Baixe o app para aproveitar ainda mais
Prévia do material em texto
Algumas Distribuições de Probabilidade Contínuas:Probabilidade Contínuas: Uniforme Contínua Exponencial Normal Log-Normal Distribuição Uniforme Contínua Exemplo: Distribuição Exponencial Exemplo: Distribuição Normal ou Gaussiana é a área abaixo da curva entre x1 e x2 na (região sombreada). Cálculo das Probabilidades na Curva Normal Z ~ N(0,1) a variável aleatória Z tem distribuição de probabilidade Normal com média=0 e variância=1 P( Z < z ) Tabela da Distribuição Normal Padronizada Exemplo: Seja Z uma v.a. normal padronizada. Calcule: P( Z < -1.97) = ? P( Z > 1.84) = ? P( Z < -1.97 ) = 0.0244, obtida direto da tabela. P( Z >1.84) = P( Z < -1.84) = 0.0329, obtida direto da tabela. P( -1.97 < Z < 0.86 ) = P( Z < 0.86 ) - P( Z < -1.97 ) = [1 - P( Z > 0.86)] - P( Z < -1.97 ) = [1 - P( Z < -0.86)] - P( Z < -1.97 ) = [1 - 0.194895] - 0.024419 = 0.805105 - 0.024419 = 0.780686 P( Z > k) = P(Z < -k) = 0.3015. Tabela: 0.3015 = P(Z < -0.52 ). Assim, -k = -0.52,Assim, -k = -0.52, ou seja, k = 0.52. Podemos transformar as observações da v.a. X ~ Normal (µ ,σ ) em observações da v.a. Z ~ Normal (0,1) usando a expressão: Exemplo: Exemplo: (a) P( X < x ) = 0.45. então P( Z < (x-40)/6 ) = 0.45. Mas P( Z < -0.13 ) = 0.45 (da tabela); Se P( X < x ) = 0.45. Mas P( Z < -0.13 ) = 0.45 (da tabela); Logo (x-40)/6 = -0.13 ���� x = 40 + (-0.13)6 = 40 - 0.78 = 39.22. Ou seja, P( X < 39.22 ) = 0.45. (b) P( X > x ) = 0.14. então P( Z > (x-40)/6 ) = 0.14. Mas P( Z > 1,08) = P( Z < -1.08) = 0.14 (da tabela); Se P( X > x ) = 0.14. Logo (x-40)/6 = 1.08 ���� x = 40 + (1.08)6 = 46.48 Ou seja, P( X > 46.48 ) = 0.14. Exemplo: 3.0 – 0.01 = 2.99 e 3.0 + 0.01 = 3.01. P ( 2.99 < X < 3.01 ) = 1 - 2 P( X < 2.99 ) . P( X < 2.99 ) = P( Z < (2.99-3.0)/0.005 ) = P( Z < -2,0 ) = 0.0228. P( X < 2.99) + P ( X > 3.01 ) = 0.0456. 4.56%, em média, inutilizados. Distribuição Lognormal Exemplo:
Compartilhar