Baixe o app para aproveitar ainda mais
Prévia do material em texto
ESTATÍSTICA I Professora Kelly Alonso DistribuiDistribuiçções Contões Contíínuas de Probabilidadenuas de Probabilidade Email: kellyalonso@uol.com.br Uma distribuição de probabilidade é um modelo matemático que relaciona um certo valor da variável em estudo com a sua probabilidade de ocorrência. Há dois tipos de distribuição de probabilidade: •1. Distribuições Discretas: Quando a variável que está sendo medida só pode assumir certos valores, como por exemplo os valores inteiros: 0, 1, 2, etc. •2. Distribuições Contínuas: Quando a variável que está sendo medida é expressa em uma escala contínua, como no caso de uma característica dimensional. 3 V.A. CONTÍNUA: quando ela assume valores em um conjunto não- enumerável (em nosso estudo, intervalos reais ou união de intervalos de números reais). exemplos: tempo de vida de um determinado ser vivo; tempo resposta de uma sistema computacional; temperatura do corpo de pacientes de um hospital. Exemplo: Observa-se o tempo de vida, em horas, de lâmpadas produzidas por uma fábrica. Defina T: tempo de vida, em horas, da lâmpada escolhida, ao acaso, da fábrica. →Então, T é uma variável aleatória contínua que assume qualquer valor real não negativo. VariVariáável aleatvel aleatóória contria contíínuanua Uma variável aleatória pode assumir qualquer valor dentro de um intervalo definido de valores. Como não conseguimos enumerar todos os valores possíveis de probabilidade, usa-se a função densidade de probabilidade, ou curva de probabilidade, baseada na função de probabilidade correspondente f(x). A proporção da área incluída, ou freqüência relativa, entre dois pontos quaisquer, abaixo da curva de probabilidade, identifica a probabilidade de que a v.a. selecionada assuma um valor entre tais pontos. EXEMPLO: A probabilidade de que um carregamento aleatoriamente selecionado, tenha um peso entre 6000 e 8000 kg e igual a probabilidade da área total sob a curva, a qual está incluída dentro da área demarcada. FunFunçção Densidade de Probabilidadeão Densidade de Probabilidade f(x) FunFunçção Densidade de Probabilidadeão Densidade de Probabilidade • No caso de variáveis contínuas, as probabilidades são especificadas em termos de intervalos, pois a probabilidade associada a um número específico é zero. Considere a variável aleatória contínua X em que definimos a função f(x) denominada função densidade de probabilidade e que tem as seguintes propriedades: – A probabilidade da variável aleatória X é sempre definida num intervalo de valores dessa variável X, por exemplo, (x1, x2). – A probabilidade da variável aleatória X é medida pela área sob a curva da função densidade f(x) num determinado intervalo. – A área total sob a curva f(x) é igual a um ou 100%. – O valor f(x) da função densidade não mede a probabilidade do valor x da variável aleatória X. FunFunçção Densidade de Probabilidadeão Densidade de Probabilidade Para a variável aleatória contínua X que assume valores do conjunto dos números reais há uma função matemática f(x) com as seguintes premissas: • A função densidade de probabilidade f(x) é sempre positiva, para todo x pertencente a X. • A área sob a função f(x) entre os limites menos infinito e mais infinito da variável aleatória contínua X é igual a um ou 100%: • A probabilidade da VA contínua X dentro do intervalo (a, b) com ambos limites incluídos é medida pela área definida pela função f(x) entre os limites a e b: • Um ponto f(x) da função densidade não é a probabilidade do valor x da variável aleatória X, pois, por exemplo, o ponto f(x=a) da função densidade é zero. 1)( =∫ +∞ ∞− dx xf ∫=≤≤ b a dx xfbxaP )()( FunFunçção Densidade de Probabilidadeão Densidade de Probabilidade Função Densidade de Probabilidade (fdp) ( ) 0f x ≥ ( ) ( ) b a P a X b f x dx< < = ∫ ( ) 1f x dx +∞ −∞ =∫ ( ) 0P X x= = 0 ( ) 1P a X b≤ < < ≤ Para v.a. contínuas: x f(x) a b ( )P a X b< < Valor Esperado e Variância FunFunçção Densidade de Probabilidadeão Densidade de Probabilidade [ ] ( )[ ] [ ] [ ] [ ]( )222 xEXEXVarouXEXVar −=−= µ onde Exemplo 1: Seja a variável aleatória T definida como o tempo de resposta na consulta a um banco de dados, em minutos. Suponha que essa variável aleatória tenha a seguinte função densidade de probabilidade: Calcule a probabilidade de a resposta demorar mais do que 3 minutos. Solução: Calcular P (T > 3) 6)3(2 3 3 22 3 0 2 122)()3( −− +∞ ∞+ −− ∞+ =+=∫ −=∫ ==> eeedtedttfTP tt FunFunçção Densidade de Probabilidadeão Densidade de Probabilidade <∴ ≥∴ = − 0,0 0,2)( 2 tpara tparae tf t FunFunçção Densidade de Probabilidadeão Densidade de Probabilidade Como X é uma variável aleatória contínua com função de densidade de probabilidade f, definimos sua função de distribuição acumulada por: ∫ ℜ∈∀=≤= ∞− x xdssfxXPxF ,)()()( Considere a função densidade de probabilidade do exemplo 1: Vamos obter a função de distribuição acumulada. Como a expressão matemática se altera no ponto zero, devemos considerar os dois seguintes casos: ∫ ∫ === ∞− ∞− t t dsdssftF 00)()( <∴ ≥∴ = − 0,0 0,2)( 2 tpara tparae tf t FunFunçção Densidade de Probabilidadeão Densidade de Probabilidade E para t ≥ 0, [ ] ttst t s eedsedsdssftF 2020 0 2 1020)()( −− ∞− ∞− − −=−+∫ ∫ =∫+== Resumindo, a função de distribuição acumulada da variável aleatória T é dada por: <∴ ≥∴− = − 0,0 0,1)( 2 tpara tparae tf t Cabe observar que é possível obter qualquer probabilidade através da função de distribuição acumulada. Para a< b, temos: P (X < a) = P (X ≤ a) = F (a) P (X > b) = 1 - F (b) P (a < X < b) = F(b) - F (a) FunFunçção Densidade de Probabilidadeão Densidade de Probabilidade Retomando o exemplo 1, o cálculo de P(T > 3) pode ser feito aplicando: P(T > 3) = 1 – P(T ≤ 3) = 1- F(3) = 1 – [1-e-2(3)] = e-6 Há três modelos contínuos bastante conhecidos: distruição uniforme, exponencial e normal. • Uma distribuição de variável aleatória contínua é a distribuição uniforme cuja função densidade de probabilidade é constante dentro de um intervalo de valores da variável aleatória X. • Cada um dos possíveis valores que X com distribuição uniforme pode assumir tem a mesma probabilidade de ocorrer. DistribuiDistribuiçção Uniformeão Uniforme DistribuiDistribuiçção Uniformeão Uniforme DistribuiDistribuiçção Uniformeão Uniforme f(x) Xa b X = [a, b]1( )f x b a = − ( ) 2 a bE X += 2( )( ) 12 b aVar X −= DistribuiDistribuiçção Uniformeão Uniforme DistribuiDistribuiçção Uniformeão Uniforme 2 DistribuiDistribuiçção Exponencialão Exponencial •Na distribuição de Poisson, a variável aleatória é definida como o número de ocorrências em determinado período, sendo a média das ocorrências no período definida como λλλλ. •Na distribuição Exponencial a variável aleatória é definida como o tempo entre duas ocorrências, sendo a média de tempo entre ocorrências de 1/ λλλλ. •Por exemplo, se a média de atendimentos no caixa bancário é de λλλλ = 6/min, então o tempo médio entre atendimentos é 1/ λλλλ = 1/6 de minuto ou 10 segundos. Condição de aplicação: O número de ocorrências deve seguir uma distribuição de Poisson. Se nós considerarmos a distribuição de Poisson como o modelo para o número de ocorrências de um evento no intervalo de [0,t] teremos: E nesse caso pode ser demonstrado que a distribuição dos intervalos entre ocorrências irá seguir o modelo Exponencial com parâmetro λλλλ. ! )()( x te xP xt λλ− = DistribuiDistribuiçção Exponencialão ExponencialDistribuiDistribuiçção Exponencialão Exponencial O modelo da função densidade de probabilidade para distribuição Exponencial é o seguinte: onde λλλλ > 0 é uma constante. A média e o desvio padrão da distribuição exponencial são calculados usando: 0 ;)( ≥= − tetf tλλ λµ 1 = λσ 1 = DistribuiDistribuiçção Exponencialão Exponencial 1}{)( t0 λλλ −− −=∫=≤= edxetTPtF t t A distribuição Exponencial acumulada vem dada por: a) A probabilidade acumulada de zero até t: b) A probabilidade acumulada complementar é: A distribuição Exponencial é largamente utilizada no campo da confiabilidade, como um modelo para a distribuição dos tempos até a falha de componentes eletrônicos. Nessas aplicações o parâmetro λλλλ representa a taxa de falha para o componente, e 1/ λλλλ é o tempo médio até a falha. }{1}{ou }{)( t tTPtTPetTPtF ≤−=≥=≥= −λ DistribuiDistribuiçção Exponencialão Exponencial Exemplo: O prazo de operação de uma máquina de embalagem de frascos sem interrupções para manutenção tem distribuição exponencial com média de duas horas. Qual a probabilidade dessa máquina conseguir operar mais de uma hora sem interrpção? Solução: A probabilidade da máquina de embalagem de frascos conseguir operar uma hora ou mais sem interrupção é P(x ≥ 1). Onde λ=0,5 607,01)P(x }{)( )1)(5,0( t ===≥ =≥= −− − ee etTPtF xλ λ DistribuiDistribuiçção Exponencialão Exponencial Exemplo: O atendente de serviços em garantia da distribuidora de carros atende a uma média de quatro clientes por hora. Qual a probabilidade de que um cliente requeira menos de 15 minutos? Solução: A probabilidade de que um cliente requeira menos de 15 minutos é P(x ≤ 15/60). Onde λ=4 632,01115/60)P(x 1}{)( )60/15)(4( t =−=−=≤ −=≤= −− − ee etTPtF xλ λ
Compartilhar