Cap 04

Variáveis Aleatórias
Contínuas e Distribuições
de Probabilidade
ESQUEMA DO CAPÍTULO
4.1 VARIÁVEIS ALEATÓRIAS CONTÍNUAS 4.6 DISTRIBUIÇÃO NORMAL
4.2 DISTRIBUIÇÕES DE PROBABILIDADES E 4.7 APROXIMAÇÕES DAS DISTRIBUIÇÕES
FUNÇÕES DENSIDADE DE BINOMIAL E DE POISSON PELA NORMAL
PROBABILIDADE 4.8 DISTRIBUIÇÃO EXPONENCIAL
4.3 FUNÇÕES DE DISTRIBUIÇÕES CUMULATIVAS 4.9 DISTRIBUIÇÕES DE ERLANG E GAMA
4.4 MÉDIA E VARIÂNCIA DE UMA VARIÁVEL 4.10 DISTRIBUIÇÃO DE WEIBULL
ALEATÓRIA CONTÍNUA 4.11 DISTRIBUIÇÃO LOGNORMAL
4.5 DISTRIBUIÇÃO UNIFORME CONTÍNUA
UFMG-EST-027/031 Cap. 4 - Variáveis Aleatórias 1

Contínuas e Distr. de Probabilidade
Objetivos de Aprendizagem
Após estudo cuidadoso deste capítulo você deverá ser capaz de:
1. Determinar probabilidades a partir de funções de densidade de probabilidade;
2. Determinar probabilidades a partir funções de distribuições cumulativa, determinar
funções de distribuições cumulativas a partir de funções de probabilidade e o
inverso;
3. Calcular médias e variâncias de variáveis aleatórias contínuas;
4. Compreender os pressupostos de cada uma das distribuições de probabilidades
contínuas apresentadas;
5. Selecionar a distribuição de probabilidade contínua apropriada para calcular
probabilidades em aplicações específicas;
6. Calcular probabilidades, determinar médias e variâncias para cada uma das
distribuições de probabilidade apresentadas;
7. Padronizar variáveis aleatórias normais;
8. Utilizar tabelas de distribuições cumulativas da distribuição normal padronizada para
calcular probabilidades;
9. Aproximar probabilidades para algumas distribuições binomiais e de Poisson.

4.1 Variáveis Aleatórias Contínuas
• Neste capítulo, apresentaremos modelos comuns de
probabilidade de variáveis aleatórias contínuas:
– Exemplo 1: A medida X da corrente em um fio delgado de cobre
é uma variável aleatória contínua; de fato, replicações podem
diferir por causa de pequenas variações nas variáveis não
controladas no experimento; além disso, o valor de X pode ser
pensado como um continuum;
– Exemplo 2: Uma peça é selecionada de uma produção diária
com uma medição muito acurada de um comprimento Y; de
fato, a medida pode sofre variações devido a muitas causas, tais
como vibrações, flutuações na temperatura, diferenças entre
operadores, calibrações, desgaste e mesmo variação na matéria
prima.

4.2 Distribuições de Probabilidades e
Funções Densidade de Probabilidade
• Funções densidade são comumente utilizadas em
engenharia (vide figura)
Fig. 4.1 Função de densidade de

uma carga ao longo de uma viga
• Função densidade de probabilidade

• Cálculo de probabilidades em variáveis
aleatórias contínuas:
Fig. 4.2 Probabilidade determinada a partir

da área sob a curva

• Funções densidade de probabilidade:
Fig. 4.2 O histograma aproxima a função

densidade de probabilidade
• Particularidades no cálculo de probabilidades
com variáveis aleatórias contínuas:

• Exemplo 4.1:
• Solução:

• Exemplo 4.2:

• Exemplo 4.2 (solução):

4.3 Funções de Distribuições
Cumulativas
• Definição:

Cumulativas
• Exemplo 4.3:

Cumulativas
• Exemplo 4.3 (continuação):

Cumulativas
• Exemplo 4.4:

Cumulativas
• Exemplo 4.5:

4.4 Média e Variância de uma
Variável Aleatória Contínua
• Definição:

• Exemplo:

• Exemplo II:

• Exemplo II (final):

4.5 Distribuição Uniforme
Contínua
• Definição:

Contínua
• Média e variância de uma variável aleatória contínua
uniforme:

Contínua
• Exemplo:

Contínua
• Exemplo (solução):

4.6 Distribuição Normal
• Definição:

Fig. 4.10 Função densidade de probabilidade normal para

valores selecionados dos parâmetros μ e σ2.
• Alguns resultados úteis da distribuição normal:

• Exemplo:

• A normal padrão:
• Definição:

• Exemplo:
• Probabilidades cumulativas da variável normal

padrão, Φ(z), são encontradas em tabelas:

• Exemplo II:

• Caso (1):

• Caso (2):

• Caso (3):

• Caso (4):

• Caso (5):

• Caso (6):

• Caso (7):

• Padronização:

• Exemplo:

• Exemplo (continuação):
Fig. 4.15 Padronização de uma variável aleatória normal

• Procedimento geral para o cálculo de
probabilidades de variáveis aleatórias normais:

• Exemplo II:

• Exemplo II
(continuação):

• Exemplo II (final):
Fig. 4.16 Determinação de um valor x para o

qual se tenha uma probabilidade especificada
4.7 Aproximações das Distribuições
Binomial e de Poisson pela Normal
• Exemplo:

• Sob certas condições, a distribuição normal pode ser
utilizada para aproximar as distribuições binomial e de
Poisson.
Fig. 4.19 Aproximação da

distribuição binomial pela
normal

• Exemplo:

• Aproximação da distribuição binomial pela
normal:

• Exemplo (conclusão):
• Obs.: porque np = (1,6107)(110-5) = 160

e n(1-p) é muito maior, espera-se que a
aproximação funcione bem nesse caso.
Fig. 4.21 Condições para aproximar as

probabilidades hipergeométrica e binomial

• Aproximação da distribuição de Poisson pela
normal:

• Exemplo:

4.8 Distribuição Exponencial
• Definição:
• Média e variância:

• Exemplo:

• Exemplo (final):

• Exemplo II:

• Exemplo II
(final):

• Propriedade interessante:

4.9 Distribuição de Erlang e Gama
4.9.1 Distribuição de Erlang
• Definição:

4.9.1 Distribuição de Erlang
Fig. 4.xx Função densidade de

probabilidade de Erlang para
valores selecionados de r e λ.

4.9.2 Distribuição Gama
• Definições:

4.9.2 Distribuição Gama:
• Média e variância

4.9.2 Distribuição Gama
Fig. 5.25 Função densidade

de probabilidade gama para
valores selecionados de λ e r.

4.10 Distribuição de Weibull
• Definição:

• Distribuição cumulativa:

Fig. 4.26 Funções densidade

de probabilidade de Weibull
para valores selecionados de
δ e β.

4.11 Distribuição de Lognormal
• Definição:

4.11 Distribuição de Lognormal
Fig. 4.27 Funções densidade

de probabilidade lognormal
com θ = 0, para valores
selecionados de ω2.

TERMOS E CONCEITOS IMPORTANTES
Distribuição uniforme Distribuição Gama Aproximação normal Desvio-padrão –
contínua Propriedade de falta de para as distribuições variável aleatória
Correção de memória – variável binomial e de Poisson discreta
continuidade aleatória contínua Distribuição normal Distribuição normal
Função de distribuição Média – variável Distribuição de padronizada
cumulativa – variável aleatória contínua probabilidade – Padronização
aleatória contínua Média – função de uma variável aleatória Variância – variável
Distribuição de Erlang variável aleatória contínua aleatória contínua
contínua Distribuição de
Weibull


Cap 04

Enviado por

Dados do documento

Título original

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

Cap 04

Enviado por

Direitos autorais:

Formatos disponíveis

Variáveis Aleatórias

UFMG-EST-027/031 Cap. 4 - Variáveis Aleatórias 1

UFMG-EST-027/031 Cap. 4 - Variáveis Aleatórias 2

UFMG-EST-027/031 Cap. 4 - Variáveis Aleatórias 3

Fig. 4.1 Função de densidade de

UFMG-EST-027/031 Cap. 4 - Variáveis Aleatórias 5

Fig. 4.2 Probabilidade determinada a partir

UFMG-EST-027/031 Cap. 4 - Variáveis Aleatórias 6

Fig. 4.2 O histograma aproxima a função

UFMG-EST-027/031 Cap. 4 - Variáveis Aleatórias 8

UFMG-EST-027/031 Cap. 4 - Variáveis Aleatórias 9

UFMG-EST-027/031 Cap. 4 - Variáveis Aleatórias 10

UFMG-EST-027/031 Cap. 4 - Variáveis Aleatórias 11

UFMG-EST-027/031 Cap. 4 - Variáveis Aleatórias 12

UFMG-EST-027/031 Cap. 4 - Variáveis Aleatórias 13

UFMG-EST-027/031 Cap. 4 - Variáveis Aleatórias 14

UFMG-EST-027/031 Cap. 4 - Variáveis Aleatórias 15

UFMG-EST-027/031 Cap. 4 - Variáveis Aleatórias 16

UFMG-EST-027/031 Cap. 4 - Variáveis Aleatórias 17

UFMG-EST-027/031 Cap. 4 - Variáveis Aleatórias 18

UFMG-EST-027/031 Cap. 4 - Variáveis Aleatórias 19

UFMG-EST-027/031 Cap. 4 - Variáveis Aleatórias 20

UFMG-EST-027/031 Cap. 4 - Variáveis Aleatórias 21

UFMG-EST-027/031 Cap. 4 - Variáveis Aleatórias 22

UFMG-EST-027/031 Cap. 4 - Variáveis Aleatórias 23

UFMG-EST-027/031 Cap. 4 - Variáveis Aleatórias 24

UFMG-EST-027/031 Cap. 4 - Variáveis Aleatórias 25

Fig. 4.10 Função densidade de probabilidade normal para

UFMG-EST-027/031 Cap. 4 - Variáveis Aleatórias 27

UFMG-EST-027/031 Cap. 4 - Variáveis Aleatórias 28

UFMG-EST-027/031 Cap. 4 - Variáveis Aleatórias 29

• Probabilidades cumulativas da variável normal

UFMG-EST-027/031 Cap. 4 - Variáveis Aleatórias 30

UFMG-EST-027/031 Cap. 4 - Variáveis Aleatórias 31

UFMG-EST-027/031 Cap. 4 - Variáveis Aleatórias 32

UFMG-EST-027/031 Cap. 4 - Variáveis Aleatórias 33

UFMG-EST-027/031 Cap. 4 - Variáveis Aleatórias 34

UFMG-EST-027/031 Cap. 4 - Variáveis Aleatórias 35

UFMG-EST-027/031 Cap. 4 - Variáveis Aleatórias 36

UFMG-EST-027/031 Cap. 4 - Variáveis Aleatórias 37

UFMG-EST-027/031 Cap. 4 - Variáveis Aleatórias 38

UFMG-EST-027/031 Cap. 4 - Variáveis Aleatórias 39

UFMG-EST-027/031 Cap. 4 - Variáveis Aleatórias 40

Fig. 4.15 Padronização de uma variável aleatória normal

UFMG-EST-027/031 Cap. 4 - Variáveis Aleatórias 41

UFMG-EST-027/031 Cap. 4 - Variáveis Aleatórias 42

UFMG-EST-027/031 Cap. 4 - Variáveis Aleatórias 43

UFMG-EST-027/031 Cap. 4 - Variáveis Aleatórias 44

Fig. 4.16 Determinação de um valor x para o

UFMG-EST-027/031 Cap. 4 - Variáveis Aleatórias 46

Fig. 4.19 Aproximação da

UFMG-EST-027/031 Cap. 4 - Variáveis Aleatórias 47

UFMG-EST-027/031 Cap. 4 - Variáveis Aleatórias 48

UFMG-EST-027/031 Cap. 4 - Variáveis Aleatórias 49

• Obs.: porque np = (1,6107)(110-5) = 160

Fig. 4.21 Condições para aproximar as

UFMG-EST-027/031 Cap. 4 - Variáveis Aleatórias 51

UFMG-EST-027/031 Cap. 4 - Variáveis Aleatórias 52

UFMG-EST-027/031 Cap. 4 - Variáveis Aleatórias 53

UFMG-EST-027/031 Cap. 4 - Variáveis Aleatórias 54

UFMG-EST-027/031 Cap. 4 - Variáveis Aleatórias 55

UFMG-EST-027/031 Cap. 4 - Variáveis Aleatórias 56

UFMG-EST-027/031 Cap. 4 - Variáveis Aleatórias 57