probabilidade e estat ística - utfprpaginapessoal.utfpr.edu.br/.../distribuicaocontinua.pdf · 4...
TRANSCRIPT
Probabilidade e EstatProbabilidade e Estat íísticastica
Prof. Dr. Narciso GonProf. Dr. Narciso Gon ççalves da Silvaalves da Silvahttp://paginahttp://pagina pessoal.utfpr.edu.br/ngsilvapessoal.utfpr.edu.br/ngsilva
DistribuiDistribuiDistribuiDistribuiçççções Contões Contões Contões Contíííínuas de Probabilidadenuas de Probabilidadenuas de Probabilidadenuas de Probabilidade
2
Distribui
Distribui
Distribui
Distribui çç çções Cont
ões Cont
ões Cont
ões Cont íí íínuas de Probabilidade
nuas de Probabilidade
nuas de Probabilidade
nuas de Probabilidade
Distribuição Uniforme
Uma variável aleatória contínua X está uniformemente distribuída no intervalo (a, b) se a sua função densidade de probabilidade é dada por:
3
Distribui
Distribui
Distribui
Distribui çç çções Cont
ões Cont
ões Cont
ões Cont íí íínuas de Probabilidade
nuas de Probabilidade
nuas de Probabilidade
nuas de Probabilidade
Distribuição Uniforme
4
Distribui
Distribui
Distribui
Distribui çç çções Cont
ões Cont
ões Cont
ões Cont íí íínuas de Probabilidade
nuas de Probabilidade
nuas de Probabilidade
nuas de Probabilidade
Distribuição Uniforme
Exemplo:A espessura de chapas fabricadas numa indústria estáuniformemente distribuída entre 0,84 cm e 1,04 cm. a) De um total de 200 chapas inspecionadas, quantas excedem 1,00 cm?b) Qual deve ser a espessura de modo que 40% das chapas não excedam essa espessura?Respostas: a) P(X > 1,00 cm) = 20% n = 40 chapas
b) x = 0,92 cm
5
Distribui
Distribui
Distribui
Distribui çç çções Cont
ões Cont
ões Cont
ões Cont íí íínuas de Probabilidade
nuas de Probabilidade
nuas de Probabilidade
nuas de Probabilidade
Distribuição Exponencial
Considere um Experimento de Poisson com parâmetro .λ
A variável aleatória contínua X está exponencialmente distribuída se a sua função densidade de probabilidade édada por:
6
Distribui
Distribui
Distribui
Distribui çç çções Cont
ões Cont
ões Cont
ões Cont íí íínuas de Probabilidade
nuas de Probabilidade
nuas de Probabilidade
nuas de Probabilidade
Distribuição Exponencial
7
Distribui
Distribui
Distribui
Distribui çç çções Cont
ões Cont
ões Cont
ões Cont íí íínuas de Probabilidade
nuas de Probabilidade
nuas de Probabilidade
nuas de Probabilidade
Distribuição Exponencial
Exemplo:Uma fábrica de lâmpadas oferece uma garantia de troca se a duração da lâmpada for inferior a 60 horas. A duração das lâmpadas é uma variável aleatória contínua X exponencialmente distribuída com função densidade de probabilidade dada por:
Determine quantas lâmpadas são trocadas por conta da garantia para cada 1000 lâmpadas fabricadas.
Resposta: 12 lâmpadas
8
Distribuição NormalUma variável aleatória contínua X está normalmente distribuída se a sua função densidade de probabilidade édada por:
Distribui
Distribui
Distribui
Distribui çç çções Cont
ões Cont
ões Cont
ões Cont íí íínuas de Probabilidade
nuas de Probabilidade
nuas de Probabilidade
nuas de Probabilidade
Utiliza-se a notação: X ~ N(µ,σ2)Por exemplo: X ~ N(3, 4)
9
Distribuição NormalPropriedades:
1ª) f(x) tem um ponto de inflexão em µ - σ e outro em µ + σ;
2ª) f(x) tende a zero quando x tende a +∞ ou -∞;
3ª) f(x) é simétrica com relação à média µ;
Distribui
Distribui
Distribui
Distribui çç çções Cont
ões Cont
ões Cont
ões Cont íí íínuas de Probabilidade
nuas de Probabilidade
nuas de Probabilidade
nuas de Probabilidade
4ª) f(x) tem um ponto de máximo em x = µ e f(x) =πσ 2
1
10
Distribuição NormalDistribui
Distribui
Distribui
Distribui çç çções Cont
ões Cont
ões Cont
ões Cont íí íínuas de Probabilidade
nuas de Probabilidade
nuas de Probabilidade
nuas de Probabilidade
Propriedades:
5ª) A área abaixo da função é igual a 1;
6ª) A distribuição normal é classificada como simétrica (A = 0) e mesocúrtica (C = 0,263);
7ª) 68,2% dos dados da variável aleatória estão localizados entre µ - σ e µ + σ, 95,4% entre µ - 2σ e µ + 2σ e 99,8% entre µ - 3σ e µ + 3σ.
Distribuição NormalDistribui
Distribui
Distribui
Distribui çç çções Cont
ões Cont
ões Cont
ões Cont íí íínuas de Probabilidade
nuas de Probabilidade
nuas de Probabilidade
nuas de Probabilidade
7ª)
Propriedades:
12
Distribuição Normal
É impossível resolver esta integral analiticamente. O resultado desta integral é obtido utilizando métodos numéricos.
Distribui
Distribui
Distribui
Distribui çç çções Cont
ões Cont
ões Cont
ões Cont íí íínuas de Probabilidade
nuas de Probabilidade
nuas de Probabilidade
nuas de Probabilidade
Logo, o cálculo de probabilidade para variáveis aleatórias normalmente distribuída é obtido através de valores tabelados.
Para evitar a multiplicação desnecessária de tabelas para cada par de valor (µ,σ2) utiliza-se uma transformação fazendo:
13
Distribuição Normal
Esta variável aleatória Z tem uma distribuição de probabilidade denominada distribuição normal padronizada ou normal reduzida.
Distribui
Distribui
Distribui
Distribui çç çções Cont
ões Cont
ões Cont
ões Cont íí íínuas de Probabilidade
nuas de Probabilidade
nuas de Probabilidade
nuas de Probabilidade
Onde Z é uma variável aleatória contínua que terádistribuição normal com µ = 0 e σ2 = 1, ou seja Z ~ N(0,1), com função densidade de probabilidade definida por:
Desta forma:
14
Distribuição NormalDistribui
Distribui
Distribui
Distribui çç çções Cont
ões Cont
ões Cont
ões Cont íí íínuas de Probabilidade
nuas de Probabilidade
nuas de Probabilidade
nuas de Probabilidade
Exemplo: X ~ N(4,9)
15
Distribuição Normal
A tabela Z fornece os valores da área abaixo da função f(z) para diversos pontos desde 0 até 3,99 com acréscimos de 0,01.
Distribui
Distribui
Distribui
Distribui çç çções Cont
ões Cont
ões Cont
ões Cont íí íínuas de Probabilidade
nuas de Probabilidade
nuas de Probabilidade
nuas de Probabilidade
Assim:
16
Tabela ZDistribui
Distribui
Distribui
Distribui çç çções Cont
ões Cont
ões Cont
ões Cont íí íínuas de Probabilidade
nuas de Probabilidade
nuas de Probabilidade
nuas de Probabilidade
17
Distribuição NormalDistribui
Distribui
Distribui
Distribui çç çções Cont
ões Cont
ões Cont
ões Cont íí íínuas de Probabilidade
nuas de Probabilidade
nuas de Probabilidade
nuas de Probabilidade
Exemplos:
a) P(0 ≤ Z ≤ 1) = 0,3413
c) P(-2,55 < Z ≤ 1,20) = 0,4946 + 0,3849 = 0,8795
b) P(Z > 1,93) = 0,5000 - 0,4732 = 0,0268
18
Exercícios
a) P(X ≤ 15,5) =
Distribui
Distribui
Distribui
Distribui çç çções Cont
ões Cont
ões Cont
ões Cont íí íínuas de Probabilidade
nuas de Probabilidade
nuas de Probabilidade
nuas de Probabilidade
2) Os salários dos funcionários de uma empresa estão normalmente distribuídos com média de R$ 8000,00 e desvio-padrão de R$ 500,00. Qual a porcentagem de funcionários que recebem mais de R$ 9280,00 nesta empresa?
P(Z ≤ 1,75) = 0,50 + 0,4599 = 0,9599
b) P(10 < X ≤ 15) =
1) Sendo X ~ N(12,4), determine:
c) P(X > 9,5) =
P(-1,00 < Z ≤ 1,50) = 0,7745
P(Z > -1,25) = 0,8944
Resposta: P(X > 9280) = P(Z > 2,56) = 0,52%
19
Exercícios
3) Os pacientes de um hospital são submetidos a um tratamento de saúde cujo tempo de cura estánormalmente distribuído com média de 15 dias e desvio-padrão de 2 dias.
a) Qual a proporção de pacientes que demora mais de 17 dias para se recuperar?
b) Qual a probabilidade de um paciente escolhido ao acaso apresentar tempo de cura inferior a 20 dias?
c) Qual deve ser o tempo máximo necessário para a recuperação de 30% dos pacientes?
Distribui
Distribui
Distribui
Distribui çç çções Cont
ões Cont
ões Cont
ões Cont íí íínuas de Probabilidade
nuas de Probabilidade
nuas de Probabilidade
nuas de Probabilidade
20
Exercícios
4) O diâmetro de um anel industrial é uma variável aleatória normalmente distribuída com média de 0,10 cm e desvio-padrão 0,02 cm. Se o diâmetro do anel fabricado diferir da média por mais de 0,03 cm ele évendido por R$ 5,00, caso contrário é vendido por R$ 10,00. Qual é o preço médio de venda de cada anel?(Extraído de Notas de Aula da Profa Márcia O. Erbano)
Distribui
Distribui
Distribui
Distribui çç çções Cont
ões Cont
ões Cont
ões Cont íí íínuas de Probabilidade
nuas de Probabilidade
nuas de Probabilidade
nuas de Probabilidade
21
Distribuição NormalDistribui
Distribui
Distribui
Distribui çç çções Cont
ões Cont
ões Cont
ões Cont íí íínuas de Probabilidade
nuas de Probabilidade
nuas de Probabilidade
nuas de Probabilidade
Uma aproximação da Distribuição Binomial com parâmetros n e p pode ser obtida pela Distribuição Normal fazendo µ = n.p e σ2 = n.p.(1 – p).
Quando n tende para o infinito, a variável aleatória definida por
está uniformemente distribuída com µ = 0 e σ2 = 1.
22
Distribuição NormalDistribui
Distribui
Distribui
Distribui çç çções Cont
ões Cont
ões Cont
ões Cont íí íínuas de Probabilidade
nuas de Probabilidade
nuas de Probabilidade
nuas de Probabilidade
Exemplos:1) Uma moeda não viciada é lançada 100 vezes. Qual a
probabilidade de sair cara entre 38 e 59 vezes?
2) Uma máquina produz peças de modo que 5% são defeituosas. Se uma amostra de 1000 peças é extraída aleatoriamente, qual a probabilidade de que não mais de 40 peças sejam defeituosas?
23
Função GamaDistribui
Distribui
Distribui
Distribui çç çções Cont
ões Cont
ões Cont
ões Cont íí íínuas de Probabilidade
nuas de Probabilidade
nuas de Probabilidade
nuas de Probabilidade
A função gama é definida por:
Se α é um número natural, então:
Em particular:
Integrando por partes, tem-se:
Por exemplo:
24
Distribuição GamaDistribui
Distribui
Distribui
Distribui çç çções Cont
ões Cont
ões Cont
ões Cont íí íínuas de Probabilidade
nuas de Probabilidade
nuas de Probabilidade
nuas de Probabilidade
A variável aleatória contínua X tem distribuição gama quando sua função densidade de probabilidade é dada por:
Onde α é o parâmetro de forma (α > 0) e β é o parâmetro de escala (β > 0).
Observação:
Quando α = 1, tem-se a distribuição exponencial.
25
Distribuição GamaDistribui
Distribui
Distribui
Distribui çç çções Cont
ões Cont
ões Cont
ões Cont íí íínuas de Probabilidade
nuas de Probabilidade
nuas de Probabilidade
nuas de Probabilidade
Exemplos de gráficos para β =1
Esperança Matemática: E(X) = α/β
Variância: V(X) = α/β²
26
Distribuição Qui-quadrado ( χχχχ2)Distribui
Distribui
Distribui
Distribui çç çções Cont
ões Cont
ões Cont
ões Cont íí íínuas de Probabilidade
nuas de Probabilidade
nuas de Probabilidade
nuas de Probabilidade
A variável aleatória contínua X tem distribuição qui-quadrado com φ graus de liberdade (φ ϵ N) quando sua função densidade de probabilidade é dada por:
Fazendo α = φ/2 e β = 2 na fdp da distribuição gama tem-se a fdp da distribuição qui-quadrado.
Observação:
A distribuição qui-quadrado é assimétrica positiva.
27
Distribuição Qui-quadrado ( χχχχ2)Distribui
Distribui
Distribui
Distribui çç çções Cont
ões Cont
ões Cont
ões Cont íí íínuas de Probabilidade
nuas de Probabilidade
nuas de Probabilidade
nuas de Probabilidade
Esperança Matemática: E(X) = φ
Variância: V(X) = 2φ
28
Tabela da Qui-quadrado ( χχχχ2)Distribui
Distribui
Distribui
Distribui çç çções Cont
ões Cont
ões Cont
ões Cont íí íínuas de Probabilidade
nuas de Probabilidade
nuas de Probabilidade
nuas de Probabilidade
29
Distribuição Qui-quadrado ( χχχχ2)Distribui
Distribui
Distribui
Distribui çç çções Cont
ões Cont
ões Cont
ões Cont íí íínuas de Probabilidade
nuas de Probabilidade
nuas de Probabilidade
nuas de Probabilidade
Exemplos:
1) Sendo φ = 8 e α = 25%, determine a abscissa da qui-quadrado.
2) Sendo X uma variável aleatória contínua com distribuição qui-quadrado com φ = 20, determine a mediana e o 9º decil da variável aleatória X.
3) Determine as abscissas indicadas no gráfico da distribuição qui-quadrado abaixo, sendo φ = 10.
30
Distribuição t de StudentDistribui
Distribui
Distribui
Distribui çç çções Cont
ões Cont
ões Cont
ões Cont íí íínuas de Probabilidade
nuas de Probabilidade
nuas de Probabilidade
nuas de Probabilidade
A variável aleatória contínua X tem distribuição t de Student quando a função densidade de probabilidade é dada por:
Com x real onde φ é o grau de liberdade da distribuição.
• Esperança Matemática: E(X) = 0
• Variância: V(X) = φ/(φ – 2) com φ > 2
Esta distribuição foi desenvolvida pelo químico britânico W. S Gosset, que publicava em 1908 seus trabalhos sob o pseudônimo de “Student”.
31
Distribuição t de StudentDistribui
Distribui
Distribui
Distribui çç çções Cont
ões Cont
ões Cont
ões Cont íí íínuas de Probabilidade
nuas de Probabilidade
nuas de Probabilidade
nuas de Probabilidade
Observações:
1ª) A distribuição é simétrica com relação a sua média;
2ª) Quanto maior o valor de φ mais se aproxima da distribuição normal padronizada;
3ª) Esta distribuição é muito utilizado para inferências estatísticas para amostra pequenas (n < 30).
32
Tabela da distribuição t de StudentDistribui
Distribui
Distribui
Distribui çç çções Cont
ões Cont
ões Cont
ões Cont íí íínuas de Probabilidade
nuas de Probabilidade
nuas de Probabilidade
nuas de Probabilidade
33
Distribuição t de StudentDistribui
Distribui
Distribui
Distribui çç çções Cont
ões Cont
ões Cont
ões Cont íí íínuas de Probabilidade
nuas de Probabilidade
nuas de Probabilidade
nuas de Probabilidade
Exemplo:
Uma variável aleatória contínua X tem distribuição t de Student com 4 graus de liberdade. Determine o 1o quartil da variável aleatória X.
34
Distribuição F (Fisher-Snedecor)Distribui
Distribui
Distribui
Distribui çç çções Cont
ões Cont
ões Cont
ões Cont íí íínuas de Probabilidade
nuas de Probabilidade
nuas de Probabilidade
nuas de Probabilidade
A distribuição F é a razão entre duas variáveis aleatória independentes que possuem distribuições qui-quadrado.
A distribuição F com φ1 graus de liberdade no numerador e φ2 graus de liberdade no denominador é definida por:
Esta distribuição foi desenvolvida pelo inglês R.A. Fisher (1890-1962) e pelo americano G. E. Snedecor (1881-1974).
35
Distribuição F (Fisher-Snedecor)Distribui
Distribui
Distribui
Distribui çç çções Cont
ões Cont
ões Cont
ões Cont íí íínuas de Probabilidade
nuas de Probabilidade
nuas de Probabilidade
nuas de Probabilidade
36
Distribuição F (Fisher-Snedecor)Distribui
Distribui
Distribui
Distribui çç çções Cont
ões Cont
ões Cont
ões Cont íí íínuas de Probabilidade
nuas de Probabilidade
nuas de Probabilidade
nuas de Probabilidade
A tabela da distribuição F retorna a abscissa que tem 2,5% ou 5% dos dados na cauda à direita, com φ1 e φ2
graus de liberdade.
37
Distribuição F (Fisher-Snedecor)Distribui
Distribui
Distribui
Distribui çç çções Cont
ões Cont
ões Cont
ões Cont íí íínuas de Probabilidade
nuas de Probabilidade
nuas de Probabilidade
nuas de Probabilidade
38
Distribuição F (Fisher-Snedecor)Distribui
Distribui
Distribui
Distribui çç çções Cont
ões Cont
ões Cont
ões Cont íí íínuas de Probabilidade
nuas de Probabilidade
nuas de Probabilidade
nuas de Probabilidade
2) Determine o 5o centil e o 95o centil da variável aleatória X que tem distribuição F com 8 graus de liberdade no numerador e 6 graus de liberdade no denominador.
Propriedade:
Exemplos:
1) Calcular
Resposta: