Baixe o app para aproveitar ainda mais
Esta é uma pré-visualização de arquivo. Entre para ver o arquivo original
Aula 02 – Distribuições Contínuas de Probabilidades Prof. Me. André Breve andre.breve@estacio.br CCE0174 – Estatística Aplicada à Engenharia Introdução Estatística Aplicada à Engenharia – Prof. Me. André Breve Distribuições Contínuas Variável aleatória contínua é aquela que pode assumir inúmeros valores num inte rvalo de números reais e é medida numa escala contínua. A temperatura, a pressão, a precipitação ou qualquer elemento medido numa es cala contínua é uma variável aleatória contínua. Há muitas distribuições teóricas contínuas, dentre as quais se destaca a distribuição Normal, a mais importante e mais empregada distribuição de probabilidades contínua. Outras distribuições contínuas: Uniforme; Gama; Exponencial; Log-normal e Weibull Distribuição Uniforme Uma distribuição de variável aleatória contínua é a distribuição uniforme cuja função densidade de probabilidade é constante dentro de um intervalo de valores da variável aleatória. • Representação gráfica: Distribuições Contínuas de Probabilidades A variável aleatória X tem distribuição uniforme de probabilidades no intervalo (a, b) com as seguintes condições: b ≥ a e a ≤ x ≤ b Estatística Aplicada à Engenharia – Prof. Me. André Breve Distribuição Uniforme Da definição da distribuição uniforme deduzimos: A área do retângulo é igual a 1, pois a base é (b – a) e a altura é 1/(b – a) A probabilidade da variável aleatória x ser igual ou maior que a e, ao mesmo tempo, menor ou igual a b é igual a 1 ou 100% Cálculo da média e da Variância: Distribuições Contínuas de Probabilidades Estatística Aplicada à Engenharia – Prof. Me. André Breve Distribuição Uniforme Ex1: A variável aleatória x tem distribuição uniforme no intervalo (50, 200). Calcular a média e o desvio padrão. Qual a probabilidade de um valor da variável X se encontrar entre 110 e 150? a) b) 50 200 1/150 P (110 ≤ x ≤ 150) = Área = base x altura P (110 ≤ x ≤ 150) = (150 – 110) x 1/150 P (110 ≤ x ≤ 150) = 40 x 1/150 = 40/150 P (110 ≤ x ≤ 150) = 0,2667 ou 26,67% Estatística Aplicada à Engenharia – Prof. Me. André Breve Distribuições Contínuas de Probabilidades • Distribuição Uniforme Ex2: Qual é a probabilidade de obter um ângulo entre 30 e 60 graus? P (30 < x < 60) = Área = base x altura P (30 < x < 60) = (60 – 30) x 1/360 P (30 < x < 60) = 0,0833 P (30 < x < 60) = 8,33% 360 1/360 0 30 60 Estatística Aplicada à Engenharia – Prof. Me. André Breve Distribuições Contínuas de Probabilidades Distribuição Normal Entre as distribuições teóricas de variáveis aleatórias contínuas, uma das mais empregadas é a distribuição normal. Muitas das variáveis analisadas na pesquisa socioeconômica correspondem à distribuição normal ou dela se aproximam. Aspecto gráfico de uma distribuição normal: Distribuições Contínuas de Probabilidades Estatística Aplicada à Engenharia – Prof. Me. André Breve Distribuição Normal Para uma correta compreensão de uma distribuição normal deve-se levar em consideração as seguintes propriedades: A variável aleatória X pode assumir todo e qualquer valor real A representação gráfica de uma distribuição normal é uma curva em formato de sino, simétrica em torno da média, que recebe o nome de curva normal ou de Gauss. A área total limitada pela curva e pelo eixo das abscissas é igual a 1, já que essa área corresponde à probabilidade de a variável aleatória X assumir qualquer valor real. Estatística Aplicada à Engenharia – Prof. Me. André Breve Distribuições Contínuas de Probabilidades Distribuição Normal Para uma correta compreensão de uma distribuição normal deve-se levar em consideração as seguintes propriedades: A curva normal é assintótica em relação ao eixo das abscissas, isto é, aproxima-se indefinidamente do eixo das abscissas sem tocá-lo. Como a curva é simétrica em torno da média, a probabilidade de ocorrer valor maior do que a média é igual a probabilidade de ocorrer valor menor do que a média, isto é, ambas as probabilidades são iguais a 0,5. Estatística Aplicada à Engenharia – Prof. Me. André Breve Distribuições Contínuas de Probabilidades Distribuição Normal Quando temos em mãos uma variável aleatória com distribuição normal, o principal interesse é obter a probabilidade de essa variável aleatória assumir um valor em um determinado intervalo. Se X é uma variável aleatória com distribuição normal de média x̅ e desvio padrão s, então a variável z tem distribuição normal reduzida: z = (x - x̅ ) s As probabilidades associadas à distribuição normal padronizada são encontradas em tabelas, não havendo a necessidade de serem calculadas. Estatística Aplicada à Engenharia – Prof. Me. André Breve Distribuições Contínuas de Probabilidades Distribuição Normal Ex: Seja X a variável aleatória que representa os diâmetros dos parafusos produzidos por certa máquina. Supondo-se que essa variável tenha distribuição normal com média x̅ = 2 cm e desvio padrão s = 0,04 cm, qual é a probabilidade de um parafuso ter um diâmetro com valor entre 2 e 2,05cm? P (2 < X < 2,05) Estatística Aplicada à Engenharia – Prof. Me. André Breve z = (x - x̅ ) / s z = (2,05 - 2) / 0,04 z = 0,05 / 0,04 => z = 1,25 Na tabela: P (0 < Z < 1,25) = P (2 < X < 2,05) = 0,3944 Distribuições Contínuas de Probabilidades Distribuição Normal Exercícios: Determine as probabilidades: a) P(-1,25 < Z < 0) b) P(-0,5 < Z < 1,48) c) P(0,8 < Z < 1,23) d) P(Z > 0,6) e) P(Z < 0,92) Estatística Aplicada à Engenharia – Prof. Me. André Breve Distribuições Contínuas de Probabilidades Distribuição Normal Exercícios: 2) Os salários semanais dos operários industriais são distribuídos normalmente, sem torno da média de R$500,00, com desvio padrão de R$40,00. Calcule a probabilidade de um operário ter um salário semanal situado entre R$490,00 e R$520,00. Estatística Aplicada à Engenharia – Prof. Me. André Breve Distribuições Contínuas de Probabilidades Distribuição Normal Exercícios: 3) Sendo Z uma variável com distribuição normal reduzida, calcule: a) P(0 < Z < 1,44) b) P(-0,85 < Z < 0) c) P(-1,48 < Z < 2,05) d) P(0,72 < Z < 1,89) e) P(Z > -2,03) f ) P(Z > 1,08) g) P(Z < -0,66) h) P(Z < 0,60) Estatística Aplicada à Engenharia – Prof. Me. André Breve Distribuições Contínuas de Probabilidades Distribuição Normal Exercício 4: Um teste padronizado de escolaridade tem distribuição normal com média igual a 100 e desvio padrão igual a 10. Determine a probabilidade de um indivíduo submetido ao teste ter nota: Maior que 120 maior que 80 entre 85 e 115 maior que 100 Estatística Aplicada à Engenharia – Prof. Me. André Breve Distribuições Contínuas de Probabilidades Distribuição Normal Exercício 5: Os pesos de 600 estudantes são normalmente distribuidos com média 65,3 kg e desvio padrão 5,5 kg. Determine o número de estudantes que pesam: entre 60 e 70 kg; mais que 63,2 kg; menos que 68 kg. Estatística Aplicada à Engenharia – Prof. Me. André Breve Distribuições Contínuas de Probabilidades Distribuição Normal Exercício 6: A duração de um certo componente eletrônico tem média de 850 dias e desvio padrão de 40 dias. Sabendo que a duração é normalmente distribuida, calcule a probabilidade de esse componente durar: entre 700 e 1000 dias; mais de 800 dias; menos de 750 dias. Estatística Aplicada à Engenharia – Prof. Me. André Breve Distribuições Contínuas de Probabilidades Distribuição Exponencial A distribuição exponencial é geralmente aplicada à dados com forte assimetria como aqueles cujo histograma tem a forma da figura abaixo, ou seja, de J invertido nos casos onde q o espaço ou Aplicada ueremos analisar intervalo de acontecimento de um evento Distribuições Contínuas de Probabilidades Estatística Aplicada à Engenharia – Prof. Me. André Breve Distribuição Exponencial Bastante empregada em situações onde se trabalha com o intervalo entre ocorrências de determinado evento Tempo entre chegada de pessoas em uma fila; Tempo de vida de material eletrônico; Tempo de atendimento de um pedido de suprimento de materiais; Tempo entre chegadas de arquivos num servidor. Estatística Aplicada à Engenharia – Prof. Me. André Breve Distribuições Contínuas de Probabilidades Distribuição Exponencial X Distribuição de Poisson Na distribuição de Poisson: estimativa da quantidade de eventos num intervalo (distribuição de dados discreta). Ex.: um fio de cobre apresenta uma taxa de 2 falhas por metro. Qual a probabilidade de apresentar, em um metro, 4 falhas? A distribuição Exponencial está ligada à de Poisson; ela analisa inversamente o experimento: um intervalo ou espaço para ocorrência de um evento. No exemplo do fio, qual a probabilidade de ocorrer uma falha em em 0,5 metros, se ele possui uma taxa de 2 falhas por metro? Estatística Aplicada à Engenharia – Prof. Me. André Breve Distribuições Contínuas de Probabilidades Distribuição Exponencial Distribuições Contínuas de Probabilidades Estatística Aplicada à Engenharia – Prof. Me. André Breve Distribuição Exponencial Distribuições Contínuas de Probabilidades λ: Parâmetro da distribuição (λ > 0) Estatística Aplicada à Engenharia – Prof. Me. André Breve Distribuições Contínuas de Probabilidades Distribuição Exponencial Ex1: O setor de manutenção de uma empresa fez um levantamento das falhas de um importante equipamento, constatando que há, em média, 0,75 falha por ano e que o tempo entre falhas segue uma distribuição exponencial. Qual é a probabilidade do equipamento não falhar no próximo ano? λ = 0,75 P(X > 1) = ? Estatística Aplicada à Engenharia – Prof. Me. André Breve Distribuição Exponencial Ex2: A vida útil de um certo componente eletrônico é, em média, 10.000 horas e apresenta distribuição exponencial. Qual é a percentagem esperada de componentes que apresentarão falhas em menos de 10.000 horas? Distribuições Contínuas de Probabilidades P(X < 10000) = ? P(X < 10000) = 63,21% Estatística Aplicada à Engenharia – Prof. Me. André Breve Distribuição Exponencial Ex3: O prazo de operação medido em horas embalagem de frascos sem interrupções para manutenção de uma máquina de tem distribuição exponencial com média de 2 horas. Qual a probabilidade desta máquina conseguir operar mais de uma hora sem interrupção? λ = ½ = 0,50 P(X ≥ 1) = ? Distribuições Contínuas de Probabilidades Estatística Aplicada à Engenharia – Prof. Me. André Breve Distribuição Gama Uma variável aleatória exponencial descreve o comprimento até que a primeira contagem seja obtida em um processo de Poisson A distribuição Gama é um generalização da distribuição exponencial que representa o comprimento até que n contagens ocorram em um processo de Poisson Ou seja, se o número de ocorrências de um processo de contagens segue a distribuição Poisson(λ), então a variável aleatória "Tempo até a n-ésima ocorrência" do referido processo tem distribuição Gama(n,λ) Estatística Aplicada à Engenharia – Prof. Me. André Breve Distribuições Contínuas de Probabilidades Distribuição Gama Exemplo: As falhas em CPU’s de computadores usualmente são modeladas por processos de Poisson. Isso porque, tipicamente, as falhas não são causadas por desgaste, mas por eventos externos ao sistema. Assuma que as unidades que falham sejam imediatamente 0,0001. reparadas e que o número médio de falhas por hora seja determine as probabilidades de que: (a) o tempo entre falhas sucessivas exceda 10.000 horas; (b) o tempo até a quarta falha exceda 40.000 horas; Distribuições Contínuas de Probabilidades P(N = 0) = ? λ = 1 P(N ≤ 3) = ? λ = 4 Estatística Aplicada à Engenharia – Prof. Me. André Breve Distribuições Contínuas de Probabilidades Distribuição Gama Exercício 1: Chamadas para o sistema telefônico seguem uma distribuição de Poisson, com uma média de cinco chamadas por minuto. Qual é a probabilidade de, exatamente, quatro chamadas ocorrerem dentro de um minuto? P(N = 4) = ? λ = 5 Estatística Aplicada à Engenharia – Prof. Me. André Breve Distribuições Contínuas de Probabilidades Distribuição Gama Exercício 2: O tempo entre falhas de um laser em uma máquina citogênica é distribuído exponencialmente, com uma média de 25.000 horas. Qual é a probabilidade de que o tempo até a terceira falha exceda 50.000 horas? P(X > 50.000) = ? λ = 1 falha a cada 25.000h λ = 2 falhas a cada 50.000h P(X ≤ 2) = 0,6767 Estatística Aplicada à Engenharia – Prof. Me. André Breve Distribuição de Weibull A distribuição de Weibull é frequentemente usada para modelar o tempo até a falha de muitos sistemas físicos diferentes Os parâmetros da distribuição fornecem uma grande flexibilidade para modelar sistemas em que o número de falhas aumenta com o tempo (desgaste de rolamento), diminuem com o tempo (alguns semicondutores) ou permanecem constantes com o tempo (falhas causadas pelos choques externos ao sistema). Estatística Aplicada à Engenharia – Prof. Me. André Breve Distribuições Contínuas de Probabilidades Distribuição de Weibull Fórmula: Fórmula Cumulativa: Distribuições Contínuas de Probabilidades Estatística Aplicada à Engenharia – Prof. Me. André Breve Distribuição de Weibull Ex: O tempo de falhas (em horas) de um mancal em um eixo mecânico é satisfatoriamente modelado como uma variável aleatória de Weibull, com β = 2 e δ = 5.000 horas. Determine a probabilidade de um mancal durar no mínimo 6.000 horas. Distribuições Contínuas de Probabilidades P(X > 6.000) = ? k = 6.000 β = 2 δ = 5.000 P(X > 6.000) = 0,237 Estatística Aplicada à Engenharia – Prof. Me. André Breve 23,7% de todos os mancais duram no mínimo 6.000 horas Distribuição de Weibull Exercício 1: A vida (em horas) de uma unidade de processamento de um computador (CPU) é modelada por uma distribuição de Weibull, com parâmetros β = 3 e δ = 900 horas. Qual é a probabilidade de a CPU falhar antes de 500 horas? Distribuições Contínuas de Probabilidades P(X < 500) = ? k = 500 β = 3 δ = 900 P(X < 500) = 1 – 0,84243 = 0,15757 Estatística Aplicada à Engenharia – Prof. Me. André Breve Distribuição Lognormal Uma variável aleatória X tem a distribuição log-normal quando o seu logaritmo tem a distribuição normal Assim como a distribuição Weibull, a distribuição Log-Normal é muito usada para caracterizar tempo de vida de produtos e materiais. Isto inclui fadiga de metal, semicondutores, diodos e isolação elétrica. Estatística Aplicada à Engenharia – Prof. Me. André Breve Distribuições Contínuas de Probabilidades Distribuição Lognormal Fórmulas Cumulativas: Distribuições Contínuas de Probabilidades Estatística Aplicada à Engenharia – Prof. Me. André Breve Distribuição Lognormal Ex: O tempo de vida de um laser semicondutor tem uma distribuição lognormal, com θ = 10 horas e ω = 1,5 hora. Qual é a probabilidade de o tempo de vida exceder 10.000 horas? Distribuições Contínuas de Probabilidades P(X > 10.000) = ? k = 10.000 θ = 10 ω = 1,5 P(X > k) = 1 - P(X ≤ k) P(X > 10.000) = 1 – ϕ(-0,52) P(X > 10.000) = 1 – 0,30 = 0,70 Estatística Aplicada à Engenharia – Prof. Me. André Breve Distribuições Contínuas de Probabilidades • P(X > 10) = ? k = 10 θ = 0,5 ω = 1 P(X > k) = 1 - P(X ≤ k) P(X > 10) = 1 – ϕ(1,80) P(X > 10.000) = 1 – 0,964 = 0,036 Estatística Aplicada à Engenharia – Prof. Me. André Breve
Compartilhar