Baixe o app para aproveitar ainda mais
Prévia do material em texto
Probabilidade e Estat´ıstica Modelo Uniforme, Exponencial, Gama e Qui-Quadrado UAEst/CCT/UFCG 1 / 21 Modelos Probabil´ısticos para Varia´veis Aleato´rias Cont´ınuas Introduc¸a˜o De modo geral, podemos dizer que as varia´veis aleato´rias cujos valores resultam de algum processo de mensurac¸a˜o sa˜o varia´veis aleato´rias cont´ınuas. Por exemplo: 1 O peso ou a altura das pessoas de uma cidade; 2 A demanda de energia de uma empresa; 3 O tempo de vida u´til de um equipamento eletroˆnico; 4 Erros de medidas em geral, resultantes de experimentos em laborato´rios. Estudaremos alguns modelos probabil´ısticos espec´ıficos para varia´veis aleato´rias cont´ınuas. 2 / 21 Modelos Probabil´ısticos para Varia´veis Aleato´rias Cont´ınuas 1 Modelo Uniforme. 2 Modelo Exponencial. 3 Modelo Normal (ou Gaussiano). 4 Modelo Gama. 5 Modelo Qui-quadrado. 3 / 21 Modelo (ou Distribuic¸a˜o) Uniforme Definic¸a˜o: Uma v.a. X tem distribuic¸a˜o uniforme no intervalo [a, b] se sua f.d.p. e´ dada por f(x) = { 1 b−a , a ≤ x ≤ b, 0, c.c. Notac¸a˜o: X ∼ U [a, b]. Propriedades: E(X) = a+b2 e Var(X) = (b−a)2 12 . Func¸a˜o de distribuic¸a˜o acumulada F (x) = P (X ≤ x) = 0, x < a, x−a b−a , a ≤ x ≤ b, 1, x > b. 4 / 21 Modelo (ou Distribuic¸a˜o) Exponencial Definic¸a˜o: Seja X uma v.a. cont´ınua que assume valores no conjunto RX = {x � IR; x > 0}. Dizemos que X segue uma distribuic¸a˜o ex- ponencial com paraˆmetro α > 0, se sua func¸a˜o densidade de probabilidade (f.d.p.) e´ dada por f (x) = { αe−αx, x > 0 0, c.c. Notac¸a˜o: X ∼ Exp(α). Observac¸a˜o: A distribuic¸a˜o exponencial desempenha um importante papel na modelagem de fenoˆmenos relacionados com a Teoria da Confiabilidade. 5 / 21 Modelo (ou Distribuic¸a˜o) Exponencial - Propriedades E(X) = 1/α e V ar(X) = 1/α2. A func¸a˜o de distribuic¸a˜o acumulada F de X ∼ Exp(α) e´ F (x) = P (X ≤ x) = 1− e−αx, x > 0. Propriedade da Falta de Memo´ria - Para todo s, t > 0, teremos P (X > s+ t | X > s) = P (X > t) . Observac¸a˜o: Supondo que X representa o tempo de vida (em anos) de um equipamento, podemos fazer a seguinte interpretac¸a˜o para a propriedade da falta de memo´ria: a probabilidade do equipamento durar pelo menos t+s anos, sabendo- se que ja´ durou s, e´ igual a` probabilidade de um equipamento novo durar pelo menos t anos. Ou seja, a informac¸a˜o da “idade” do equipamento pode ser esquecida e o que importa, para o ca´lculo da probabilidade, e´ quantos anos a mais queremos que o equipamento dure. 6 / 21 Exemplo 1 O tempo, em horas, necessa´rio para um reparo em certo tipo de ma´quina e´ uma varia´vel aleato´ria exponencialmente distribu´ıda com paraˆmetro α = 1/2. a) Calcule a probabilidade de que um reparo numa das ma´quinas dure no m´ınimo 2 horas. b) Calcule a probabilidade condicional de que o tempo de reparo seja de pelo menos 10 horas, dado que sua durac¸a˜o seja superior a 9 horas. c) Qual o tempo me´dio de reparo nessa ma´quinas? 7 / 21 A func¸a˜o Gama Definic¸a˜o: A func¸a˜o gama, denotada por Γ, e´ definida por Γ (p) = ∫ ∞ 0 xp−1e−xdx, p > 0. Propriedades: Uma vez que, para p > 0, a integral impro´pria acima e´ convergente, conclu´ımos que a func¸a˜o gama esta´ bem definida. Se p = n e´ um inteiro positivo enta˜o Γ(n) = (n− 1)!. Em particular, Γ(1) = 1. E´ fa´cil verificar tambe´m, que Γ ( 1 2 ) = √ pi. 8 / 21 Modelo (ou Distribuic¸a˜o) Gama Definic¸a˜o: Seja X uma varia´vel aleato´ria cont´ınua definida para todos os valores na˜o-negativos. Diremos que X tem distribuic¸a˜o de probabilidade gama com paraˆmetros α > 0 e r > 0, se sua f.d.p. e´ dada por f (x) = { α Γ(r) (αx) r−1 e−αx, x > 0 0, c.c. Notac¸a˜o: X ∼ Γ (α, r) . Propriedades: (i) E (X) = rα e V ar (X) = r α2 . (ii) Se r = 1, temos que X ∼ Exp(α). Observac¸a˜o: O modelo Gama possui diversas aplicac¸o˜es na teoria da confiabilidade. 9 / 21 Exemplo 2 Em uma certa cidade o consumo dia´rio de a´gua (em milho˜es de litros) segue aproximadamente uma distribuic¸a˜o Γ(1/3; 2). (a) Qual e´ a probabilidade de que, em um certo dia, o consumo seja no ma´ximo 9 milho˜es de litros? (b) Calcule o consumo me´dio dia´rio de a´gua nesta cidade. 10 / 21 Modelo (ou Distribuic¸a˜o) Qui-Quadrado Um caso particular muito importante da distribuic¸a˜o gama sera´ obtido se fizermos α = 1/2 e r = n/2, onde n e´ um inteiro positivo. Obteremos uma fam´ılia de distribuic¸o˜es de um paraˆmetro (n), com f.d.p. f(x) = 1 2n/2Γ(n/2) x( n 2 )−1e−x/2, x > 0. Uma varia´vel aleato´ria X com f.d.p. dada pela expressa˜o acima tera´ uma distribuic¸a˜o qui-quadrado, com n graus de liberdade, denotada por χ2n. Se X ∼ χ2n, enta˜o E(X) = n e Var(X) = 2n. 11 / 21 Modelo (ou Distribuic¸a˜o) Qui-Quadrado A distribuic¸a˜o qui-quadrado possui va´rias aplicac¸o˜es importantes em infereˆncia estat´ıstica. A distribuic¸a˜o qui-quadrado esta´ tabulada para alguns valores de n. Deste modo, poderemos achar na tabela da qui-quadrado, o valor de c que satisfaz P (χ2n ≤ c) = γ, para alguns valores de γ e n. Se Z ∼ N(0, 1), enta˜o Z2 ∼ χ21. Ou seja, o quadrado de uma v.a. com distribuic¸a˜o normal padra˜o e´ uma “nova” v.a. com distribuic¸a˜o qui-quadrado. 12 / 21 “Hora da chamada...” Shakespeare Voceˆ faz suas escolhas e suas escolhas fazem voceˆ. 13 / 21 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. Noc¸o˜es de Probabilidade e Estat´ıstica (4a edic¸a˜o). Marcos N. Ma- galha˜es e Antonio C. P. de Lima (2002). Edusp. 14 / 21 Exerc´ıcios (1) Com o objetivo de verificar a resisteˆncia a` pressa˜o de a´gua, os te´cnicos de qualidade de uma empresa inspecionam os tubos de PVC produzidos. Os tubos produzidos teˆm 6 metros de comprimento e sa˜o submetidos a grandes presso˜es ate´ o aparecimento do primeiro vazamento, cuja distaˆncia a uma das extremidades (fixada a priori) e´ anotada para fins de ana´lise posterior. Escolhe-se um tubo ao acaso para ser inspecionado. Seja X a varia´vel aleato´ria que indica a distaˆncia correspondente ao vazamento. Admita que a probabilidade de ocorreˆncia de vazamento em todos os pontos sa˜o iguais. (a) Calcule a probabilidade de que o vazamento esteja, no ma´ximo, a 1 metro da extremidade fixada; (b) Calcule a probabilidade de que o vazamento esteja a uma distaˆncia entre 3 metros e 4 metros da extremidade fixada; (c) Existe alguma coincideˆncia entre os resultados obtidos em (a) e (b)? Justifique sua resposta. Resp.: a) 16, 7 % b) 16, 7 % 15 / 21 Exerc´ıcios (2) Escolhe-se, aleatoriamente, um ponto no intervalo [0;10]. Qual a pro- babilidade de que o ponto esteja entre 3/2 e 7/2? E entre 7/2 e 23/2? Resp.: 20 % e 65 % (3) Consideremos um relo´gio eletroˆnico, onde o ponteiro dos segundos tem um movimento cont´ınuo. Definamos a varia´vel aleato´ria X = aˆngulo formado pelo ponteiro dos segundos e pelo eixo que passa pelo nu´mero 12 e vai ate´ o centro. (a) Identifique o conjunto dos poss´ıveis valores de X. (b) Calcule a probabilidade de que, olhando para este relo´gio em um mo- mento escolhido ao acaso, encontrar aˆngulo X entre 120 graus e 240 graus. Resp.: a) RX = [0, 360 ◦) b) 33, 3 % 16 / 21 Exerc´ıcios (4) O tempo necessa´rio para um medicamento contra dor fazer efeito foi modelado de acordo com a densidade Uniforme no intervalo de 5 a 15 minutos, tendo por base experimentos conduzidos em animais. Um paciente, que esteja sofrendo dor, recebe o reme´dio e, supondo va´lido o modelo mencionado acima, pergunta-se a probabilidade da dor: (a) Cessar em ate´ 10 minutos? (b) Demorarpelo menos 12 minutos? (c) Durar mais de 7 minutos, sabendo-se que durou menos de 10? Resp.: a) 50 % b) 30 % c) 60 % (5) Suponha que o valor esperado de uma varia´vel aleato´ria com distri- buic¸a˜o Uniforme cont´ınua e´ igual a 1 e a variaˆncia e´ 1/12. Encontre a probabilidade da varia´vel assumir valores menores que 3/4. Resp.: 25 % 17 / 21 Exerc´ıcios (6) Seja V a velocidade do vento (em milhas por hora) e suponha-se que V seja uniformemente distribu´ıda sobre o intervalo [0, 10]. A pressa˜o, digamos W (em libras/pe´ quadrado), na superf´ıcie da asa de um avia˜o e´ dada pela relac¸a˜o: W = 0, 003V 2. Encontre o valor esperado de W . Resp.: 0, 1 (7) O tempo de vida (em horas) de um transistor e´ uma varia´vel aleato´ria T com f.d.p. f (t) = { 1 500e − 1 500 t, t > 0 0, c.c. Encontre: (a) A vida me´dia do transistor; (b) A probabilidade de que seu tempo de vida seja maior do que a me´dia. Resp.: a) 500 horas b) 36, 79 % 18 / 21 Exerc´ıcios (8) Estima-se que o tempo de falha de um tubo de televisa˜o seja distribu´ıdo exponencialmente, com uma me´dia de treˆs anos. Uma companhia ofere- ce seguro para esses tubos no primeiro ano de uso. Qual a porcentagem de apo´lices que tera˜o que pagar? Resp.: 28, 35 % (9) Suponha que, em determinado per´ıodo do dia, o tempo me´dio de aten- dimento em um caixa de banco seja de 5 minutos. Admitindo que o tempo para atendimento tenha distribuic¸a˜o exponencial, determinar a probabilidade de um cliente: (a) Esperar mais de 5 minutos para ser atendido; (b) Esperar ate´ 5 minutos para ser atendido; (c) Esperar entre 3 e 8 minutos para ser atendido. Resp.: a) 36, 79 % b) 63, 21 % c) 34, 69 % 19 / 21 Exerc´ıcios (10) O tempo de atendimento em uma oficina e´ aproximadamente exponen- cial com paraˆmetro α = 1/4. Qual a probabilidade de: (a) Esperar no m´ınimo 4 minutos? (b) Espera inferior a 5 minutos? (c) Espera de exatamente 4 minutos? Resp.: a) 36, 79 % b) 71, 35 % c) Zero (11) Para uma varia´vel aleato´ria com distribuic¸a˜o Exponencial de paraˆmetro igual a 1, determine a probabilidade de sorteamos um valor que se distancie no ma´ximo 0,5 da me´dia. Resp.: 38, 34 % 20 / 21 Exerc´ıcios (12) O tempo, em minutos, de utilizac¸a˜o de um caixa eletroˆnico por clientes de um certo banco, foi modelado por uma varia´vel aleato´ria T com distribuic¸a˜o Exponencial cuja me´dia e´ igual a 1/3. Determine: (a) P (T < 1). (b) P (T > 1|T ≤ 2). (c) Um nu´mero a tal que P (T ≤ a) = 0, 4. Resp.: a) 95, 02 % b) 4, 74 % c) 0, 1703 21 / 21
Compartilhar