Documente Academic
Documente Profesional
Documente Cultură
CENTRO DE TECNOLOGIA
PROBABILIDADE E ESTATÍSTICA
Variáveis Aleatórias Contínuas
Organização
4 Distribuição Uniforme
5 Distribuição Normal
6 Desigualdade de Chebyshev
2 / 30
Variáveis Aleatórias Contínuas
Função densidade de probabilidade
3 / 30
Exemplo
Seja X a duração de vida em horas de certo tipo de lâmpada. Admite-se que
X é uma v.a. contínua com fdp dada por:
2 −a x/100
a e , x>0
fX (x) =
0, caso contrário
5 / 30
6 / 30
Variáveis Aleatórias Contínuas
Função de Distribuição Acumulada
Exemplos
1 A v.a. contínua X tem fdp dada por: 2 Um braço mecânico deve perfurar uma peça em
certa posição. Perturbações aleatórias resultam
2x, 0 ≤ x ≤ 1 em furos fora do ponto ideal. A v.a. X mede em
fX (x) =
0, caso contrário mm a distância radial do furo até a posição
ideal (X = 0). Sabe-se que
Determine e trace FX (x). FX (x) = 1 − e−2x , x ≥ 0 e FX (x) = 0,
x < 0. Determine e trace o gráfico de fX (x).
Qual a porcentagem de peças com furos a mais
de 2mm do ponto correto?
7 / 30
FX (x1 ) ≤ FX (x2 ), ∀ x1 ≤ x2
2 FX (x) é monotonicamente não-decrescente de 0 a 1:
0 ≤ FX (x1 ) ≤ FX (x2 ) ≤ 1, ∀ x1 ≤ x2
3 Para toda v.a. X, tem-se:
5 Probabilidade no Ponto:
P (X = x) = lim P (x − ε ≤ X ≤ x)
ε→0
= P (X ≤ x) − lim P (X ≤ x − ε)
ε→0
= FX (x) − FX (x) = 0
8 / 30
Variáveis Aleatórias Contínuas
Valor Médio e Variância: caso contínuo
9 / 30
+∞
R
µX = E {X} = x fX (x)dx
−∞
10 / 30
Variáveis Aleatórias Contínuas
Valor Médio e Variância: caso contínuo
(Unidade de X ao quadrado!)
Define-se o Desvio Padrão como:
q
σX = V ar(X), (Mesma unidade de X!)
11 / 30
Distribuição Uniforme
12 / 30
Variáveis Aleatórias Contínuas
Distribuição Uniforme
FX (x) = P (X ≤ x)
+∞
R a b
= fX (u)du
−∞
FX (x)
0, x<a
x−a
= , a ≤x<b 1
b−a
1, x≥b
a b
Exemplos
1 Qual a probabilidade de um ponto ser escolhido entre 25cm e 3/4m em um segmento de 2m de
comprimento?
2 A potência de ruído em um canal de comunicações é descrita por uma v.a. contínua uniformemente
distribuída no intervalo [0, 20]dBm. Determine a fdp da potência de ruído no canal.
13 / 30
(b+a)
µX = 2
Variância:
2 = V ar(X) = (b−a)2
σX 12
Exemplo
O volume diário de água bombeada por um pequeno sistema de irrigação rural é uma v.a.
que assume valores equiprováveis entre 600` e 800`. Qual o volume médio de água
bombeada por dia? Qual o desvio padrão do volume de água bombeada?
Função Densidade de Probabilidade
×10−3
1 5
800−600 = 0,005, 600 ≤ x ≤ 800
fX (x) =
0, x < 600 ou x > 800.
fX(x)
3
Média: µX = (600 + 800)/2 = 700`
√
q
(800−600)2
Desvio Padrão: σX = 12 = 3.333,33 = 57,7` 1
Distribuição Normal
15 / 30
Aplicabilidade e Importância
E muitos problemas práticos a f.d.p. se aproxima de uma função Gaussiana (Distribuição
Normal)
A Distribuição Normal é apropriada para descrever inúmeros fenômenos físicos e naturais
Muitos sistemas e processos produzidos pelo homem também se adequam ao modelo
Gaussiano
Cálculos teóricos apresentam boa aproximação com resultados empíricos.
Facilidade de manipulação analítica (resultados de difícil obtenção por outros meios).
Teorema do Limite Central: Modelam-se quaisquer grandezas pela Normal, desde que
haja um número elevado de fatores independentes e de mesma natureza estatística
influenciando na observação.
16 / 30
Variáveis Aleatórias Contínuas
Distribuição Normal
Funções Gaussianas
Funções Gaussianas: definição
(x−b)2
Forma Geral: −
g(x) = a e 2c2
+∞ (x−b)2 √
a e−
R
Logo, com a, b e c quaisquer, a área de g(x) é: 2c2 dx = ac 2π
−∞ 17 / 30
A Distribuição Normal
Função Densidade de Probabilidade (f.d.p.)
Se g(x) é uma função densidade de probabilidade (f.d.p.), sua área é unitária, ou seja:
1
a= √
c 2π
(x−b)2
−
Assim temos: fX (x) = √1 e 2c2
c 2π
(x−µ)2 0.2
√1 e − 2σ2
fX (x) = σ 2π
⇒ X ∼ N (µ, σ)
0
−5 −3 −1 0 1 3 5
x
18 / 30
Variáveis Aleatórias Contínuas
Distribuição Normal
A Distribuição Normal
Função de Distribuição Acumulada (FDA)
Zx
FX (x) = P (X ≤ x) = fX (v) dv
−∞
Se X ∼ N (µ, σ) então:
Rx (v−µ)2
−
FX (x) = √1 e 2σ 2 dv (integral imprópria convergente)
σ 2π
−∞
Zx 2
1 −v
Defina: Φ(x) = FX (x)|µ=0,σ=1 de forma que: Φ(x) = √ e 2 dv
2π
−∞
FX(x)
x−µ µ=0, σ=2
0.4
E logo: FX (x) = Φ
σ }
| {z 0.2 µ=3, σ=1
z
0
−5 0 5
x
19 / 30
Exemplo
A corrente elétrica medida em um cabo tem distribuição Normal com média de 10mA e desvio
padrão de 2mA. Qual a probabilidade da corrente medida: exceder 13mA? estar 9 e 11mA?
Respostas:
P (X ≥ 13) = 0.067 P (9 ≤ X ≤ 11) = 0.3829
20 / 30
Variáveis Aleatórias Contínuas
Distribuição Normal
68,27%
95,45%
99,73%
Você consegue encontrar estes valores usando a Tabela da Função de
Distribuição Acumulada Normal Padrão Φ(z)? 21 / 30
Propriedades
Ou seja:
P (Z ≤ −z) = P (Z ≥ z)
Mas:
P (Z ≤ −z) = Φ(−z) 0
P (Z ≥ z) = 1−P (Z ≤ z) = 1−Φ(z)
22 / 30
Variáveis Aleatórias Contínuas
Distribuição Normal
0.05
0
0 1 2 3 4 5 6 7 8 9 10
23 / 30
= 0.112
= P (Z ≤ −1.41) = 0.079
= P (Z ≤ −1.18) = 0.119
24 / 30
Variáveis Aleatórias Contínuas
Distribuição Normal
Exemplo
Em 2h, 360 chamadas chegam em uma central telefônica. Qual a chance de que cheguem entre
70 e 100 chamadas num dado intervalo de 30min (dentro das 2h)?
Pela Binomial (valor exato):
100
X 360 k 360−k
P (70 ≤ X ≤ 100) = p (1 − p) = 0,8930, onde p = (30 min)/(2 h) = 1/4
k=70
k
Desigualdade de Chebyshev
26 / 30
Variáveis Aleatórias Contínuas
Desigualdade de Chebyshev
Desigualdade de Markov
Para qualquer v.a. X não-negativa (X ≥ 0), temos:
E{X}
P (X ≥ a) ≤ a
onde a é uma constante positiva (a > 0)
Prova:
Z +∞ Z a Z +∞
E {X} = x fX (x)dx = x fX (x)dx + x fX (x)dx
0 0 a
| {z }
≥0
Z +∞ Z +∞ Z +∞
E {X} ≥ x fX (x)dx ≥ a fX (x)dx = a fX (x)dx
a a a
| {z }
P (X≥a)
E {X} ≥ aP (X ≥ a)
27 / 30
Desigualdade de Chebyshev
Para qualquer v.a. X contínua de média µ e desvio padrão σ, temos:
σ2
P (|X − µ| ≥ k) ≤ k2 , onde k é uma constante (k > 0)
Prova:
Para qualquer v.a. X contínua (X − µ)2 é uma v.a. contínua não-negativa. Logo, usando a
Desigualdade de Markov (com a = k2 ):
E (X − µ)2
2 2
P (X − µ) ≥ k ≤
k2
Mas (X − µ)2 ≥ k2 ⇔ |X − µ| ≥ k, logo:
σ2
P |X − µ| ≥ k ≤ 2
k
28 / 30
Variáveis Aleatórias Contínuas
Desigualdade de Chebyshev
1 1
P (X ≤ µ−cσ OU X ≥ µ+cσ) ≤ P (µ−cσ ≤ X ≤ µ+cσ) ≥ 1 −
c2 c2 29 / 30
Exemplo
Num processo industrial de perfuração de placas de circuito impresso, sabe-se que os furos
produzidos têm em média 0.7mm com desvio padrão de 0.01mm.
O que se pode afirmar sobre a porcentagem de furos produzidos descritos nos itens abaixo:
1 Furos comdiâmetro entre 0,685mm e 0,715mm: No mínimo 55,6%
µ − cσ = 0,685
Note que: ⇒ c = 1,5
µ + cσ = 0,715
1
P (|X − 0,7| ≤ 1,5 × 0,01) ≥ 1 − = 0,556
(1,5)2
2 Furos comdiâmetro menor que 0,67mm ou maior que 0,73mm: No máximo 11,1%
µ − cσ = 0,67
Note que: ⇒ c=3
µ + cσ = 0,73
1
P (|X − 0,7| ≥ 3 × 0,01) ≤ = 0,111
32
30 / 30