Escolar Documentos
Profissional Documentos
Cultura Documentos
DEFINIÇÕES
Seja 𝑋 uma variável aleatória continua. A função densidade de probabilidade 𝑓(𝑥), é uma
função que satisfaz as seguintes condições:
Tem-se:
6 3
Para 𝑥 = 6: 𝑓 6 = =
16 8
∞
A condição −∞ 𝑓 𝑥 𝑑 𝑥 = 1, indica que a área total limitada pela curva que representa
𝑓(𝑥) e o eixo das abcissas é igual a 1.
𝑥
𝑓 𝑥 = , 𝑠𝑒 2 ≤ 𝑥 ≤ 6
16
6 6
𝑥 1 6 1 𝑥2 1 36 − 4 1
න 𝑑𝑥 = න 𝑥𝑑𝑥 = = = × 16 = 1
2 16 16 2 16 2 2
16 2 16
Seja o intervalo [a, b] de 𝑅𝑋 . A probabilidade de um valor de X pertencer a esse intervalo será dada
𝑏
por: 𝑃 𝑎 ≤ 𝑋 ≤ 𝑏 = 𝑥 𝑑 𝑥 𝑓 𝑎, que representa a área sob a curva da função densidade de
probabilidade.
Para variáveis aleatórias contínuas, as probabilidades são interpretadas como áreas. Sendo X uma
variável aleatória continua, a probabilidade em um ponto é nula, então:
𝑃 𝑎 ≤ 𝑋 ≤ 𝑏 = 𝑃 𝑎 ≤ 𝑋 < 𝑏 = 𝑃 𝑎 < 𝑋 ≤ 𝑏 = 𝑃(𝑎 < 𝑋 < 𝑏)
𝐹 𝑥 = 𝑃(𝑋 ≤ 𝑥)
Uma v.a. continua X, tem distribuição normal ou Gaussiana se sua função densidade de
probabilidade é dada por:
1 1 𝑥−𝜇 2
−2 𝜎
𝑓 𝑥 = 𝑒
𝜎 2𝜋
sendo: 𝑥 ∈ 𝑅, 𝜇 ∈ 𝑅 , 𝜎 ∈ 𝑅+
A função de distribuição acumulada é dada por:
𝑥 1 𝑥−𝜇 2
1 −2 𝜎
𝐹 𝑥 =𝑃 𝑋≤𝑥 =න 𝑒 𝑑𝑥
−∞ 𝜎 2𝜋
Quando se deseja especificar que a variável aleatória X, segue distribuição normal com média
𝜇 e variância 𝜎 2 , usa-se a notação: 𝑋 ~ 𝑁(𝜇; 𝜎 2 ).
A distribuição normal é definida a partir de dois parâmetros, a média 𝜇 e a variância 𝜎 2 . Por
exemplo, a curva da distribuição normal 𝑓(𝑥) para 𝜇 = 40 e 𝜎 = 10, e valores da variável
aleatória no intervalo (10, 70), é mostrada no gráfico abaixo.
𝑃 𝑎 ≤ 𝑋 ≤ 𝑏 é obtida integrando-se a função 𝑓(𝑥) no intervalo (𝑎, 𝑏).
1 𝑥−𝜇 2
𝑏 1 −2 𝜎
𝑃(𝑎 ≤ 𝑋 ≤ 𝑏) = 𝜎 𝑎2𝜋 𝑒 𝑑𝑥
− 3 − 2 − + + 2 + 3
A área compreendida entre 𝜇 ± 𝜎 é igual a 68,27%; entre 𝜇 ± 2𝜎, a 95,45% e entre 𝜇 ± 3𝜎,
a 99,73%.
Propriedades da distribuição normal:
1. 𝑓(𝑥) possui um ponto de máximo para 𝑋 = 𝜇;
2. 𝑓(𝑥) tem dois pontos de inflexão cujas abcissas valem 𝜇 + 𝜎 e 𝜇 − 𝜎;
3. 𝑓(𝑥) é simétrica em relação a 𝑋 = 𝜇. E, ainda 𝜇 = 𝑀𝑜 = 𝑀𝑒 ;
4. 𝑓(𝑥) tende a zero quando x tende para ±∞ (assintótica em relação ao eixo x);
DISTRIBUIÇÃO NORMAL PADRONIZADA OU REDUZIDA
Considere a transformação:
𝑋−𝜇 𝑑𝑋
𝑍= então, 𝑑𝑍 =
𝜎 𝜎
Tem-se que:
𝑥 1 𝑥−𝜇 2
1 −2 𝜎
𝐹 𝑥 =න 𝑒 𝑑𝑥
−∞ 𝜎 2𝜋
𝑧
1 1
𝑧 2
Φ(𝑧) = න 𝑒 −2 𝑑𝑧
2𝜋 −∞
f(z)
z
Exemplo 1: O diâmetro de um eixo de um dispositivo ótico de armazenagem é normalmente
distribuído, com média 0,2508 polegada e desvio padrão de 0,0005 polegada. As
especificações do eixo são 0,2500 ± 0,0015 polegada. Que proporção de eixo obedece às
especificações?
𝜇 = 0,2508
𝜎 = 0,0005
A probabilidade solicitada
é:
𝑃(0,2485 ≤ 𝑋 ≤ 0,2515) =?
𝑋1 𝑋2
Para obter a probabilidade, calcular a variável normal padronizada para 𝑋1
e 𝑋2
0,2485 − 0,2508
𝑍1 = = −4,6
0,0005
0,2515 − 0,2508
𝑍2 = = 1,4
0,0005
𝑃 𝑍 < −1 = 𝑃 𝑍 ≤ −1 = 0,1587
Calcular a proporção de cabos elétricos com diâmetro menor que 0,78 𝑚𝑚, em uma amostra
de 1.000 cabos.
𝑛𝑜. 𝑑𝑒 𝑐𝑎𝑏𝑜𝑠 = 1.000 × 0,1587 = 158,7 ≅ 159
DISTRIBUIÇÃO EXPONENCIAL
Uma v.a. continua X, tem distribuição exponencial se sua função densidade de probabilidade é
dada por:
𝑓 𝑥 = 𝜆𝑒 −𝜆𝑥 , 𝑥 > 0
Portanto:
𝑃 𝑋 > 𝑥 = 𝑒 −𝜆𝑥
Prova
𝑥
𝑃 𝑋 ≤ 𝑥 = න 𝜆𝑒 −𝜆𝑥 𝑑𝑥
0
Tem-se que: 𝑥 𝑒 = 𝑥𝑑 𝑥 𝑒
𝑥
න 𝜆𝑒 −𝜆𝑥 𝑑𝑥
0
Portanto:
𝑥
𝑃 𝑋 ≤ 𝑥 = − න 𝑒 −𝜆𝑥 −𝜆 𝑑𝑥 = −𝑒 −𝜆𝑥 |0𝑥 = 1 − 𝑒 −𝜆𝑥
0
E,
𝑃 𝑋 ≥ 𝑥 = 1 − 1 − 𝑒 −𝜆𝑥 = 𝑒 −𝜆𝑥
Os parâmetros da distribuição são:
1
Média: 𝐸 𝑋 =
𝜆
1
Variância: 𝑉 𝑋 =
𝜆2
Essa distribuição tem papel importante na descrição de uma grande classe de fenômenos,
particularmente nos assuntos relacionados a teoria da confiabilidade.
Exemplo 1: O tempo de vida X (em horas) das lâmpadas elétricas fabricadas por uma
empresa é uma variável aleatória, tendo sua função densidade de probabilidade dada por:
a) qual a probabilidade do tempo de vida de uma lâmpada ser superior a 600 horas?
b) qual é o tempo de vida esperado?
Considerando a função densidade de probabilidade da distribuição exponencial tem-se:
𝑓 𝑥 = 𝜆𝑒 −𝜆𝑥
E a função densidade de probabilidade do tempo de vida das lâmpadas elétricas:
𝑓 𝑥 = 0,002𝑒 −0,002𝑥
Por analogia tem-se que 𝜆 = 0,002
a) 𝑃 𝑋 > 600 =?
Aplicando a expressão 𝑃 𝑋 > 𝑥 = 𝑒 −𝜆𝑥 , obtém-se a probabilidade desejada.
𝑃 𝑋 > 600 = 𝑒 −0,002×600 = 0,3012 × 100 = 30,12%
1
𝐸 𝑋 = (média)
𝜆
1
𝐸 𝑋 = (média)
𝜆
1
Tem-se que E(X)=4, portanto: 𝜆 =
4
1
𝑃 𝑋 > 4 = 𝑒 −4×4 = 𝑒 −1 = 0,3679 × 100 = 36,79%
DISTRIBUIÇÃO DE WEIBULL
𝛽 𝑥 𝛽−1 𝑥 𝛽
− 𝛼
𝑓 𝑥 = 𝑒
𝛼 𝛼
onde:
𝑥 é a variável que define o período de vida útil, podendo ser expresso em distância percorrida (km),
em número de ciclos (n) ou em tempo de funcionamento (h);
𝛽: é o parâmetro de forma
𝛼: é o parâmetro de escala
𝑥 𝛽
− 𝛼
𝐹 𝑥 = 𝑃(𝑋 ≤ 𝑥) = 1 −𝑒
e,
𝑥 𝛽
− 𝛼
𝑃(𝑋 > 𝑥) = 𝑒
Prova
𝛽 𝑥 𝛽−1 𝑥 𝛽
−
𝑓 𝑥 = 𝑒 𝛼
𝛼 𝛼
𝑥 𝛽
𝐹𝑎𝑧𝑒𝑛𝑑𝑜 ∶ 𝑢 =
𝛼
Tem-se que:
𝛽 𝑥 𝛽−1
𝑑𝑢 = 𝑑𝑥
𝛼 𝛼
𝑥 𝛽−1 𝑥 𝛽
𝛽 𝑥 −
𝑃 𝑋≤𝑥 =න 𝑒 𝛼 𝑑𝑥
0 𝛼 𝛼
𝑥 𝛽 𝑥 𝛽
𝑥 𝛽
𝛼 𝛼
𝑃 𝑋≤𝑥 =න 𝑒 −𝑢 𝑑𝑢 = − න 𝑒 −𝑢 −1 𝑑𝑢 = − 𝑒 −𝑢 0𝛼
0 0
𝑥 𝛽 𝑥 𝛽
− −
𝑃 𝑋≤𝑥 =− 𝑒 𝛼 −1 =1−𝑒 𝛼
Logo:
𝑥 𝛽 𝑥 𝛽
− −
𝑃 𝑋 ≥𝑥 =1− 1−𝑒 𝛼 =𝑒 𝛼
Os parâmetros da distribuição são:
Média: (tempo médio até a falha, ou MTTF (mean time to failure))
1
𝐸 𝑋 =𝛼Γ 1+
𝛽
Variância:
2
2
2 1
𝑉 𝑋 =𝛼 Γ 1+ − Γ 1+
𝛽 𝛽
OBS:
Γ 𝑛 é a função gama
Quando n é um inteiro positiva, tem-se:
Γ 𝑛 = (𝑛 − 1)!
e,
1
Γ = 𝜋
2
Obs: Quando 𝜷 = 𝟏 , a distribuição de Weibull assume a forma da distribuição
exponencial.
Exemplo 1: O tempo de falha (em horas) de um mancal em um eixo mecânico é satisfatoriamente
modelado como uma variável aleatória de Weibull, com 𝛽 = 1/2 e 𝛼 = 5000 horas.
a) determine o tempo médio até falhar;
b) determine a probabilidade de um mancal durar no mínimo 6000 horas.
a)
1 1
𝐸 𝑋 =𝛼Γ 1+ = 5000 × Γ 1 + = 5000 × Γ 3 = 5000 × 2 = 10.000 ℎ𝑜𝑟𝑎𝑠
𝛽 1/2
1 1 3
b) 𝐸 𝑋 = 𝛼Γ 1 + = 10000 × Γ 1 + = 10000 × Γ = 10000 × 0,8862 = 8.862 ℎ𝑜𝑟𝑎𝑠
𝛽 2 2