Baixe o app para aproveitar ainda mais
Prévia do material em texto
Distribuições contínuas Página 1 de 4 Distribuições contínuas Página 1 de 4 Distribuições Contínuas As distribuições contínuas são utilizadas para determinar a probabilidade de variáveis aleatórias contínuas que seguem um determinado padrão. Correcção de continuidade Em distribuições contínuas, a probabilidade de um dado valor real é nula. 0)()( =∂== ∫ δδ x x XfxXP Para se poder medir tal probabilidade dá-se uma margem k para esse valor. O valor k depende da situação e da escala dos valores de X. 0)()( >∂=+<<− ∫+ − δδ kx kx XfkxXkxP Distribuição uniforme O valor da função de distribuição de probabilidade é constante. [ ] [ ] ∉ ∈−= bax bax abxf X ,,0 ,,1 )( 2)( 12 1)( 2 )( abXV baXE −= += Distribuição exponencial negativa )(λENX → X : tempo entre ocorrências sucessivas de um processo de Poisson com parâmetro λ (número médio de ocorrências por unidade de tempo) < ≥= − 0,0 0, )( x xe xf x X λλ 2 1)( 1)( λ λ = = XV XE xexF λ−−=1)( x > 0 Distribuições contínuas Página 2 de 4 Distribuições contínuas Página 2 de 4 Exercício: A função densidade de probabilidade do tempo de vida de um determinado componente é dada por: )0(,)( ∞<<= − tektf kt Um aparelho é constituído por três componentes deste tipo e a probabilidade de um deles avariar é independente da probabilidade dos outros avariarem. Calcule a probabilidade de: a) Nenhum deles avariar em t0 horas; b) Um deles avariar nas primeiras t0 horas, outro avariar nas segundas t0 horas e o terceiro avariar depois das segundas t0 horas. Resolução: Em primeiro lugar, vamos calcular a função de distribuição acumulada de t: kt t kx t exkexxftF − ∞− − ∞− −=∂=∂= ∫∫ 1)()( Note-se que: ktkt eetTP −− =−−=≥ )1(1)( a) Para que nenhum avarie até t0 horas, os três componentes têm de ter tempos de vida maiores do que t0. Como as probabilidades de cada componente são independentes entre si, a probabilidade de nenhum avariar até t0 horas é o seguinte produto: [ ] [ ] 00 3330030201 )()()()( ktkt eetTPtTPtTPtTP −− ==≥=≥×≥×≥ b) Em primeiro lugar vamos calcular a probabilidade de um componente avariar em cada um dos intervalos de tempo em questão: 0 00 0 2 003 2 00020 001 )2(1)2( )()2()2( 1)()( kt ktkt kt etFtTP eetFtFtTtP etFtTP − −− − =−=≥ −=−=≤≤ −==≤ Se nós simplesmente multiplicarmos estas três probabilidades, obtemos a probabilidade de uma avariar até t0, outra avariar entre t0 e 2 t0 e a terceira depois de 2 t0, mas numa ordem específica. Temos também de considerar que os componentes podem avariar por 3! = 6 ordens diferentes. Então a probabilidade que nós queremos calcular é: 0000000 54322 0302001 6126))()(1(6 )2()2()(6 ktktktktktktkt eeeeeee tTPtTtPtTP −−−−−−− +−=−−= =≥×≤≤×≤× Distribuições contínuas Página 3 de 4 Distribuições contínuas Página 3 de 4 Distribuição normal ou gaussiana É necessário saber a média (µ) e o desvio padrão (σ) para calcular as probabilidades desta distribuição. ),( 2σµNX → 0;,, 2 1)( 2 2 1 >ℜ∈= −− σµσπ σ µ xexf x X 2)( )( σ µ = = XV XE Distribuição normal reduzida Consiste em transformar a distribuição normal numa forma reduzida, para facilitar os cálculos. )1,0(),( 2 NZNX XZ → →→ −= σ µ σµ ℜ∈= − zezf z Z ,2 1)( 2 2 π 1)( 0)( = = ZV ZE Exercício: O peso médio de 500 estudantes do sexo masculino, de uma determinada universidade, é 75.5 Kg e o desvio padrão é de 7.5 Kg. Admitindo-se que os pesos estão distribuídos normalmente, determinar quantos estudantes pesam: a) entre 60 e 77.5 Kg; b) mais do que 92.5 Kg. Resolução: O peso de um estudante é na realidade um valor real, mas vamos admitir que o peso de cada estudante só foi registado considerando intervalos de 0.5Kg. Isto implica que um valor para o peso de 75 Kg corresponde na realidade a um intervalo de pesos entre 74.75 e 75.25 Kg. Esta situação vai-nos obrigar a ter especial atenção às igualdades no cálculo de probabilidades; já que apesar de estarmos perante uma distribuição contínua (normal) a probabilidade de um aluno ter um peso de X não é nula, já que ao peso X corresponde na realidade um intervalo de pesos ( [X - 0.25, X + 0.25] ). KgKgcomNX 5.75.75),,( 2 =∧=→ σµσµ Distribuições contínuas Página 4 de 4 Distribuições contínuas Página 4 de 4 a) )75.7775.59()25.05.7725.060()5.7760( ≤≤=+≤≤−→≤≤ XPXPXP Transformando a distribuição normal ),( 2σµNX → na distribuição normal reduzida )1,0(NZ → : 6.0 2 1)( )30.010.2(75.7775.59)75.7775.59( 30.0 10.2 2 30.0 10.2 2 =∂=∂= =≤≤−= −≤−≤−=≤≤ ∫∫ − − − zezzf ZPXPXP z Z π σ µ σ µ σ µ Então, o número de estudantes cujos pesos estão entre 60 e 77.5 Kg será a probabilidade vezes o número de estudantes: 3006.0500)5.7760(500 =×=≤≤× XP b) )75.92()25.05.92()5.92( PXPXP =+>→> )25.92()25.05.92()5.92( :5.92: PXPXP KgfosseseAtençao =−≥→≥ ≥ Transformando a distribuição normal ),( 2σµNX → na distribuição normal reduzida )1,0(NZ → : 0107.0 2 1)( )30.2(75.92)75.92( 30.2 2 30.2 2 =∂=∂= =>= −>−=> ∫∫ ∞+ −∞+ zezzf ZPXPXP z Z π σ µ σ µ Então, o número de estudantes que pesam mais do que 92.5 Kg será a probabilidade vezes o número de estudantes: 50107.0500)5.92(500 =×=>× XP
Compartilhar