Escolar Documentos
Profissional Documentos
Cultura Documentos
Resumo do Módulo I
Variáveis Aleatórias
P(X = x) 25 10 1 1
36 36 36
Distribuições de probabilidade
Na forma gráfica:
A Esperança (valor esperado) de uma
distribuição de probabilidades
Definição:
𝑬 𝑿 = 𝝁 = 𝒙 ∙ 𝑷(𝒙)
Cálculo da Variância e Desvio Padrão
Desvio = 𝑥𝑖 − 𝑥ҧ
Indica o quanto cada valor 𝑥𝑖 dista da média 𝑥ҧ
σ(𝑥𝑖 −𝑥)ҧ 2
Variância =
𝑛
x x1 x2 ... xn
P(X = x) p1 p2 ... pn
𝒏 𝒙 𝒏−𝒙 , 𝑛 𝑛!
𝑷 𝑿=𝒙 = 𝒑 × 𝟏−𝒑 onde: x = 0, 1, 2, ..., n e =
𝒙 𝑥 𝑥! 𝑛−𝑥 !
E(X) = np
σ2 = npq
σ = 𝑛𝑝𝑞
Distribuição de Poisson
➢ É uma distribuição de probabilidades
discreta com diversas aplicações;
Distribuição de Poisson
➢ É uma distribuição de probabilidades
discreta com diversas aplicações;
Exemplos:
▪ O número de ligações telefônicas a um serviço de
telemarketing por hora
Distribuição de Poisson
Exemplos:
▪ O número de ligações telefônicas a um serviço de
telemarketing por hora
Exemplos:
▪ O número de ligações telefônicas a um serviço de
telemarketing por hora
Notação: X ~ Po(k)
Fórmula de cálculo
Notação: X ~ Po(k)
𝑘 𝑥 𝑒 −𝑘
𝑃 𝑋=𝑥 = , onde x = 0,1, 2, 3, 4, ...
𝑥!
Exemplo 1
Seja X ~ Po(0,5)
Exemplo 1
Seja X ~ Po(0,5)
0,52 𝑒 −0,5
Assim: 𝑃 𝑋 = 2 = =
2!
Exemplo 1
Seja X ~ Po(0,5)
0,52 𝑒 −0,5
Assim: 𝑃 𝑋 = 2 = = 0,0758 ou 7,58%
2!
Exemplo 1
X ~ Po(0,5)
Exemplo 1
X ~ Po(0,5)
P(X 2) =
Exemplo 1
X ~ Po(0,5)
X ~ Po(0,5)
X ~ Po(0,5)
𝑘 1 𝑒 −𝑘
Se P(X = 1) = 0,15, então: = 0,15
1!
Exemplo 2
𝑘 1 𝑒 −𝑘
Se P(X = 1) = 0,15, então: = 0,15
1!
Simplificando: 𝑘𝑒 −𝑘 = 0,15
Exemplo 2
𝑘 1 𝑒 −𝑘
Se P(X = 1) = 0,15, então: = 0,15
1! y = ke-k
y = 0,15
Simplificando: 𝑘𝑒 −𝑘
= 0,15
k
Exemplo 2
Notação: X ~ Po(k)
𝑘 𝑥 𝑒 −𝑘
𝑃 𝑋=𝑥 = , onde x = 0,1, 2, 3, 4, ...
𝑥!
Próxima aula
𝐸 𝑋 = 𝑥𝑃(𝑥) =
A Esperança (valor médio) da
Distribuição de Poisson
𝑘 𝑥 𝑒 −𝑘
𝐸 𝑋 = 𝑥𝑃(𝑥) = 𝑥
𝑥!
A Esperança (valor médio) da
Distribuição de Poisson
𝑘 𝑥 𝑒 −𝑘
𝐸 𝑋 = 𝑥𝑃(𝑥) = 𝑥
𝑥!
𝑘 ∙ 𝑘 𝑥−1 𝑒 −𝑘 𝑘 𝑥−1 𝑒 −𝑘
𝐸 𝑋 = 𝑥 =𝑘
𝑥(𝑥 − 1)! (𝑥 − 1)!
A Esperança (valor médio) da
Distribuição de Poisson
𝑘 𝑥 𝑒 −𝑘 y = x -1
𝐸 𝑋 = 𝑥𝑃(𝑥) = 𝑥
𝑥!
𝑘 ∙ 𝑘 𝑥−1 𝑒 −𝑘 𝑘 𝑥−1 𝑒 −𝑘
𝐸 𝑋 = 𝑥 =𝑘
𝑥(𝑥 − 1)! (𝑥 − 1)!
A Esperança (valor médio) da
Distribuição de Poisson
𝑘 ∙ 𝑘 𝑥−1 𝑒 −𝑘 𝑘 𝑥−1 𝑒 −𝑘
𝐸 𝑋 = 𝑥 =𝑘
𝑥(𝑥 − 1)! (𝑥 − 1)!
A Esperança (valor médio) da
Distribuição de Poisson
𝑘 ∙ 𝑘 𝑥−1 𝑒 −𝑘 𝑘 𝑥−1 𝑒 −𝑘
𝐸 𝑋 = 𝑥 =𝑘
𝑥(𝑥 − 1)! (𝑥 − 1)!
A Esperança (valor médio) da
Distribuição de Poisson
𝑘 ∙ 𝑘 𝑥−1 𝑒 −𝑘 𝑘 𝑥−1 𝑒 −𝑘
𝐸 𝑋 = 𝑥 =𝑘 𝑬 𝑿 =𝒌
𝑥(𝑥 − 1)! (𝑥 − 1)!
A Variância da Distribuição de Poisson
A Variância da Distribuição de Poisson
Aula anterior:
Aula anterior:
Aula anterior:
𝜇 𝜇
𝜎2 = 𝑛𝑝𝑞 = 𝑛 1 −
𝑛 𝑛
A Variância da Distribuição de Poisson
Aula anterior:
𝜇 𝜇 𝜇
𝜎2 = 𝑛𝑝𝑞 = 𝑛 1 − ⇒ 𝜎2 =𝜇 1 −
𝑛 𝑛 𝑛
A Variância da Distribuição de Poisson
Aula anterior:
Aula anterior:
Aula anterior:
Assim:
Exemplo 1
125
Assim: 𝜇 = = 0,2907 … = 0,291
430
Exemplo 1
Assim:
Exemplo 1
0,5820 𝑒 −0,582
P(X = 0) = =
0!
Exemplo 1
0,5820 𝑒 −0,582
P(X = 0) = = 0,559 ou 55,9%
0!
Exemplo 2
Assim: X ~ Po(2)
P(X = 0) =
Exemplo 2
Assim: X ~ Po(2)
20 𝑒 −2
P(X = 0) = =
0!
Exemplo 2
Assim: X ~ Po(2)
20 𝑒 −2
P(X = 0) = = 0,135 ou 13,5%
0!
Exemplo 2
= 0,323 ou 32,3%
Lembre-se
➢ A distribuição de Poisson é uma aproximação à distribuição
Binomial quando o número de tentativas é muito grande e a
probabilidade de sucesso é pequena.
m = 78,5 kg
Entendendo variáveis aleatórias contínuas
X
m = 78,5 kg
X
m = 78,5 kg
𝑏
𝑃 𝑎 ≤ 𝑋 ≤ 𝑏 = න 𝑓 𝑥 𝑑𝑥
𝑎
Cálculo da probabilidade
f(x)
𝑏
𝑃 𝑎 ≤ 𝑋 ≤ 𝑏 = න 𝑓 𝑥 𝑑𝑥
𝑎 Área
x
x=a x=b
Exemplo
A função densidade de probabilidade para uma variável
aleatória continua X é dada por:
𝑘𝑥 2 0≤x<1
𝑓 𝑥 =ቊ
0 x < 0, x ≥ 1
a) Calcule o valor de k
𝑘𝑥 2 0≤x<1
𝑓 𝑥 =ቊ
0 x < 0, x ≥ 1
a) Calcule o valor de k
1
න 𝑘𝑥 2 𝑑𝑥 = 1 ⇒
0
Exemplo
A função densidade de probabilidade para uma variável
aleatória continua X é dada por:
𝑘𝑥 2 0≤x<1
𝑓 𝑥 =ቊ
0 x < 0, x ≥ 1
a) Calcule o valor de k
1 3 1
𝑘𝑥
න 𝑘𝑥 2 𝑑𝑥 = 1 ⇒ =1⇒
0 3
0
Exemplo
A função densidade de probabilidade para uma variável
aleatória continua X é dada por:
𝑘𝑥 2 0≤x<1
𝑓 𝑥 =ቊ
0 x < 0, x ≥ 1
a) Calcule o valor de k
1 3 1
𝑘𝑥 𝑘
න 𝑘𝑥 2 𝑑𝑥 =1⇒ =1⇒ −0=1⇒
0 3 3
0
Exemplo
A função densidade de probabilidade para uma variável
aleatória continua X é dada por:
𝑘𝑥 2 0≤x<1
𝑓 𝑥 =ቊ
0 x < 0, x ≥ 1
a) Calcule o valor de k
1 3 1
𝑘𝑥 𝑘
න 𝑘𝑥 2 𝑑𝑥 =1⇒ =1⇒ −0=1⇒𝑘 =3
0 3 3
0
Exemplo
A função densidade de probabilidade para uma variável
aleatória continua X é dada por:
𝑘𝑥 2 0≤x<1
𝑓 𝑥 =ቊ
0 x < 0, x ≥ 1
a) Calcule o valor de k
1 3 1
𝑘𝑥 𝑘
න 𝑘𝑥 2 𝑑𝑥 =1⇒ =1⇒ −0=1⇒𝑘 =3 ∴ 𝑓 𝑥 = 3𝑥 2 , 0 ≤ x < 1
0 3 3
0
Exemplo
A função densidade de probabilidade para uma variável
aleatória continua X é dada por:
𝑘𝑥 2 0≤x<1
𝑓 𝑥 =ቊ
0 x < 0, x ≥ 1
𝑘𝑥 2 0≤x<1
𝑓 𝑥 =ቊ
0 x < 0, x ≥ 1
𝑘𝑥 2 0≤x<1
𝑓 𝑥 =ቊ
0 x < 0, x ≥ 1
𝑘𝑥 2 0≤x<1
𝑓 𝑥 =ቊ
0 x < 0, x ≥ 1
f(x)
𝑓 𝑥 =ቊ 𝑘𝑥 2 0≤x<1
0 x < 0, x ≥ 1
x
Lembre-se:
f(x)
𝑏
𝑃 𝑎 ≤ 𝑋 ≤ 𝑏 = න 𝑓 𝑥 𝑑𝑥
𝑎 Área
x
X=a X=b
Próxima aula
Esperança
(valor médio)
Variância
Parâmetros da função densidade
de probabilidade
Parâmetro Variável aleatória Variável aleatória
discreta contínua
Esperança
𝐸 𝑋 = 𝜇 = 𝑥𝑃(𝑥)
(valor médio)
Variância
Parâmetros da função densidade
de probabilidade
Parâmetro Variável aleatória Variável aleatória
discreta contínua
Esperança 𝑏
𝐸 𝑋 = 𝜇 = 𝑥𝑃(𝑥) 𝐸 𝑋 = 𝜇 = න 𝑥𝑓 𝑥 𝑑𝑥
(valor médio)
𝑎
Variância
Parâmetros da função densidade
de probabilidade
Parâmetro Variável aleatória Variável aleatória
discreta contínua
Esperança 𝑏
𝐸 𝑋 = 𝜇 = 𝑥𝑃(𝑥) 𝐸 𝑋 = 𝜇 = න 𝑥𝑓 𝑥 𝑑𝑥
(valor médio)
𝑎
Variância
𝜎 2 = 𝑥 − 𝜇 2𝑝 𝑥 =
Parâmetros da função densidade
de probabilidade
Parâmetro Variável aleatória Variável aleatória
discreta contínua
Esperança 𝑏
𝐸 𝑋 = 𝜇 = 𝑥𝑃(𝑥) 𝐸 𝑋 = 𝜇 = න 𝑥𝑓 𝑥 𝑑𝑥
(valor médio)
𝑎
Variância
𝜎 2 = 𝑥 − 𝜇 2𝑝 𝑥 = 𝜎 2 = න 𝑥 − 𝜇 2 𝑓 𝑥 𝑑𝑥 =
Parâmetros da função densidade
de probabilidade
Parâmetro Variável aleatória Variável aleatória
discreta contínua
Esperança 𝑏
𝐸 𝑋 = 𝜇 = 𝑥𝑃(𝑥) 𝐸 𝑋 = 𝜇 = න 𝑥𝑓 𝑥 𝑑𝑥
(valor médio)
𝑎
Variância
𝜎 2 = 𝑥 − 𝜇 2𝑝 𝑥 = 𝜎 2 = න 𝑥 − 𝜇 2 𝑓 𝑥 𝑑𝑥 =
= σ 𝑥 2 𝑝 𝑥 − 𝜇2 =
Parâmetros da função densidade
de probabilidade
Parâmetro Variável aleatória Variável aleatória
discreta contínua
Esperança 𝑏
𝐸 𝑋 = 𝜇 = 𝑥𝑃(𝑥) 𝐸 𝑋 = 𝜇 = න 𝑥𝑓 𝑥 𝑑𝑥
(valor médio)
𝑎
Variância
𝜎 2 = 𝑥 − 𝜇 2𝑝 𝑥 = 𝜎 2 = න 𝑥 − 𝜇 2 𝑓 𝑥 𝑑𝑥 =
= σ 𝑥 2 𝑝 𝑥 − 𝜇2 = = 𝑥 2 𝑓 𝑥 𝑑𝑥 − 𝜇2 =
Parâmetros da função densidade
de probabilidade
Parâmetro Variável aleatória Variável aleatória
discreta contínua
Esperança 𝑏
𝐸 𝑋 = 𝜇 = 𝑥𝑃(𝑥) 𝐸 𝑋 = 𝜇 = න 𝑥𝑓 𝑥 𝑑𝑥
(valor médio)
𝑎
Variância
𝜎 2 = 𝑥 − 𝜇 2𝑝 𝑥 = 𝜎 2 = න 𝑥 − 𝜇 2 𝑓 𝑥 𝑑𝑥 =
= σ 𝑥 2 𝑝 𝑥 − 𝜇2 = = 𝑥 2 𝑓 𝑥 𝑑𝑥 − 𝜇2 =
3
𝑓 𝑥 = 𝑥(3 − 𝑥) para 0 ≤ x ≤ 2
10
3
𝑓 𝑥 = 𝑥(3 − 𝑥) para 0 ≤ x ≤ 2
10
𝐸 𝑋 =
Exemplo 1
Uma variável aleatória X tem função densidade de probabilidade
dada por:
3
𝑓 𝑥 = 𝑥(3 − 𝑥) para 0 ≤ x ≤ 2
10
2
3
𝐸 𝑋 = න 𝑥 ∙ 𝑥 3 − 𝑥 𝑑𝑥 =
0 10
Exemplo 1
Uma variável aleatória X tem função densidade de probabilidade
dada por:
3
𝑓 𝑥 = 𝑥(3 − 𝑥) para 0 ≤ x ≤ 2
10
2
3 3 2
𝐸 𝑋 = න 𝑥 ∙ 𝑥 3 − 𝑥 𝑑𝑥 = න 3𝑥 2 − 𝑥 3 𝑑𝑥 =
0 10 10 0
Exemplo 1
Uma variável aleatória X tem função densidade de probabilidade
dada por:
3
𝑓 𝑥 = 𝑥(3 − 𝑥) para 0 ≤ x ≤ 2
10
2 2 2
3 3 2 3
3 3 1 4
𝐸 𝑋 = න 𝑥 ∙ 𝑥 3 − 𝑥 𝑑𝑥 = න 3𝑥 − 𝑥 𝑑𝑥 = 𝑥 − 𝑥 =
0 10 10 0 10 4
0
Exemplo 1
Uma variável aleatória X tem função densidade de probabilidade
dada por:
3
𝑓 𝑥 = 𝑥(3 − 𝑥) para 0 ≤ x ≤ 2
10
2 2 2
3 3 2 3
3 3 1 4
𝐸 𝑋 = න 𝑥 ∙ 𝑥 3 − 𝑥 𝑑𝑥 = න 3𝑥 − 𝑥 𝑑𝑥 = 𝑥 − 𝑥 =
0 10 10 0 10 4
0
3
= 8−4 =
10
Exemplo 1
Uma variável aleatória X tem função densidade de probabilidade
dada por:
3
𝑓 𝑥 = 𝑥(3 − 𝑥) para 0 ≤ x ≤ 2
10
2 2 2
3 3 2 3
3 3 1 4
𝐸 𝑋 = න 𝑥 ∙ 𝑥 3 − 𝑥 𝑑𝑥 = න 3𝑥 − 𝑥 𝑑𝑥 = 𝑥 − 𝑥 =
0 10 10 0 10 4
0
3
= 8 − 4 = 1,2
10
Exemplo 1
Uma variável aleatória X tem função densidade de probabilidade
dada por:
3
𝑓 𝑥 = 𝑥(3 − 𝑥) para 0 ≤ x ≤ 2
10
𝜎2 𝑋 =
Exemplo 1
Uma variável aleatória X tem função densidade de probabilidade
dada por:
3
𝑓 𝑥 = 𝑥(3 − 𝑥) para 0 ≤ x ≤ 2
10
2
3
𝜎2 𝑋 = න 𝑥2 ∙ 𝑥 3 − 𝑥 𝑑𝑥 − 1,22 =
0 10
Exemplo 1
Uma variável aleatória X tem função densidade de probabilidade
dada por:
3
𝑓 𝑥 = 𝑥(3 − 𝑥) para 0 ≤ x ≤ 2
10
2 2
3 3
𝜎 2 𝑋 = න 𝑥 2 ∙ 𝑥 3 − 𝑥 𝑑𝑥 − 1,22 = න 3𝑥 3 − 𝑥 4 𝑑𝑥 − 1,22 =
0 10 10 0
Exemplo 1
Uma variável aleatória X tem função densidade de probabilidade
dada por:
3
𝑓 𝑥 = 𝑥(3 − 𝑥) para 0 ≤ x ≤ 2
10
2 2
3 3
𝜎 2 𝑋 = න 𝑥 2 ∙ 𝑥 3 − 𝑥 𝑑𝑥 − 1,22 = න 3𝑥 3 − 𝑥 4 𝑑𝑥 − 1,22 =
0 10 10 0
2
3 3 4 1 5
= 𝑥 − 𝑥 − 1,22 =
10 4 5
0
Exemplo 1
Uma variável aleatória X tem função densidade de probabilidade
dada por:
3
𝑓 𝑥 = 𝑥(3 − 𝑥) para 0 ≤ x ≤ 2
10
2 2
3 3
𝜎 2 𝑋 = න 𝑥 2 ∙ 𝑥 3 − 𝑥 𝑑𝑥 − 1,22 = න 3𝑥 3 − 𝑥 4 𝑑𝑥 − 1,22 =
0 10 10 0
2
3 3 4 1 5 2
3 32
= 𝑥 − 𝑥 − 1,2 = 12 − − 1,22 =
10 4 5 10 5
0
Exemplo 1
Uma variável aleatória X tem função densidade de probabilidade
dada por:
3
𝑓 𝑥 = 𝑥(3 − 𝑥) para 0 ≤ x ≤ 2
10
2 2
3 3
𝜎 2 𝑋 = න 𝑥 2 ∙ 𝑥 3 − 𝑥 𝑑𝑥 − 1,22 = න 3𝑥 3 − 𝑥 4 𝑑𝑥 − 1,22 =
0 10 10 0
2
3 3 4 1 5 2
3 32
= 𝑥 − 𝑥 − 1,2 = 12 − − 1,22 = 1,68 − 1,44 = 0,24
10 4 5 10 5
0
A Mediana de uma distribuição de
probabilidades contínua
A Mediana de uma distribuição de
probabilidades contínua
Mediana
A Mediana de uma distribuição de
probabilidades contínua
𝑚
1
න 𝑓 𝑥 𝑑𝑥 = onde: a ≤ x ≤ b
𝑎 2
A Mediana de uma distribuição de
probabilidades contínua
𝑚
1
න 𝑓 𝑥 𝑑𝑥 = onde: a ≤ x ≤ b
𝑎 2
a b
Mediana (m)
Exemplo 2
Calcule a mediana da variável aleatória X do Exemplo 1,
cuja função densidade de probabilidade foi dada por:
3
𝑓 𝑥 = 𝑥(3 − 𝑥) para 0 ≤ x ≤ 2
10
Exemplo 2
Calcule a mediana da variável aleatória X do Exemplo 1,
cuja função densidade de probabilidade foi dada por:
3
𝑓 𝑥 = 𝑥(3 − 𝑥) para 0 ≤ x ≤ 2
10
𝑚
3 1
න 𝑥 3 − 𝑥 𝑑𝑥 = ⇒
0 10 2
Exemplo 2
Calcule a mediana da variável aleatória X do Exemplo 1,
cuja função densidade de probabilidade foi dada por:
3
𝑓 𝑥 = 𝑥(3 − 𝑥) para 0 ≤ x ≤ 2
10
𝑚
3 1 3 𝑚 2
1
න 𝑥 3 − 𝑥 𝑑𝑥 = ⇒ න 3𝑥 − 𝑥 𝑑𝑥 = ⇒
0 10 2 10 0 2
Exemplo 2
Calcule a mediana da variável aleatória X do Exemplo 1,
cuja função densidade de probabilidade foi dada por:
3
𝑓 𝑥 = 𝑥(3 − 𝑥) para 0 ≤ x ≤ 2
10
m
𝑚 𝑚
3 1 3 1 3 3 2 1 3 1
න 𝑥 3 − 𝑥 𝑑𝑥 = ⇒ න 3𝑥 − 𝑥2 𝑑𝑥 = ⇒ 𝑥 − 𝑥 =
0 10 2 10 0 2 10 2 3 2
0
Exemplo 2
Calcule a mediana da variável aleatória X do Exemplo 1,
cuja função densidade de probabilidade foi dada por:
3
𝑓 𝑥 = 𝑥(3 − 𝑥) para 0 ≤ x ≤ 2
10
m
𝑚 𝑚
3 1 3 1 3 3 2 1 3 1
න 𝑥 3 − 𝑥 𝑑𝑥 = ⇒ න 3𝑥 − 𝑥2 𝑑𝑥 = ⇒ 𝑥 − 𝑥 =
0 10 2 10 0 2 10 2 3 2
0
3 3 2 1 3 1
𝑚 − 𝑚 = ⇒
10 2 3 2
Exemplo 2
Calcule a mediana da variável aleatória X do Exemplo 1,
cuja função densidade de probabilidade foi dada por:
3
𝑓 𝑥 = 𝑥(3 − 𝑥) para 0 ≤ x ≤ 2
10
m
𝑚 𝑚
3 1 3 1 3 3 2 1 3 1
න 𝑥 3 − 𝑥 𝑑𝑥 = ⇒ න 3𝑥 − 𝑥2 𝑑𝑥 = ⇒ 𝑥 − 𝑥 =
0 10 2 10 0 2 10 2 3 2
0
3 3 2 1 3 1 3 2 1 3 5
𝑚 − 𝑚 = ⇒ 𝑚 − 𝑚 = ⇒
10 2 3 2 2 3 3
Exemplo 2
Calcule a mediana da variável aleatória X do Exemplo 1,
cuja função densidade de probabilidade foi dada por:
3
𝑓 𝑥 = 𝑥(3 − 𝑥) para 0 ≤ x ≤ 2
10
m
𝑚 𝑚
3 1 3 1 3 3 2 1 3 1
න 𝑥 3 − 𝑥 𝑑𝑥 = ⇒ න 3𝑥 − 𝑥2 𝑑𝑥 = ⇒ 𝑥 − 𝑥 =
0 10 2 10 0 2 10 2 3 2
0
3 3 2 1 3 1 3 2 1 3 5
𝑚 − 𝑚 = ⇒ 𝑚 − 𝑚 = ⇒ 9𝑚2 − 2𝑚3 = 10
10 2 3 2 2 3 3
Exemplo 2
9𝑚2 − 2𝑚3 = 10
Resolvendo graficamente :
Exemplo 2
y = 9x2 – 2x3
9𝑚2 − 2𝑚3 = 10
Resolvendo graficamente :
y = 10
Exemplo 2
y = 9x2 – 2x3
9𝑚2 − 2𝑚3 = 10
Resolvendo graficamente :
y = 10
(1,238; 10)
Exemplo 2
y = 9x2 – 2x3
9𝑚2 − 2𝑚3 = 10
Resolvendo graficamente :
Mediana: m = 1,24
y = 10
(1,238; 10)
Lembre-se
Parâmetro Variável aleatória Variável aleatória
discreta contínua
Esperança 𝑏
𝐸 𝑋 = 𝜇 = 𝑥𝑃(𝑥) 𝐸 𝑋 = 𝜇 = න 𝑥𝑓 𝑥 𝑑𝑥
(valor médio)
𝑎
Variância
𝜎 2 = 𝑥 − 𝜇 2𝑝 𝑥 = 𝜎 2 = න 𝑥 − 𝜇 2 𝑓 𝑥 𝑑𝑥 =
= σ 𝑥 2 𝑝 𝑥 − 𝜇2 = = 𝑥 2 𝑓 𝑥 𝑑𝑥 − 𝜇2 =
𝑚
1
න 𝑓 𝑥 𝑑𝑥 = onde: a ≤ x ≤ b
𝑎 2
Tarefa: Lista de Exercícios 4
1 𝑥−𝜇 2
−
𝑓 𝑥 = 𝑒 2𝜎2
𝜎 2𝜋
A Distribuição Normal
1 𝑥−𝜇 2
−
𝑓 𝑥 = 𝑒 2𝜎2
𝜎 2𝜋
✓ Os parâmetros da distribuição
normal são o valor médio µ e a
variância σ2
A Distribuição Normal
1 𝑥−𝜇 2
−
𝑓 𝑥 = 𝑒 2𝜎2
𝜎 2𝜋
✓ Os parâmetros da distribuição
normal são o valor médio µ e a
variância σ2
y f(x)
x
A Curva Normal
x
A Curva Normal
µ x
µ-σ µ µ+σ x
µ-σ µ µ+σ x
O desvio padrão é determinado pela distância horizontal entre os
pontos de inflexão e a reta x = µ
Calculando proporções da curva
normal no MS Excel
Calculando proporções da curva
normal no MS Excel
Exemplo
A altura média dos jogadores de um time de basquete é 180 cm.
Sabendo-se que o desvio padrão das alturas é 4 cm, qual é a
porcentagem esperada de jogadores com altura
Altura (cm)
Exemplo
A altura média dos jogadores de um time de basquete é 180 cm.
Sabendo-se que o desvio padrão das alturas é 4 cm, qual é a
porcentagem esperada de jogadores com altura
180
Altura (cm)
Exemplo
A altura média dos jogadores de um time de basquete é 180 cm.
Sabendo-se que o desvio padrão das alturas é 4 cm, qual é a
porcentagem esperada de jogadores com altura
1−0,954
P(X > 188) = =
2
σ σ σ σ
Área entre
172 cm e 188 cm
1−0,954
P(X > 188) = = 0,023 ou 2,3%
2
σ σ σ σ
15 19
x
Cálculo de probabilidades no caso geral
y
+∞
P(X>19)= 𝒙𝒅 𝒙 𝒇 𝟗𝟏
15 19
x
Cálculo de probabilidades no caso geral
y
+∞ Calculadora gráfica,
P(X>19)= 𝒇 𝟗𝟏 𝒙 𝒅𝒙 calculadora online
ou MS Excel
15 19
x
Cálculo de probabilidades no caso geral
15 19
x
Cálculo de probabilidades no caso geral
15 19
x
14,5 15
Exemplo
Sabe-se que uma máquina produz parafusos de comprimento médio
14,7cm e desvio padrão 0,15 cm.
14,5 15
Exemplo
Sabe-se que uma máquina produz parafusos de comprimento médio
14,7cm e desvio padrão 0,15 cm.
14,5 15
P(14,5 < X < 15) = 0,886 ou 88,6%
A simetria da curva normal
A simetria da curva normal
Exemplo:
a) P(X > 7)
b) P(X < 3)
c) P(3 < X < 7)
A simetria da curva normal
Exemplo:
5 7 x
A simetria da curva normal
Exemplo:
( pois ) 𝟏 = 𝒙𝒅 𝒙 𝒇
5 7 x
A simetria da curva normal
Exemplo:
5 7 x
A simetria da curva normal
Exemplo:
3 5 7 x
A simetria da curva normal
Exemplo:
3 5 7 x
A simetria da curva normal
Exemplo:
3 5 7 x
Próxima aula
𝒙−𝝁
𝒛=
𝝈
Padronizando a Distribuição Normal
𝒙−𝝁
𝒛=
𝝈
𝑥−𝜇
𝑧=
𝜎
Para x = µ
O valor médio e o desvio padrão de Z
𝑥−𝜇
𝑧=
𝜎
𝜇−𝜇
Para x = µ 𝑧 = =
𝜎
O valor médio e o desvio padrão de Z
𝑥−𝜇
𝑧=
𝜎
𝜇−𝜇
Para x = µ 𝑧 = =0⇒
𝜎
O valor médio e o desvio padrão de Z
𝑥−𝜇
𝑧=
𝜎
𝜇−𝜇
Para x = µ 𝑧 = = 0 ⇒ 𝐸 𝑧 = 𝜇𝑧 = 0
𝜎
O valor médio e o desvio padrão de Z
𝑥−𝜇
𝑧=
𝜎
𝜇−𝜇
Para x = µ 𝑧 = = 0 ⇒ 𝐸 𝑧 = 𝜇𝑧 = 0
𝜎
Para x = σ
O valor médio e o desvio padrão de Z
𝑥−𝜇
𝑧=
𝜎
𝜇−𝜇
Para x = µ 𝑧 = = 0 ⇒ 𝐸 𝑧 = 𝜇𝑧 = 0
𝜎
𝜎−𝜇
Para x = σ 𝑧 = =
𝜎
O valor médio e o desvio padrão de Z
𝑥−𝜇
𝑧=
𝜎
𝜇−𝜇
Para x = µ 𝑧 = = 0 ⇒ 𝐸 𝑧 = 𝜇𝑧 = 0
𝜎
𝜎−𝜇 𝜎−0
Para x = σ 𝑧 = = =1
𝜎 𝜎
O valor médio e o desvio padrão de Z
𝑥−𝜇
𝑧=
𝜎
𝜇−𝜇
Para x = µ 𝑧 = = 0 ⇒ 𝐸 𝑧 = 𝜇𝑧 = 0
𝜎
𝜎−𝜇 𝜎−0
Para x = σ 𝑧 = = = 1 ⇒ 𝜎𝑧 = 1
𝜎 𝜎
O valor médio e o desvio padrão de Z
𝑥−𝜇
𝑧=
𝜎
𝜇−𝜇
Para x = µ 𝑧 = = 0 ⇒ 𝐸 𝑧 = 𝜇𝑧 = 0
𝜎
𝜎−𝜇 𝜎−0
Para x = σ 𝑧 = = = 1 ⇒ 𝜎𝑧 = 1
𝜎 𝜎
𝑥 = 18,2 ⇒ 𝑧 =
Exemplo 1
4 10 16 18,2 x
Exemplo 1
4 10 16 18,2 x -1 0 1 1,37 xz
Exemplo 1
𝑧 = 2,1 ⇒
Exemplo 1
𝑥−10
𝑧 = 2,1 ⇒ 2,1 = ⇒
6
Exemplo 1
𝑥−10
𝑧 = 2,1 ⇒ 2,1 = ⇒ 𝑥 − 10 = 12,6 ⇒
6
Exemplo 1
𝑥−10
𝑧 = 2,1 ⇒ 2,1 = ⇒ 𝑥 − 10 = 12,6 ⇒ 𝑥 = 22,6
6
Exemplo 1
𝑥−10
𝑧 = 2,1 ⇒ 2,1 = ⇒ 𝑥 − 10 = 12,6 ⇒ 𝑥 = 22,6
6
-1 0 1 2,1
zx
Exemplo 1
𝑥−10
𝑧 = 2,1 ⇒ 2,1 = ⇒ 𝑥 − 10 = 12,6 ⇒ 𝑥 = 22,6
6
y transformação y
4 10 16 22,6 x -1 0 1 2,1
zx
Exemplo 2
Pedro obteve nota 87% na prova de Geografia, na qual a média da
classe foi 80% com desvio padrão 9,5%.
87−80
Prova de Geografia: valor de z = =
9,5
Pedro obteve nota 87% na prova de Geografia, na qual a média da
classe foi 80% com desvio padrão 9,5%.
87−80
Prova de Geografia: valor de z = = 0,74
9,5
Pedro obteve nota 87% na prova de Geografia, na qual a média da
classe foi 80% com desvio padrão 9,5%.
87−80
Prova de Geografia: valor de z = = 0,74
9,5
87−80
Prova de Geografia: valor de z = = 0,74
9,5
82−76
Prova de Matemática: valor de z = =
6,5
Pedro obteve nota 87% na prova de Geografia, na qual a média da
classe foi 80% com desvio padrão 9,5%.
87−80
Prova de Geografia: valor de z = = 0,74
9,5
82−76
Prova de Matemática: valor de z = = 0,92
6,5
Pedro obteve nota 87% na prova de Geografia, na qual a média da
classe foi 80% com desvio padrão 9,5%.
0,92
82−76
Prova de Matemática: valor de z = = 𝟎, 𝟗𝟐
6,5
-1 0 1
zx
Pedro obteve nota 87% na prova de Geografia, na qual a média da
classe foi 80% com desvio padrão 9,5%.
0,92
82−76
Prova de Matemática: valor de z = = 𝟎, 𝟗𝟐
6,5
-1 0 1
zx
Pedro obteve melhor performance em Matemática, comparado ao resto da classe.
Próxima aula
X ~ N(100, 152)
Exemplo 1
Os testes de QI são planejados de forma que os resultados sigam uma
distribuição normal de probabilidades, com média 100 e desvio padrão 15.
X ~ N(100, 152) y
85 100 115 x x
Exemplo 1
Os testes de QI são planejados de forma que os resultados sigam uma
distribuição normal de probabilidades, com média 100 e desvio padrão 15.
85 100 115 x x
Exemplo 1
Os testes de QI são planejados de forma que os resultados sigam uma
distribuição normal de probabilidades, com média 100 e desvio padrão 15.
P(X ≤ x) = 0,1
Exemplo 2
Uma espécie rara de peixes possui comprimento médio de 25 cm e desvio
padrão de 7 cm.
X ~ N(5, σ)
X ~ N(5, σ)
y
P(X < 3) = 0,12
área = 12%
z -1 0 1 xz
Exemplo 3
As distâncias percorridas por um atleta seguem uma distribuição normal
com média de 5 km. Sabe-se que 12% das distâncias percorridas são
menores que 3 km. Qual é o desvio padrão dessa distribuição?
X ~ N(5, σ)
y
P(X < 3) = 0,12
área = 12%
z -1 0 1 xz
Exemplo 3
As distâncias percorridas por um atleta seguem uma distribuição normal
com média de 5 km. Sabe-se que 12% das distâncias percorridas são
menores que 3 km. Qual é o desvio padrão dessa distribuição?
X ~ N(5, σ)
y
P(X < 3) = 0,12 z = -1,17
área = 12%
z = -1,17 -1 0 1 xz
Exemplo 3
As distâncias percorridas por um atleta seguem uma distribuição normal
com média de 5 km. Sabe-se que 12% das distâncias percorridas são
menores que 3 km. Qual é o desvio padrão dessa distribuição?
X ~ N(5, σ)
y
P(X < 3) = 0,12 z = -1,17
área = 12%
3−5
-1,17 =
𝜎
z = -1,17 -1 0 1 xz
Exemplo 3
As distâncias percorridas por um atleta seguem uma distribuição normal
com média de 5 km. Sabe-se que 12% das distâncias percorridas são
menores que 3 km. Qual é o desvio padrão dessa distribuição?
X ~ N(5, σ)
y
P(X < 3) = 0,12 z = -1,17
área = 12%
3−5
-1,17 = σ = 1,7 km
𝜎
z = -1,17 -1 0 1 xz
Tarefa: Lista de Exercícios 5
➢ Conclusão do Módulo IV
Módulo IV – Aula 29
Conclusão do Curso!
Próximos passos