Baixe o app para aproveitar ainda mais
Prévia do material em texto
Distribuições Contínuas de Probabilidade Parte II Aproximação normal para uma distribuição binomial Considere uma variável aleatória discreta Y que apresenta distribuição binomial, com parâmetros n e p, isto é: Y :bn, p . À medida em que o valor de n aumenta, o histograma para a distribuição binomial se aproxima de uma curva normal, conforme ilustra a figura abaixo. n=30 p=1/2 0 0,05 0,1 0,15 0,2 1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 n=50 p=1/2 0 0,02 0,04 0,06 0,08 0,1 0,12 1 4 7 10 13 16 19 22 25 28 31 34 37 40 43 46 49 n=10 p=1/2 0 0,05 0,1 0,15 0,2 0,25 0,3 1 3 5 7 9 11 13 15 17 19 Aproximação normal: Se Y :bn, p , então Y tem distribuição aproximadamente normal, com média =np e variância 2=np 1−p , Y~X :N =np , 2=np1−p , para n grande. Na prática, a aproximação normal à binomial é considerada boa se np5 e n1−p5 . A figura ilustra uma distribuição binomial com parâmetros n=50 e p=0,25 e a curva normal que a aproxima. Exemplo: Considere uma variável aleatória Y que segue distribuição binomial com parâmetros n=10 e p=1/2. Calcule PY7 . Usando a tabela binomial, obtemos P Y7=PY=7PY=8P Y=9P Y=10 P Y7≈0,11720,04390,00980,0010=0,1719. Por outro lado, podemos também usar a aproximação normal. Para esta aproximação, utiliza-se a chamada correção de continuidade, que consiste em alterar 0,5 unidade para mais ou para menos, conforme a probabilidade que se deseja calcular. Neste exemplo, PY7 é aproximado por P X6,5 de acordo com a correção de continuidade. A figura ilustra este caso. n = 50 p = 0,25 np = 12,5 nq = 37,5 P Y7≈P X6,5=P Z6,5− =P Z 6,5−np np 1− p =P Z6,5−5 2,5 PY7≈0,5−P0Z0,95=0,5−0,32894=0,1711 Distribuição Exponencial Uma variável aleatória contínua X tem distribuição exponencial se sua função densidade de probabilidade for dada por f x=1 e − x / , x0 , f x=0 , x0 . Uma integração imediata demonstra que ∫0 ∞ f x dx = 1 . 0 0,05 0,1 0,15 0,2 0,25 0,3 0 1 2 3 4 5 6 7 8 9 10 Distribuição binomial: b (n=10,p=1/2) Gráficos: Valor esperado (distribuição exponencial): E X =∫0 ∞ x f x dx = Variância (distribuição exponencial): VarX =∫0 ∞ [ x−E X ]2 f x dx = 2 Probabilidade de uma variável aleatória com distribuição exponencial P aXb=∫a b 1 e −x / dx=[−e− x / ]a b=−e−b /e−a / Propriedade: falta de memória A distribuição exponencial tem a propriedade interessante de não possuir memória, a qual se expressa como PXst ∣Xs=PXt e pode ser demonstrada como segue: PXst∣Xs=PXst , Xs P Xs =P Xst P Xs =e − s t / e−s / =e−t /=PXt . β=1/0.5=2 β=1/1.0=1 β=1/1.5=0.667 Exemplo: O intervalo de tempo (em minutos) entre emissões consecutivas de uma fonte radioativa é uma variável aleatória com distribuição exponencial. O tempo médio entre emissões consecutivas é igual a 5 minutos. (a) Calcule a probabilidade de que o intervalo entre emissões consecutivas seja inferior a 3 minutos. X: tempo entre emissões consecutivas (em minutos). f x=1 e − x / , x0 . EX = = 5. P X3=∫0 3 0,2 e−0,2 x dx=[−e−0,2 x ]0 3=−e−0,61≈0,4512 . (b) Calcule a probabilidade de que o intervalo entre emissões consecutivas seja superior a 3 minutos. P X3=P X3=1−P X3=1−[−e−0,61]=e−0,6≈0.5488 . (c) Calcule a probabilidade de que o intervalo entre emissões consecutivas seja superior a 8 minutos, sabendo-se que ele é superior a 5 minutos (ou seja, sabendo-se que já se passaram 5 minutos desde a última emissão). A propriedade de falta de memória se expressa como P Xst ∣Xs=P Xt . Para s=5 e s+t=8, temos t=3 e, portanto, P X8∣ X5=PX3=e−0,6≈0.5488 . Isto significa que o fato de que já se passaram 5 minutos desde a última emissão não influencia na probabilidade de ocorrência da próxima emissão. Portanto, o sistema não tem memória e a probabilidade pode ser calculada através de uma translação no tempo, isto é, a origem do tempo pode ser considerada igual a 5 minutos e a probabilidade desejada é simplesmente a de que a próxima emissão ocorra daqui a 3 minutos (que corresponde à diferença entre 8 e 5 minutos). Distribuição Gama Uma variável aleatória X tem distribuição de probabilidade Gama se sua função densidade de probabilidade for dada por f x= 1 x−1 e− x / x0 , f x=0 x0. Esta distribuição depende de dois parâmetros e positivos. A função Gama, denotada por , é definida como =∫0 ∞ x−1 e− x dx 0 . Esta função é importante em teoria de probabilidade e em muitos outros domínios da Matemática. Integrando-se por partes, demonstra-se que =−1 −1 , o que significa que a função gama obedece a uma interessante relação de recorrência. Em particular, se =n for um inteiro positivo, aplicando-se a relação de recorrência repetidas vezes, obtemos n=n−1! A função gama pode ser considerada como uma generalização da função fatorial. O gráfico da função gama encontra-se ilustrado a seguir. Note que se =1 , obtemos a distribuição exponencial, f x=1/e−x / x0 , como um caso particular da distribuição Gama. Gráficos de Distribuições Gama Os gráficos da distribuição Gama, para alguns pares de valores α, β são ilustrados a seguir: Valor esperado (distribuição Gama): E X = Variância (distribuição Gama): VarX = 2 α=1, β=2 α=2, β=2 α=3, β=2 α=5, β=1 α=9, β=0.5 Distribuição Qui-Quadrado (χ2) A distribuição Qui-Quadrado (χ2) é um caso particular importante da distribuição Gama, obtida fazendo-se =n/2 e =2 , onde n é um inteiro positivo. Portanto, uma variável aleatória contínua Y tem distribuição Qui-Quadrado com n graus de liberdade se sua função densidade de probabilidade for dada por f y= 1 n /2 2n/ 2 yn /2−1 e−y /2 y0 , f y=0 y0. Valor esperado (distribuição χ2): E Y = n Variância (distribuição χ2): Var X = 2 n Gráficos de Distribuições χ2 Os gráficos de distribuições Qui-quadrado, para n=1,2,...,5 graus de liberdade são ilustrados a seguir: n=1 n=2 n=3 n=4 n=5 Teorema Sejam Z1 , Z2 , , Z n variáveis aleatórias contínuas independentes, cada qual seguindo uma distribuição normal padrão, ou seja, Z i : N 0,1 , i=1,2 , , n . Então, a variável Y definida como a soma de n normais padrões ao quadrado, isto é, Y=2n=Z1 2Z2 2Z n 2=∑i=1 n Z i 2 segue distribuição Qui-quadrado com n graus de liberdade. Graus de liberdade O número n de graus de liberdade da distribuição é o número de variáveis normais independentes, cada qual ao quadrado, que são somadas. Uso da tabela da distribuição de Qui-quadrado A tabela da distribuição χ2 fornece o valor crítico χc2 tal que P( χ2(n)> χc2)=p, para um dado número n de graus de liberdade e alguns valores de p. Por exemplo, P( χ2(5)> χc2)=0,05 corresponde a χc2 = 11,070 (ver tabela em anexo). p χ c 2 f(y) y Distribuição t de Student Seja Z: N(0,1) uma variável aleatória com distribuição normal padrão e 2n uma variável aleatória com distribuição qui-quadrado com n graus de liberdade. A variável aleatória t definida como t= Z 2n / n , terá então uma distribuição de probabilidade contínua conhecida como distribuição t de Student com n graus de liberdade.A função densidade de probabilidade da variável t de Student é dada por f t = n1/ 2 n /2n 1 t 2 n −n1/2 , para qualquer t∈ℜ . Em inferências sobre médias populacionais, a distribuição t de Student é de grande utilidade. Valor esperado (distribuição t de Student): E t = 0 Variância (distribuição t de Student): Var t = n n−2 Gráficos de Distribuições t de Student A curva da distribuição t de Student é simétrica em relação à média. A distribuição t tende à distribuição normal padrão quando o número n de graus de liberdade tende a infinito. Os gráficos a seguir ilustram distribuições t de Student para n = 1, 4, 8 e 12 graus de liberdade. Note que a curva N(0,1) corresponde à distribuição t no limite n∞ . Uso da tabela da distribuição t de Student A tabela da distribuição t de Student (em anexo) fornece os valores críticos tc tais que P tt c= p /2 ou P t−t c= p /2 , para um dado número n de graus de liberdade e um dado valor de p. n=1 n=4 n=8 n=12 N(0,1) Função de Distribuição Acumulada Uma distribuição contínua de probabilidade pode também ser completamente descrita pela chamada função de distribuição acumulada. Se uma variável aleatória X tem uma função densidade de probabilidade f(x) , então sua função de distribuição acumulada F(x) é definida como F x = P Xx = ∫−∞ x f t dt f (t) f (x) t x Área é igual a F(x) Referências: • ESTATÍSTICA BÁSICA - Wilton de O. Bussab, Pedro A. Morettin - 5a ed. - São Paulo - Saraiva, 2002. • NOÇÕES DE PROBABILIDADE E ESTATÍSTICA - Marcos Nascimento Magalhães, Antônio Carlos Pedroso de Lima - 5a ed. - São Paulo - Editora da Universidade de São Paulo, 2002
Compartilhar