Baixe o app para aproveitar ainda mais
Prévia do material em texto
4 Variáveis Aleatórias Contínuas EMC 5223 Estatística e Metrologia para Engenharia Prof. Armando Albertazzi G. Jr. Estatística e Metrologia para Engenharia Tópicos Variáveis aleatórias contínuas Densidade de probabilidade Função distribuição cumulativa Média e variância a partir da função densidade de probabilidade Distribuição uniforme e triangular Distribuição normal Verificação de normalidade Covariância e correlação Outras distribuições Estatística e Metrologia para Engenharia Variáveis aleatórias A variável que associa um número ao resultado de um experimento aleatório é uma variável aleatória. Exemplos: □ soma de dois dados, cotação do dólar, precipitação diária de chuva em uma cidade, limite de resistência de corpos de prova Podem ser □ discretas (faixa de valores finita ou infinita contável) □ contínuas (faixa de valores com um intervalo de números reais) Convenção: □ variáveis aleatórias: X, Y, ... (letras maiúsculas) □ valores possíveis das variáveis aleatórias: x, y, ... (minúsculas) Estatística e Metrologia para Engenharia Variáveis aleatórias contínuas Assumem valores reais f(x) = função densidade de probabilidade a b x f(x) 0)( 0 xXP b a dxxfbXaP )()( Estatística e Metrologia para Engenharia Variáveis aleatórias contínuas Propriedades: a b x f(x) xxf ,0)( 1)( dxxf )()()()( bXaPbXaPbXaPbXaP Estatística e Metrologia para Engenharia Função distribuição cumulativa a b x f(x) a b x F(x) 100% ab 1 )()( xXPxF A = 1 Estatística e Metrologia para Engenharia A função distribuição cumulativa de uma variável aleatória X associa a cada valor possível de X a probabilidade deste valor ser menor ou igual a x. Denota-se F(x) P(a ≤ X ≤ b) = F(b) - F(a) Função distribuição cumulativa x dfxXPxF )()()( )( )( xf dx xFd a b x f(x) a b x F(x) 1,00 F(b) F(a) ab b a dxxfdxxf dxxfbXaP )()( )()( Estatística e Metrologia para Engenharia Média e variância de uma VA contínua Média (valor esperado) Variância dxxfxxE )()( 2222 )()()()( dxxfxdxxfxxV Estatística e Metrologia para Engenharia Distribuição uniforme contínua Exemplo: erro de arredondamento de um mostrador digital β x f(x) 1 A = 1 2 22 12 1 contráriocaso x xf ,0 ,, 1 )( Estatística e Metrologia para Engenharia Erro devido ao arredondamento de mostrador digital g 1,0 quantidade de açúcar (g) indicação (g) 2,0 3,0 4,0 5,0 6,0 1,0 2,0 3,0 4,0 0,0 0,0 incremento digital 0 1 2 3 4 Estatística e Metrologia para Engenharia Erro devido ao arredondamento de mostrador digital mensurando indicação ID erro ID/2 - ID/2 f(x) 0 32 ID Estatística e Metrologia para Engenharia A = 1 Distribuição triangular 2 22 24 1 f(x) 2 Estatística e Metrologia para Engenharia Distribuição (discreta) da média de dois dados 1,0 1,5 2,0 2,5 3,0 3,5 4,0 4,5 5,0 5,5 6,0 1 2 3 4 5 6 36 possibilidades Estatística e Metrologia para Engenharia Distribuições das médias de “n” dados 1 dado Média de 2 dados Média de 3 dados Média de 4 dados Média de 5 dados Média de 6 dados Estatística e Metrologia para Engenharia Distribuições das médias de “n” dados Média de 8 dados Média de 10 dados Média de 15 dados Média de 20 dados Média de 25 dados Média de 30 dados Estatística e Metrologia para Engenharia Distribuição normal ou gaussiana pontos de inflexão assíntota assíntota média desvio padrão Estatística e Metrologia para Engenharia Distribuição normal ou gaussiana Carl Friedrich Gauss (1777-1855) Observada no século XVIII: “curva normal de erros” xexf x 2 2 2 )( 2 1 )( f(x) Estatística e Metrologia para Engenharia Distribuição normal ou gaussiana Função probabilidade acumulada: □ Não pode ser integrada explicitamente □ É calculada numericamente e tabelada Problema: □ Para cada valor de μ e σ é necessária uma tabela diferente Solução: □ Distribuição normal padronizada x dexF 2 2 2 )( 2 1 )( Estatística e Metrologia para Engenharia Padronização distribuição variável 3 x f(x) 3 0 y f(y) 3 0 z f(z) X 3 XY 2 3 X Z μX = 3 σX = 2 μY = 0 σY = 2 μZ = 0 σZ = 1 Estatística e Metrologia para Engenharia Distribuição normal padronizada Mudança de variável para que μ = 0 e σ² = 1 Distribuição normal padronizada: Função distribuição cumulativa é tabelada: X Z zezf z 2 2 2 1 )( z dezF 2/2 2 1 )( EMC 5223 – Estatística e Metrologia para Engenharia Estatística e Metrologia para Engenharia Exemplo 1 O tempo de resposta de um indivíduo a um evento rápido pode ser considerado uma VA normal, com média 180 ms e desvio padrão 50 ms. Calcule a probabilidade dele reagir a um evento rápido em menos de 100 ms. = 50 ms = 180 ms 100 -1,60 )60,1()60,1()100( FZPXP 60,1 50 180100 Z 5,48%0,05480)60,1( FP No MS Excel® = DIST.NORMP(-1,60) 180 X 0,00 Z Estatística e Metrologia para Engenharia Exemplo 2 Calcule a probabilidade de um VA com distribuição normal com μ = 3 e σ = 2 apresentar valores entre 2 e 5 = 2 = 3 3 0 2 5 )()( 25 zFzFP 00,1 2 35 5 z 50,0 2 32 2 z 0,53280,3085-0,8413)50,0()00,1( FFP No MS Excel® = DIST.NORMP(1,00) - DIST.NORMP(-0,50) Estatística e Metrologia para Engenharia Verificação de normalidade Uma distribuição é normal? Teste dos escores normais: □ conjunto de “n” valores que dividem a distribuição normal idealizada em “n+1”faixas com igual probabilidade e organizados em ordem crescente □ Constrói-se um gráfico dos escores normais versus os dados ordenados. □ Se o gráfico resultante for próximo de uma reta, a distribuição é próxima da normal Estatística e Metrologia para Engenharia Teste dos escores normais 1. Ordene os dados de forma crescente 2. Obtenha os “n” escores normais sendo “n” o número de dados experimentais 3. Plote o i-ésimo valor experimental versus o i-ésimo escore normal 4. Se o gráfico resultante se aproxima de uma reta esse indica que a distribuição dos dados é próxima da normal Normalmente 15 ≤ n ≤ 20, embora seja comum usar n > 20, mas não se recomenda n < 15 Estatística e Metrologia para Engenharia Exemplo Verifique se os 19 números abaixo, colhidos de um experimento aleatório, possuem distribuição aproximadamente normal: □ 16; -5; 4; 13; 3; -10; -7; 10; -4; -1; 0; -13; 2; 6; 19; 7; 11; -2; 8; Estatística e Metrologia para Engenharia Testes dos escores normais Solução: □ Ordenando -13;-10; -7; -5; -4; -2; -1; 0; 2; 3; 4; 6; 7; 8; 10; 11; 13; 16; 19 □ Calculando os escores normais: MS Excel®: =INV.NORMP(0,05) F(x) Escores normais Pontos 0,05 -1,645 -13 0,10 -1,282 -10 0,15 -1,036 -7 0,20 -0,842 -5 0,25 -0,674 -4 0,30 -0,524 -2 0,35 -0,385 -1 0,40 -0,253 0 0,45 -0,126 2 0,50 0,000 3 0,55 0,126 4 0,60 0,253 6 0,65 0,385 7 0,70 0,524 8 0,75 0,674 10 0,80 0,842 11 0,85 1,036 13 0,90 1,282 16 0,95 1,645 19 Estatística e Metrologia para Engenharia Testes dos escores normais F(x) Escores normais Pontos 0,05 -1,645 -13 0,10 -1,282 -10 0,15 -1,036 -7 0,20 -0,842 -5 0,25 -0,674 -4 0,30 -0,524 -2 0,35 -0,385 -1 0,40 -0,253 0 0,45 -0,126 2 0,50 0,000 3 0,55 0,126 4 0,60 0,253 6 0,65 0,385 7 0,70 0,524 8 0,75 0,674 10 0,80 0,842 11 0,85 1,036 13 0,90 1,282 16 0,95 1,645 19 -15 -10 -5 0 5 10 15 20 25 -2,000 -1,500 -1,000 -0,500 0,000 0,500 1,000 1,500 2,000 Conclusão: A distribuição dos dados é próxima à normal. Estatística e Metrologia para Engenharia Escores normais -50 -40 -30 -20 -10 0 10 20 30 40 50 -3,000 -2,000 -1,000 0,000 1,000 2,000 3,000 -60 -40 -20 0 20 40 60 -3,000 -2,000 -1,000 0,000 1,000 2,000 3,000 Escores normais de dados simulados com distribuição perfeitamente normal Escores normais de dados simulados com distribuição perfeitamente uniforme Estatística e Metrologia para Engenharia Propriedade reprodutiva da distribuição normal Se X1, X2, ..., Xp forem variáveis aleatórias normais e independentes com E(Xi) = μi e V(Xi) = σi² então: Y = c1X1 + c2X2 + ... + cpXp Será uma variável aleatória normal com E(Y) = c1μ1 + c2μ2 + ... + cpμp e V(Y) = c1²σ1² + c2²σ2² + ... + cp²σp² Estatística e Metrologia para Engenharia Média de uma combinação linear de VA Sejam X1, X2, ... , Xk VA com média μXi Exemplo k i Xikk kk i aXEaXEaXEa XaXaXaE 1 2211 2211 )(...)()( )...( 321321 3232 XXXXXX Estatística e Metrologia para Engenharia Valor esperado e variância de aX + b bXEabaXE )()( ba XbaX )()( 2 XVarabaXVar 222 XbaX a Estatística e Metrologia para Engenharia Variância de uma combinação linear de VA Sejam X1, X2, ... , Xk VA independentes e com variância σ²Xi Exemplos: k i xiikk kk aXVaraXVaraXVara XaXaXaVar 1 222 2 2 21 2 1 2211 )(...)()( )...( 2222 32 321321 94 XXXXXX 22 2121 XXXX 22 2121 XXXX Estatística e Metrologia para Engenharia Valor esperado e variância da média Sejam X1, X2, ... , Xk VA independentes, todas com média μ e variância σ² A média é calculada por: A média das médias é: A variância das médias é: Em síntese kkkk k XXX k XXX X 12 1 1 121 ... ... k k kkkkkkkX XEXEXEXE 11112 1 1 1 ...)(...)()()( k XVarXVarXVarXVar k k kkkkkkkX 2 22121211 2 1 1 12 2222222 ...)(...)()()( XX k X X 22 1 XX k Estatística e Metrologia para Engenharia Avalia a existência de sincronismo entre duas VA Covariância 21 2121 .).( )])([(),cov( 21 2121 XX XXXX XXE XXEXX X1 X2 0 21 XX X1 X2 0 21 XX X2 X1 0 21 XX Estatística e Metrologia para Engenharia Correlação Quando dividida pelos respectivos desvios-padrão, a covariância é normalizada e recebe o nome de “Coeficiente de correlação”, denotado por ρ O valor ρ está sempre dentro do intervalo Usa-se também o coeficiente de variação: 21 21 21 .)().( ),cov( 21 21 XX XX XX XVarXVar XX 11 21 XX 22 )( 2121 XXXX R Estatística e Metrologia para Engenharia Covariância e correlação -10 0 10 20 30 40 50 60 70 1 4 7 10 13 16 19 22 25 28 31 34 37 40 43 46 49 52 55 58 61 64 67 70 X1 X2 -10 -5 0 5 10 15 20 25 30 0 10 20 30 40 50 60 70 X1 x X2 98,115),cov( 21 XX 8994,0),( 21 XX 8088,0),²( 21 XXR Estatística e Metrologia para Engenharia Covariância e correlação 80,153),cov( 21 XX 9234,0),( 21 XX 8526,0),²( 21 XXR -20 -10 0 10 20 30 40 50 60 70 80 X1 X3 -15 -10 -5 0 5 10 15 20 25 30 35 40 0 10 20 30 40 50 60 70 80 X1 x X3 Estatística e Metrologia para Engenharia Correlação Se X1 e X2 são VA independentes, então σX1X2 = ρX1X2 = 0 Se X1, X2, ... , Xk são VA dependentes, então: k j jijiji ji kk k j jiji ji kk kk XXaaXVaraXVaraXVara XXaaXVaraXVaraXVara XaXaXaVar 2 2 2 2 21 2 1 2 2 2 2 21 2 1 2211 ),(2)(...)()( ),cov(2)(...)()( )...( Estatística e Metrologia para Engenharia Distribuição Log-normal É a distribuição de probabilidade de uma variável aleatória cujo logaritmo é normalmente distribuído f(x) F(x) 2 2 2 ))(ln( 2 1 )( x e x xf Estatística e Metrologia para Engenharia Distribuição Log-normal Seu interesse prático surge quando a variável de interesse é obtida a partir de um produto de um grande número de variáveis independentes e com distribuições parecidas. De fato: A soma de um grande número de variáveis aleatórias independentes e com distribuições próximas resulta em normal )log(...)log()log()log( ... 21 21 k k XXXX XXXX Estatística e Metrologia para Engenharia Outras distribuições Distribuição exponencial Distribuição de Weibull Distribuição Beta Distribuição de Poisson
Compartilhar