ Qual a probabilidade de um vôo durar entre 43 e
45 minutos?
45
( )
Pr 43  X  45 = 
1
dx =
2
43
50 − 40 10
❑ Uma característica importante da densidade Uniforme é:
dois subintervalos de comprimento l que estão totalmente
contidos em (a, b) têm a mesma probabilidade. Isso não
ocorre em geral, no caso de outras densidades.
❑ Exemplo
O peso mínimo de um pacote de 1 kg de
café é de 0,98 kg. O fabricante garante que
a distribuição de pesos é uniforme e que a
função de densidade de probabilidade,
𝑓(𝑥), é igual a 9,75. Se o fabricante disse a
verdade, qual é o peso máximo que um
pacote de café pode ter?
❑ Solução
Seja b o peso máximo. Se a distribuição é
uniforme, a área sob f(x) no intervalo de
validade de x deve ser igual a 1.
A área é dada por f(x).(b – a),
onde f(x) = 9,75 e a = 0,98 Logo,
b = a + 1/f(x) = 0,98 + 1/9,75 = 1,0826
❑ Exercício1 (para casa)
❑ O retorno de uma aplicação financeira de risco num
intervalo de uma semana é uma variável com
distribuição Uniforme no intervalo –2% a 1.8%.
Calcule:
❑ A probabilidade do retorno do investimento nesta
semana ser positivo.
Resposta: Pr(0≤x≤1,8) = 47,37%
❑ A probabilidade do retorno estar entre –1% e +1%.
Resposta: Pr(-1≤x≤1) = 52,63%
❑ A probabilidade do retorno exceder 0.5%.
Resposta: Pr(0,5<x<1,8) = 34,21%
Densidade Exponencial
❑ Serve para:
❑ Modelar tempos de duração de equipamentos;
❑ Modelar tempos entre ocorrências, por
exemplo, o tempo entre chegadas de carros
num pedágio, entre a chegada de pessoas
num caixa de banco;
❑ Densidade
f ( x) = . exp(− .x ) onde   0 e x  0
❑ Função de Distribuição
x
x
F ( x) = Pr ( X  x ) =  . exp(− .u )du = −e −  .u
= 1 − e − . x
0
0
Distribuição Exponencial
❑ Média e Variância
Se X é Exponencial com parâmetro , então:
E ( X ) = 1/ 
VAR( X ) = 1/  2
❑ Falta de Memória
A distribuição Exponencial “não tem memória”.
O que isso quer dizer? Esta propriedade indica
que a vida restante de um equipamento não
depende da idade atual deste equipamento. Ou
seja, um componente usado é tão bom quanto
um novo (em termos da sua durabilidade).
P  X  s + t | X  s = P  X  t 
❑ Gráfico – densidade Exponencial com  = 2

f ( x) = 2. exp(− 2.x ) onde x  0
Densidade f(x) = 2.exp(-2.x)
2.000
1.800
1.600
1.400
1.200
1.000
0.800
0.600
0.400
0.200
0.000
0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2 2.2 2.4 2.6 2.8 3 3.2 3.4 3.6 3.8 4
❑ O gráfico a seguir representa a função de distribuição

de uma v.a. Exponencial com parâmetro  = 2, isto é,
a função de distribuição associada à densidade da
página anterior.
F(x)
1,00
0,90
0,80
0,70
0,60
0,50
0,40
0,30
0,20
0,10
0,00
0 0,5 1 1,5 2 2,5 3 3,5 4 4,5 5 5,5 6
Exemplo
❑ O tempo entre as chegadas de táxi num
cruzamento é uma variável Exponencial
com  = 1/10 chegadas por minutos.
Calcule:
a) A probabilidade de alguém ter que
esperar mais de 60 minutos por um táxi.
b) A probabilidade de um táxi demorar
menos de 10 minutos para passar.
❑ Solução
Seja T o tempo entre chegadas de um táxi, isto é,
o tempo que você terá que esperar por um táxi
nesta esquina.
T é uma variável Exponencial com  = 1/10.

Para uma variável Exponencial, a função de
distribuição é F(t) = Pr(T ≤ t) = 1 – exp(-  .t) e
também Pr(T > t) = 1 – F(t) = exp(-  .t). Logo:
a) Pr(T > 60) = 1- F(60) = 1- [1-(exp(-60/10)] = exp(-6) = 0.0025

b) Pr(T < 10) = 1 – exp(-10/10) = 1 – exp(-1) = 0.6321
Relação entre as distribuições
Exponencial e Poisson
❑ Sejam X a v.a. que representa o número de
ocorrências de um evento de determinado tipo ao
longo de um intervalo de tempo t e T a v.a. que
presenta o intervalo de tempo entre a ocorrência
de dois eventos consecutivos desse tipo.
❑ Então: X segue um modelo Poisson com

parâmetro 𝝀𝒕 , se e só se, T segue uma
distribuição Exponencial com parâmetro 𝝀.
Relação entre as distribuições
Exponencial e Poisson
❑ A distribuição Exponencial se aplica às mesmas
situações que a distribuição de Poisson, sendo
que a Exponencial mede o intervalo de tempo
entre ocorrências e a Poisson a contagem dessas
ocorrências.
❑ O parâmetro 𝝀 da distribuição exponencial tem
uma interpretação: trata-se da frequência média
de ocorrências do fenómeno considerado por
unidade de tempo.
❑ Essa relação Exponencial-Poisson é mantida
mesmo quando a unidade considerada para a
ocorrência de eventos não é o tempo.
❑ Exercício 2 (para casa)
❑ O tempo até a ocorrência de um defeito (isto é, o tempo
de duração) numa TV é uma variável Exponencial com
parâmetro  = 1/3 anos.
❑ Calcule a probabilidade de uma TV “pifar” nos primeiros
2 anos de uso.
Resposta: Pr(X≤2) = 48,66%
❑ Calcule a probabilidade de uma TV “pifar” depois dos 5
anos.
Resposta: Pr(X>5) = 18,89%
❑ Calcule a probabilidade de uma TV “pifar” entre 3 e 5
anos.
Resposta: Pr(3≤X≤5) = 17,90%
Distribuição Normal
❑ A distribuição Normal é talvez uma das mais

importantes das distribuições de probabilidade.
❑ Muitos fenômenos físicos ou econômicos são

freqüentemente modelados pela distribuição
Normal.
❑ É utilizada para descrever inúmeras aplicações práticas:

❑ Altura e peso de pessoas e objetos
❑ Nível de chuvas
❑ Altura de árvores em uma floresta
❑ A distribuição Normal tem a forma de um sino, e

possui dois parâmetros, m e s2 .
❑ A distribuição Normal é também chamada de

Gaussiana em homenagem ao matemático Carl
Friederich Gauss (1777 - 1855).
❑ A distribuição Normal também funciona como uma

boa aproximação para outras densidades. Por
exemplo, sob algumas condições pode-se provar
que a densidade Binomial pode ser aproximada
pela Normal.
❑ Densidade Normal de média m e variância s2
−
( x − m )2
1
f ( x) = .e 2s 2
onde s 2  0 e m  R
2s 2
❑ Notação: X ~ N( m , s2 )
❑ A densidade é simétrica em torno de m, e
quanto maior o valor da variância s2, mais
"espalhada" é a distribuição.
Densidades Normais com média zero e variâncias 1, 2 e 4
0.45
0.40
0.35
0.30
0.25
0.20
0.15
0.10
0.05
0.00
0
3
-3
-2
-1
8
.8
.6
.4
.2
.8
.6
.4
.2
.8
.6
.4
.2
0.
0.
0.
0.
1.
1.
1.
1.
2.
2.
2.
2.
-2
-2
-2
-2
-1
-1
-1
-1
-0
-0
-0
-0
N(0,1) N(0,2) N(0,4)
❑ A distribuição normal é completamente caracterizada por

sua média m e seu desvio-padrão s
❑ A média define o deslocamento horizontal da curva,
enquanto o desvio-padrão define a sua dispersão.
0.30 0.30
0.25 0.25
m=10 m=12 s =1,5
0.20 0.20
0.15 0.15
s =2,5
0.10 0.10
0.05 0.05
0.00 0.00
5 10 15 2 7 12 17
❑ Propriedades
1) f(x) como definida integra a 1.
2) f(x) > 0 sempre.
3) Os limites de f(x) quando x tende a +  e -  são
iguais a zero.
4) A densidade N(m, s2) é simétrica em torno de m, ou
seja:
f(m + x) = f(m - x)
5) O valor máximo de f(x) ocorre em x = m
6) Os pontos de inflexão de f(x) são x = m + s e x =
m – s.
❑ Média, Variância e função de distribuição

❑ Se X ~ N( m , s2 ) então:
E(X) = m ,
VAR(X) = s2
❑ A sua função de distribuição é:

x
1  −(u − m )2 
F( x ) = Pr( X  x ) =  2s 2
exp 
 2s
2 du

−
Não é possível resolver analiticamente esta integral –

precisamos de uma tabela!
❑ Tabela: será feita para a distribuição

N(0,1)
❑ É possível transformar uma variável N(m,s2)
numa N(0,1) sem grandes dificuldades, e
então podemos tabelar os valores da
função de distribuição de uma N(0,1), e
esta tabela pode ser usada para encontrar
probabilidades envolvendo qualquer
variável aleatória Normal.
❑ Problema:
Não é possível criar uma tabela para cada uma
das (infinitas) densidades Normais existentes.
❑ Solução:
Utiliza-se a densidade Normal com média 0 e
variância 1, e converte-se todas as outras
Normais para esta, chamada de Normal padrão
ou Normal standard.
A maioria dos livros de estatística fornece

tabelas de probabilidade para a distribuição
normal padronizada.
❑ Transformação numa N(0,1)

❑ Se X ~ N( m , s2 ) então Z = (X – m)/s é uma
variável Normal com média 0 e variância 1.
❑ Logo, para transformar uma variável aleatória

Normal com quaisquer parâmetros numa Normal
(0,1) você deve:
1- Subtrair a média
2- Dividir o resultado por s, o desvio padrão
A variável aleatória resultante deste procedimento

é uma N(0,1).
❑ Se X possui distribuição normal com média m e

desvio-padrão s, seu valor normalizado é dado
por:
X −m A variável Z é Normal
Z= com média 0 e
s variância 1
❑ Existem dois tipos de tabela, que fornecem
basicamente a mesma coisa:
❑ Pr(0 Z  z0), ou seja, a probabilidade do lado direito da
curva normal a partir da média até o valor z0
❑ (z0) = Pr ( Z  z0) = 0.5 + Pr (0 Z  z0) (por que?)
❑ Iremos trabalhar com a tabela da função de

distribuição, isto é: (z0)
❑ Cálculo de probabilidades
Se X é uma variável Normal com média m e desvio
padrão s então:
a−m X −m b−m  a−m b−m 
Pr(a  X  b) = Pr     = Pr  Z =
 s s s   s s 
b−m  a−m 
=   −   
 s   s 
❑ onde  é a função de distribuição da N(0,1), que

é tabelada. Alguns valores importantes são:
(1.645) = 0.95 ,  (1.96) = 0.975 e  (2.326) = 0.99
Tabela da N(0,1) usando (z0)
0.4
0.4
0.3
0.3
(z)
0.2
0.2
0.1
0.1
-
z
Tabela da N(0,1)
❑ Simetrias
❑ (−z) = 1- (z) se z > 0
❑ ISSO É IMPORTANTE POIS A TABELA SÓ
CONTÉM VALORES DE z POSITIVOS!
❑ Probabilidade de um intervalo simétrico em
torno de zero
❑ Pr (-t < Z < t ) = 2. (t) - 1 onde Z ~ N(0,1)
Tabela da N(0,1)
❑ Dicas
❑ Você precisa explorar as simetrias da N(0,1) pois
a tabela só é dada para valores positivos de z0.
Por causa da simetria em torno de zero, (0) = 0.5
e (z0) é menor que 0.5 se z0 for um número
negativo.
❑ Se você tiver dúvidas, faça um desenho!

❑ Lembre-se sempre que (z0) é uma função de
distribuição, ou seja, ela expressa a
probabilidade da v.a. assumir valores inferiores
ou iguais a z0 .
soraguilar@puc-rio.br
37
reinaldo@puc-rio.br 38
❑ Seja X ~ N( m , s2 ) e k > 0 . Mostre que

Pr{ m - ks < X < m + ks } só depende de k
(não depende de m e s ).
Solução
❑ Note que a probabilidade desejada é a
probabilidade de X estar a uma distância
menor ou igual a k desvios padrões da
sua média.
Pr( m − ks  X  m + ks ) = Pr( − ks  X − m  + ks ) =
 ks X − m ks   X−m
= Pr  −   +  = Pr  − k   k  = Pr( − k  Z  + k ) =
 s s s   s 
= 2. ( k ) − 1
❑ As probabilidades para alguns valores k

estão abaixo:
Pr( m - s < X < m + s) = 2.(1) - 1 = 0.6826
Pr( m - 1.645s < X < m + 1.645s) = 2.(1.645) - 1 = 0.90
Pr( m - 1.96s < X < m + 1.96s) = 2.(1.96) - 1 = 0.95
Pr( m - 2.57s < X < m + 2.57s) = 2.(2.57) - 1 = 0.99
❑ Na verdade, aquela “regra de bolso” que

diz que 68% dos valores estão a uma
distância de 1 d.p. da média e 95% dos
valores estão a 2 desvios padrão da média
acabou de ser mostrada no slide anterior.
❑ Mas note que isso só é realmente verdade

para a distribuição Normal!
❑ Exemplo
Numa agência bancária localizada numa grande
cidade brasileira, verificou-se que os clientes
pessoa física mantêm, em média, um volume de R$
4800,00 aplicados no banco.
A dispersão entre os volumes de recursos, medida

pelo desvio padrão, é R$ 1600,00. Além disso, pode-
se encarar os saldos dos correntistas como
independentes entre si e Normalmente distribuídos.
❑ O banco pretende abrir uma nova agência

e seus executivos imaginam que o poder
aquisitivo nesta nova área é semelhante
ao dos clientes desta agência.
❑ a) Um cliente é VIP se está entre os 5%

com maior volume de recursos. Quanto
uma pessoa deveria manter no banco para
ser considerada cliente VIP?
❑ b) O banco pretende cobrar tarifas mais altas

dos clientes que têm um baixo volume de
recursos aplicados na instituição.
Os clientes cujos volumes de recursos estão

entre os 10% mais baixos terão de pagar esta
tarifa mais alta. Abaixo de qual volume um
cliente será alvo desta tarifa diferenciada?
❑ Solução
Seja X a variável que mede o volume de
recursos de um cliente típico da agência. Então X
é Normal (4800, (1600)2). Daí: Z = X − 4800
1600
tem densidade Normal padrão.

Para estar entre os 5% mais “ricos”, precisamos
encontrar z0 tal que (z0) = 95%. Usando a tabela,
encontramos z0 = 1.645. Logo,
X − 4800
= 1.645  X = 4800 + 1.645(1600) = 7432
1600
❑ Solução (continuação)
b) Para estar entre os 10% mais “pobres”
precisamos encontrar z0 tal que (z0) = 10%. A
tabela fornece z0 = -1.281. Logo,
X − 4800
= −1.281  X = 4800 − 1.281(1600) = 2750.40
1600
❑ Ou seja, clientes com volume de recursos abaixo
de R$ 2750 estarão sujeitos a uma tarifa mais
alta, e aqueles com volume de aplicações acima
de R$ 7432 terão tratamento VIP.
Exemplo
❑ O saldo devedor dos usuários de um certo cartão
de crédito é uma variável aleatória Normal com
média R$ 200 e desvio padrão R$ 75.
a) Qual a probabilidade do saldo devedor de um usuário
estar entre R$ 100 e R$ 300?
b) Qual deve ser o seu saldo devedor para que você esteja
entre os 5% mais endividados?
❑ Solução
X é Normal com média 200 e desvio padrão 75 e assim
Z =(X- 200)/75 é N(0,1).
❑ Solução (continuação)
Pr(100 < X < 300) =
 100 − 200 300 − 200 
Pr  Z  = Pr(−1.333  Z  +1.333) =
 75 75 
=  (1.333) −  (− 1.333) = 2. (1.333) − 1 = 0.8176
b) Para que você esteja entre os 5% mais
endividados, o saldo devedor padronizado deve
ser igual a 1.645 (veja tabela da Normal). Daí:
X − 200
Z= = 1.645  X = 200 + 1.645(75) = 323.38
75
é o saldo para estar entre os 5% com maior saldo
devedor.
❑ O consumo médio residencial de energia elétrica nos
meses de verão numa certa cidade é uma variável
Normal com média 210 kWh e desvio padrão 18 kWh.
a) Qual a probabilidade de que o consumo no verão exceda
225 kWh?
Resposta: Pr(X>225) = 20,23%
b) Calcule a probabilidade de que o consumo no verão seja
inferior a 190 kWh.
Resposta: Pr(X<190) = 13,33%
c) Quanto você deve consumir para estar entre os 2.5% que
mais gastam energia?
Resposta: X= 245,28 kWh

❑ Numa certa empresa de informática, o
salário anual médio dos funcionários com
menos de 5 anos de experiência é R$
24000, com desvio padrão de R$ 3000.
Suponha que os salários têm distribuição
Normal e calcule os valores pedidos a
seguir.
a) Qual a probabilidade do salário anual de um

funcionário qualquer com menos de 5 anos
de experiência ser menor que R$ 20000?
Resposta: Pr(X<20.000) = 9,12%
b) Qual deve ser o valor do salário anual de um
funcionário com menos de 5 anos de
experiência se 95% dos funcionários (com
menos de 5 anos de experiência) tem salário
abaixo dele?
Resposta: X= R$28.935,00
c)Toma-se uma amostra de 36 funcionários com

menos de 5 anos de experiência. Qual a
probabilidade do salário médio na amostra
exceder R$ 24500?
Resposta: Pr(͞x>24.500) = 15,87%
d)Toma-se uma amostra de 12 funcionários
com menos de 5 anos de experiência. Qual a
probabilidade do maior salário na amostra
exceder R$ 28000?
Resposta: Pr(V>28.000) = 68,26%
Combinações Lineares de
Variáveis Normais
❑ Sejam X1, X2, ...., Xn variáveis aleatórias
independentes, onde Xi ~ N( mi , si2) e seja Y
= X1 + X2 + ... + Xn .
❑ Então Y tem distribuição Normal com média
my e variância sy2 dadas por:
n
m y =  mi
i =1
n
s =  s i2
2
y
i =1
Combinações Lineares de
Variáveis Normais
Dois casos particulares importantes são:
❑ Se os Xi’s forem iid N(m, s2), então sua soma é

Normal com média n. m e variância n. s2 e
❑ A média amostral é Normal com média m e

variância s2/n.
Exemplo (continuação)
❑ Considere o exemplo dos saldos em
aplicações bancárias. Suponha que tomamos
uma amostra de 16 clientes da agência.
❑ Qual a probabilidade de que o saldo médio
das aplicações dos clientes na amostra
exceda R$ 4900?
Seja X a média dos saldos dos clientes na amostra.

X tem distribuição N  4800,
(1600 ) 
2

 16 
❑ Então:
 X − 4800 4900 − 4800 
Pr (X  4900 ) = Pr    = Pr  Z  100  =
 1600   
1600  400 
 4 4 
= Pr (Z  0.25) = 1 −  (0.25) = 1 − 0.599 = 0.401
Distribuição normal
❑ Exercício
Seja Z uma variável aleatória tal que
𝑋−𝜇
𝑍=
𝝈
Se X é uma v.a. normal com média μ e variância σ2.

Prove E(Z) = 0 e Var(Z) = 1
Distribuição normal
❑ Exercício
Sejam 𝑋1 , 𝑋2 , 𝑒 𝑋3 os tempos necessários para realizar três
reparos sucessivos em determinada oficina. Suponha que
sejam vas normais independentes com valores esperados
𝜇1 , 𝜇2 𝑒 𝜇3 e variâncias 𝜎12 , 𝜎22 𝑒 𝜎32 , respectivamente.
I. Se 𝜇1 = 𝜇2 = 𝜇3 = 60 e 𝜎12 = 𝜎22 = 𝜎32 = 15, calcule
𝑃 160 ≤ 𝑋1 +𝑋2 + 𝑋3 ≤ 200 .
II. Usando os 𝜇𝑖 𝑠 e 𝜎𝑖 𝑠 do item anterior, calcule
𝑃 55 ≤ 𝑋ത .
2 2
III. Se 𝜇1 = 40, 𝜇2 = 50, 𝜇3 = 60 e 𝜎1 = 10, 𝜎2 = 12,
𝜎32 = 14, calcule 𝑃 𝑋1 + 𝑋2 + 𝑋3 ≤ 160 e 𝑃(𝑋1 + 𝑋2 ≥
2𝑋3 ).
Distribuição Normal (para casa)

❑ Um estudante universitário gasta em
média R$ 600,00 em livros por ano. A
dispersão entre os valores gastos, medida
pelo desvio padrão, é R$ 240,00.
❑ Além disso, pode-se encarar os valores
gastos pelos universitários como
independentes entre si e Normalmente
distribuídos. Também, a maioria dos
estudantes adquire livros pela Internet.
a) Uma grande livraria na Internet pretende oferecer um
cartão VIP aos clientes que mais compram livros.
Apenas os 1% que mais consomem livros num período
de um ano receberão o cartão. Acima de qual volume
anual de compras um consumidor se candidata ao
cartão VIP?
b)Considere 16 estudantes universitários. Qual a
probabilidade do gasto médio anual em livros destas 16
pessoas ultrapassar R$ 660,00?
Resposta: Pr(͞x>660)= 15,87%
c) Dentre as 16 pessoas nesta mesma amostra, qual a
probabilidade do estudante que menos consumiu livros
ter gasto mais de R$ 650 no ano?
Resposta: Pr(U>650)= 8,52.10-07

❑ Um apartamento de 2 quartos numa certa
região da cidade custa, em média R$ 260
mil. A dispersão entre os valores, medida
pelo desvio padrão, é R$ 100 mil.
❑ Além disso, pode-se encarar os preços
dos apartamentos como independentes
entre si e Normalmente distribuídos.
a)Uma imobiliária pretende oferecer uma viagem de
presente aos compradores de apartamentos de 2 quartos
neste bairro que comprem os apartamentos situados na
faixa dos 10% mais caros. A partir de quanto deve custar
o seu apartamento para que você ganhe a viagem de
“presente”?
b) Considere 16 compradores de apartamentos de 2
quartos neste bairro. Qual a probabilidade do preço
médio pago por eles ser inferior a R$ 300 mil?
Resposta: Pr(͞x<300.000)= 94,52%
c)Dentre as 16 pessoas nesta mesma amostra, qual a
probabilidade do comprador que pagou mais caro por
um apartamento ter pago menos de R$ 285 mil?
Resposta: Pr(V<285.000)= 0,03%

Probest Aula 5

Enviado por

Dados do documento

Título original

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Probest Aula 5

Enviado por

Direitos autorais:

Formatos disponíveis

[ENG1029] PROBEST

Profª. Soraida Aguilar

❑ A função de densidade de probabilidade é uma

❑ A probabilidade de ocorrência de dois intervalos

❑ Se considerarmos os limites de ocorrência de 𝒙

❑ Assume-se que uma v.a. com essa

❑ Por isso entende-se que a probabilidade

❑ Se X ~ Unif(a,b) então sua densidade é:

❑ A função de distribuição é dada por:

❑ Note que a função de distribuição é linear

❑ Média e Variância da distribuição Uniforme

❑ Qual a probabilidade de um vôo durar mais de 48

❑ Gráfico – densidade Exponencial com  = 2

❑ O gráfico a seguir representa a função de distribuição

T é uma variável Exponencial com  = 1/10.

a) Pr(T > 60) = 1- F(60) = 1- [1-(exp(-60/10)] = exp(-6) = 0.0025

❑ Então: X segue um modelo Poisson com

❑ A distribuição Normal é talvez uma das mais

❑ Muitos fenômenos físicos ou econômicos são

❑ É utilizada para descrever inúmeras aplicações práticas:

❑ A distribuição Normal tem a forma de um sino, e

❑ A distribuição Normal é também chamada de

❑ A distribuição Normal também funciona como uma

❑ Densidade Normal de média m e variância s2

N(0,1) N(0,2) N(0,4)

❑ A distribuição normal é completamente caracterizada por

❑ Média, Variância e função de distribuição

❑ A sua função de distribuição é:

Não é possível resolver analiticamente esta integral –

❑ Tabela: será feita para a distribuição

A maioria dos livros de estatística fornece

❑ Transformação numa N(0,1)

❑ Logo, para transformar uma variável aleatória

A variável aleatória resultante deste procedimento

❑ Se X possui distribuição normal com média m e

❑ Iremos trabalhar com a tabela da função de

❑ onde  é a função de distribuição da N(0,1), que

❑ Se você tiver dúvidas, faça um desenho!

❑ Seja X ~ N( m , s2 ) e k > 0 . Mostre que

❑ As probabilidades para alguns valores k

❑ Na verdade, aquela “regra de bolso” que

❑ Mas note que isso só é realmente verdade

A dispersão entre os volumes de recursos, medida

❑ O banco pretende abrir uma nova agência

❑ a) Um cliente é VIP se está entre os 5%

❑ b) O banco pretende cobrar tarifas mais altas

Os clientes cujos volumes de recursos estão

tem densidade Normal padrão.

❑ Exercício 4 (para casa)

a) Qual a probabilidade do salário anual de um

c)Toma-se uma amostra de 36 funcionários com

Dois casos particulares importantes são:

❑ Se os Xi’s forem iid N(m, s2), então sua soma é

❑ A média amostral é Normal com média m e

Se X é uma v.a. normal com média μ e variância σ2.

❑ Exercício 5 (para casa)

❑ Exercício 6 (para casa)

Você também pode gostar