Baixe o app para aproveitar ainda mais
Prévia do material em texto
Métodos Estatísticos Nara Reges F. P. Pereira Universidade Federal do Oeste da Bahia Engenharia de Produção (UFOB) 1 / 18 Modelos Probabilísticos Contínuos (UFOB) 2 / 18 Distribuição Normal A distribuição normal é a mais importante de todas, na probabilidade e estatística. Muitas populações numéricas possuem distribuições que podem ser ajustadas aproximadamente por uma curva normal apropriada. Exemplos: Alturas, pesos e outras características físicas, erros de medidas em experimentos científicos, tempos de reação em experimentos psicológicos, medidas de inteligência e aptidão e numerosas medidas e indicadores econômicos. (UFOB) 3 / 18 Distribuição Normal Definição: Diz-se que uma v.a. contínua X tem uma distribuição normal com parâmetros µ e σ (ou µ e σ2), em que −∞ < µ <∞ e 0 < σ, se a f.d.p. de X for f (x ;µ, σ) = 1√ 2piσ e −(x−µ)2 2σ2 , −∞ < x <∞ Notação: A afirmação de que X é distribuído normalmente com parâmetros µ e σ2 normalmente é abreviada como X ∼ N(µ, σ2). (UFOB) 4 / 18 Distribuição Normal A esperança e a variância para esta distribuição são dadas por E(X ) = µ e Var(X ) = σ2 O gráfico de f (x ;µ, σ) é simétrico em torno de µ e tem forma de sino, de modo que o centro do sino é a média da distribuição. O valor σ é a distância de µ até os pontos de inflexão da curva. (UFOB) 5 / 18 Distribuição Normal Valores grandes de σ produzem gráficos bem dispersos em torno de µ; Valores pequenos de σ produzem gráficos com um pico acima de µ e a maior parte da área sob o gráfico bem próximo a µ. (UFOB) 6 / 18 Distribuição Normal Padrão Observe que P(a ≤ X ≤ b) = ∫ b a 1√ 2piσ e −(x−µ)2 2σ2 dx . Nenhuma das técnicas padrão de integração pode ser usada para este cálculo. (UFOB) 7 / 18 Distribuição Normal Padrão Definição: A distribuição normal com os valores dos parâmetros µ = 0 e σ = 1 é denominada distribuição normal padrão. Uma variável aleatória que tenha distribuição normal padrão é denominada variável aleatória normal padrão e é representada pro Z . A f.d.p. de Z é f (z;0,1) = 1√ 2pi e −z2 2 −∞ < z <∞. O gráfico de f (z;0,1) é chamado curva normal padrão. A função de distribuição acumulada de Z é P(Z ≤ z) = ∫ z −∞ f (y ;0,1)dy que representaremos por Φ(z). (UFOB) 8 / 18 Distribuição Normal Padrão Os valores de Φ(z) = P(Z ≤ z) serão obtidos pela tabela. E assim podemos obter a probabilidade em qualquer intervalo. (UFOB) 9 / 18 Distribuição Normal Padrão Example Determine as seguintes probabilidades normais padrão: P(Z ≤ 1,25) = (UFOB) 10 / 18 Distribuição Normal Padrão Example Determine as seguintes probabilidades normais padrão: P(Z ≤ 1,25) = 0,8944 P(Z > 1,25) = (UFOB) 10 / 18 Distribuição Normal Padrão Example Determine as seguintes probabilidades normais padrão: P(Z ≤ 1,25) = 0,8944 P(Z > 1,25) = 1− P(Z ≤ 1,25) = 0,1056 P(Z ≤ −1,25) = (UFOB) 10 / 18 Distribuição Normal Padrão Example Determine as seguintes probabilidades normais padrão: P(Z ≤ 1,25) = 0,8944 P(Z > 1,25) = 1− P(Z ≤ 1,25) = 0,1056 P(Z ≤ −1,25) = 0,1056 por simetria P(−0,38 ≤ Z ≤ 1,25) = (UFOB) 10 / 18 Distribuição Normal Padrão Example Determine as seguintes probabilidades normais padrão: P(Z ≤ 1,25) = 0,8944 P(Z > 1,25) = 1− P(Z ≤ 1,25) = 0,1056 P(Z ≤ −1,25) = 0,1056 por simetria P(−0,38 ≤ Z ≤ 1,25) = Φ(1,25)− Φ(−0,38) = 0,8944− 0,3520 = 0,5424 (UFOB) 10 / 18 Distribuição Normal Padrão Quando X ∼ N(µ, σ2), as probabilidades que envolvem X são calculadas por "padronização". A variável padronizada é (X − µ)/σ. Pela padronização, qualquer probabilidade que envolva X é expressa como uma probabilidade que envolve uma v.a. normal padrão Z , de forma que podemos usar a tabela. (UFOB) 11 / 18 Distribuição Normal Padrão Theorem Se X tem distribuição normal com média µ e desvio padrão σ, então Z = X − µ σ tem distribuição normal padrão. Dessa forma, P(a ≤ X ≤ b) = P ( a− µ σ ≤ Z ≤ b − µ σ ) = Φ (b − µ σ ) −Φ ( a− µ σ ) (UFOB) 12 / 18 Distribuição Normal Padrão Theorem P(X ≤ a) = Φ ( a− µ σ ) P(X ≥ b) = 1− Φ ( b − µ σ ) (UFOB) 13 / 18 Distribuição Normal Padrão (UFOB) 14 / 18 Distribuição Normal Padrão Example O tempo que um motorista leva para reagir às luzes de freio em um veículo em desaceleração é crucial para evitar colisões traseiras. O artigo "Fast-rise brake lamp as a collision-prevention device"(Ergonomics, 1993: 391-395) sugere que o tempo de reação de uma resposta no trânsito a um sinal de frenagem com luzes de freio convencionais pode ser modelado com uma distribuição normal de média 1,25 segundo e desvio padrão 0,46 segundo. Qual é a probabilidade de que o tempo de reação esteja entre 1,00 e 1,75 segundo? Se representarmos por X o tempo de reação, calcule a probabilidade. (UFOB) 15 / 18 Distribuição Normal Padrão Example P(1,00 ≤ X ≤ 1,75) = P ( 1,00− 1,25 0,46 ≤ Z ≤ 1,75− 1,25 0,46 ) = P(−0,54 ≤ Z ≤ 1,09) = Φ(1,09)− Φ(−0,54) = 0,8621− 0,2946 = 0,5675. (UFOB) 16 / 18 Distribuição Normal Padrão Example Se considerarmos que 2 segundos é um tempo de resposta muito longo, a probabilidade de que o tempo real de resposta exceda esse valor será? (UFOB) 17 / 18 Distribuição Normal Padrão Example Se considerarmos que 2 segundos é um tempo de resposta muito longo, a probabilidade de que o tempo real de resposta exceda esse valor será? P(X > 2) = P ( Z > 2− 1,250,46 ) = P(Z > 1,63) = 1− Φ(1,63) = 0,0516. (UFOB) 17 / 18 FIM! (UFOB) 18 / 18
Compartilhar