ME414 - Estatística para

Experimentalistas
Parte 12
Variáveis Aleatórias Contínuas
Variáveis Aleatórias Contínuas
· Variáveis aleatórias discretas: v.a. com valores possíveis enumeráveis. Soma
das probabilidades de todos os valores possíveis igual a 1.

· Variáveis aleatórias contínuas: v.a. com valores possíveis em um intervalo no

conjunto de números reais.

· Exemplo: tempo para finalizar um experimento, peso de uma pessoa, duração

de uma chamada telefônica, tempo de vida de uma lâmpada, etc…

· Para esses tipos de quantidades, não é possível associar frequências pontuais

tais que a soma de todas seja igual a 1.

· Surge então o conceito de "função de densidade de probabilidade" (f.d.p.).

· Para cada v.a. contínua, associamos uma função de densidade de

probabilidade.

3/45
Exemplo: v.a. discreta
Distribuição de probabilidade de uma Bin(10, p), com p = 0.2, 0.5 e 0.8.

4/45
Exemplo: v.a. discreta

5/45
Exemplo: v.a. contínua

6/45
Variáveis Aleatórias Contínuas
Definição: a função de densidade de probabilidade de uma v.a. X é uma função
f que verifica:

· f (x) ≥ 0, ∀x ∈ ℝ ;e

·
∞

( é integrável).
f (x)dx = 1 f
∫
−∞

Toda v.a. X à qual seja possível associar uma função de densidade de

probabilidade será chamada de v.a. contínua.

7/45
Variáveis Aleatórias Contínuas
A probabilidade de que uma v.a. X contínua pertença a um intervalo da reta (a,b], a < b é dada por:
b

P(a < X ≤ b) = f (x)dx.

∫
a

Obs: Quando X é v.a. contínua P(a < X ≤ b) = P(a ≤ X ≤ b) = P(a < X < b) = P(a ≤ X < b) .

8/45
Variáveis Aleatórias Contínuas
Notação: se X v.a. contínua com função de densidade de probabilidade f , no
lugar de f denotaremos fX .

A probabilidade de que uma v.a. X contínua pertença ao intervalo da reta

(−∞, x] daremos o nome de função de distribuição acumulada (f.d.a.), e a
denotaremos por FX
x

FX (x) = P(X ≤ x) = fX (u)du.

∫
−∞

9/45
Variáveis Aleatórias Contínuas
Exemplo: X v.a. contínua com função de densidade:

⎧x 0 ≤ x < 1,
⎪
fX (x) = ⎨ 2 − x 1 ≤ x ≤ 2,
⎪
⎩0 caso contrário.

Pela definição de função de densidade:

fX (x) ≥ 0, ∀x ∈ ℝ

2 1 2

fX (x)dx = xdx + (2 − x)dx = 1 .

∫ ∫ ∫
0 0 1

0.8

Podemos também calcular P(0 < X ≤ 0.8) = xdx = 0.32 .

∫
0

10/45
Variáveis Aleatórias Contínuas
Propriedade: toda v.a. X contínua (ou seja, que possui fX como função de
densidade) tem probabilidade pontual nula: P(X = x) = 0.

A função de distribuição acumulada FX (x) = P(X ≤ x) :

· caso discreto:

FX (x) = P(X ≤ x) = P(X = xi );

∑
xi ≤x

· caso contínuo:
x

FX (x) = P(X ≤ x) = fX (u)du.

∫
−∞

11/45
Exemplo
Dada a função

0 se x < 0,
fX (x) =
{ 2e−2x se x ≥ 0.

1. Mostre que esta é uma função de densidade de probabilidade.

2. Calcule a probabilidade de X > 10 .

Fonte: Morettin & Bussab, Estatística Básica 5 edição, pág 166.

a

12/45
Exemplo (solução - item 1)
Uma função de densidade de probabilidade deve satisfazer as seguintes
propriedades:

1. fX (x) ≥ 0 para todo x ∈ ℝ ;e

∞

2. fX (x)dx = 1 .
∫
−∞

Note que e−x é positiva para qualquer x e, consequentemente, 2e−2x também.

Resta mostrar que sua integral é 1:

−2x −2x
2e dx = −e .
∫

13/45
Exemplo (solução)
1. Note que a função está definida nesta forma para x ≥ 0 ; para x < 0 , ela é 0.

Então, a integral é:
∞ 0 ∞

−2x
fX (x)dx = 0dx + 2e dx
∫ ∫ ∫
−∞ −∞ 0

∞
−2x
= [−e ]0

−2x −0
= lim −e − (−e ) = 1.
x→∞

2. A probabilidade é dada por:

∞
1
−2x −2x −2×10
P(X > 10) = 2e dx = lim −e − (−e ) = .
20
∫ x→∞ e
10

14/45
Esperança
Definição: seja X uma v.a. contínua com densidade fX , a esperança de X é dada
por:
∞

𝔼(X) = x fX (x)dx .
∫
−∞

Definição: seja X uma v.a. contínua com densidade fX , o k -ésimo momento de

X é dado por:

k k
𝔼(X ) = x fX (x)dx .
∫
−∞

15/45
Variância
Definição: seja X v.a. com valor esperado 𝔼(X), definimos por variância, a
quantidade:
2 2 2
V ar(X) = 𝔼([X − 𝔼(X)] ) = 𝔼(X ) − [𝔼(X)] .

E definimos como desvio-padrão:

σ = √‾
V‾‾‾‾‾
ar(X)
‾.

Note que assim como no caso discreto, ambas as quantidades oferecem

medidas de dispersão da variável X em relação ao valor esperado 𝔼(X).

16/45
Exemplo
Para a função fX seguinte, calcular 𝔼(X) e V ar(X):

⎧x 0 ≤ x < 1,
⎪
fX (x) = ⎨ 2 − x 1 ≤ x ≤ 2,
⎪
⎩0 caso contrário.

Solução:
∞ 1 2

2
𝔼(X) = xfX (x)dx = x dx + x(2 − x)dx = 1,
∫ ∫ ∫
−∞ 0 1

∞ ∞
1
2 2
V ar(X) = [x − 𝔼(X)] fX (x)dx = (x − 1) fX (x)dx = .
∫ ∫ 6
−∞ −∞

17/45
Exemplo
Uma variável aleatória X tem distribuição triangular no intervalo [0, 1] se sua
f.d.p. for dada por

⎧ 0 se x < 0,
⎪
⎪ Cx se 0 ≤ x ≤ 1/2,
fX (x) = ⎨
⎪ C(1 − x) se 1/2 ≤ x ≤ 1,
⎪
⎩ 0 se x > 1.

1. Qual valor deve ter a constante C?

2. Faça o gráfico de fX (x).
3. Determine P(X ,
≤ 1/2) P(X > 1/2) e P(1/4 ≤ X ≤ 3/4) .

Fonte: Morettin & Bussab, Estatística Básica 5 edição, pág 166.

a

18/45
Exemplo
Item 1 - Devemos escolher C de modo que f (x) satisfaça:

· fX (x) ≥ 0 para todo x ∈ ℝ ;e

·
∞
∫
−∞
fX (x)dx = 1 .

Pela primeira condição, temos que C > 0 . Agora, para que C satisfaça a segunda condição, devemos
integrar fX (x) :
∞ 0 1/2 1 ∞

fX (x)dx = 0dx + Cxdx + C(1 − x)dx + 0dx

∫ ∫ ∫ ∫ ∫
−∞ −∞ 0 1/2 1

1/2 1 1/2 1
2 2
x x
= C xdx + C (1 − x)dx = C + x −
∫ ∫ ([ 2 ] [ 2 ] )
0 1/2 0 1/2

1 1 1 1 C
= C + 1 − − + =
(8 2 2 8) 4

C
⇒ = 1
4

∴ C deve ser igual a 4.

19/45
Exemplo
Item 2 - Função de densidade fX (x):

20/45
Exemplo
Item 3 - Para encontrarmos as probabilidades dos eventos, basta integrar nas regiões correspondentes:
1/2 1/2

P(X ≤ 1/2) = fX (x)dx = 4xdx = 1/2 .

∫ ∫
0 0

Note que P(X > 1/2) = 1 − P(X ≤ 1/2) = 1 − 1/2 = 1/2 .

21/45
Exemplo
3/4 1/2 3/4
3
P(1/4 ≤ X ≤ 3/4) = fX (x)dx = 4xdx + 4(1 − x)dx = .
∫ ∫ ∫ 4
1/4 1/4 1/2

22/45
Exemplo
Calcule a esperança, a variância e a f.d.a. da variável aleatória X com a
densidade triangular em [0, 1] .

Fonte: Morettin & Bussab, Estatística Básica 5 edição, pág 171.

a

Temos que,
∞ 1/2 1

𝔼(X) = xfX (x)dx = x4xdx + x4(1 − x)dx

∫ ∫ ∫
−∞ 0 1/2

1/2 1
3
4x 2 1
2
= + x (3 − 2x) = .
[ 3 ] [3 ] 2
1/2
0

23/45
Exemplo
E,
∞

2
Var(X) = (x − 𝔼(X)) fX (x)dx
∫
−∞

1/2 2 1 2
1 1
= x − 4xdx + x − 4(1 − x)dx
∫ ( 2) ∫ ( 2)
0 1/2

1/2 1
3
4 1 8 5
4 3 2 4 2
= x − x + x + −x + − x + x
[ 3 2 ] [ 3 2 ]
0
1/2

1
= .
24

24/45
Exemplo
A função de distribuição acumulada de uma variável aleatória contínua é dada
por
x

FX (x) = fX (t)dt.
∫
−∞

Temos que para x ,

∈ [0, 1/2) FX (x) é dada por
x

2
FX (x) = 4tdt = 2x .
∫
0

Para x ∈ [1/2, 1] , a acumulada é dada por

1/2 x

2
FX (x) = 4tdt + 4(1 − t)dt = −2x + 4x − 1.
∫ ∫
0 1/2

25/45
Exemplo
Para valores de x ≥ 1 , a acumulada assume valor 1. O gráfico de FX (x) é dado
por:

26/45
Distribuição Uniforme
Uniforme
· Dizemos que a v.a. X tem distribuição Uniforme no intervalo [a, b] , a < b se
a função de densidade de probabilidade fX é dada por:

1
a ≤ x ≤ b,
b−a
fX (x) =
{0 caso contrário.

· Notação: X ∼ U[a, b] ou X ∼ U(a, b) .

· Cálculo da função de distribuição acumulada:

⎧0 x < a,
⎪
x 1 x−a
FX (x) = ⎨ ∫ dt = a ≤ x ≤ b,
a b−a b−a
⎪
⎩1 x > b.

28/45
Uniforme
Gráficos da função de densidade de probabilidade e da função de distribuição
acumulada:

29/45
Esperança e Variância
· Cálculo da 𝔼(X):

b
1 (b + a)
𝔼(X) = x dx = .
∫ (b − a) 2
a

· Cálculo da V ar(X):

b 2 2
1 (a + ab + b )
2 2
𝔼(X ) = x dx = ,
∫ (b − a) 3
a

2 2
V ar(X) = 𝔼(X ) − [𝔼(X)]

2 2 2 2
(a + ab + b ) (b + a) (b − a)
= − = .
3 4 12

30/45
Exemplo: peça de aço
A dureza H de uma peça de aço pode ser pensada como uma v.a. com
distribuição uniforme no intervalo [50, 70] da escala de Rockwel. Calcule a
probabilidade de que uma peça tenha dureza entre 55 e 60.

A densidade de uma U[50, 70] é dada por:

1 1
= 50 ≤ x ≤ 70,
70−50 20
fH (h) =
{0 caso contrário.

Portanto, a probabilidade de uma peça ter dureza entre 55 e 60 é:

60
1 1 1
P(55 < H < 60) = dh = (60 − 55) = .
∫ 20 20 4
55

31/45
Exemplo
Seja X uma variável aleatória distribuída uniformemente, com média 15 e
variância 25/3.

· Encontre a função de densidade de X .

· Qual é a probabilidade que X > 14 ?

32/45
Exemplo
Lembre-se que a esperança de uma v.a. uniforme em [a, b] é dada por

a + b
𝔼(X) = ,
2

e sua variância por

2
(b − a)
Var(X) = .
12

Temos, portanto, o seguinte sistema:

a+b
= 15 a + b = 30
2

2
⟹
{
(b−a) 25 { (b − a)2 = 100
=
12 3

33/45
Exemplo
Ou simplesmente (você é capaz de dizer por que tomamos a raiz positiva
apenas, neste sistema não-linear?)

a + b = 30

{b − a = 10

O sistema tem solução a ,

= 10 b = 20 , o que nos mostra que X ∼ U[10, 20] e
1
, 10 ≤ x ≤ 20;
10
fX (x) =
{
0, caso contrário.

Então, a probabilidade de X > 14 é dada por

20
1 (20 − 14)
P(X > 14) = dx = = 0.6 .
∫ 10 10
14

34/45
Distribuição Exponencial
Exponencial
· Dizemos que uma v.a. X possui distribuição exponencial com parâmetro λ (
λ > 0) se a função de densidade de probabilidade fX é dada por:

−λx
λe x ≥ 0,
fX (x) =
{0 caso contrário.

· Notação: X ∼ Exp(λ) .

· Cálculo da função de distribuição acumulada:

x
−λt −λx
∫ λe dt = 1 − e x ≥ 0,
0
FX (x) =
{
0 caso contrário.

36/45
Distribuição Exponencial
Gráficos da função de densidade de probabilidade (esquerda) e da função de
distribuição acumulada (direita) de X ∼ Exp(0.5):

37/45
Esperança e Variância
· Cálculo da 𝔼(X):
∞
1
−λx
𝔼(X) = xλe dx = .
∫ λ
0

· Cálculo da V ar(X):
∞
2
2 2 −λx
𝔼(X ) = x λe dx = ,
2
∫ λ
0

2 1 1
2 2
V ar(X) = 𝔼(X ) − [𝔼(X)] = − = .
2 2 2
λ λ λ

38/45
Exemplo: componente eletrônico
O tempo de vida, X , em horas, de um componente eletrônico segue uma
distribuição exponencial de tal forma que P(X ≤ 1000) = 0.75.

Qual é o tempo médio de vida do componente?

39/45
Exemplo: componente eletrônico
Sabemos que se X ∼ Exp(λ) , então
−λx
FX (x) = P(X ≤ x) = 1 − e

e 𝔼(X) = λ
−1
.

Basta então observarmos que

ln(4)
−λ1000
P(X ≤ 1000) = 1 − e = 0.75 ⇔ λ = = 0.0013863 .
1000

Concluimos então que o tempo médio de vida, 𝔼(X), é igual a

1/0.0013863 = 721.35 horas, e que 75% dos componentes duram 1000 horas

ou menos.

40/45
Exemplo: tubos de TV
Um antiga fábrica de tubos de TV determinou que a vida média dos tubos de sua
fabricação é de 800 horas de uso contínuo e segue uma distribuição
exponencial.

Qual a probabilidade de que a fábrica tenha que substituir um tubo

gratuitamente, se oferece uma garantia de 300 horas de uso?

41/45
Exemplo: tubos de TV
X : vida útil do tubo de TV.

Como X tem distribuição exponencial com parâmetro λ e 𝔼[X] = 800 , temos:

1 1
𝔼[X] = = 800 ⟹ λ = .
λ 800

x
1 −
e 800 , x ≥ 0;
Então, a f.d.p. é dada por fX (x) =
800

{
0, caso contrário.

Se X < 300 , a fábrica tem que substituir gratuitamente.

300
1 x x 300
− −
P(X < 300) = e 800 dx = [−e 800
]0 = 0.3127 .
∫ 800
0

42/45
Exemplo: produto alimentício
A f.d.p.
−2x
2e x ≥ 0,
fX (x) =
{0 caso contrário.

representa a distribuição do índice de acidez (X ) de um determinado produto

alimentício.

O produto é consumível se este índice for menor do que 2.

O setor de fiscalização apreendeu 30 unidades do produto. Qual a probabilidade

de que pelo menos 10% da amostra seja imprópria para consumo?

43/45
Exemplo: produto alimentício
2 2
Produto liberado para consumo se: P(X < 2) = ∫
0
−2x
2e dx = [−e
−2x
]0 = 0.98 .

Produto não consumível com probabilidade 1 − P(X < 2) = 0.02 = p .

Seja Y : número de unidades impróprias para consumo na amostra de 30.

Então,

Y ∼ Bin(30, 0.02).

Probabilidade de que pelo menos 10% de uma amostra de 30 unidades seja imprópria:
P(Y ≥ 3) = 1 − P(Y < 3)

= 1 − [P(Y = 0) + P(Y = 1) + P(Y = 2)]

30 30 30
0 30 1 29 2 28
= 1 − (0.02) (0.98) + (0.02) (0.98) + (0.02) (0.98)
[( 0 ) ( 1 ) ( 2 ) ]

= 0.022 .

44/45
Leituras
· Ross: seções 6.1 e 6.2.
· Magalhães: capítulo 6.

Slides produzidos pelos professores:

· Samara Kiihl
· Tatiana Benaglia
· Larissa Matos
· Benilton Carvalho

45/45