Variavel Aleatória Continua

VARIÁVEIS ALEATÓRIAS
CONTÍNUAS
Variáveis Aleatórias
Definição: Seja E um experimento aleatório e S o espaço amostral associado a
esse experimento. Uma função X que associa o número real X(s) a cada elemento
s∈ S é chamada variável aleatória (V.A.).
X:S→R
Exemplo: Seja X uma variável aleatória.
X = “Inflação mensal”
X  
X = “Notas finais da disciplina de Probabilidade”
X  
X = “Altura dos alunos do IME”

 Variáveis Aleatórias Contínuas
Definição: uma variável aleatória é contínua se existir uma função f(x)

tal que:
i. f ( x)  0

ii.  f ( x)dx  1

A função f(x) é chamada função densidade de probabilidade (f.d.p.).

 Variáveis Aleatórias Contínuas
Se X é uma variável aleatória contínua, então:
b
P(a  x  b)   f ( x)dx
a
• Função distribuição acumulada (Repartição): Seja X uma variável
aleatória contínua. Define-se por função distribuição acumulada a
seguinte expressão:
x
FX ( x)  F ( x)  P( X  x)   f (t )dt

Se X é uma variável aleatória contínua, temos que:

dF ( x)
 f ( x) ou f ( x)  F '( x)
dx
• Gráfico da função distribuição acumulada (Repartição):
• Esperança matemática (Valor esperado ou média): define-se valor esperado
ou média de uma variável aleatória contínua X por:

 X  E ( x)   x . f ( x) dx

• Propriedades: Sejam X e Y variáveis aleatórias e a e b constantes. Então:
cov( X , Y )  E ( X , Y )  E ( X ).E (Y )
Ou ainda,
• Variância:

 X2  Var ( X )  V ( X )   ( x   x ) 2 . f ( x) dx

ou
V ( X )  E ( X 2 )  E ( X )
2

onde E ( X )   x 2 f ( x)dx
2

• Desvio-padrão:  x  DP( X )  V ( X )
• Propriedades: Sejam X e Y variáveis aleatórias e a e b constantes. Então:
i) 𝑉 𝑎 =0
ii) 𝑉 𝑎𝑋 + 𝑏 = 𝑎2 . 𝑉 𝑋
iii) 𝑉 𝑎𝑋 ± 𝑏𝑌 = 𝑎2 . 𝑉 𝑋 + 𝑏 2 𝑉 𝑌 , se 𝑋 e 𝑌 forem independentes.
iv) 𝑉 𝑎𝑋 ± 𝑏𝑌 = 𝑎2 . 𝑉 𝑋 + 𝑏 2 . 𝑉 𝑌 ± 2𝑎𝑏. cov 𝑋, 𝑌
Onde cov( X , Y )  E ( X , Y )  E ( X ). E (Y )
Observe que se X e Y forem independentes, cov( X , Y )  0

 Distribuições de Probabilidade Contínuas
• Distribuição Uniforme
Uma variável aleatória tem distribuição uniforme no intervalo a, b se sua
função densidade de probabilidade é dada por:
k , se a  x  b
f ( x)  
0, caso contrário
• Distribuição Uniforme
Pela condição ii) da definição de variável aleatória contínua, temos:
∞ 𝑏
1
𝑓 𝑥 𝑑𝑥 = 1 → 𝑘𝑑𝑥 = 1 → 𝑥 =
𝑏−𝑎
−∞ 𝑎
Então,
 1
 , se a  x  b
f ( x)   b  a
 0, caso contrário Notação : X ~ U [a, b]
• Função de distribuição acumulada
x
F ( x)   f (t )dt

x 1 1 xa
F ( x)   dt  .t a 
x
a ba ba ba
• Esperança Matemática

E ( X )   x . f ( x) dx

2 b
b 1 1 t 1  b2 a 2 
E( X )   t dt  .  .   
a ba ba 2 a
ba  2 2 
1  b 2  a 2  (b  a).(b  a ) a  b
 E( X )  .  
ba  2  2(b  a) 2
• Variância
V ( X )  E ( X )  E ( X )
2 2
 b  a
2
V (X ) 
12
• Distribuição Exponencial
 e   x , se x  0 Notação : X ~ Exp( )
f ( x) 
 0, caso contrário
1 1
E( X )  e V (X ) 
 2
Verificar se f(x) é de fato uma função densidade de probabilidade?

Qual a função de distribuição acumulada da distribuição exponencial?

1
Provar que : E ( X ) 

Exemplo 1: Uma empresa de computadores verificou que a vida média dos notebooks
de sua fabricação é de 900 dias e que essa vida média segue uma distribuição
exponencial. Qual a probabilidade de que a empresa tenha que substituir um
notebook gratuitamente, se a mesma oferece uma garantia de 700 dias?
• Distribuição Normal
Uma variável aleatória contínua X tem distribuição normal se sua função densidade de
probabilidade é dada por:
1  x 
2
1   
2  
f ( x)  .e ,   x  
2 
Onde μ e σ2 são a média e a variância respectivamente. Assim:
E( X )   e V ( X )   2 Notação : X ~ N (  ,  2 )
• Curva Normal
• Propriedades da Curva Normal

• Distribuição Normal Padrão (Padronizada)
X  1  12 z 2
Z  Z ~ N (0,1)  f ( z )  e ,   z  
 2

 X    E( X )  
E (Z )  E   0
   
2
 X    V (X )
V (Z )  V   1
    2
• Curva Normal Padrão

• Propriedades da Curva Normal Padrão

• Função de Distribuição Acumulada da Normal Padrão
F ( z )  ( z )  P( Z  z )
• Tabela da Distribuição Normal Padrão
P(0  Z  z )
• Utilizando a Tabela da Distribuição Normal Padronizada

Exemplo2: Seja X uma V. A. que representa o salário mensal do brasileiro. Sabe-se
que a referida variável segue uma distribuição normal com média de 1200 reais e um
desvio-padrão de 400 reais. Qual a probabilidade de que um cidadão brasileiro:
a) Ganhe mais de 1500 reais.
b) Ganhe entre 800 e 2000 reais.
a) Ganhe mais de 1500 reais.
P(X > 0,75)
b) Ganhe entre 800 e 2000 reais.
P(-1 ≤ X ≤ 1,5)
• Combinação Linear de Distribuições Normais

seja W=aX+bY+c, onde a, b e c são constantes e X e Y são independentes e
identicamente distribuídas com distribuição N(μ, σ2), então:
E (W )  a. E ( X )  b. E (Y )  c  a   b  c  (a  b)   c
V (W )  a 2 .V ( X )  b 2 .V (Y )  a 2  b 2  (a  b) 2

Variavel Aleatória Continua

Enviado por

Dados do documento

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

Variavel Aleatória Continua

Enviado por

Direitos autorais:

Formatos disponíveis

VARIÁVEIS ALEATÓRIAS

X = “Notas finais da disciplina de Probabilidade”

X = “Altura dos alunos do IME”

Definição: uma variável aleatória é contínua se existir uma função f(x)

A função f(x) é chamada função densidade de probabilidade (f.d.p.).

Se X é uma variável aleatória contínua, então:

Se X é uma variável aleatória contínua, temos que:

Observe que se X e Y forem independentes, cov( X , Y )  0

• Função de distribuição acumulada

Verificar se f(x) é de fato uma função densidade de probabilidade?

Qual a função de distribuição acumulada da distribuição exponencial?

• Propriedades da Curva Normal

• Distribuição Normal Padrão (Padronizada)

• Curva Normal Padrão

• Propriedades da Curva Normal Padrão

• Função de Distribuição Acumulada da Normal Padrão

• Utilizando a Tabela da Distribuição Normal Padronizada

• Combinação Linear de Distribuições Normais

Você também pode gostar