Baixe o app para aproveitar ainda mais
Prévia do material em texto
1 Variáveis Aleatórias Contínuas Caracterizaremos agora as variáveis cujos possíveis valores ocorrem aleatoriamente e pertencem a um intervalo de números reais: variáveis aleatórias contínuas; Exemplos: duração de um produto, peso de determinado produto, características físicas e químicas dos alimentos, etc, são exemplos de quantidades que podem ser modeladas por variáveis aleatórias contínuas; De forma semelhante às variáveis aleatórias discretas, precisamos estabelecer a atribuição de probabilidades para as diversas realizações contínuas; Entretanto, nos casos contínuos, as variáveis podem assumir um número infinito de valores diferentes. Variáveis aleatórias contínuas Sabemos que uma v.a. contínua é uma função que pode assumir infinitos valores num intervalo real. Se X é uma v.a. contínua, associaremos a cada sub-intervalo do seu domínio uma probabilidade, através de uma função densidade de probabilidade (f.d.p.). Variáveis aleatórias contínuas Definição. Uma função f(x), definida para x [a,b]‚ é chamada de função densidade de probabilidade (f.d.p.) se satisfaz as seguintes condições: a) f(x) é positiva, para todo x [a, b]; b) , ou seja, a área sob a curva representativa de f(x), entre as abcissas a e b, é igual a um. b a dxxf 1 Variáveis aleatórias contínuas Vale observar que: a) a função f(x) não define uma probabilidade; b) o que define uma probabilidade, realmente, é o resultado da integral de f(x) no intervalo [a, b], que coincide com a área da região sob a curva de f(x), o eixo das abcissas e os limites de integração; c) para calcularmos a probabilidade da v.a. X assumir valores entre x1 e x2, com x1 < x2, precisaremos resolver a integral: 2 1 21 x x dxxfxXxP Variáveis aleatórias contínuas Vale observar que: d) a probabilidade de uma v.a. contínua assumir um certo valor k é nula, pois e portanto, somente tem sentido calcularmos a probabilidade de uma v.a. contínua assumir valores dentro de um intervalo real. .0)()()( kFkFxFdxxf k k k k Variáveis aleatórias contínuas Dada a função definida por f(x) = 2x, para x[0, 1], pede-se: (i) verificar se f(x) é uma função densidade de probabilidade; Analisando a figura, percebemos que a função f(x) = 2x, para x[0, 1] é positiva; 12 1 0 1 0 2 xxdx 2 Variáveis aleatórias contínuas Dada a função definida por f(x) = 2x, para x[0, 1], pede-se: ii) calcular as probabilidades: 45,02,07,027,02,0) 25,05,025,00) 22 7,0 2,0 7,0 2,0 2 2 5,0 0 5,0 0 2 xdxxXPb xdxxXPa Dizemos que f(x) é uma função contínua de probabilidade ou função densidade de probabilidade para uma variável aleatória contínua X, se satisfaz duas condições: i. A f(x) 0, para todo x (-,); ii. A área definida por f(x) é igual a 1. Definição de Função Densidade de Probabilidade (ou Função Contínua de Probabilidade) Distribuição Normal A distribuição Normal é a mais importante distribuição contínua de probabilidade pois: Muitos fenômenos biológicos aleatórios comportam-se de forma próxima a essa distribuição. Exemplos: • Alturas ; Pesos • Comprimentos, Larguras, Volumes, Diâmetros • Produtividade Pode ser utilizada para calcular, de forma aproximada, probabilidades para outras distribuições, como por exemplo, para a distribuição Binomial Nem todos os fenômenos se ajustam à distribuição Normal. 10 Dizemos que uma variável aleatória X tem distribuição Normal, com parâmetros e 2, se sua função densidade de probabilidade é dada por: Var(X)variânciaσ E(X)médiaμ x- para e 2πσ 1 2 2σ μ)(x 2 2 f(x) Usaremos a notação X ~ N(, 2) para indicar que X tem distribuição Normal, com parâmetros e 2. Distribuição Normal Curvas Normais com mesma variância 2 mas médias diferentes (2 > 1). A distribuição Normal depende dos parâmetros e 2 1 2 N( 1 ; 2 ) N( 2 ; 2 ) x Curvas Normais com mesma média , mas com variâncias diferentes (2 2 > 1 2 ) Influência de 2 na curva Normal N(;1 2) N(;2 2) 2 2 > 1 2 3 Distribuições Normais Cálculo de probabilidades P(a < X < b) a b Área sob a curva e acima do eixo horizontal (x) entre a e b. 15 No cálculo de probabilidades para variáveis contínuas, devemos resolver a integral da função densidade no intervalo de interesse, ou seja: d(x)e 2πσ 1 b)XP(a b a 2σ μ)(x 2 2 Entretanto, a integral acima só pode ser resolvida de modo aproximado e por métodos numéricos. Por essa razão, as probabilidades para o modelo Normal são calculadas com auxílio de Tabelas. Propriedades do Modelo Normal Observe que teríamos que ter uma quantidade grande de Tabelas para cada par de valores e 2. Para evitarmos essa situação, utilizaremos uma transformação que conduz sempre ao cálculo de probabilidades com uma variável de parâmetros (0,1), ou seja, com média 0 e variância 1. Considere uma variável X ~ N(, 2) e defina uma nova variável Z da seguinte forma: Propriedades do Modelo Normal X Z Distribuição Normal Padrão/Reduzida X Z ( )E Z X E 1 E X 1 ( )E X 1 0 ( )Var Z X Var 2 1 Var X 2 2 2 1 1Var X integrais podem ser tabeladas! ~ (0,1)Z N 2 ~ ( , )X N Se X ~ N( ; 2), definimos 0 z f(z) a – b – Z ~ N(0 ; 1) E(Z) = 0 Var(Z) = 1 a b x f(x) X ~ N( ; 2) X Z 4 A v.a. Z ~ N(0;1) denomina-se normal padrão ou reduzida. P( ) P P a X b a b a X b Z Portanto, Dada a v.a. Z ~N(0;1) podemos obter a v.a. X ~ N(;2) através da transformação inversa X = + Z . Distribuição Normal Padrão z (0 2,17) ?P Z (0 2,17) 0,4850P Z 0 0,02 0,04 0,06 0,08 0,1 0,12 0,14 0 5 10 15 20- + 0 z (0 )P Z z Exemplo: Seja X ~ N(10 ; 64) ( = 10, 2 = 64 e = 8 ) Calcular: (a) P(6 X 12) Z 8 1012 8 10 8 106 X P 25,05,0 ZP = P(0<Z<0,25)+P(0<Z<0,5) = 0,0987+ 0,1915 = 0,2902 8 10 14 10 P( 8) P( 14) P P 8 8 X X Z Z (b) P( X 8 ou X > 14) Z 5,0ZP25,0ZP = 0,5 - P(0<Z<0,25) + 0,5 - P(0<Z<0,5) = 0,5 - 0,0987 + 0,5 - 0,1915 = 0,7098 10 10 10 ( ) 0,05 0,05 8 8 8 X k k P X k P P Z 10 Então, 1,64. 8 k z Logo k = 10 + 1,645 8 = 23,16. c) k tal que P( X k) = 0,05 Pela tabela z = 1,645 Z d) k tal que P( X k) = 0,025 10 10 10 P( ) 0,025 P P 0,025 8 8 8 X k k X k Z 10 Então , 1,96. 8 k z Logo k = 10 – 1,96 8 = – 5,68. Pela tabela, z = 1,96. Z 5 Exemplo: O teor de colesterol na carne bovina tem distribuição normal, com média 120 mg/100g e desvio padrão 15 mg/100g. a) Sorteando um bife bovino ao acaso, qual éa probabilidade que ele tenha teor de colesterol inferior a 100 mg/100g? X: teor de colesterol na carne -- X ~ N(120; 152) 100 120 P( 100) P P( 1,33) 15 X Z Z Z 0918,04082,05,0 )33,10(5,0 ZP b) Qual deve ser o teor de colesterol de modo a incluir 95% dos bifes? 120 ( ) 0,95 0,95 15 x P X x P Z z = ? tal que A(z) = 0,95. Pela tabela z = 1,645. 120 Então , 1,64 15 x x = 120 +1,645 15 x = 144,7 mg/100g X: teor de colesterol na carne --X ~ N(120; 152) Z c) Qual é o intervalo central de Teor de Colesterol, tal que 80% dos bifes estejam incluídos? 1 2 1 2 120 120 P( ) 0,80 P 0,80 15 15 x x x X x Z z = ? tal que A(z) = 0,80 Pela tabela, z = 1,28. 1 120 1,28 15 x 2 120 1,28 15 x x1= 120 – 1,28 15 x1 = 100,8 mg x2 = 120 +1,28 15 x2 = 139,2 mg Z X: teor de colesterol na carne -- X ~ N(120; 152)
Compartilhar