Baixe o app para aproveitar ainda mais
Prévia do material em texto
Estatística – Prof. Ricardo Luís Rocha Distribuições Contínuas de Probabilidades Unidade 6 Estatística – Prof. Ricardo Luís Rocha Ementa: 6.1 – Introdução 6.2 – Distribuição Normal Padronizada 6.3 – Distribuições Normais não Padronizadas 6.4 – Teorema Central do Limite 6 – Distribuições Contínuas Estatística – Prof. Ricardo Luís Rocha 6.1 – Introdução Na unidade 5, vimos como são calculadas as probabilidades para distribuições discretas de probabilidade, onde a variável aleatória “x” tem um número finito de valores possíveis. Nesta unidade, estudaremos algumas distri-buições de probabilidade contínuas, em que a variável aleatória “x” pode agora assumir in-finitos valores em uma escala contínua. Se “x” possui infinitos valores, a relação P(x)=s/n será igual a 0. Como resolver este problema? 6 – Distribuições Contínuas Estatística – Prof. Ricardo Luís Rocha 6.2 – Distribuição normal padronizada Pela definição: “Uma variável aleatória contínua tem distribuição normal se essa distribuição é simétrica e apresenta a forma de um sino”, conforme a figura. Essa distribuição se enquadra na equação: 6 – Distribuições Contínuas .2. 2 . 2 1 x e y µ- Estatística – Prof. Ricardo Luís Rocha Conforme pode ser visto na equação, ela depende de dois fatores: a média µ e o desvio padrão σ. O desvio padrão determina a abertura da curva, enquanto que a média determina a posição da curva, conforme a figura abaixo: 6 – Distribuições Contínuas 63,6 69,0 Altura dos homens: µ=69,0 σ=2,8 Altura das mulheres µ=63,6 σ=2,5 Estatística – Prof. Ricardo Luís Rocha O cálculo da probabilidade para uma determinada faixa de valores de x depende de fazermos a integral definida: Como esta integral não tem resposta analítica, apela-se para uma tabela de valores de área. Esta tabela mostra os valores das áreas para uma distribuição normal em particular: A que tem média zero e desvio padrão igual a 1. 6 – Distribuições Contínuas dx e xxxP x x x 2 1 2 .2. )( . 2 1 21 Estatística – Prof. Ricardo Luís Rocha A tabela de valores relaciona as áreas os valores da variável aleatória z. 6 – Distribuições Contínuas 4279,04265,04251,04236,04,1 4131,04115,04099,04082,03,1 3962,03944,03925,03907,02,1 3770,03749,03729,03708,01,1 07,005,004,003,0z 0 z Estatística – Prof. Ricardo Luís Rocha Deve-se verificar qual a área necessária para o cálculo da probabilidade e, conforme o caso, subtrair ou somar valores de áreas obtidas da tabela para obter o valor correto. Exemplo: Se uma empresa fabrica termôme-tros que marcam 0°C com média de 0°C e desvio padrão de 1°C. Selecionado um termômetro aleatoriamente, determine: a) A prob. dele marcar entre 0°C e 1,43°C; b) A prob. de marcar mais de 1,43°C; c) A prob. de marcar entre -1,35°C e 1,47°C; 6 – Distribuições Contínuas Estatística – Prof. Ricardo Luís Rocha Solução: a) Queremos o valor da área entre 0 e 1,43°C, e a tabela nos dá valores entre 0 e z. Como o desvio padrão é 1°C, temos condições de buscar na tabela diretamente o valor da probabilidade. Assim: P(0<x<1,43)=0,4236=42,36% 6 – Distribuições Contínuas 0 1,43 Estatística – Prof. Ricardo Luís Rocha b) Para valores maiores que 1,43°C, temos que adequar o valor da probabilidade. Como a tabela nos dá somente o valor entre 0 e z, para encontrarmos um valor maior que z, temos que fazer: P(z>1,43) = 0,5 - P(0<z<1,43) P(z>1,43) = 0,5 – 0,4236 = 0,0764 = 7,64% 6 – Distribuições Contínuas 0 1,43 Estatística – Prof. Ricardo Luís Rocha c) Como a curva é simétrica, valores de z negativos têm a mesma área dos valores positivos. Assim, temos que calcular 2 áreas e somá-las para encontrar o valor procurado: P(-1,35<z<1,47)=P(-1,35<z<0)+P(0<z<1,47) P(-1,35<z<1,47)=0,4115+0,4292 = 0,8407 6 – Distribuições Contínuas 0 1,47-1,35 Estatística – Prof. Ricardo Luís Rocha Lembretes importantes: Todas as áreas calculadas são positivas, mesmo que o valor de z seja negativo!!!! Podemos subtrair e somar áreas, de forma a obter a área procurada, mas o valor encontrado deve sempre ser positivo. Se for dada a probabilidade, podemos procurar a área na tabela de forma a encontrar o valor de z correspondente (pesquisa reversa). 6 – Distribuições Contínuas Estatística – Prof. Ricardo Luís Rocha 6.3 – Distribuições Normais não Padronizadas Nem sempre os dados têm média zero e desvio padrão igual a 1. Frequentemente os dados apresentam valores de média e desvio padrão diferentes. Nesses casos, ainda é possível calcular a probabilidade, fazendo com que: Com o valor de z calculado, basta procurar seu valor na tabela z. 6 – Distribuições Contínuas x z Estatística – Prof. Ricardo Luís Rocha Exemplo: As alturas das mulheres têm média de 63,6 polegadas e desvio padrão de 2,5 polegadas. Selecionada uma mulher aleatoriamente, determine a probabilidade de sua altura estar entre 63,6 e 68,6 polegadas. Solução: Vamos inicialmente encontrar a área: 6 – Distribuições Contínuas 63,6 68,6 Estatística – Prof. Ricardo Luís Rocha Calculando os valores de z para cada x: A área solicitada então será: 6 – Distribuições Contínuas 00,0 5,2 6,636,63 1 x z 00,2 5,2 6,636,68 2 x z 0 2 Estatística – Prof. Ricardo Luís Rocha Para estes valores de z, a tabela nos retorna o valor P(0<z<2)=0,4772. Portanto, há uma probabilidade de 47,72% de que, selecionada uma mulher aleatoriamente, ela tenha entre 63,6 e 68,6 polegadas de altura. 6 – Distribuições Contínuas 63,6 68,6 0,4772 Estatística – Prof. Ricardo Luís Rocha Exemplo: Determine a altura que separa os 10% de mulheres mais altas das demais. Considere que as alturas das mulheres têm média de 63,6 polegadas e desvio padrão de 2,5 polegadas. Solução: Agora, a situação é inversa, temos a área (10% maiores), mas não o valor de x: 6 – Distribuições Contínuas 63,6 x 0,10 0,400,50 Estatística – Prof. Ricardo Luís Rocha Procurando na tabela z o valor 0,4, vemos que não há um valor exato. Buscando o valor mais próximo de 0,4000, temos 0,3997, relativo ao z igual a 1,28. Agora, levando estes dados para a equação de z: Portanto, as mulheres que medem mais de 66,8 polegadas de altura estão entre as 10% mais altas da população. 6 – Distribuições Contínuas polx x xx z 8,66 6,635,2.28,1 5,2 6,63 28,1 Estatística – Prof. Ricardo Luís Rocha 6.4 – Teorema Central do Limite Se a variável de interesse não segue uma distribuição normal na população (ou não sabemos qual é a distribuição), a distribuição amostral das médias de amostras aleatórias retiradas desta população será normal, se a tamanho destas amostras for suficientemente grande. 6 – Distribuições Contínuas Estatística – Prof. Ricardo Luís Rocha O que isso quer dizer? • Este enunciado diz que, à medida que o tamanho da amostra aumenta, a distribuição das médias amostrais tende a assumir a forma da distribuição normal. • De fato, se n > 30, podemos afirmar que a distribuição das médias amostrais é igual à distribuição normal, não importando a distribuição da população. 6 – Distribuições Contínuas Estatística – Prof. Ricardo Luís Rocha Exemplo: De uma população uniforme formada pelos números inteiros entre 0 e 10.000, são retiradas101 amostras, conforme se segue: Dica: Faça suas próprias experiências com o arquivo “Unidade 6.xls” disponibilizado no material. 6 – Distribuições Contínuas Estatística – Prof. Ricardo Luís Rocha 1) n=1 Média = x = 4647,733 Desvio Padrão Amostral = sx = 2875,726 Valor Quantidade 1000 10 2000 8 3000 16 4000 15 5000 11 6000 10 7000 5 8000 7 9000 8 10000 11 6 – Distribuições Contínuas Estatística – Prof. Ricardo Luís Rocha Média = x = 4938,47 Desvio Padrão Amostral = sx = 2015,861 2) n=2 Valor Quantidade 1000 4 2000 6 3000 8 4000 14 5000 17 6000 18 7000 19 8000 9 9000 5 10000 1 6 – Distribuições Contínuas Estatística – Prof. Ricardo Luís Rocha Média = x = 4933,846 Desvio Padrão Amostral = sx = 1168,297 3) n=5 Valor Quantidade 1000 0 2000 0 3000 7 4000 13 5000 30 6000 36 7000 10 8000 5 9000 0 10000 0 6 – Distribuições Contínuas Estatística – Prof. Ricardo Luís Rocha Média = x = 4959,409 Desvio Padrão Amostral = sx = 913,005 4) n=10 Valor Quantidade 1000 0 2000 0 3000 1 4000 13 5000 42 6000 31 7000 12 8000 2 9000 0 10000 0 6 – Distribuições Contínuas Estatística – Prof. Ricardo Luís Rocha Média = x = 4991,281 Desvio Padrão Amostral = sx = 686,1585 5) n=20 Valor Quantidade 1000 0 2000 0 3000 0 4000 6 5000 52 6000 35 7000 7 8000 1 9000 0 10000 0 6 – Distribuições Contínuas Estatística – Prof. Ricardo Luís Rocha Média = x = 4975,636 Desvio Padrão Amostral = sx = 540,7672 6) n=30 Valor Quantidade 1000 0 2000 0 3000 0 4000 2 5000 50 6000 47 7000 2 8000 0 9000 0 10000 0 6 – Distribuições Contínuas Estatística – Prof. Ricardo Luís Rocha Média = x = 4998,701 Desvio Padrão Amostral = sx = 399,2635 7) n=50 Valor Quantidade 1000 0 2000 0 3000 0 4000 1 5000 53 6000 47 7000 0 8000 0 9000 0 10000 0 6 – Distribuições Contínuas Estatística – Prof. Ricardo Luís Rocha 8) Dados da população: Média = μ = 5.000 Desvio Padrão = σ = 2887,184 Comparação entre sx e σx: n sx σx 1 2875,726 2887,1844 2 2015,861 2041,5476 5 1168,297 1291,1881 10 913,005 913,00786 20 686,1585 645,59405 30 540,7672 527,12533 50 399,2635 408,30953 6 – Distribuições Contínuas n x n s sx Estatística – Prof. Ricardo Luís Rocha TEOREMA CENTRAL DO LIMITE (válido para médias amostrais) População original normal uniforme assimétrica médias amostrais n = 5 médias amostrais n = 30 médias amostrais n =10 6 – Distribuições Contínuas Estatística – Prof. Ricardo Luís Rocha Exemplo: O Teorema Central do Limite aplicado ao projeto de elevadores Em projetos de elevadores é fundamental considerar o peso das pessoas para que não haja sobrecarga e futuras falhas. Dado que a população brasileira tem peso distribuído normalmente com média μ = 72 kg e σ = 12 kg, determine a probabilidade de que uma pessoa escolhida aleatoriamente pese mais de 78 kg. 3085,01915,05,0 1915,0 50,0 12 7278 )5,0( P p X z z Logo, a probabilidade de uma pessoa pesar mais de 78 kg é de 30,85% 72 78 P = ? 6 – Distribuições Contínuas Estatística – Prof. Ricardo Luís Rocha Levando em consideração que uma empresa desenvolveu um elevador de grande porte (25 pessoas) e com capacidade máxima de carga de 1.950Kg, qual a probabilidade de que 25 pessoas que entrem aleatoriamente no elevador, ao mesmo tempo, propiciem um peso médio maior que 78kg? Agora estamos lidando com a média para um grupo de 25 valores, e não mais com um valor individual. kg X 72 4,2 25 12 n X 50,2 4,2 7278 x X x Z 0062,04938,050 4938052 ,P ,P ),(z Logo, a probabilidade de que entrem 25 pessoas no elevador com peso médio maior que 78kg será de 0,62%72 78 P = ? 6 – Distribuições Contínuas
Compartilhar