Escolar Documentos
Profissional Documentos
Cultura Documentos
Aula 5
soraguilar@puc-rio.br
1
Aula 5
❑ Variáveis Contínuas
❑ Uniforme
❑ Exponencial
❑ Normal
soraguilar@puc-rio.br 2
Distribuição Uniforme
soraguilar@puc-rio.br 3
Distribuição Uniforme
soraguilar@puc-rio.br 4
Distribuição Uniforme
( b − a)
2
a+b
E( X ) = , VAR( X ) =
2 12
soraguilar@puc-rio.br 6
Distribuição Uniforme
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
soraguilar@puc-rio.br 7
Distribuição Uniforme
❑ 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?
soraguilar@puc-rio.br 9
Distribuição Uniforme
❑ 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
soraguilar@puc-rio.br 10
Distribuição Uniforme
❑ 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%
soraguilar@puc-rio.br 11
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
soraguilar@puc-rio.br 12
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
soraguilar@puc-rio.br 13
Densidade Exponencial
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
soraguilar@puc-rio.br 14
Densidade Exponencial
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
soraguilar@puc-rio.br 15
Densidade Exponencial
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.
soraguilar@puc-rio.br 16
Densidade Exponencial
❑ Solução
Seja T o tempo entre chegadas de um táxi, isto é,
o tempo que você terá que esperar por um táxi
nesta esquina.
soraguilar@puc-rio.br 17
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.
soraguilar@puc-rio.br 18
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.
soraguilar@puc-rio.br 19
Densidade Exponencial
❑ 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%
soraguilar@puc-rio.br 20
Distribuição Normal
soraguilar@puc-rio.br 21
Distribuição Normal
soraguilar@puc-rio.br 22
Distribuição Normal
−
( x − m )2
1
f ( x) = .e 2s 2
onde s 2 0 e m R
2s 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.
soraguilar@puc-rio.br 23
Distribuição Normal
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
soraguilar@puc-rio.br 24
Distribuição Normal
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
soraguilar@puc-rio.br 25
Distribuição Normal
❑ 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.
soraguilar@puc-rio.br 26
Distribuição Normal
soraguilar@puc-rio.br 28
Distribuição 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.
soraguilar@puc-rio.br 33
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
soraguilar@puc-rio.br 34
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)
soraguilar@puc-rio.br 35
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.
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.
soraguilar@puc-rio.br 39
Distribuição Normal
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
soraguilar@puc-rio.br 40
Distribuição Normal
soraguilar@puc-rio.br 41
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.
soraguilar@puc-rio.br 42
Distribuição Normal
soraguilar@puc-rio.br 43
Distribuição Normal
soraguilar@puc-rio.br 44
Distribuição Normal
❑ 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
soraguilar@puc-rio.br 45
Distribuição Normal
❑ 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.
soraguilar@puc-rio.br 46
Distribuição Normal
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).
soraguilar@puc-rio.br 47
Distribuição Normal
❑ 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.
soraguilar@puc-rio.br 48
Distribuição Normal
❑ Exercício 3 (para casa)
❑ 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
soraguilar@puc-rio.br 49
Distribuição Normal
soraguilar@puc-rio.br 50
Distribuição Normal
soraguilar@puc-rio.br 51
Distribuição Normal
soraguilar@puc-rio.br 52
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
soraguilar@puc-rio.br 53
Combinações Lineares de
Variáveis Normais
soraguilar@puc-rio.br 54
Distribuição Normal
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
soraguilar@puc-rio.br 56
Distribuição Normal
❑ 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
soraguilar@puc-rio.br 57
Distribuição normal
❑ Exercício
Seja Z uma variável aleatória tal que
𝑋−𝜇
𝑍=
𝝈
soraguilar@puc-rio.br 58
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 ).
soraguilar@puc-rio.br 59
Distribuição Normal (para casa)
soraguilar@puc-rio.br 62
Distribuição Normal (para casa)
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”?
Resposta: X= R$388.160,00
b) Considere 16 compradores de apartamentos de 2
quartos neste bairro. Qual a probabilidade do preço
médio pago por eles ser inferior a R$ 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%
soraguilar@puc-rio.br 63