Centro Federal de Educa¸c˜ ao Tecnol´ ogica Celso Suckow da Fonseca – CEFET/RJ Disciplina: Estat´ıstica
Prof. Anna Regina Corbo
CAP´ ITULO 4: Vari´ aveis Aleat´ orias Cont´ınuas
Uma vari´ avel aleat´ oria ´ e cont´ınua se o conjunto de poss´ıveis valores da V.A. ´ e um intervalo de n´ umeros reais.
Ex.: Temperatura, Peso, Voltagem.
Defini¸ c˜ ao 1: Para uma vari´ avel aleat´ oria cont´ınua X, uma fun¸c˜ ao densidade de probabili- dade ´ e uma fun¸c˜ ao tal que:
1. f (x) > 0 para todo x.
2.
Z
∞−∞
f (x)dx = 1
3. P (a 6 X 6 b) = Z
ba
f(x)dx
A fun¸c˜ ao densidade de probabilidade f(x) ´ e usada para calcular uma ´ area que representa a probabilidade de X assumir um valor em [a, b].
Mas qual ´ e o valor de P (X = a), para um valor qualquer de a (probabilidade pontual)?
Note que P (X = a) = P (a 6 X 6 a) = R
aa
f (x)dx = 0.
Deste modo, temos
P (x
16 X 6 x
2) = P (x
1< X < x
2) Exemplo 1
Seja f(x) = 1, 5x
2para −1 < x < 1, uma fun¸c˜ ao densidade de probabilidade. Determine:
a) P (X > 0)
1 M´ edia e Variˆ ancia de uma VA cont´ınua
Definidas de modo similar ` as VA discretas. No entanto, utilizamos a generaliza¸c˜ ao dos so- mat´ orios: a integral.
Suponha que X seja uma V.A. cont´ınua com fun¸c˜ ao densidade de probabilidade f (x). A M´ edia ou Valor Esperado de X ´ e dada por:
µ = E[X] = Z
∞−∞
xf (x)dx A Variˆ ancia de X ´ e dada por:
σ
2= V [X] = Z
∞−∞
(x − µ)
2f (x)dx O Desvio-padr˜ ao de X ´ e
σ = p V [X]
Exemplo 2
O tamanho (em micrˆ ometros) de uma part´ıcula ´ e modelada pela fun¸c˜ ao densidade:
f(x) = 2x
−3, para x > 1.
Determine a m´ edia de X.
2 Fun¸ c˜ ao de Distribui¸ c˜ ao Cumulativa
A fun¸c˜ ao de distribui¸c˜ ao de uma VA cont´ınua X ´ e dada por:
F (x) = P (X 6 x) = Z
x−∞
f (t)dt , para − ∞ < x < ∞.
De acordo com esta defini¸c˜ ao, podemos determinar a fun¸c˜ ao densidade de uma VA cont´ınua a partir de uma diferencia¸c˜ ao da fun¸c˜ ao distribui¸c˜ ao, ou seja,
f (x) = d dx F (x) Exemplo 3
O tempo at´ e que uma rea¸c˜ ao qu´ımica esteja completa ´ e aproximado pela fun¸c˜ ao de distri- bui¸c˜ ao:
F (x) =
0, x < 0
1 − e
−0,01x, x > 0 a) Determine a fun¸c˜ ao densidade de X.
b) Que propor¸c˜ ao de rea¸c˜ oes ´ e completada em 200ms?
3 Principais distribui¸ c˜ oes de probabilidade cont´ınuas
3.1 Distribui¸ c˜ ao Uniforme Cont´ınua
Uma vari´ avel aleat´ oria cont´ınua X definida em [a, b] tem distribui¸ c˜ ao uniforme se sua fun¸c˜ ao densidade ´ e do tipo:
f(x) = 1
b − a , para a 6 x 6 b.
Graficamente, temos:
Neste caso, a fun¸c˜ ao de distribui¸c˜ ao da VA cont´ınua X ´ e dada por:
F (x) = Z
xa
1
b − a dx = x − a b − a Ou seja,
F (x) =
0, se x < a x − a
b − a , se a 6 x 6 b 1, se x > b
Graficamente,
Nota¸ c˜ ao: X ∼ U nif [a, b].
Exemplo 4
X: corrente el´ etrica em miliamperes (mA).
3.2 Distribui¸ c˜ ao Exponencial
Uma vari´ avel aleat´ oria tem uma distribui¸ c˜ ao exponencial com parˆ ametro λ > 0 se a fun¸c˜ ao densidade de X ´ e:
f (x) = λe
−λx, para 0 6 x < ∞ onde λ ´ e a “contagem de Poisson” m´ edia do modelo.
Observa¸ c˜ ao: Modelo utilizado quando a probabilidade de uma determinada VA ´ e alta no in´ıcio mas decai exponencialmente no intervalo determinado.
Nota¸ c˜ ao: X ∼ Exp(λ)
A fun¸c˜ ao de distribui¸c˜ ao ´ e dada por:
F (x) = P (X 6 x) = Z
x−∞
f (t)dt = Z
x0
f(t)dt = Z
x0