Baixe o app para aproveitar ainda mais
Prévia do material em texto
BARBETTA, REIS e BORNIA – Estatística para Cursos de Engenharia e Informática. Atlas, 2004 Estatística para Cursos de Engenharia e Estatística para Cursos de Engenharia e InformáticaInformática Pedro Alberto Barbetta / Marcelo Menezes Reis / Antonio Cezar Bornia São Paulo: Atlas, 2004 Cap. 6 Cap. 6 –– Variáveis aleatórias Variáveis aleatórias contínuascontínuas APOIO: Fundação de Apoio à Pesquisa Científica e Tecnológica do Estado de Santa Catarina (FAPESC) Departamento de Informática e Estatística – UFSC (INE/CTC/UFSC) BARBETTA, REIS e BORNIA – Estatística para Cursos de Engenharia e Informática. Atlas, 2004 Variável aleatóriaVariável aleatória os possíveis resultados estão contidos em um conjunto finito ou enumerável os possíveis resultados abrangem todo um intervalo de números reais variável aleatória discreta contínua 0 1 2 3 4 ... número de defeitos em ... Ex. 0 Ex. tempo de resposta de ... BARBETTA, REIS e BORNIA – Estatística para Cursos de Engenharia e Informática. Atlas, 2004 Variáveis aleatórias contínuasVariáveis aleatórias contínuas – tempo de resposta de um sistema computacional; – rendimento de um processo químico; – tempo de vida de um componente eletrônico; – resistência de um material; etc. • Variáveis aleatórias discretas com grande número de possíveis resultados (podem ser aproximadas para contínuas): – número de transações por segundo de uma CPU; – número de defeitos numa amostra de 5.000 itens; etc. BARBETTA, REIS e BORNIA – Estatística para Cursos de Engenharia e Informática. Atlas, 2004 Variável aleatória: discreta x contínuaVariável aleatória: discreta x contínua DiscretaDiscreta 1 2 x p(x) 1 2 ½ x f(x) 1 2 ½ área total = 1 8 1 x f(x) 1 2 3 4 5 6 7 8 1 23 4 5 6 7 8 8 setores BARBETTA, REIS e BORNIA – Estatística para Cursos de Engenharia e Informática. Atlas, 2004 00 00 2700 1800 900 IIIIII II I x 360 1 x3600 f(x) área total = 1 Variável aleatória: discreta x contínuaVariável aleatória: discreta x contínua ContínuaContínua BARBETTA, REIS e BORNIA – Estatística para Cursos de Engenharia e Informática. Atlas, 2004 Variável aleatória contínuaVariável aleatória contínua evento {0 ≤ X < 90} x360900 f(x) 360 1 00 00 2700 1800 900 IIIIII II I x x3600 f(x) área total = 1 360 1 área = P( 0 ≤ X < 90) BARBETTA, REIS e BORNIA – Estatística para Cursos de Engenharia e Informática. Atlas, 2004 Variável aleatória contínuaVariável aleatória contínua • As probabilidades de eventos associados a uma variável aleatória contínua X podem ser calculadas através de uma função densidade de probabilidade f, que deve satisfazer: exxf ℜ∈∀≥ ,0)( x f(x) a b 1)()( =∫+∞∞− xdxf Se A = [a, b], então ∫= ba xdxfAP )()()( BARBETTA, REIS e BORNIA – Estatística para Cursos de Engenharia e Informática. Atlas, 2004 Variável aleatória contínuaVariável aleatória contínua • Exemplo 6.3 ⎩⎨ ⎧ < ≥= − 0 para,0 0 para,2)( 2 t tetf t t f(t) 2 3 6)3(2 3 2 3 2 3 0 2 122)()3( −− +∞ −∞+ −∞+ =+=⎥⎦ ⎤⎢⎣ ⎡−===> ∫∫ eeedtedttfTP tt BARBETTA, REIS e BORNIA – Estatística para Cursos de Engenharia e Informática. Atlas, 2004 Variável aleatória contínuaVariável aleatória contínua • Função de distribuição acumulada ℜ∈∀=≤= ∫ ∞− xdssfxXPxF x ,)()()( ⎩⎨ ⎧ < ≥−= − 0 para,0 0 para,1)( 2 t tetF t F(t) 1 t • Exemplo 6.3 BARBETTA, REIS e BORNIA – Estatística para Cursos de Engenharia e Informática. Atlas, 2004 Variável aleatória contínuaVariável aleatória contínua • Valor esperado e variância ∫+∞∞−== dxxxfXE )()(µ ∫+∞∞− −== dxxfxXV )()()( 22 µσ 22 )()( µ−= XEXV ∫+∞∞−= dxxfxXE )()( 22onde: ou BARBETTA, REIS e BORNIA – Estatística para Cursos de Engenharia e Informática. Atlas, 2004 Principais Modelos ContínuosPrincipais Modelos Contínuos Distribuição uniformeDistribuição uniforme ⎪⎩ ⎪⎨ ⎧ ∉ ∈−= ],[ para ,0 ],[ para,1)( βα βααβ x xxf 00 00 2700 1800 900 IIIIII II I x 360 1 x3600 f(x) área total = 1 • Exemplo: BARBETTA, REIS e BORNIA – Estatística para Cursos de Engenharia e Informática. Atlas, 2004 Principais Modelos ContínuosPrincipais Modelos Contínuos Distribuição uniformeDistribuição uniforme ⎪⎩ ⎪⎨ ⎧ ∉ ∈−= ],[ para ,0 ],[ para,1)( βα βααβ x xxf β βα α αβ α ≥ <≤ < ⎪⎪⎩ ⎪⎪⎨ ⎧ − −= x x x xxF para para para ,1 , ,0 )( xα0 f(x) β αβ − 1 xα0 F(x) β 2 )( βα +=XE ( ) 12 )( 2αβ −=XV BARBETTA, REIS e BORNIA – Estatística para Cursos de Engenharia e Informática. Atlas, 2004 Principais Modelos ContínuosPrincipais Modelos Contínuos Distribuição exponencialDistribuição exponencial • Exemplos: – tempo (em minutos) até a próxima consulta a uma base de dados; – tempo (em segundos) entre pedidos a um servidor; – distância (em m) entre defeitos de uma fita. 0 t x x x Número X de ocorrências do evento em [0, t) Poisson Tempo T até a ocorrência do evento Exponencial BARBETTA, REIS e BORNIA – Estatística para Cursos de Engenharia e Informática. Atlas, 2004 Principais Modelos ContínuosPrincipais Modelos Contínuos Distribuição exponencialDistribuição exponencial 0,)( >= − tetf tλλ tetTPtF λ−−=≤= 1)()( t λ tetf λλ −=)( 0)( 0 tetTP λ−=> t0 λ 1)( =TE 2 1)( λ=TV BARBETTA, REIS e BORNIA – Estatística para Cursos de Engenharia e Informática. Atlas, 2004 Principais Modelos ContínuosPrincipais Modelos Contínuos Distribuição exponencialDistribuição exponencial Resp. ⎩⎨ ⎧ < ≥= − 0 para,0 0 para,2)( 2 t tetf t ?)32( =≤≤ TP t f(t) 32 ∫ −=≤≤ 3 2 22)32( dteTP t ou 0158,0)3()2()32( 64)3(2)2(2 =−=−=>−≥=≤≤ −−−− eeeeTPTPTP • Exemplo 6.3 BARBETTA, REIS e BORNIA – Estatística para Cursos de Engenharia e Informática. Atlas, 2004 Principais Modelos ContínuosPrincipais Modelos Contínuos Distribuição normalDistribuição normal µ + σµµ -σ x σσ f(x) área total = 1 +∞<<∞−= ⎟⎠ ⎞⎜⎝ ⎛ −− xexf x , 2 1)( 2 2 1 σ µ πσ µ=)(XE 2)( σ=XV BARBETTA, REIS e BORNIA – Estatística para Cursos de Engenharia e Informática. Atlas, 2004 Principais Modelos ContínuosPrincipais Modelos Contínuos Distribuição normalDistribuição normal e21 µµ ≠ 21 σσ = e43 µµ = 43 σσ < BARBETTA, REIS e BORNIA – Estatística para Cursos de Engenharia e Informática. Atlas, 2004 Principais Modelos ContínuosPrincipais Modelos Contínuos Distribuição normal padrãoDistribuição normal padrão P(X > 180) = P(Z > 1) 1 10 170180 =−=−= σ µxz Distribuição de Z: normal padrão Distribuição de X: normal com µ = 170 e σ = 10 BARBETTA, REIS e BORNIA – Estatística para Cursos de Engenharia e Informática. Atlas, 2004 Principais Modelos ContínuosPrincipais Modelos Contínuos Tabela da distribuição normal padrãoTabela da distribuição normal padrão (pela tabela) 0,0 0,1 0,2 ... 0,09...0,020,010,00z segunda decimal de z (área na cauda superior )0,4168 BARBETTA, REIS e BORNIA – Estatística para Cursos de Engenharia e Informática. Atlas, 2004 Principais Modelos ContínuosPrincipais Modelos Contínuos Tabela da distribuição normal padrãoTabela da distribuição normal padrão P(-0,42 < Z < 0,42) = ? Então, P(-0,42 < Z < 0,42) = 1 – 2 (0,3372) = 0,3256 = - BARBETTA, REIS e BORNIA – Estatística para Cursos de Engenharia e Informática. Atlas, 2004 A normal como limite de outras distribuiçõesA normal como limitede outras distribuições Aproximação normal à binomialAproximação normal à binomial • Condição: – n grande e – p não muito próximo de 0 (zero) ou de 1 (um). • Parâmetros: np= µ )1( pnp = −σ BARBETTA, REIS e BORNIA – Estatística para Cursos de Engenharia e Informática. Atlas, 2004 Aproximação normal à binomialAproximação normal à binomial x0 1 2 3 4 5 6 7 8 9 10 BARBETTA, REIS e BORNIA – Estatística para Cursos de Engenharia e Informática. Atlas, 2004 Aproximação normal à binomialAproximação normal à binomial 0,001 0,01 0,246 0,01 0,001 0,117 0,0440,044 0,205 0,117 0,205 0 1 2 3 4 5 6 7 8 9 10 P(X > 6) = p(7) + p(8) + p(9) + p(10) = 0,172 Ex. Qual é a probabilidade de mais de 6 caras em 10 lançamentos de uma moeda “honesta”? Pela binomial: ( ) ( ) xx .. x xp −⎟⎟⎠ ⎞ ⎜⎜⎝ ⎛= 105,05,010)( BARBETTA, REIS e BORNIA – Estatística para Cursos de Engenharia e Informática. Atlas, 2004 Aproximação normal à binomialAproximação normal à binomial Ex. Qual é a probabilidade de mais de 6 caras em 10 lançamentos de uma moeda “honesta”? Pela normal: x0 1 2 3 4 5 6 7 8 9 10 P(X > 6,5) BARBETTA, REIS e BORNIA – Estatística para Cursos de Engenharia e Informática. Atlas, 2004 Aproximação normal à binomialAproximação normal à binomial Ex. Qual é a probabilidade de mais de 6 caras em 10 lançamentos de uma moeda “honesta”? Pela normal: z0 0,95 0,1711 x5 6,5 P(X > 6,5) 95,0 5,2 55,6 =−=−= σ µxz BARBETTA, REIS e BORNIA – Estatística para Cursos de Engenharia e Informática. Atlas, 2004 A normal como limite de outras distribuiçõesA normal como limite de outras distribuições Aproximação normal à PoissonAproximação normal à Poisson • Aproximação válida quando λ for grande 0 1 2 3 4 5 0,0 0,1 0,2 0,3 0,4 p(x) x 0 2 4 6 8 10 12 0,00 0,05 0,10 0,15 p(x) x 10 20 30 0,00 0,04 0,08 p(x) x λ =20λ =5λ =1 Parâmetros da normal: λµ = λσ = BARBETTA, REIS e BORNIA – Estatística para Cursos de Engenharia e Informática. Atlas, 2004 Gráfico de probabilidade normalGráfico de probabilidade normal • Ex. Dados:74,0; 74,4; 74,7; 74,8; 75,9 valor observado v a l o r e s p e r a d o p e l a n o r m a l -1,4 -1,0 -0,6 -0,2 0,2 0,6 1,0 1,4 73,6 74,0 74,4 74,8 75,2 75,6 76,0 BARBETTA, REIS e BORNIA – Estatística para Cursos de Engenharia e Informática. Atlas, 2004 Gráfico de probabilidade normalGráfico de probabilidade normal • Dados com distribuição normal valores observados v a l o r e s e s p e r a d o s p e l a n o r m a l -2,5 -1,5 -0,5 0,5 1,5 2,5 72,5 73,5 74,5 75,5 76,5 77,5 78,5 BARBETTA, REIS e BORNIA – Estatística para Cursos de Engenharia e Informática. Atlas, 2004 Gráfico de probabilidade normalGráfico de probabilidade normal • Dados com distribuição normal, mas com um ponto discrepante valores observados v a l o r e s e s p e r a d o s p e l a n o r m a l -2,5 -1,5 -0,5 0,5 1,5 2,5 72 74 76 78 80 82 84 valor discrepante BARBETTA, REIS e BORNIA – Estatística para Cursos de Engenharia e Informática. Atlas, 2004 Gráfico de probabilidade normalGráfico de probabilidade normal • Dados com distribuição assimétrica valores observados v a l o r e s e s p e r a d o s p e l a n o r m a l x f(x)
Compartilhar