TEXTO DE APOIO 2023

EXTENSÃO DE CABO DELGADO

DEPARTAMENTO DE CIÊNCIAS, TECNOLOGIA, ENGENHARIA E MATEMATICA
Curso de Licenciatura em Ensino de Matemática com Habilitações em Física
Cadeira: Introdução a Teoria de Probabilidades 3º Ano

VARIÁVEIS ALEATÓRIAS CONTINUAS

Diz-se que uma variável aleatória X é contínua, quando ela pode tomar qualquer valor
real pertencente ao intervalo dado de forma continua, por exemplo no intervalo
( )

FUNÇÃO DE DISTRIBUIÇÃO ACUMULADA DE VARIÁVEIS CONTÍNUAS

É possível em certos casos, determinar a probabilidade de observar um valor

compreendido num intervalo dado ( ), isto é: ( )

Em geral esta possibilidade tende a zero quando o acréscimo da variável tende a zero
( ), isto é, a probabilidade de uma variável aleatória continua obter exactamente
um valor é nula. Donde se conclui, que a noção de distribuição de probabilidades deixa
de ter sentido para uma variável continua; pelo contrário a função de distribuição
conserva o seu significado.

Denomina-se função de distribuição acumulada ( ) de uma variável aleatória

continua X, a função ( ) que cada x faz corresponder a probabilidade de que X
assuma um valor estritamente inferior a este x.

( ) ( )

Deve-se notar que para variáveis aleatórias continuas, a função de distribuição ou

partição poderá ter expressões em x em alguns intervalos do seu domínio:

PROPRIEDADES DA FUNÇÃO DE DISTRIBUIÇÃO

Propriedade 1.

Os valores de ( ) pertecem ao intervalo [ ] ( )

Propriedade 2.

Variáveis aleatórias discretas e continuas | docente: Cistélio Armando Pequenino Muando 1

 TEXTO DE APOIO 2023

A função de distribuição ( ) é crescente: ( ) ( )

Corolário 2.1

A probabilidade de que uma V.a.c. X assuma um valor num intervalo ( ) é igual ao

acréscimo da função de distribuição de X neste intervalo.

( ) ( ) ( )

Corolário 2.2

A probabilidade de que uma v.a.c. X assuma um valor é nula.

( )

Propriedade 3.

Se o domínio de uma variável X estiver compreendido num intervalo ( ) então a

função de distribuição ( ) dessa variável satisfaz as relações:

( )

( )

Exemplo.

Dada a função de distribuição da variável aleatória continua X, a saber:

( ) {

Calcular a probabilidade de que X assuma um valor:

a) Inferior a 0.2;
b) Inferior a 3;
c) Igual ou superior a 3;
d) Igual ou superior a 5.
Resolução

Tendo em conta as probabilidades da função ( ) temos

a) Para tem-se ( ) em particular ( ) de onde ( )

Variáveis aleatórias discretas e continuas | docente: Cistélio Armando Pequenino Muando 2

 TEXTO DE APOIO 2023

b) Como 3 está no intervalo ] ], vamos usar a formula:

( ) ( ) ( ) para o intevalo , portanto:
( ) ( ) ( ) ( ) ( )

( ) ( )

c) Os acontecimentos e são complementares, isto é: ( )

( ) então:
( ) ( ) ( )

FUNÇÃO DENSIDADE DE PROBABILIDADES

O cálculo de probabilidades para uma variável contínua é observado para um

intervalo dado:

( )

Por outro lado, se a função de distribuição ( ) é expressa sob forma analítica for
derivável então:

( ) ( )
( )

O quociente entre a variação da função e a variação do argumento quando

.

Tende a função ( ), chamada função densidade de probabilidades (f.d.p) ou

simplesmente densidade de probabilidades (d.p)

Denomina-se densidade de probabilidade de uma variável aleatória X, a primeira

derivada da sua função de distribuição.

( ) [ ( )]

A função ( ) constitui uma forma idealizada da frequência unitária ou densidade

frequência, uma vez que é definida a partir do quociente de função massa de
probabilidades relativa a um intervalo dado pelo comprimento desse intervalo. A
probabilidade é expressa através da função densidade de probabilidades da seguinte
forma:

Variáveis aleatórias discretas e continuas | docente: Cistélio Armando Pequenino Muando 3

 TEXTO DE APOIO 2023

( ) ∫ ( ) ( ) ( )

Da fórmula anterior, conclui-se que, se é conhecida a densidade de probabilidades

( ), a função de distribuição acumulada é encontrada pela fórmula:

( ) ∫ ( )

PROPRIEDADES DA FUNÇÃO DENSIDADE DE PROBABILIDADES

Naturalmente sendo ( ) proporcional a probabilidade, as três propriedades

fundamentais são mantidas:

Propriedade 1.

A função densidade de probabilidades é sempre positiva: ( )

Propriedade 2.

A área total limitada pela função densidade de probabilidade e pelo eixo OX é igual
a unidade ou 100%.

( ) ∫ ( )

Propriedade 3.

A probabilidade de que uma variável aleatória continua X, assuma um valor no

intervalo ( ) é dada pela formula de Newton-Leibniz.

( ) ( ) ( ).

De um modo geral o conjunto dos valores admitidos para uma v.a.c. e função ( )
correspondente define uma distribuição teórica continua, que é uma forma
idealizada das frequências relativas agrupadas em classe sob forma de variáveis
contínuas. Rigorosamente, quando o número de classe aumenta, o polígono de
distribuição de frequências acumuladas aproxima-se a uma linha cuja equação é a
função de distribuição.

Exemplo 1.

Seja X, uma v.a.c. com a seguinte função densidade de probabilidades.

Variáveis aleatórias discretas e continuas | docente: Cistélio Armando Pequenino Muando 4

 TEXTO DE APOIO 2023

( ) ,

a) Construa a sua função de distribuição das probabilidades.

b) Calcule a probabilidade de que x assuma um valor no intervalo * +

Resolução

a) Usando as propriedades da função ( ) temos:

Para ; ( ) ∫

Para ( ) ∫ ∫

Para ; ( ) ∫ ∫ ∫

Logo a função de distribuição procurada é:

( ) {

b) ( ) ( ) ( ) ( ) ( )

Exemplos 2.

Uma variável aleatória contínua tem a seguinte função densidade de probabilidade.

( ) {

a) Determinar o valor da constante k.

b) Determinar a função de distribuição ( ) para os intervalos indicados.
Resolução

a) Usando a propriedade 2 da função densidade de propriedades, ∫ ( ) ,

teremos:

∫ ∫ ∫ então

b) Vamos usar as propriedades da função ( )

Para ; ( ) ∫

Variáveis aleatórias discretas e continuas | docente: Cistélio Armando Pequenino Muando 5

 TEXTO DE APOIO 2023

Para ( ) ∫ ∫

Para ; ( ) ∫ ∫ ∫

Portanto a função ( ) procurada é:

( ) {

CARACTERÍSTICAS NUMÉRICAS DAS VARIÁVEIS ALEATÓRIAS

CONTÍNUAS

Definição:

Se X é uma variável aleatória continua, com a função densidade de probabilidade

( ), o valor esperado de X é definida por:

( ) ∫ ( )

O valor esperado de X é também chamado de média ou esperança matemática ou

simplesmente esperança der X. Tal como no caso de variável aleatória discreta, as
vezes é denotada por ( )

Se o domínio da variável X é um intervalo finito [ ], os limites de integração

serão substituídos por e

( ) ∫ ( )

Se x for expresso por uma função de argumento aleatório, por exemplo ( ), então:

( ) ∫ ( ) ( )

Variáveis aleatórias discretas e continuas | docente: Cistélio Armando Pequenino Muando 6

 TEXTO DE APOIO 2023

Observação:

Todas as propriedades da ( ) consideradas para variáveis aleatórias discretas são

também validas para variáveis aleatórias contínuas.

Definição.

Se X é uma variável aleatória continua, cuja esperança é ( ) , então a

variância e desvio padrão de X são respectivamente definidos por:

( ) ∫ ( ( )) ( )

∫ ( ) (∫ ( ) ) ( ) ( )

( ) √ ( ) √ ( ( ))

DISTRIBUIÇÃO DE VARIÁVEIS ALEATÓRIAS

DISTRIBUIÇÃO UNIFORME OU RECTANGULAR

A distribuição uniforme é valida para situações nas quais as probabilidades de todos os

sucessos são iguais. E diz-se que uma variável é uniformemente distribuída se a sua
densidade de probabilidade permanecer constante num intervalo [a; b].

( ) {

A sua função de distribuição acumulada é:

( ){

Os gráficos da função densidade de probabilidade e da função de distribuição

acumulada são ilustrados a seguir.

Variáveis aleatórias discretas e continuas | docente: Cistélio Armando Pequenino Muando 7

 TEXTO DE APOIO 2023

f(x)

a b

Função densidade de probabilidade

F(x)

a b

Função de distribuição acumulada.

PROPRIEDADES DA DISTRIBUIÇÃO UNIFORME

1. Media ou esperança matemática: ( )

( )
2. Variância Var (x)

3. Desvio Padrão: ( )
√

Exemplo.

Um ponto é escolhido ao acaso no segmento de recta [0; 2]. Qual será a probabilidade
de que o ponto escolhido esteja entre 1 e 3/2.

Resolução:

Seja X a variável que representa um ponto no segmento [0;2]. A função densidade da

Variável X é dada por:

Variáveis aleatórias discretas e continuas | docente: Cistélio Armando Pequenino Muando 8

 TEXTO DE APOIO 2023

( ) {

Ou então

( ) {

A sua função de distribuição acumulada é:

( ) {

Como 1 e 3/2 está no intervalo [0; 2], a probabilidade procurada será:

( ) ( ) ( )

O intervalo de tempo de duração de pequenos anúncios públicos é estimado entre 5 e 12

minutos. Admitindo que a duração de cada anuncio é aleatória e todos os anúncios
distribuem-se uniformemente no intervalo indicado.

a) Indique a função densidade de distribuição das probabilidades.

b) Escreva a função de distribuição acumulada das probabilidades.
c) Qual é a probabilidade de um anúncio ter uma duração inferior a 8 minutos. E
entre 8 a 10 minutos.
d) Calcule a duração média dos anúncios.
Resolução:

a) Substituindo na formula geral f (x) os valores de a e b temos:

( ) {

b) A função de distribuição acumulada correspondente é:

( ) { ( )

Variáveis aleatórias discretas e continuas | docente: Cistélio Armando Pequenino Muando 9

 TEXTO DE APOIO 2023

c) ( ) ( ) ( ) ( ) ( ) ( )

( )

d) ( )

DISTRIBUIÇÃO EXPONENCIAL

A distribuição de probabilidade do intervalo de tempo t em que o evento ocorre com

uma intensidade entre dois sucessos consecutivos de uma lei de poisson é a
distribuicao exponencial. A funcao densidade de probabilidades é dada por:

( ) ,

Partindo da função densidade de probabilidades, pode-se obter a função de distribuição

acumulada F(x).

( ) ,

PROPRIEDADES DA DISTRIBUIÇÃO EXPONENCIAL

1. Média ou esperança matemática: ( )

2. Variância: ( )

3. Desvio Padrão: ( )

Exemplo.

O tempo de espera em minutos numa paragem de autocarros. Obedece a distribuição

exponencial com intensidade igual a 3 minutos. Considere a variável tempo de espera
como um processo aleatório e responda as seguintes alíneas.

a) Obtenha a função de distribuição acumulada da variável X.

b) Determine a media e desvio padrão de X.
c) Qual é a probabilidade de que X assuma um valor entre 0.6 a 2 minutos.
Resolução:

a) ( ) ,

b) ( ) e ( ) ; ( ) ( )

( ) ( ) ( )
c)

Variáveis aleatórias discretas e continuas | docente: Cistélio Armando Pequenino Muando 10

 TEXTO DE APOIO 2023

DISTRIBUIÇÃO NORMAL

A distribuição normal é uma das mais importantes distribuições das variáveis aleatórias
em estatística. Pois muitos dos fenómenos na vida real são comparados com a
distribuição normal, por exemplo: a altura de um indivíduo, peso, idade, grau de
coeficiente de inteligência, nível de distribuição de gauss, Laplace ou Laplace-Gauss.

Uma variável aleatória continua X diz-se que é normalmente distribuída se a sua função
densidade de probabilidade f(x) é definida pela seguinte formula.

( ( ) )
( )
√

Se a variável X com média e desvio padrao for expressa em unidades reduzidas

(escores reduzidos) atraves da variavel Z, onde , pode se mostrar que z é

tambem normal com media ( ) e var (x) e a funcao ( ) passa para

( )
√

PROPRIEDADES DA DISTRIBUIÇÃO NORMAL

1. Média ou esperança matemática ( )

2. Variância: Var (x)= npq, desvio padrão: ( ) √
3. ( ) é simetrico: ( ) ( ) ( )

4. ( ) tem o maximo para ou ( )

√

FUNÇÃO DE DISTRIBUIÇÃO ACUMULADA DE PROBABILIDADES

A função de distribuição acumulada da variável aleatória normalmente distribuída é

dada pela expressão.

( ( ) )
( ) ∫ ( ) ∫
√

Quando x é expresso em unidades reduzidas, a função de distribuição acumulada será:

( )
( ) ∫ ( ) ∫
√

Variáveis aleatórias discretas e continuas | docente: Cistélio Armando Pequenino Muando 11

 TEXTO DE APOIO 2023

A função ( ) é usada para o cálculo de probabilidades atraves de tabelas que oferecem

as areas sob a curva normal padrão. A tabela que será usada nestes apontamentos é a
tabela de faixa central.

Caso1. A probabilidade de que uma variável aleatória normal z, assuma um valor no

intervalo [ ] é dada pela lei de Newton-Leibniz.

( ) ( ) ( )

Onde são escores reduzidos; ( ) ( ) a função é impar e ( )

os valores de ( ) estão na tabela z.

Exemplo 1.

Calcular a probabilidade de que z esteja no intervalo ( )

( ) ( ) ( )

( ) ( )

( ) ( )
Caso 2. ( ) ( ) ( ), onde e

Exemplo 2.

O salário semanal dos operários de uma certa empresa é normalmente distribuído em

torno de uma média de 180 meticais com meticais com desvio padrão de 25 meticais.

a) Encontre a probabilidade de um operário ter um salário semanal situado entre

150 a 178 meticais.
b) Dentro de que desvios de ambos os lados da media, cairão 96% dos salários.
Resolução:

Dados:

( )
a)
( )

( ) ( ) ( )

Variáveis aleatórias discretas e continuas | docente: Cistélio Armando Pequenino Muando 12

 TEXTO DE APOIO 2023

( )
( )
b) ( ) ( ) , então ( ) ( )
Para uma distribuição simétrica como a normal padrão ( ) ( ) de onde
( ) , entao . Usando a transformacao para escores reduzidos temos:
entao:

O intervalo é 128.75
Caso 3. ( ) ( ) ( ) ( )

Caso 4. ( ) ( ) ( ) ( )

Exemplo 3.

As estaturas dos alunos de determinada escola são normalmente distribuídas com meia
de 1.60 m e desvio padrão 0.30 m. Encontrar a probabilidade de um aluno ter uma
estatura menor do que 1.48 m.

Resolução:

Dados:

Então

( ) ( ) ( )

( ( ) ( ))

Calcular a probabilidade de um valor x assuma um valor maior que -1.38

( ) ( )

( ( ) ( )

( )

Variáveis aleatórias discretas e continuas | docente: Cistélio Armando Pequenino Muando 13

 TEXTO DE APOIO 2023

Variáveis aleatórias discretas e continuas | docente: Cistélio Armando Pequenino Muando 14