Variável Aleatória Contínua

• Uma variável aleatória cujos valores são expressos em uma escala

contínua é dita uma variável aleatória contínua.

• Definição: uma variável aleatória é contínua quando o conjunto de

valores possíveis (imagem) for inumerável.

• Se o conjunto imagem é inumerável, não há sentido em falar de

valores específicos e portanto: P (X = k) = 0

• Exemplos:
• volume de água perdido por dia, num sistema de abastecimento;
• resistência ao desgaste de um certo tipo de aço, num teste padrão;
• tempo de resposta de um sistema computacional;
• grau de empeno em um azulejo que sai da linha de produção.
Variável Aleatória Contínua
Função Densidade de Probabilidade

• Definição: para uma variável aleatória contínua X, uma função

densidade de probabilidade é uma função tal que:

(1) f(x) ≥ 0

∞
(2) ∫- ∞ f(x) dx = 1
b

(3) P(a ≤ x ≤ b) = ∫ f(x) dx = área sob a curva de a até b para qualquer

a
a, b.
Variável Aleatória Contínua

• Probabilidade determinada a partir da área sob a curva:

Função Repartição de Probabilidades

• Definição: a função repartição de probabilidade (função de

probabilidade acumulada) de uma variável aleatória contínua X é:

F (k) = P(X ≤ k) = ∫- ∞f(x) dx , - ∞ ≤ k ≤ + ∞

-∞ k +∞
Esperança, Variância e Desvio-Padrão
• Definição: suponha que X seja uma variável aleatória contínua com
uma função densidade de probabilidade f(x). A média ou o valor
esperado de X é dado por:

∞
E(x) = µ = ∫- ∞ x.f(x)dx
• A variância de X, denotada por V(X) ou ơ2 :
∞
V(X) = ∫- ∞ x . f(x)dx – µ
2 2

• Desvio padrão:
Ơ(X) = [V(X)]1/2
Exemplo
• Seja X a Variável Aleatória Contínua que representa a temperatura
(em graus) de certa experiência, tal que sua função densidade de
probabilidades é dada por:

f (x) = 2x para 0 ≤ x ≤ 1;
0 para x < 0 ou x >1.

• Se medirmos a temperatura em um instante qualquer:

a) qual a probabilidade de a temperatura ser inferior a 0,75 graus?
b) qual o valor esperado (média) para a temperatura?
c) qual o desvio-padrão?
Resposta
a)
0,75

∫
0,75
P(X < 0,75) = 2x dx = 2. (x2/2) = 0,56
0
0

1 1
b)
E(X) = ∫
0
x. 2x dx = 2 .(x3/3 ) = 0,67
0
Resposta
c) A Variância de X é dada por:
1

V(X) = ∫ x . f(x)dx – µ = ∫ x . 2x dx – (0,67)

2 2
0
2 2 =
1

= 2. (x4/4) - 0,45 = 0,05

0

O Desvio-Padrão de X é: б(x) = [ V(x) ]½ = 0,22

Exercício

• Suponha que o tempo de resposta de um microprocessador (em

segundos) possa ser representado por uma variável aleatória
contínua cuja função densidade é dada abaixo. Encontre a
probabilidade de num certo comando esse tempo superar 3
segundos?
Exercício

• Qual o valor esperado e o desvio padrão do tempo de resposta

desse microprocessador?

E(t) = ∫ t. f(t) dt = ∫ t. 2e
0
-2t dt =

Var (t) = E (t2) - µ2 =

∞

onde E(t2) = ∫ t .2e

0
2 -2t dt =
Exercício
• Um posto de gasolina recebe o combustível uma vez por semana.
As vendas do passado sugerem uma função densidade de
probabilidade das vendas semanais X, medidas em milhares de
litros, dada por:

X - 1 se 1< X < 2
f(x)= 3 - X se 2 < X < 3
0 caso contrário.

Calcule
a) a probabilidade de que, em dada semana sejam vendidos 1,5 a
1,8 milhares de litros. R: 0,1950
b) a média de vendas semanais. R: 2,0
 Distribuição de Probabilidades Uniforme

• Seja uma variável aleatória contínua X cuja função densidade de

probabilidade é dada por:

f(x) = __1__ , a ≤ x ≤ b,
b–a
terá uma distribuição de probabilidades Uniforme.

• Notação: x ~ U (a, b).

• A distribuição Uniforme atribui uma densidade igual ao longo de um

intervalo (a,b).
Graficamente

∫ f (x) dx = 1 (área do retângulo)

b
∫
a
__dx___ = 1
b–a
Função Repartição, Esperança, Variância
Esperança Matemática
Variância
Exemplo

Dada a variável aleatória contínua x que denota a corrente

elétrica em um fio medida em mA. Considere que x varie
uniformemente dentro do intervalo (0, 20mA). Calcule:
a) a probabilidade da corrente elétrica medida estar entre 5
e 10 mA.
b) o valor médio e o desvio padrão da corrente elétrica.
Resposta

x ~ U (0, 20)

10

a) P (5 ≤ x ≤ 10) = ∫
5 ___1___ dx = (10 – 5) / 20 = 0,25
(20 – 0)

b) E (x) = (a + b) / 2 = (20 + 0) / 2 = 10 mlA

Var (x) = (b – a)2 / 12 = 400/12 = 33,33
σ (x) = √ 33,33 = 5,77 mlA
Exercício

• Seja X uma variável aleatória contínua que representa o tempo de

usinagem de uma peça numa certa indústria. Suponha que o tempo
de usinagem pode ser qualquer valor no intervalo de 120 até150
minutos. Suponha ainda que os intervalos de um minuto são
equiprováveis. Encontre:

a) Probabilidade de uma usinagem durar menos que 130 minutos;

b) Probabilidade de uma usinagem durar entre que 123 e 143

minutos;

c) Tempo esperado da usinagem;

d) Desvio padrão do tempo de usinagem.

Resposta

a) P (X < 130) = (130 – 120) / (150 – 120) = 1/3

b) P (123 < X < 143) = (143 – 123) / (150 – 120) = 2/3

c) E(X) = (120 + 150) / 2 = 135 minutos;

d) Var (X) = (150 – 120)2 / 12 = 75

ơ (X) = (75)1/2 = 8,66 minutos.

Distribuição de Probabilidades Normal

• Seja X uma variável aleatória contínua cuja função densidade

de probabilidades é dada por:

-∞ < x<+∞

• Então dizemos que X tem distribuição Normal (ou Gaussiana)

de probabilidades.
• Notação: x ~ N(µ, σ2)
Distribuição de Probabilidades Normal
• A distribuição Normal ou Gaussiana é uma distribuição
simétrica em torno da sua média e em forma de sino;
• Sua forma dependerá dos valores dos parâmetros
média (µ) e variância (σ2) da distribuição;
• Se x ~ N(µ, σ2) significa que x tem distribuição Normal
com média µ e variância σ2;
• x = µ é o ponto de máximo da função f(x);
• Os pontos de inflexão são dados por: µ + σ e µ – σ;
• f (x) → 0 quando x → ± ∞
Graficamente

-∞ +∞
Função Densidade da Normal

-∞ < x<+∞
Distribuição Normal – função densidade
Distribuição Normal Padrão
 Se x ~ N(µ, σ2) → z ~ N(0, 1)

P(x1≤ x ≤ x2) = P{(x1 – µ)/σ ≤ z ≤ ( x2 – µ )/σ} =P(z1 ≤ z ≤ z2)

Exemplo: Se x ~ N(100, 25) encontre:

a) P(100 ≤ x ≤ 110) ;
b) P(90 ≤ x ≤ 110) ;
c) P(95 ≤ x ≤ 100) ;
d) P(90 ≤ x ≤ 95) ;
e) P( x ≤ 104) ;
Se x ~ N(100, 25);

a) P(100 ≤ x ≤ 110) = P{ (100 -100)/5 ≤ z ≤ (110 -100)/5} =

= P(0 ≤ z ≤ 2);

b) P(90 ≤ x ≤ 110) = P{ (90 -100)/5 ≤ z ≤ (110 -100)/5} =

= P(-2 ≤ z ≤ 2);

c) P(95 ≤ x ≤ 100) = P{ (95 -100)/5 ≤ z ≤ (100 -100)/5} =

= P(-1 ≤ z ≤ 0);

d) P(90 ≤ x ≤ 95) = P{ (90 -100)/5 ≤ z ≤ (95 -100)/5} =

= P(-2 ≤ z ≤ -1);

e) P( x ≤ 104) = P{ z ≤ (104 -100)/5 = P (z ≤ 0,8);

Tabela Normal Padrão
P (0 ≤ z ≤ z0)

Tabela Normal
 Ex: Seja z ~ N(0, 1), encontre:

a)

P (0 ≤ z ≤ 1,71) = 0,4564
Ex: Seja z ~ N(0, 1), encontre:

b)

P (0 ≤ z ≤ 1,71) + 0,5 = 0,4564 + 0,5 = 0,9564

Ex: Seja z ~ N(0, 1), encontre:

c)

P (1,32 ≤ z ≤ 1,79) = P (0 ≤ z ≤ 1,79) - P (0 ≤ z ≤ 1,32) =

= 0,4633 – 0,4066 = 0,0567
Ex: Seja z ~ N(0, 1), encontre:

d)

P (z ≥ 1,5) = 0,5 - P (0 ≤ z ≤ 1,5) =

= 0,5 – 0,4332= 0,0668
Ex: Seja z ~ N(0, 1), encontre:

e)

P (-1,32 ≤ z ≤ 0) = P (0 ≤ z ≤ 1,32) = 0,4066

Ex: Seja z ~ N(0, 1), encontre:

f)

P (z ≤ -1,3) = 0,5 - P (-1,3 ≤ z ≤ 0) = 0,5 - P (0 ≤ z ≤ 1,3)

= 0,5 – 0,4032= 0,0968
Ex: Seja z ~ N(0, 1), encontre:

g)

P (-2,3 ≤ z ≤ -1,49) = P (-2,3 ≤ z ≤ 0) - P (-1,49 ≤ z ≤ 0) =

= P (0 ≤ z ≤ 2,3) - P (0 ≤ z ≤ 1,49) = 0,4893 – 0,4319 = 0,0574
Como encontrar o valor z na N(0, 1) tal que
P(0 ≤ Z ≤ z) = 0,4975

P (0 ≤ Z ≤ z) = 0,4975 → por busca inversa na tabela

normal padrão encontramos que z = 2,81.
Como encontrar o valor z na N(0, 1) tal que
P(Z ≤ z) = 0,975

P(Z ≤ z) = 0,975 = 0,5 + P (0 ≤ Z ≤ z) = 0,5 + 0,475 → por

busca inversa na tabela normal padrão encontramos
que z = 1,96.
Como encontrar o valor z na N(0, 1) tal que
P(Z ≥ z) = 0,3

P(Z ≥ z) = 0,3 = 0,5 - P (0 ≤ Z ≤ z) = 0,5 - 0,3 = 0,2 → por

busca inversa na tabela normal padrão encontramos
que z = 0,52.
Como encontrar o valor z na N(0, 1) tal que
P(Z ≥ z) = 0,975

P(Z ≥ z) = 0,975 = 0,5 + P (-z ≤ Z ≤ 0) = 0,5 - 0,475 → por

busca inversa na tabela normal padrão encontramos
que z = - 1,96.
Como encontrar o valor z na N(0, 1) tal que
P(Z ≤ z) = 0,10

P(Z ≤ z) = 0,10 = 0,5 - P (-z ≤ Z ≤ 0) = 0,5 - 0,4 → por

busca inversa na tabela normal padrão encontramos
que z = - 1,28.
 Exemplo: Seja x ~ N (10,64), encontre:

a) P(6 < X < 12) = P 6 – 10 ≤ z ≤ 12 – 10 = P(-0,5 ≤ z ≤0,25)

8 8

P (0 ≤ z ≤ 0,5) + P (0 ≤z ≤0,25) =
= 0,1915 + 0,0987 = 0,2902
 Exemplo: Seja x ~ N (10,64), encontre:

b) P(X < 8) + P (X > 14) = P z ≤ 8 - 10 + P z ≥ 14 - 10 =

8 8

0,5 - P (0 ≤ z ≤ - 0,25) + 0,5 - P (0 ≤z ≤0,5)

= 1 – (0,0987 + 0,1915 ) = 0,7098
 Exemplo: Seja x ~ N (10,64), encontre:

c) P( X ≥ k) = 0,05 → P z ≥ k - 10 = 0,05
8

P (0 ≤ z ≤ zk) = 0,45 → zk = 1,64

Logo k = 10 + 1,64 x 8 = 23,12
 Exemplo: Seja x ~ N (10,64), encontre:

d) P( X ≤ k) = 0,025 → P z ≤ k - 10 = 0,025
8

P (- zk ≤ z ≤0) = 0,475 → zk = -1,96

Logo k = 10 - 1,96 x 8 = -5,68
Exercícios
1) O tempo gasto no exame vestibular de uma universidade tem
distribuição Normal, com µ = 120 min e б = 15 min.
a) Sorteando-se um aluno ao acaso, qual a probabilidade
dele terminar o exame antes de 100 minutos?
b) Qual deve ser o tempo de prova, de modo a permitir que
95% dos vestibulandos terminem no prazo estipulado?
R: a. 0,0918; b. 144,6 min.

2) O diâmetro do eixo de um “drive” óptico de armazenagem é

normalmente distribuído com média 0,2508 cm e desvio padrão
0,0005 cm. As especificações do eixo são 0,2500 ± 0,0015 cm.
Que proporção de eixos obedece às especificações?
R: 0,91924.
Exercício da Lista

3) A máquina de empacotar um determinado produto o faz segundo

uma distribuição normal, com média µ e desvio um padrão 10g. Em
quanto deve ser regulado o peso médio para que apenas 10% dos
pacotes tenham menos de 500g?

R: 512,80