Escolar Documentos
Profissional Documentos
Cultura Documentos
Estatstica II
Prof. Dr. Ricardo Bruno Nascimento dos Santos
VARIVEIS ALEATRIAS
CONTNUAS
discretas,
precisamos estabelecer para as contnuas a atribuio de probabilidades s
suas diversas realizaes que, neste caso, podem assumir um nmero infinito
de valores diferentes. Abordamos esta questo atravs do prximo exemplo.
Exemplo: Estudos anteriores revelam a existncia de um grande lenol de
gua no subsolo de uma grande regio. No entanto, sua profundidade ainda
no foi determinada, sabendo-se apenas que o lenol pode estar situado em
qualquer ponto, entre 20 e 100 metros.
Vamos supor que escolhemos, ao acaso, um ponto nessa regio e
dispomos de uma sonda que, ao fazer a perfurao, detecta com preciso
profundidade do reservatrio de gua. Denotamos por X a varivel aleatria
representando a profundidade.
Notemos que, apesar de X poder ser qualquer nmero entre 20 e 100
metros, o instrumento, com que trabalhamos, pode no ser to preciso como
gostaramos. Por exemplo, uma profundidade de 32,571 metros poderia ser
medida por 32,6 metros.
a
atribuio de probabilidade para o caso contnuo. Ela ser definida
pela rea abaixo de uma funo positiva, denominada de funo de
densidade de probabilidade (fdp). Observe que a densidade em si
no uma probabilidade, mas uma funo matemtica que nos
auxilia na atribuio de probabilidades. Assim, para a varivel
aleatria contnua X representando a profundidade do lenol de
gua, a fdp f dada por:
1 / 80
f ( x)
0
para 20 x 100;
para
x 20
ou
x 100.
CONTNUAS
I.2.2 A funo de densidade
Dizemos que f(x) uma funo contnua de probabilidade ou
probabilidade
(fdp)
funo de densidade de probabilidade para uma varivel aleatria
contnua X, se satisfaz duas condies:
i) , para todo
ii) A rea definida por f(x) igual a 1.
Com auxlio do clculo diferencial e integral, podemos
caracterizar a condio ii) atravs de
f ( x)dx 1.
CONTNUAS
I.2.2 A funo de densidade
Note que, pela forma como a atribumos as probabilidades no caso
probabilidade
(fdp)
contnuo, teremos rea zero sob
qualquer valor individual, isto , P(X =
k) = 0 para qualquer k. Portanto, em se tratando de variveis aleatrias
contnuas, a probabilidade de ocorrncia de um valor isolado sempre
zero e, consequentemente, as probabilidades calculadas sobre os
intervalos [a; b], [a; b), (a; b] e (a; b) so as mesmas, para qualquer
valor de a e b.
Exemplo: Num teste intelectual com alunos de um colgio Y, o
tempo para realizao de uma bateria de questes de raciocnio lgico
medido e anotado para ser comparado com um modelo terico. Este
teste utilizado para identificar o desenvolvimento da capacidade de
raciocnio lgico e auxiliar a aplicao de medidas corretivas. O modelo
terico considera T, tempo de teste em minutos, como uma varivel
aleatria contnua com funo de densidade de probabilidade dada por:
CONTNUAS
I.2.2 A funo de densidade
1
8
t 10;
probabilidade
(fdp)
40 (t 4) se
f (t )
3
20
0
se
10 t 15
caso
contrrio
CONTNUAS
I.2.2 A funo de densidade
Assim P(9< T 12) = 7/16 valor esse obtido pela soma do
probabilidade
(fdp)
trapzio definido no intervalo
(9, 10) com o retngulo determinado
0 .0 0
0 .0 5
f(t)
0 .1 0
0 .1 5
10
12
t
14
16
18
CONTNUAS
I.2.2 A funo de densidade
Atravs do uso de integral, essa mesma probabilidade seria
probabilidade
calculada da seguinte forma:(fdp)
12
10
12
10
12
12 3
1
1 t
3
9 40 (t 4)dt 10 20 dt 40 2 4t 20 t 10
9
11 6
7
0, 4375
80 20 16
10
CONTNUAS
I.2.3 Valor Mdio de uma
Varivel
Aleatria
Contnua
O valor esperado
ou mdia da varivel
aleatria contnua X, com
fdp dada por , dada pela expresso:
E ( X ) xf ( x)dx.
( x ) 2 f ( x)dx.
2
E ( X ) x 2 f ( x)dx.
2
CONTNUAS
I.2.3 Valor Mdio de uma
O desvio padro a raiz quadrada da varincia e, como j
Varivel
Aleatria
Contnua
mencionado anteriormente,
tem a mesma
unidade de medida da
varivel original, o que facilita a interpretao dos seus valores.
Vamos a um exemplo:
Investidores estudaram uma certa carteira de aes e
estabeleceram um modelo terico para a varivel R, rendimento das
aes (em mil R$). Suponha que R uma varivel aleatria contnua
com a seguinte funo de densidade:
1 r
1 , se 0 r 20
f (r ) 40 10
0,
caso contrrio
20
20
1 r
1 r
1 r
r
1 dr
40 10
400 3 0 40
2
3
20
20
35
5 R$ mil.
3
3
E(R2 ) r 2
0
20
1 r
1 r
1 r
1
dc
40 10
400 4 0 40
3
4
20
100
0
200
500
R$
mil.
3
3
f X ( xi )
( x )2
2 2
E(X) =
Var(X) = 2
0e+00
1e-05
2e-05
f(x)
3e-05
4e-05
Distribuio Nomal(60.000,8.300)
30000
40000
50000
60000
x
70000
80000
90000
f z ( zi ) ( z )
1
e
2
z2
2
L x
1
e
P(a X b) =
a 2
( x )2
2 2
Z
P
e, portanto, quaisquer que sejam os valores de e , utilizamos a
Normal Padro para obter probabilidades com a distribuio Normal.
P (2 X 5) P
X 2
9
52
9
P (0 Z 1) 0,3413
P (0 Z 0, 6666) 0, 2486
Podemos ainda calcular as probabilidades de intervalos com
extremos negativos, utilizando os correspondentes intervalos na
parte positiva. Um outro recurso importante no uso da tabela a
utilizao do complementar. Por exemplo,
32
P ( X 3) P Z
P Z 13 0,5 P 0 Z 13 0,5 0,1293 0,3707
3
0, 295
0, 295
P( X 7,18) P
b) Qual deveria ser o preo mximo (em R$) para que o investidor
tenha uma probabilidade de lucro pequena, de cerca de 10%?
Assim, precisamos obter um valor em R$ tal que: P(X < R$) = 0,1.
Ento,
R$ 7, 27
X 7, 27 R$ 7, 27
P
P(Z
) 0,1
0, 295
0, 295
0, 295
U v1
V v2