Escolar Documentos
Profissional Documentos
Cultura Documentos
DISTRIBUIÇÕES
CONTÍNUAS
Distribuições contínuas
A distribuição Uniforme
𝟏
𝒇 𝒙 = 𝒃 − 𝒂 , 𝒔𝒆 𝒆 ∈ [𝒂, 𝒃]
𝟎, 𝒄𝒂𝒔𝒐 𝒄𝒐𝒏𝒕𝒓á𝒓𝒊𝒐
𝟏 𝟏
𝒇 𝒙 = 𝟕𝟎 − 𝟓𝟎 = 𝟐𝟎 , 𝒔𝒆 𝒙 ∈ [𝟓𝟎, 𝟕𝟎]
𝟎, 𝒄𝒂𝒔𝒐 𝒄𝒐𝒏𝒕𝒓á𝒓𝒊𝒐
Assim:
∞
𝑷 𝑿=𝒙 = 𝒇(𝒙)𝒅𝒙
−∞
𝟔𝟎 𝟔𝟎
𝟏 𝒙 𝟓 𝟏
𝑷 𝟓𝟓 ≤ 𝑿 ≤ 𝟔𝟎 = 𝒅𝒙 = = =
𝟓𝟓 𝟐𝟎 𝟐𝟎 𝟓𝟓 𝟐𝟎 𝟒
𝟔𝟎
𝟏
𝑷 𝟓𝟓 ≤ 𝑿 ≤ 𝟔𝟎 = 𝒅𝒙
𝟓𝟓 𝟐𝟎
Valor esperado, variância e função de distribuição
(𝒃−𝒂)𝟐
b) 𝑽𝒂𝒓 𝑿 = 𝟏𝟐
𝟎, 𝒔𝒆 𝒙 < 𝒂;
𝒙−𝒂
c) 𝑭 𝒙 = 𝒃−𝒂 , 𝒔𝒆 𝒂 ≤ 𝒙 ≤ 𝒃;
𝟏, 𝒔𝒆 𝒙 ≥ 𝒃
Assim no exemplo anterior o valor esperado, variância e função
de distribuição sendo que X tem distribuição uniforme em
[50,70], será:
𝒂 + 𝒃 𝟓𝟎 + 𝟕𝟎
𝑬 𝑿 = = = 𝟔𝟎
𝟐 𝟐
−𝝀𝒙
𝝀𝒆 , 𝒔𝒆 𝒙 ≥ 𝟎
𝒇 𝒙 =
𝟎, 𝒄𝒂𝒔𝒐 𝒄𝒐𝒏𝒕𝒓á𝒓𝒊𝒐
∞
𝟏 ∞
𝑷 𝑿 > 𝑬(𝑿) = 𝑷 𝑿 > = 𝝀𝒆−𝝀𝒙 𝒅𝒙 = −𝒆−𝝀𝒙 𝟏
𝝀 𝟏
𝝀
𝝀
𝟏𝟎 𝒔𝒐𝒃𝒓𝒆𝒄𝒂𝒓𝒈𝒂𝒔
𝝀= = 𝟓 𝒔𝒐𝒃𝒓𝒆𝒄𝒂𝒓𝒈𝒂𝒔/𝒂𝒏𝒐
𝟐 𝒂𝒏𝒐𝒔
𝑷 𝑿 < 𝟎, 𝟓 = 𝟏 − 𝒆𝒙𝒑(−𝝀. 𝒕)
∞
𝟏 −𝒙/𝟓𝟎𝟎
𝑷 𝑿 > 𝑬(𝑿) = 𝑷 𝑿 > 𝟓𝟎𝟎 = 𝒆 𝒅𝒙
𝟓𝟎𝟎 𝟓𝟎𝟎
∞
𝟏
𝑷 𝑿 > 𝟓𝟎𝟎 = −𝟓𝟎𝟎𝒆−𝒙/𝟓𝟎𝟎 = 𝒆−𝟏 = 𝟎, 𝟑𝟔𝟕𝟖
𝟓𝟎𝟎 𝟓𝟎𝟎
A distribuição Gama
𝝀𝒓 𝒓−𝟏 −𝝀𝒙
𝒇 𝒙 = 𝒙 𝒆 𝒑𝒂𝒓𝒂 𝒙 ≥ 𝟎
𝚪(𝒓)
𝒇 𝒙 = 𝟎 𝒑𝒂𝒓𝒂 𝒙 < 𝟎
∞
𝚪 𝒓 = 𝒙𝒓−𝟏 𝒆−𝒙 𝒅𝒙
𝟎
Algumas propriedades da função gama são:
𝚪 𝟏 =𝟏
𝚪 𝒓 + 𝟏 = 𝒓𝚪 𝒓
𝚪 𝒓 = (𝒓 − 𝟏)𝚪 𝒓 − 𝟏
𝚪 𝒌 + 𝟏 = 𝒌!
𝚪 𝟏/𝟐 = 𝝅
𝟏. 𝟑. 𝟓 … . (𝟐𝒌 − 𝟏)
𝚪 𝒌 + 𝟏/𝟐 = 𝒌
𝝅
𝟐
A Figura abaixo apresenta a função f(x) para vários valores de r.
No caso especial de 𝒓 = 𝟏, tem-se a distribuição exponencial, pois 𝚪 𝟏 = 𝟏,
ficando-se com:
𝒇 𝒙 = 𝝀𝒆−𝝀𝒙
𝒙
𝑷 𝑿≤𝒙 = 𝒇 𝒚 𝒅𝒚
𝟎
𝒓 𝒓
𝑬 𝑿 = 𝝀 e 𝑽𝒂𝒓 𝑿 = 𝝀𝟐
Exemplo: Tem-se numa faixa monitorada de frequências que a taxa de ruídos
indesejáveis por minuto é 5. Calcule a probabilidade de que passado um
minuto no máximo, dois ruídos sejam detectados sabendo que eles seguem
uma distribuição gama.
𝒙
𝑷 𝑿≤𝒙 = 𝒇 𝒚 𝒅𝒚
𝟎
𝒙
𝝀𝒓 𝒓−𝟏 −𝝀𝒚
𝑷 𝑿≤𝒙 = 𝒚 𝒆 𝒅𝒚
𝟎 𝚪(𝒓)
𝒙
𝝀𝒓 𝒓−𝟏 −𝝀𝒚
𝑷 𝑿≤𝒙 = 𝒚 𝒆 𝒅𝒚 = (𝟏 − 𝒆−𝝀𝒙 (𝟏 + 𝝀)
𝟎 𝚪(𝒓)
𝑷 𝑿 ≤ 𝟏 = (𝟏 − 𝒆−𝟓.𝟏 𝟏 + 𝟓 = 𝟏 − 𝟎, 𝟎𝟎𝟔𝟕𝟑𝟖. 𝟔 = 𝟎, 𝟗𝟔
Distribuição de Weibull
𝜶 𝜷−𝟏 − 𝒙 𝜷
𝒇 𝒙 = 𝜷𝒙 𝒆 𝜶 𝒄𝒐𝒎 𝜷 > 𝟎 𝒆 𝜶 > 𝟎
𝜶
𝟎 𝒔𝒆 𝒙 < 𝟎
𝜶
𝑭 𝒙 = 𝒙
𝟏 − 𝒆𝒙𝒑(−
𝜷
𝟏
𝑬 𝑿 = 𝜷𝚪 +𝟏
𝜶
𝟐
𝟐 𝟐
𝑽𝒂𝒓 𝑿 = 𝜷 𝚪 +𝟏 −𝚪 𝟏+ 𝜶+𝟏
𝜶
A função de confiabilidade da distribuição de Weibull é dada
por:
𝒙 𝜷
𝑹 𝒙 = 𝒆𝒙𝒑 − 𝒑𝒂𝒓𝒂 𝒙 > 𝟎
𝜶
A função de risco é dada por
𝜷 𝒙 𝜷−𝟏
𝑯 𝒙 = − 𝒑𝒂𝒓𝒂 𝒙 > 𝟎
𝜶 𝜶
𝟏
𝑬 𝑿 = 𝜷𝚪 +𝟏
𝜶
𝟐
𝑽𝒂𝒓 𝑿 = 𝜷𝟐 𝚪 +𝟏 −𝚪 𝟏+ 𝜶+𝟏 𝟐
𝜶
𝟏/𝜷
𝒙𝒑 = 𝜶(−𝒍𝒐𝒈 𝟏 − 𝒑 )
Exemplo: Suponha que o tempo de vida de um capacitor obedeça a
uma distribuição de Weibull com parâmetros 𝜶 = 𝟏𝟎𝟎. 𝟎𝟎𝟎 e
𝜷 = 𝟎, 𝟓. Qual a confiabilidade deste capacitor para um ano?
Qual o tempo de vida médio? Em quantas horas 10% dos
capacitores irão falhar?
𝜷 𝟎,𝟓
𝒙 𝟏𝟐. 𝟑𝟎. 𝟐𝟒
𝑹 𝒙 = 𝒆𝒙𝒑 − = 𝒆𝒙𝒑 − = 𝟎, 𝟕𝟒𝟑𝟖 = 𝟕𝟒%
𝜶 𝟏𝟎𝟎𝟎𝟎𝟎
𝟏
𝑬 𝑿 = 𝟏𝟎𝟎𝟎𝟎𝟎. 𝚪 + 𝟏 = 𝟏𝟎𝟎𝟎𝟎𝟎. 𝚪 𝟑 = 𝟏𝟎𝟎𝟎𝟎𝟎. 𝟐. 𝚪 𝟐
𝟎, 𝟓
= 𝟏𝟎𝟎𝟎𝟎𝟎. 𝟐. 𝟏. 𝚪 𝟏 = 𝟏𝟎𝟎𝟎𝟎𝟎. 𝟐. 𝟏. 𝟏 = 𝟐𝟎𝟎𝟎𝟎𝟎 𝒉𝒐𝒓𝒂𝒔
Para se determinar o tempo para a falha de 10% dos capacitores
deve-se determinar o quantil de 10%
𝟏/𝜷
𝒙𝒑 = 𝜶(−𝒍𝒐𝒈 𝟏 − 𝒑 )
𝟏
𝒙𝒑 = 𝟏𝟎𝟎𝟎𝟎𝟎(−𝒍𝒐𝒈 𝟏 − 𝟎, 𝟗 ) 𝟎,𝟓 = 𝟏𝟏𝟏𝟎, 𝟗𝟐 𝒉𝒐𝒓𝒂𝒔
Distribuição Normal
𝒇 𝒙
𝒙
2. 𝑿 = 𝝁 é o ponto de máximo de 𝒇 𝒙 ;
𝒇 𝒙
𝑿=𝝁 𝒙
𝒙
𝑿=𝝁
𝑿=𝝁 𝒙
𝑿−𝝁
Uma v.a. Z é dita normal padrão se 𝒁 = 𝝈 , sendo 𝑿 uma v.a. normal com valor
esperado 𝝁 e variância 𝝈𝟐 . Assim, pode-se mostrar que Z tem distribuição
normal com 𝑬(𝒁) = 𝟎 e 𝑽𝒂𝒓(𝒁) = 𝟏, ou seja,𝒁~𝑵(𝟎; 𝟏). Sua função é da
forma:
𝟏 −𝒛𝟐
𝒇 𝒛 = 𝒆 𝟐 , −∞ < 𝒙 < +∞
𝟐𝝅
𝑷 𝟏𝟏𝟐 < 𝑿 < 𝟏𝟏𝟒 = 𝑷 𝟐, 𝟒 < 𝒁 < 𝟐, 𝟖 = 𝑷 𝟎 < 𝒁 < 𝟐, 𝟖 − 𝑷 𝟎 < 𝒁 < 𝟐, 𝟒
𝑿 − 𝝁 𝟏𝟏𝟒 − 𝟏𝟎𝟎
𝒁= =
𝝈 𝟓
Supondo que uma v.a. X tem distribuição normal com média
100 e variância 25, qual será a probabilidade de X estar entre 112 e 114?
𝑿−𝝁 𝑿−𝟏𝟎𝟎
Temos que 𝒁 = . Assim 𝒁 = ~𝑵(𝟎, 𝟏), logo:
𝝈 𝟓
𝑷 𝟏𝟏𝟐 < 𝑿 < 𝟏𝟏𝟒 = 𝑷 𝟐, 𝟒 < 𝒁 < 𝟐, 𝟖 = 𝑷 𝟎 < 𝒁 < 𝟐, 𝟖 − 𝑷 𝟎 < 𝒁 < 𝟐, 𝟒
Supondo que uma v.a. X tem distribuição normal com média
100 e variância 25, qual será a probabilidade de X estar entre 112 e 114?
𝑿−𝝁 𝑿−𝟏𝟎𝟎
Temos que 𝒁 = . Assim 𝒁 = ~𝑵(𝟎, 𝟏), logo:
𝝈 𝟓
0 2,4 2,8
𝑷 𝒁 < 𝟏, 𝟕𝟒 = 𝟎, 𝟗𝟓𝟗𝟏
Exemplo: Qual a probabilidade de que 𝒁 < 𝟏, 𝟕𝟒
𝟎, 𝟓𝟎𝟎𝟎 𝟎, 𝟒𝟓𝟗𝟏
𝑷 𝒁 = 𝟎, 𝟖𝟔 = 𝟎, 𝟖𝟎𝟓𝟏
Dada uma distribuição normal padrão, encontre a área da curva que:
a) encontra-se a direita de 𝒁 = 𝟏, 𝟖𝟒
b) está entre 𝒁 = −𝟏, 𝟗𝟕 𝒆 𝒁 = 𝟎, 𝟖𝟔.
𝟎, 𝟓𝟎 − 𝟎, 𝟏𝟎𝟓𝟔
(𝟏 − 𝟎, 𝟖𝟗𝟒𝟒) = 𝟎, 𝟏𝟎𝟓𝟔
𝟖, 𝟕𝟎 − 𝟏𝟏, 𝟏𝟓
𝑿−𝝁 𝒁𝟏 = = −𝟏, 𝟎𝟗
𝟐, 𝟐𝟑𝟖
𝒁= →
𝝈 𝟏𝟒, 𝟕𝟎 − 𝟏𝟏, 𝟏𝟓
𝒁𝟐 = = 𝟏, 𝟓𝟖
𝟐, 𝟐𝟑𝟖
𝑷 𝒁 > 𝟏, 𝟓𝟖
𝑷 𝒁 < −𝟏, 𝟎𝟗
𝟖, 𝟕𝟎 − 𝟏𝟏, 𝟏𝟓
𝑿−𝝁 𝒁𝟏 = = −𝟏, 𝟎𝟗
𝟐, 𝟐𝟑𝟖
𝒁= →
𝝈 𝟏𝟒, 𝟕𝟎 − 𝟏𝟏, 𝟏𝟓
𝒁𝟐 = = 𝟏, 𝟓𝟖
𝟐, 𝟐𝟑𝟖
𝑷 8,70 Ω < R < 14,70 Ω = 𝑷 −1,09 < Z < 𝟏, 𝟓𝟖 = 𝟏 − 𝟎, 𝟏𝟑𝟕𝟗 + 𝟎, 𝟎𝟓𝟕𝟏 = 𝟎, 𝟖𝟎𝟓𝟎
Estudo complementar
Outras distribuições de variáveis
aleatórias contínuas
Distribuição Lognormal
𝟏 𝟏 𝑿−𝝁 𝟐
−
𝒇 𝒙 = 𝒆 𝟐 𝝈 𝐟𝐝𝐩 𝐧𝐨𝐫𝐦𝐚𝐥
𝝈 𝟐𝝅
Considerando que X tem distribuição 𝐘 = 𝒍𝒏𝑿 , a variável aleatória
X com valores positivos tem distribuição log‐normal com função
densidade de probabilidade tem-se:
𝟏 𝒚−𝝁𝒚 𝟐
𝟏 −𝟐 𝝈
𝒇 𝒙 = 𝒆 𝒚 𝒑𝒂𝒓𝒂 𝒙 ≥ 𝟎
𝒙𝝈𝒚 𝟐𝝅
𝒇 𝒙 = 𝟎 𝒄𝒂𝒔𝒐 𝒄𝒐𝒏𝒕𝒓á𝒓𝒊𝒐
A média e desvio-padrão para a distribuição log normal são dados
por:
𝝁𝒚 = 𝑬(𝒍𝒏𝑿)
𝝈𝟐𝒚 = 𝑽𝒂𝒓(𝒍𝒏𝑿)
Nos gráficos abaixo são apresentados a função densidade de
probabilidade (esquerda) com variação do desvio padrão e à
direita a função densidade de probabilidade acumulada para os
mesmos valores.
𝟏 𝒚−𝝁𝒚 𝟐
𝟏 −𝟐 𝝈
𝒇 𝒙 = 𝒆 𝒚
𝒙𝝈𝒚 𝟐𝝅
𝟏 𝒚−𝝁𝒚 𝟐
𝟏 −
𝟐 𝝈𝒚
𝒇 𝒙 = 𝒆
𝒙𝝈𝒚 𝟐𝝅
𝑽𝒂𝒓 𝒍𝒏𝑿
𝝁𝑿 = 𝒆𝒙𝒑(𝑬 𝒍𝒏𝑿 + )
𝟐
𝟔 − 𝟔, 𝟏𝟑𝟗𝟗
𝑷 𝒁≤
𝟎, 𝟏𝟎𝟑𝟓
𝟏 𝝂
𝒚𝟐−𝟏 𝒆−𝒚/𝟐 𝒑𝒂𝒓𝒂 𝒚 > 𝟎
𝒇 𝒚, 𝝂 = 𝚪 𝝂 𝟐𝝂/𝟐
𝟐
𝟎 𝒄𝒂𝒔𝒐 𝒄𝒐𝒏𝒕𝒓á𝒓𝒊𝒐
𝟏 𝝂
𝒚𝟐−𝟏 𝒆−𝒚/𝟐 𝒑𝒂𝒓𝒂 𝒚 > 𝟎
𝒇 𝒚, 𝝂 = 𝚪 𝝂 𝟐𝝂/𝟐
𝟐
𝟎 𝒄𝒂𝒔𝒐 𝒄𝒐𝒏𝒕𝒓á𝒓𝒊𝒐
A variância e o valor esperado para esta distribuição são:
𝑬 𝒀 =𝝂
𝑽𝒂𝒓 𝒀 = 𝟐𝝂
2. A distribuição qui-quadrado tem suas probabilidades
tabeladas, de acordo com a Tabela do próximo slide, de
forma que essa fornece os valores y, tais que 𝐏 𝝌𝟐𝒗 > 𝒚 =
𝒑, para alguns valores de p e alguns valores de v.
Supondo que se tenha 10 graus de liberdade, determine o valor de
y para que a 𝐏 𝝌𝟐𝒗 > 𝒚 = 𝟎, 𝟎𝟓
Aplicando a tabela do qui-quadrado, vem:
𝒗+𝟏
𝚪 𝟐
𝑻𝒗 𝐲 = 𝒗+𝟏 𝒗 = 𝟏, 𝟐, 𝟑, … 𝒚 ∈ ℝ
𝒗 𝒙𝟐 𝟐
𝝅𝒗𝚪 𝟐 𝟏+ 𝒗
A distribuição t de Student é aproximadamente 𝑵(𝟎, 𝟏) quando 𝒗
é significativamente grande.
𝑼
𝒗𝟏
𝑭=
𝑽
𝒗𝟐
possui uma distribuição chamada 𝑭 de Snedecor, ou simplesmente
distribuição 𝑭, com graus de liberdade 𝒗𝟏 e 𝒗𝟐 .
A distribuição F de Snedecor depende de dois parâmetros
denominados também de graus de liberdade.
𝒗𝟏 𝒗𝟐 𝒗𝟏
𝒗𝟏 +𝒗𝟐
𝚪 𝒗𝟏 𝟐 𝒗𝟐 𝟐 𝒙 𝟐 −𝟏
𝟐
𝑭𝒗𝟏 ,𝒗𝟐 = 𝒗𝟏 +𝒗𝟐 com𝒗𝟏 , 𝒗𝟐 = 𝟏, 𝟐, 𝟑, … . 𝒙 ∈ [𝟎; ∞)
𝒗𝟏 𝒗𝟐
𝚪 𝚪 𝒗𝟏 𝒙+𝒗𝟐 𝟐
𝟐 𝟐
𝟏
Usando 𝑭 𝒗𝟏 , 𝒗𝟐 = teremos:
𝑭 𝒗𝟏 ,𝒗𝟐
𝟏
𝟎, 𝟎𝟓 = 𝐏 𝑭 𝟓, 𝟕 < 𝒚𝟐 =𝑷 < 𝒚𝟐
𝑭 𝟕, 𝟓
𝟏
𝑷 𝑭 𝟕, 𝟓 >
𝒚𝟐
Da tabela da distribuição F tem-se:
𝟏
𝟒, 𝟖𝟖 =
𝒚𝟐
𝒚𝟐 = 𝟎, 𝟐𝟎𝟓