Baixe o app para aproveitar ainda mais
Prévia do material em texto
Probabilidade e Estat´ıstica Distribuic¸a˜o Normal (Gaussiana) UAEst/CCT/UFCG 1 / 16 A Distribuic¸a˜o Normal (Gaussiana) Introduc¸a˜o A distribuic¸a˜o Normal e´ talvez a mais importante das distribuic¸o˜es de probabilidade. Erros de mensurac¸a˜o de fenoˆmenos f´ısicos ou econoˆmicos sa˜o frequentemente modelados pela distribuic¸a˜o Normal, mas esta na˜o e´ a u´nica aplicac¸a˜o desta densidade. Por exemplo, a distribuic¸a˜o dos pesos, alturas e QI’s das pessoas numa populac¸a˜o tambe´m ja´ foram modelados com sucesso por esta distribuic¸a˜o. A distribuic¸a˜o Normal e´ tambe´m chamada de Gaussiana em homena- gem ao matema´tico Carl Friederich Gauss (1777 - 1855), que a utilizou pela primeira vez na modelagem de erros de medida. A distribuic¸a˜o Normal tambe´m funciona como uma boa aproximac¸a˜o para outras den- sidades. Por exemplo, sob algumas condic¸o˜es, pode-se provar que a distribuic¸a˜o Binomial pode ser aproximada pela Normal. 2 / 16 A Distribuic¸a˜o Normal (Gaussiana) Definic¸a˜o:Dizemos que a varia´vel aleato´ria X tem distribuic¸a˜o Normal com paraˆmetros µ e σ2,−∞ < µ <∞ e 0 < σ2 <∞, se sua f.d.p. e´ dada por f (x) = 1 σ √ 2pi e− 1 2( x−µ σ ) 2 ,−∞ < x <∞. Notac¸a˜o: X ∼ N(µ, σ2). Observac¸a˜o: Quando µ = 0 e σ2 = 1, temos a Distribuic¸a˜o Normal Padra˜o ou Padronizada. Nesse caso, obtemos f (x) = 1√ 2pi e− 1 2 x2 ,−∞ < x <∞. 3 / 16 Propriedades (i) Gra´fico da f(x) tem a forma de sino; 4 / 16 Propriedades (ii) f(x) assume valor ma´ximo no ponto x = µ; (iii) Os pontos de inflexa˜o da func¸a˜o sa˜o: x = µ+ σ e x = µ− σ; (iv) A curva normal e´ sime´trica em relac¸a˜o ao ponto x = µ; (v) E (X) = µ e V ar (X) = σ2; (vi) Se X ∼ N(µ, σ2), enta˜o a varia´vel Z = X − µ σ ∼ N(0, 1). 5 / 16 Observac¸o˜es Seja X ∼ N(µ, σ2). Para a < b constantes reais, temos que P (a < X < b) = ∫ b a 1√ 2piσ e− 1 2 (x−µ σ )2dx. Problema: A integral acima na˜o apresenta uma soluc¸a˜o anal´ıtica. Uma alternativa e´ resolver esta integral atrave´s de me´todos nume´ricos como Newton-Rapson, Score-Fisher, etc. Uma outra alternativa e´ reduzir (ou transformar) a varia´vel X para uma varia´vel Z = X − µ σ , que tem distribuic¸a˜o normal padra˜o, e, assim obter a probabilidade de interesse numa Tabela da distribuic¸a˜o Normal Padra˜o. 6 / 16 Observac¸o˜es Assim, P (a < X < b) = P ( a− µ σ < X − µ σ < a− µ σ ) = P ( a− µ σ < Z < b− µ σ ) = Φ ( b− µ σ ) − Φ ( a− µ σ ) . Podemos observar que qualquer probabilidade envolvendo a v.a.X ∼ N(µ, σ2), pode ser calculada em func¸a˜o da distribuic¸a˜o acumulada Φ da v.a. Z ∼ N(0, 1), que se encontra tabulada. 7 / 16 Uso da Tabela A Tabela da distribuic¸a˜o Normal Padra˜o apresenta a seguinte probabilidade: Φ(z) = P (Z ≤ z) = ∫ z −∞ 1√ 2pi e− x2 2 dx, onde z e´ um valor real qualquer. 8 / 16 Exemplo 1 Se a varia´vel Z tem distribuic¸a˜o normal padra˜o, isto e´, Z ∼ N(0, 1), obtenha: (a) P (Z ≤ 1, 64) (b) P (Z < −2, 57) (c) P (Z > −1, 75) (d) P (Z > 2, 33) (e) P (0 ≤ Z ≤ 1, 96) (f) P (−2, 68 ≤ Z ≤ −1, 57) (g) o valor z, na tabela da normal padra˜o, tal que, P (Z ≤ z) = 0, 985. (h) o valor z, na tabela da normal padra˜o, tal que, P (Z > z) = 0, 50. (i) o valor z, na tabela da normal padra˜o, tal que, P (−z < Z < z) = 0, 90. 9 / 16 “Hora da chamada...” Albert Einstein Ha´ uma forc¸a motriz mais poderosa que o vapor, a eletricidade e a energia atoˆmica: a vontade. 10 / 16 Exemplo 2 Sendo X ∼ N(100, 25), calcule: (a) P (X ≤ 105) (b) P (X > 80) (c) P (90 ≤ X ≤ 105) (d) P (X ≤ 125) (e) P (X ≤ 75) (f) Um nu´mero c, tal que P (X > c) = 2P (X ≤ c). 11 / 16 Exemplo 3 Uma fa´brica de carros sabe que a durac¸a˜o (X) dos motores de sua fabricac¸a˜o tem distribuic¸a˜o aproximadamente normal, com me´dia de 150.000 km e desvio padra˜o de 5.000 km. (a) Qual a probabilidade de que um carro, escolhido ao acaso, dos fabrica- dos por essa firma, tenha um motor que dure: (i) menos de 170.000 km? (ii) entre 140.000 km e 165.000 km? (b) Se a fa´brica substitui o motor que apresenta durac¸a˜o inferior a` garantia (g), qual deve ser esta garantia, para que a porcentagem de motores substitu´ıdos seja aproximadamente igual a 0, 2 %? 12 / 16 Exemplo 4 Certa ma´quina de empacotar determinado produto oferece variac¸o˜es de peso com desvio padra˜o de 20 g. (a) Em quanto deve ser regulado o peso me´dio do pacote para que apenas 10 % tenham menos de 400 g? (b) Com o peso me´dio regulado, qual a probabilidade de um pacote sair com mais de 450 g? Obs.: considere a distribuic¸a˜o dos pesos normal. 13 / 16 Exerc´ıcios Sugeridos 9.1 a 9.5, 9.11, 9.12, 9.15 e 9.17 (Livro Texto) 14 / 16 “Hora da chamada...” Seˆneca Grande parte do progresso esta´ na vontade de progredir. 15 / 16 Bibliografia Probabilidade, Aplicac¸o˜es a` Estat´ıstica (2a edic¸a˜o). Paul L. Meyer (1995). LTC. Estat´ıstica Ba´sica (7a edic¸a˜o). Wilton O. Bussab e Pedro A. Morettin (2011). Editora Saraiva. 16 / 16
Compartilhar