AULA 6 – VARIÁVEIS ALEATÓRIAS CONTÍNUAS E DISTRIBUIÇÃO NORMAL
Autor: Anibal Tavares de Azevedo
ESTATÍSTICA I
VARIÁVEIS ALEATÓRIAS E DISTRIBUIÇÕES
Variável Aleatória Contínua
Uma variável aleatória contínua pode assumir qualquer valor ao longo de um ou mais intervalos. Assim, a probabilidade de que uma variável aleatória contínua assuma um único valor é sempre igual a zero. Por isso, ao se construir a distribuição de frequência relativas de x, usam-se faixas de valores (classes).
EXEMPLO 1:
A tabela fornece a distribuição de frequências das estaturas (x) dos alunos de uma turma.
Estatura em m (x) Frequência Frequência Relativa Probabilidade
1,50< 1 0,01 0,01
1,50 – 1,60 8 0,08 0,08
1,60 – 1,70 40 0,40 0,40
1,70 – 1,80 41 0,41 0,41
1,80 – 1,90 9 0,09 0,09
1,90> 1 0,01 0,01
EXEMPLO 1:
A partir da tabela um histograma e um polígono podem ser traçados.
0 20 40
GRÁFICOS
1 9
35 36
8 1,5 1
Frequência Relativa
Classes 8
28 48
1,6 1,7 1,8 1,9
Aproximação da curva de distribuição de probabilidade da variável x
Função densidade de probabilidade da variável x
VARIÁVEIS ALEATÓRIAS E DISTRIBUIÇÕES
Variável Aleatória Contínua
A distribuição das probabilidade da variável aleatória contínua x possui 2 propriedades.
x
A probabilidade de que x assuma um valor em qualquer intervalo está entre 0 e 1.
x=a x=b
1
P(a≤≤≤≤x ≤≤≤≤b) = Área sob a curva de a
até b
x
A probabilidade total de todos os intervalos em que x assume valor, mutuamente excludentes, é 1,0.
2
Área = 1,0 ou 100%
EXEMPLO 2:
Calcular a partir do exemplo 1 o valor de P(1,6 ≤ x ≤ 1,8) e mostrar o gráfico.
0 20 40
GRÁFICOS
1 9
35 36
8 1,5 1
Frequência Relativa
Classes 8
28 48
1,6 1,7 1,8 1,9
P(1,6 ≤≤≤≤ x ≤≤≤≤ 1,8) = P(1,6 ≤≤≤≤ x ≤≤≤≤ 1,7) + P(1,7 ≤≤≤≤ x ≤≤≤≤ 1,8) = 0,35 + 0,36 = 0,71
VARIÁVEIS ALEATÓRIAS E DISTRIBUIÇÕES
DISTRIBUIÇÃO NORMAL
É a mais importante e utilizada das distribuições de probabilidade, pois vários fenômenos do mundo real seguem exatamente ou aproximadamente uma normal.
Exemplos: conjunto dos valores da estatura e peso de pessoas, notas em uma prova, pesos de embalagens de cereais e biscoitos, quantidade de leite em uma garrafa e vida útil de um equipamento como uma lâmpada ou uma TV.
DISTRIBUIÇÃO NORMAL
Possui a forma de um sino e é definida pela média µµµµ e desvio-padrão σ. Possui 3 propriedades.
x
Área = 1,0 ou 100%
A área sob uma curva normal é 1,0 ou 100%.
1
x
50% dos valores tais que x ≥≥≥≥ µµµµ É simétrica em torno da médiaµµµµ.
2
µµµµ
As caudas de uma normal se estendem em ambas as direções assintoticamente, mas, em geral, p(x <µµµµ-3σσσσ) e p(x >µµµµ+3σσσσ) é praticamente zero.
3
µµµµ µµµµ+3σσσσ x
µµµµ-3σσσσ
p(x > µµµµ+3σσσσ) ≅≅≅≅0 p(x < µµµµ-3σσσσ) ≅≅≅≅0
VARIÁVEIS ALEATÓRIAS E DISTRIBUIÇÕES
Assim, como a binomial e a Poisson, existe uma fórmula para calcular a distribuição de probabilidade normal tal como dado a seguir.
DISTRIBUIÇÃO NORMAL
( ) (1/2[ )/ ]2
2 ) 1
( µ σ
π σ
−
= e− x
x f
Onde: e = 2,71828 e π = 3,14159.
Para se calcular,P(a ≤ x ≤ b) com a equação é necessário empregar a seguinte equação.
∫
=
≤
≤ b
a
x f b x a
P( ) ( )
Mas, devido aos cálculos laboriosos, serão empregadas tabelas de valores ao invés das equações.
É a distribuição normal com média µµµµ = 0 e desvio-padrão σ = 1. Nesse caso, a variável aleatória que segue esta distribuição é representada por z, e seus valores também são chamados de unidades ou resultados-padrão.
DISTRIBUIÇÃO NORMAL PADRONIZADA
0 1 2 3 z
-3 -2 -1
50% dos valores tais que x ≥≥≥≥ µµµµ
µµµµ µµµµ= 0 e σσσσ=1
VARIÁVEIS ALEATÓRIAS E DISTRIBUIÇÕES
EXEMPLO 3:
Encontrar a área sob a curva da normal padronizada entre z = 0 e z = 1,95.
z 0,00 0,01 ... 0,05
0,0 0,0000 0,0040 ... 0,0199 0,1 0,0398 0,0438 ... 0,0596
... ... ... ... ...
1,9 0,4713 0,4719 ... 0,4744
Área entre 0 e 1,95 = P(0 < z < 1,95) = 0,4744
EXEMPLO 3:
Encontrar a área sob a curva da normal padronizada entre z = 0 e z = 1,95.
VARIÁVEIS ALEATÓRIAS E DISTRIBUIÇÕES
EXEMPLO 4:
Encontrar a área sob a curva da normal padronizada entre z = -2,17 e z = 0.
Área entre -2,17 e 0 = P(-2,17 < z < 0)
= P(0 < z < 2,17) = 0,4850 Usando a simetria da normal:
0 1 2,17 z
-2,17 -1
µµµµ
0 1 2,17 z
-2,17 -1
µµµµ
EXEMPLO 5:
Calcular a probabilidade P(z > 2,32). Para tanto, encontrar a área à direita de z = 2,32.
Área desejada + 0,4898 = 0,50
P(z > 2,32) = 0,50 - 0,4850 = 0,0102
0 1 2,32 z
-2 -1
µµµµ
0,4898 dos valores tais que z < 2,32
P(z > 2,32)
VARIÁVEIS ALEATÓRIAS E DISTRIBUIÇÕES
EXEMPLO 6:
Calcular a probabilidade P(-1,56 < z < 2,31) e P(z > -0,75).
P(-1,56 < z < 2,31) = P(1,56<z<0) + P(0<z<2,31)=
0,4406 + 0,4896 = 0,9302
0 1 2,31 z
-1,56 -1
µµµµ
0,4896 dos valores tais que 0<z< 2,31 0,4406 dos valores
tais que -1,56< z <0
P(z > -0,75) =
P(z > 0) + P(-0,75<z<0)=
0,50 + 0,2704 = 0,7704
0 z
-0,75
µµµµ
0,50 dos valores tais que z > 0 0,2704 dos valores
tais que -0,75< z < 0
EXEMPLO 7:
Calcular qual % dos resultados é abarcado com [µµµµ-3σσσσ, µµµµ+3σσσσ].
Isto é, qual o valor da probabilidade P(µµµµ-3σσσσ < z < µµµµ+3σσσσ)?
P(µµµµ-3σσσσ < z < µµµµ+3σσσσ) =
P(µµµµ-3σσσσ < z < 0) + P(0< z < µµµµ+3σσσσ) = 0,4987 + 0,4987 =
0,9974
0 1 2 3 z
-3 -2 -1
0,4987% dos valores tais que x < µµµµ+3σσσσ
µµµµ
VARIÁVEIS ALEATÓRIAS E DISTRIBUIÇÕES
Em aplicações reais, uma variável aleatória normal pode ter média aritmética e desvio-padrão diferentes de 0 e 1, respectivamente. Pode-se, porém, padronizar a distribuição normal, isto é, transformar os valores x de uma normal qualquer para uma normal padrão z com a seguinte equação.
PADRONIZANDO UMA DISTRIBUIÇÃO
σ µ
= x− z
Onde: µµµµ e σσσσ são a média e o desvio-padrão da distribuição normal x, respectivamente.
EXEMPLO 8:
Seja x uma variável aleatória contínua normalmente distribuída com ma 25 e d-p de 4. Encontrar a área:
P(25 < x < 32,8) =
P(0 < z < 1,95) = (exemplo 3) 0,4744
Item (A): Entre x = 25 e x = 32,8.
(i) Para x = 25: z = 0.
(ii) Para x = 32,8:
95 , 4 1
25 8 ,
32 − =
− =
= σ µ z x
VARIÁVEIS ALEATÓRIAS E DISTRIBUIÇÕES
EXEMPLO 8:
Seja x uma variável aleatória contínua normalmente distribuída com ma 25 e d-p de 4. Encontrar a área:
Item (B): Entre x = 18,76 e x = 34,24.
(i) Para x = 18,76:
56 , 4 1
25 76 ,
18 − =−
− =
= σ µ z x
(ii) Para x = 34,24:
31 , 4 2
25 24 ,
34 − =
− =
= σ µ z x
P(18,76 < x < 34,24) =
P(-1,56 < z < 2,31) = (exemplo 6) 0,7704
EXEMPLO 9:
Um guia automotivo indica o Porsche 911 como o carro que melhor mantém valor. É esperado que um carro novo de R$
87.500 mantenha um valor de R$ 48.125 após 3 anos de uso.
Supondo que a distribuição de preços de todos os Porsches 911 com 3 anos seja normal com média R$ 48.125 e desvio-padrão de R$ 1.600, encontrar a probabilidade de que 1 veículo aleatoriamente escolhido tenha preço de venda entre R$ 46.000 e R$ 49.000.
VARIÁVEIS ALEATÓRIAS E DISTRIBUIÇÕES
EXEMPLO 9:
Seja x o preço do carro, tal que x segue uma normal com µµµµ = 48.125 e σσσσ = 1.600. Para se calcular o valor de P(46.000 < x
< 49.000), usa-se a padronização. Assim, calcula-se:
(i) Para x = 46.000:
33 , 1600 1
48125 46000
−
− =
− =
= σ µ z x
(ii) Para x = 49.000:
55 , 1600 0
48125 49000
− =
− =
= σ µ z x
P(46.000 < x < 49.000) = P(-1,33 < z < 0,55) =
P(-1,33 < z < 0) - P(0 < z < 0,55) = 0,4082 + 0,2088 = 0,6170
EXEMPLO 10:
A vida útil de uma calculadora possui uma distribuição normal com ma de 54 meses e d-p de 8 meses. A empresa garante que qualquer calculadora que comece a apresentar defeitos, dentro do período de 36 meses após a compra, será substituída por 1 nova. Qual a percentagem aproximada de calculadoras serão substituídas?
VARIÁVEIS ALEATÓRIAS E DISTRIBUIÇÕES
EXEMPLO 10:
Seja x a vida útil da calculadora. Seja x normal com µµµµ = 54 e σσσσ = 8. Para se calcular o valor de P(x < 36), usa-se:
Para x = 36:
25 , 8 2
54 36− =−
− =
= σ µ z x
P(x < 36) = P(z < -2,25) = 0,5 – 0,4878 = 0,0122
Ou seja, é esperado que 1,22% das calculadoras fabricadas apresentem defeitos em menos que 36 meses.
54 x
36
???% dos valores tais que x < 36
µµµµ=
0 z
-2,25 µµµµ=
Para encontrar o valor de x quando uma área sob a curva da distribuição normal é conhecida, usa-se os seguintes passos.
RELACIONANDO Z E X COM ÁREA SOB A CURVA CONHECIDA
Passo 1: Encontre o valor de z correspondente à x.
Passo 2: Aplique os valores de µµµµ, σσσσ e z na equação:
σ µ
= x− z
Passo 3: Resolva a equação para x: x = µµµµ + zσσσσ.
VARIÁVEIS ALEATÓRIAS E DISTRIBUIÇÕES
EXEMPLO 11:
Utilizando os dados do Exemplo 10, determinar o período de garantia de modo que não mais de 1% das calculadoras vendidas sejam substituídas.
Passo 1: Se x segue normal com µµµµ = 54 e σσσσ = 8. Então:
Na tabela, só existe z para 0,4901 que é 2,33. Como z encontra-se do lado esquerdo da média aritmética, então, z = -2,33.
54 x
x’
1% dos valores tais que x < x’
µµµµ=
0 z
-2,33 µµµµ=
Achar valor de z tal que área = 0,5 -0,01 =
0,49
EXEMPLO 11:
Utilizando os dados do Exemplo 10, determinar o período de garantia de modo que não mais de 1% das calculadoras vendidas sejam substituídas.
Passos 2 e 3: Aplicando µµµµ = 54, σσσσ = 8 e z = -2,33. Então:
Assim, a garantia deve ser de 35,36 meses para se precisar substituir mais do que 1% dos equipamentos.
x = µµµµ + zσσσσ = 54 + (-2,33*8) = 54 – 18,64 = 35,36
54 x
35,36
1% dos valores tais que x < 35,36
µµµµ=
DISTRIBUIÇÃO DE PROBABILIDADES BINOMIAIS
VARIÁVEIS ALEATÓRIAS E DISTRIBUIÇÕES
Lembrando que a binomial fornece a probabilidade de que ocorram x sucessos em n testes com probabilidade p de sucesso através da seguinte equação:
x n x x
n C p q
x
P( ) = −
Onde:
n – número de testes,
p – probabilidade de sucesso, q – probabilidade de insucesso, x – número de sucessos em n testes e n-x – número de insucesso em n testes.
Porém, quando n é grande sua aplicação é complicada e a normal pode ser usada como aproximação para a binomial desde que np > 5 e nq > 5.
EXEMPLO 12:
Em uma estimativa, 50% das pessoas nos EUA possuem pelo menos 1 cartão de crédito. Caso uma amostra aleatória de 30 pessoas seja selecionada, qual a probabilidade de que pelo menos 19 pessoas tem pelo menos 1 cartão de crédito?
Sejam:
n – número de pessoas na amostra,
p – probabilidade de 1 pessoa com cartão, x – número de pessoas com pelo menos 1 cartão.
Seja n = 30, x = 19 e p = 0,50 e q = 1 – p = 0,50. Então:
0509 ,
0 )
19
(x = = C p q − =30 C19p19q11 = P n x x n x
Observando-se que nq = np = 30 * 0,50 = 15, então, é possível realizar uma aproximação pela normal em 3 etapas.
VARIÁVEIS ALEATÓRIAS E DISTRIBUIÇÕES
EXEMPLO 12:
Etapa 1: Calcule µµµµ e σσσσ da binomial.
µµµµ = np = 15 e σσσσ = (npq)1/2 = (30*0,52)1/2 = 2,738612.
Etapa 2: Converter a variável aleatória discreta em contínua.
Para tanto, um fator de correção de continuidade deve ser aplicado, isto é, é somado e subtraído o valor 0,5 de x.
15 x
P(18,5 ≤≤≤≤x ≤≤≤≤19,5)
µµµµ
18,5 19,5
EXEMPLO 12:
Etapa 3: Calculando a P(x) desejada usando a normal padronizada.
(i) Para x = 18,5:
28 , 73 1 , 2
15 5 ,
18 − =
− =
= σ µ z x
(ii) Para x = 19,5
64 , 73 1 , 2
15 5 ,
19 − =
− =
= σ µ z x
P(18,5 < x < 19,5) = P(1,28 < z < 1,64) =
P(0 < z < 1,64) - P(0 < z < 1,28) = 0,4465 - 0,3997 = 0,0498
VARIÁVEIS ALEATÓRIAS E DISTRIBUIÇÕES
EXEMPLO 12:
Observe que:
Assim, o erro ao se usar a normal é:
0,0509 (binomial) – 0,0498 (normal) = 0,0011.
15 18,5 x
4,98%dos valores
µµµµ=
0 1,28 z
µµµµ=
19,5 1,64
OBSERVAÇÃO IMPORTANTE: A correção para a continuidade sempre deve ser aplicada, mesmo para intervalos de valores. Por exemplo, a P(7 ≤≤≤≤ x ≤≤≤≤ 12) binomial será aproximada para P(6,5 ≤≤≤≤
x ≤≤≤≤ 12,5) normal.