Baixe o app para aproveitar ainda mais
Prévia do material em texto
1 T.E.A. II (Curso Preparatório para o Exame da ANPEC) Disciplina: Estatística - Professor: Eduardo Lima Campos 6. DISTRIBUIÇOES CONTÍNUAS As distribuições contínuas são as seguintes: Uniforme (Contínua) Exponencial Normal Qui-Quadrado t (de Student) F Outras (Gama, Beta, Weibull, Pareto, etc.) • Distribuição Uniforme Contínua É a distribuição contínua mais simples que existe. Pressupõe que as probabilidades estejam distribuídas de maneira uniforme pelo intervalo de variação de X (de α a β). Fórmula da Uniforme: f(x) = 1/(β-α), α<x<β. Parâmetros: α e β. Notação: X ~ Unif(α,β). Cálculo de Probabilidades Utilizando a Uniforme: P(a≤X≤b) = (b-a)/(ββββ-αααα) Valor Esperado e Variância da Uniforme: E(X) = (αααα+ββββ)/2 V(X) = (ββββ-αααα)2/12 Exemplo 6.1- As notas de uma turma apresentam média 5 e variância 3. A nota mínima para aprovação é 7. Supondo distribuição uniforme, calcule a probabilidade de um aluno ser aprovado. R: 1/6. 2 T.E.A. II (Curso Preparatório para o Exame da ANPEC) Disciplina: Estatística - Professor: Eduardo Lima Campos • Distribuição Exponencial Distribuição definida para valores de X estritamente positivos, usual para representar tempo (duração, espera, etc.). Fórmula da Exponencial: .0 ;0x ,e)x(f x >λ>λ= λ− Parâmetro: λ. Notação: X ~ Expo(λ). Valor Esperado e Variância: E(X) = 1/λλλλ V(X) = 1/λλλλ2 Demonstração do Valor Esperado: Esta integral deve ser resolvida por partes, fazendo u = x e dv = e-λxdx. Temos então que: du = dx e v = -e-λx/λ. Assim: .dxxedxex)X(E 0 x 0 x ∫∫ ∞ λ− ∞ λ− λ=λ= ( ) ( ) .1exe dxexe dx ee x)X(E 0 x 0 x 0 x 0 x 0 x 0 x λ = λ −+−= +−= λ −− λ −λ= ∞λ− ∞λ− ∞ λ−∞λ− ∞ λ− ∞λ− ∫ ∫ Demonstração da Variância: V(X) = E(X2) – E2(X). E(X2) é calculado da seguinte forma: Esta integral também deve ser resolvida por partes, mas agora fazendo u = x2 e dv = e-λxdx. .dxexdxex)X(E 0 x2 0 x22 ∫∫ ∞ λ− ∞ λ− λ=λ= Função Distribuição Acumulada da Exponencial: F(x) = P(X≤≤≤≤x) = 0, x≤≤≤≤0 = 1-e-λλλλx, x>0. 3 T.E.A. II (Curso Preparatório para o Exame da ANPEC) Disciplina: Estatística - Professor: Eduardo Lima Campos Demonstração da F.D.A.: Para x≤≤≤≤0, F(x) = P(X≤x) = 0. Para x>0: .e1 e1 dxe dxe )xP(X)x(F x xx 0 x x 0 x λ− λ− λ− λ− −= λ −λ=λ =λ=≤= ∫ ∫ Exemplo 6.2- O tempo de espera em uma fila segue distribuição exponencial. Se um cliente espera, em média, 10 minutos para ser atendido, qual a probabilidade: a) De que demore menos do que 12 minutos para ele ser atendido? R: 1-e-1,2. b) De que demore menos do que 7 minutos para ele ser atendido? R: 1-e-0,7. c) E entre 7 e 12 minutos? R: e-0,7-e-1,2. d) De que ele espere mais do que 10 minutos (isto é, mais do que a média E(X))? R: e-1. • Falta de Memória É uma importantíssima propriedade da distribuição exponencial. Ela diz que: P(X>x+s|X>x) = P(X>s). Interpretação: se uma lâmpada já durou x horas, a probabilidade dela durar mais s horas a partir dali é a mesma que ela teria de durar s horas a partir da sua fabricação. Em outras palavras, não há desgaste. Isto é considerado uma crítica ao uso da exponencial para este tipo de aplicação. Demonstração: P(X>x+s|X>x) = P[(X>x+s)∩(X>x)]/P(X>x) = P(X>x+s)/P(X>x) = e-λ(x+s)/e-λx = e-λs = P(X>s), C.Q.D. • Distribuição de Weibull Utilizada como alternativa à exponencial, a função de densidade correspondente é: Notação: X ~ Weibull(α,β). Caso particular: β = 1 ⇒ X ~ Expo(α). .0, ;0x ;ex)x(f x1 >βα>αβ= βα−−β 4 T.E.A. II (Curso Preparatório para o Exame da ANPEC) Disciplina: Estatística - Professor: Eduardo Lima Campos • Relação entre a Exponencial e a Poisson Se o número X de ocorrências de um evento por unidade de tempo segue distribuição de Poisson com parâmetro λ: X ~ Poisson (λ), então o intervalo de tempo T (medido na mesma unidade de tempo) entre duas ocorrências sucessivas segue distribuição exponencial com parâmetro λ, ou seja: T ~ Expo(λ). Exemplo 6.3- O número de navios que chega a um porto cujo estaleiro comporta 4 navios segue distribuição de Poisson. A a cada 24 horas, aportam, em média, 12 navios. Com base nestes dados, calcule: a) A probabilidade de que, no intervalo de uma hora, pelo menos um navio aporte. b) A probabilidade de que o tempo decorrido entre dois navios seja superior a uma hora. Parâmetros: µ (=E(X)) e σ2 (=V(X)). Notação: X ~ N(µ,σ2). .0,;x;e 2 1 )x(f 22 )x( 2 2 >σℜ∈µℜ∈ πσ = σ µ−− • Distribuição Normal Distribuição Normal para diferentes valores de µ: Distribuição Normal para diferentes valores de σ: • Cálculo de Probabilidades Normais Exemplo 6.4 -Considere que as alturas dos alunos desta turma sigam distribuição Normal, com média igual a 170 cm e desvio padrão igual a 5 cm. Seja o experimento que consiste na seleção de um aluno qualquer e na medição de sua altura. A v.a. que representa o resultado deste experimento é X ~ N(170,25). Qual a probabilidade de que a altura do aluno esteja entre 170 e 172,3 cm? 5 T.E.A. II (Curso Preparatório para o Exame da ANPEC) Disciplina: Estatística - Professor: Eduardo Lima Campos Em princípio, você calcularia: Problema: A integral de não possui solução analítica! ∫ −− π =≤≤ 3,172 170 50 )170x( dxe 25 1 )3,172X170(P 2 2 2 2 )x( e 2 1 )x(f σ µ−− πσ = altura de um aluno selecionado ao acaso Para calcular a probabilidade solicitada, usaremos a tabela Normal. A tabela Normal fornece probabilidades associadas a uma v.a. padronizada, ou seja: que possui média 0 e variância 1 (como vimos no capítulo 3 do curso). , X Z σ µ−= P(0 < Z < 0,46) é encontrada na tabela. ).46,0Z0(P 5 1703,172 Z 5 170170 P 3,172X170 P )3,172X170(P <<= = −<<− = σ µ−< σ µ−< σ µ− =<< Usando a Tabela Normal: Resposta final do item a): A probabilidade de que a altura de um aluno selecionado ao acaso esteja entre 170 e 172,3 cm é 0,1772. b) Qual a probabilidade de que a altura do aluno esteja entre 170 e 175 cm? Neste caso: ).1Z0(P 5 170175 Z 5 170170 P 175X170 P )175X170(P <<= = −<<− = σ µ−< σ µ−< σ µ− =<< 6 T.E.A. II (Curso Preparatório para o Exame da ANPEC) Disciplina: Estatística - Professor: Eduardo Lima Campos k Ilustrando na Tabela Normal: Resposta final do item b): 0,3413. c) Qual a probabilidade de que a altura do aluno esteja entre 165 e 170 cm? Solução: Pela simetria da Normal, temos: P(-1 < Z < 0) = P(0 < Z < 1) = 0,3413. Ilustração da Simetria da Normal: P(-1 < Z < 0) P(0 < Z < 1) P(-1 < Z < 1) d) Qual a probabilidade de que a altura do aluno esteja entre 165 e 175 cm? Esta é a probabilidade de X estar a no máximo 1 desvio padrão de distância da sua média. Solução: do slide anterior, P(-1 < Z < 1) = 0,6826. 99,72% Algumas Probabilidades Normais Importantes: e) Qual a probabilidade de que a altura do aluno esteja entre 170 e 180 cm? Solução: P(170 < X <180) = P(0 < Z < 2) = 0,4772. f) E entre 160 e 180 cm? Solução: P(160 < X <180) = P(-2 < Z < 2) = 2*0,4772 = 0,9544. 7 T.E.A. II (Curso Preparatório para o Exame da ANPEC) Disciplina: Estatística - Professor: Eduardo Lima Camposg) Qual a probabilidade de que a altura do aluno seja maior do que 170 cm? Solução: P(X > 170) = P(Z > 0). A área total sob a curva é igual a 1. Logo, a resposta é 0,5. h) E maior do que 175 cm? Solução: P(X > 175) = P(Z > 1) = 0,5 - P(0 < Z < 1) = 0,5 - 0,3413 = 0,1587. P(Z > 0) i) E menor do que 175 cm? Solução: P(X < 175) = P(Z <1) = 0,5 + P(0 < Z < 1) = 0,5 + 0,3413 = 0,8413. j) E menor do que 165 cm? Solução: P(X <165) = P(Z < -1) = P(Z > 1) = 0,1587. P(Z < 0) Exemplo 6.5- As notas dos alunos de um vestibular distribuem-se normalmente, com média 8 e desvio padrão 1. Se a relação candidato/vaga é de 40 para 1, calcule a nota mínima para que o aluno seja aprovado. Obs - será necessário achar * tal que: P(X > *) = 0,025. Buscaremos na tabela o valor k tal que: P(Z > k) = 0,025, denotado por z0,025. k Temos que achar na tabela o valor de k correspondente à probabilidade 0,475: Assim: z0,025= 1,96. Resposta do Exemplo 6.5: 9,96. k Outro valor importante na tabela Normal: z0,05 = valor de k tal que P(Z>k) = 0,05. ? Interpolando: z0,05= 1,645. k Outro valor importante na tabela Normal: z0,005= valor de k tal que P(Z>k) = 0,005. ? Interpolando: z0,005= 2,575. 8 T.E.A. II (Curso Preparatório para o Exame da ANPEC) Disciplina: Estatística - Professor: Eduardo Lima Campos • Função Linear de uma Normal Se X segue distribuição Normal, então Y = aX+btambém é Normal, com médias e variâncias, conforme visto no capítulo 2: E(Y) = aE(X) + b e V(Y) = a2V(X). • Distribuição Lognormal Seja uma v.a. Normal X ~ N(µ,σ2) e seja Y = eX. A distribuição de Y é chamada lognormal, com parâmetros µ e σ2. Fórmula: A distribuição Lognormal apresenta assimetria positiva. Valor Esperado: .0 , 0,y ;e 2y 1 )y(f 2 2 )y(ln 2 1 >σℜ∈µ> πσ = µ− σ − 2 2 e)Y(E σ+µ = • Distribuição Qui-Quadrado Fórmula: Parâmetro: υ (graus de liberdade) Notação: 0. ;0x ;ex 2 1 )x(f 2 x 1 2 2 >υ> π = −−υ υ .~X 2υχ A distribuição qui-quadrado apresenta assimetria positiva e é tabelada. Valor Esperado e Variância: E(X) = υυυυ V(X) = 2υυυυ Relação entre a Qui-Quadrado e a Normal: Observação importante: a variável Z precisa estar padronizada, caso contrário o resultado acima não vale (a distribuição resultante seria outra, mais complicada, chamada qui-quadrado não centrada). 2 1 2 ~ZY :N(0,1)~ ZSe χ= 9 T.E.A. II (Curso Preparatório para o Exame da ANPEC) Disciplina: Estatística - Professor: Eduardo Lima Campos • Soma de Normais Independentes Considere a soma S de n v.a.`s Xi, i = 1,2,...,n, Normais e independentes, c/ médias µ e variâncias σ2. Então: ).n,n(N~S 2σµ A soma de Normais independentes também segue distribuição Normal. Exemplo 3.6(revisitado/cont.) e queremos P(S>500). Vimos que S ~ N(490,700). Assim: ,XS 7 1i i∑ = = peso da i-ésima pessoa .3520,0)38,0Z(P ) 700 490500 Z(P)500S(P => =−>=> Exemplo 6.6 -Uma máquina de café é calibrada para produzir pacotes com peso 500g. Entretanto, na prática, os pesos reais dos pacotes produzidos serão v.a.`s. Suponha que os pesos dos pacotes produzidos pela máquina sigam distribuição normal com média 500 g e variância 16 g2. a) Qual a probabilidade de que um pacote qualquer tenha peso maior do que 502 g? Solução: .3085,0)5,0Z(P 4 500502 ZP 502X P )502X(P =>= = −> = σ µ−> σ µ− => peso de um pacote selecionado ao acaso Se selecionarmos 100 pacotes (considere os pesos dos pacotes independentes): b) Qual a probabilidade de que o peso total seja maior do que 49,96 Kg? Solução: ( ) .8413,05,0)1Z0(P 5,0)0Z1(P1ZP 40 000.50960.49 ZP)960.49S(P =+<< =+<<−=−>= −>=> ).n,n(N~XS 2 n 1i i σµ=∑ = peso total = soma dos pesos 10 T.E.A. II (Curso Preparatório para o Exame da ANPEC) Disciplina: Estatística - Professor: Eduardo Lima Campos • Média de Normais Independentes Considere a média de n v.a.`s Xi, i = 1,2,...,n, independentes e Normais, c/ médias µ e variâncias σ2. Então: ). n ,(N~X 2σµ X O valor esperado e a variância de já foram demonstrados no capítulo 3. X Exemplo 6.6(cont.) – c) Qual a probabilidade do peso médio dos 100 pacotes ser menor do que 500,7 g? Solução:peso médio = média dos pesos. ( ) .9599,04599,05,0 )75,1Z0(P5,0 75,1ZP 4,0 5007,500 ZP)7,500X(P =+ =<<+ =< = −<=< ). n ,(N~X 2σµ • Combinação Linear de Normais Independentes Assim como a soma e a média, uma combinação linear de v.a.`s Normais independentes segue distribuição Normal. • Combinação Linear de Normais Dependentes Se houver dependência entre as variáveis, a normalidade da combinação linear só pode ser garantida caso as variáveis envolvidas sigam distribuição conjunta Normal multivariada (se n = 2, bivariada). • Distribuição Normal Bivariada 2 2 YX )y)(x( 2 )y()x( )1(2 1 R)y,x(, 12 e )y,x(f YX YX 2 Y 2 Y 2 X 2 X 2 ∈ ρ−σπσ = σσ µ−µ− ρ− σ µ− + σ µ− ρ− − Representação Gráfica da Normal Bivariada: f(x,y) xy 11 T.E.A. II (Curso Preparatório para o Exame da ANPEC) Disciplina: Estatística - Professor: Eduardo Lima Campos Vamos à prova de que, se ρXY = 0 e X e Y seguem distribuição Normal Bivariada, então X e Y são independentes (capítulo 3). Faça ρ = 0 na fórmula da Normal bivariada, e verifique que f(x,y) = f(x)f(y). Teorema Importante: Se (X,Y) é um vetor aleatório com distribuição Normal Bivariada, as distribuições marginais de X e Y são Normais, com parâmetros: .)Y(V,)X(V,)Y(E,)X(E 2Y 2 XYx σ=σ=µ=µ= Valor Esperado e Variância Condicionais: Se X e Y são variáveis aleatórias distribuídas segundo uma Normal bivariada, então: )x()x|Y(E X X Y Y µ−σ σρ+µ= )1()x|Y(V 22y ρ−σ= Exemplo 6.7- Sejam X e Y v.a.`s com distribuição Normal Multivariada. a) Ache E(Y|x) e V(Y|x) se ρXY = 0. b) Ache V(Y|x) se ρXY = 1. Interprete. • Distribuição t de Student Uma v.a. com distribuição t com υ graus de liberdade é obtida da seguinte forma: υ = Q Z T Z~N(0,1). (qui-quadrado com υ g.l.), independente de Z. 2~Q υχ Notação: T ~ tυ. Esta distribuição é tabelada. Distribuição t de Student x Normal: A distribuição t aproxima-se da Normal à medida que os graus de liberdade aumentam. 12 T.E.A. II (Curso Preparatório para o Exame da ANPEC) Disciplina: Estatística - Professor: Eduardo Lima Campos • Distribuição F Uma v.a. com distribuição F com υ1 graus de liberdade no numerador e υ2 no denominador é obtida da seguinte forma: .tesindependen Q e Q sendo ,~ Q e ~ Q com , Q Q F 21 2 2 2 1 2 2 1 1 21 υυ χχ υ υ= Notação: F ~ Fυ1, υ2. Esta distribuição é tabelada. Relação entre a t e a F: Se T segue distribuição t de Student com υ graus de liberdade (T ~ tυ), Y = T2 segue distribuição F com 1 e υ graus de liberdade: Esta relação tem aplicação em modelos de regressão linear. .f~TY ,1 2 υ= • Soma de Qui-Quadrados Independentes ~ 2 n 1i 2 n 1i i i ∑ = υ= υ χχ∑ • Distribuição Gama Fórmula: Notação: X ~ Gama(α,β). .Z se ,)!1(dxex)( :dosen ,0, ;0x ;ex )( )x(f 0 x1 x1 ∈α−α==αΓ >βα> αΓ β= ∫ ∞ −−α β−−α α A distribuição gama possui dois casosparticulares importantes: - A distribuição exponencial (α = 1 e β = λ); - A qui-quadrado com υ graus de liberdade (α = υ/2 e β = 1/2). A gama pode ser vista como uma família de distribuições, que engloba os dois casos acima. Outra distribuição com esta característica é a beta, definida para 0<X<1. • Distribuição Beta Fórmula: Notação: X ~ Beta(α,β). A gama e a beta nunca caíram na ANPEC. .0, ;1x0 ;)x1(x )()( )( )x(f 11 >βα<< − βΓαΓ β+αΓ= −β−α
Compartilhar