Académique Documents
Professionnel Documents
Culture Documents
Engenharia Agroindustrial
Variveis Aleatrias
1. Sumrio
1.
Sumrio ..................................................................................................... 17
1.
Variveis aleatrias.................................................................................. 18
1.1 Tipos de variveis aleatrias ....................................................................................................... 18
1.1.1 Variveis aleatrias discretas ............................................................................................. 18
1.1.2 Variveis aleatrias contnuas ............................................................................................ 19
2.
3.
4.
5.
17
1. Variveis aleatrias
Definio: Funo que associa valores reais aos eventos de um espao amostral. Ou seja, uma
varivel aleatria (V.A) uma representao dos eventos de uma partio de S atravs de nmeros
reais.
Exemplos:
Verificar o n de aes que tiveram queda em um determinado dia, em uma carteira composta
com 5 aes diferentes.
A funo ser dada por:
X = Nmero de aes que tiveram queda em um determinado dia.
Define um v.a discreta que pode assumir os valores: 0, 1, 2, 3,4 e 5.
p
i 1
S finito
Contnua
S infinito
(a) pX ( xi ) 0 , xi
18
(b) pX ( xi ) 1
i
(c) pX ( xi ) P(a X b)
xi a
P( X xi )
1
10
1
10
Ex.
Seja
2
2
de
3
3
10
caras
4
2
10
obtido
no
1
10
10
lanamento
de
trs
moedas:
P( X xi )
(b)
f X ( x) 1
(c) f X ( x) P(a X b) , b a
a
19
kx,
Ex. Dada a funo f ( x)
0,
se 0 x 4
caso contrrio
Pede-se:
a) O valor de k para que f ( x) seja uma f.d.p.
b) P(2 X 3)
Soluo:
a)
x2 4
1
f ( x)dx 1 kxdx 1 k xdx 1 k 1 8k 1 k
2 0
8
0
0
1
x, se 0 x 4
f ( x) 8
0, caso contrrio
3
1
1 x2
b) P(2 X 3) xdx 0,3125 ou 31,25%
8
8 2 2
2
3
FX ( x) P( X x)
Para X discreta: FX ( x) P( X x)
p (x
xK x
Para X contnua: FX ( x) P( X x)
f x ( )d
20
Propriedades: 1- 0 FX ( x) 1
2- FX ( x1 ) FX ( x2 ) se x1 < x2
3- lim FX ( x) FX () 1
x
4- lim FX ( x) FX () 0
x
x a
P( X b) FX (b )
S kk , kc, ck , cc
Seja X o nmero de caras nos dois lanamentos:
X
pX ( xi )
0,
1
4 ,
F.d.a FX ( x)
34 ,
1,
x0
0 x 1
1 x 2
x2
21
Ex.2 Seja a funo de probabilidade de uma certa varivel aleatria X, dada por
1 2
x
x , 0 x3
. Ento a funo de distribuio dada por FX ( x) f (u )du .
f ( x) 9
0
c.c
0,
Ento:
Se x 0 FX ( x) 0 .
Se 0 x 3 FX ( x) f (u )du
3
x
3
x
33
Se x 3 FX ( x) f (u)du f (u)du 1 u 2 du 0du
0 1
9
0
3
0
3
27
1 2
x3
.
u du
9
27
0, x 0
3
x
FX ( x) ,0 x 3
27
1, x 3
Ex.3 Uma empresa tem 4 caminhes de aluguel. Sabendo-se que o aluguel feito por dia e
que a distribuio diria do nmero de caminhes alugados a seguinte,
N DE
CAMINHES
0,1
0,2
0,3
0,3
0,1
ALUGADOS/ DIA
PROBABILIDADE
DE ALUGAR
pX ( xK )
Determine:
a) Qual a probabilidade de alugar num dia mais de dois caminhes? P( X 2)
b) Qual a probabilidade de alugar no mnimo 1 caminho? P( X 1)
c) Qual a probabilidade de alugar no mximo 2 caminhes? P( X 2) ou P( X 3)
d) Determine a f.d.a.
e) Qual o valor de FX (3) ? O que significa este resultado.
22
Soluo:
a) 0,3 0,1 0,4
b) 0,2 0,3 0,3 0,1 0,9
c) 0,1 0,2 0,3 0,6
d)
X
FX ( xi )
0,1
0,3
0,6
0,9
FX ( x) P( X x)
xK x
( xK )
Ex.4 A proporo de lcool em um certo composto pode ser considerada uma varivel
aleatria com a seguinte funo de densidade (f.d.p),
20 x3 (1 x),0 x 1
f X ( x)
0, c.c
Calcule a probabilidade de lcool neste composto entre 0,20 e 0,25.
Soluo:
0,25
0,2
f X ( x)dx
0,25
0,2
20 x3 (1 x)dx
0,25
20
0,25
0,2
x 4 x5
( x x )dx 20
4 5 0,2
3
0,0089
5
4
5
4
23
3. Parmetros de Posio
3.1 Mdia ou valor esperado
Mdia ou valor esperado de uma varivel aleatria X denotada por X ou E ( X ) definida
por:
X E( X )
pX ( xK ) para X discreta
X E( X )
Propriedades a) E ( K ) K , se K constante.
b) E( KX ) KE( X )
c) E( X Y ) E( X ) E(Y )
d) E( X K ) E ( X ) K
e)Se X e Y so independentes E( X .Y ) E( X ).E(Y )
Momento:
3.2 Mediana
Deve
satisfazer
P( X Md ) 1
P( X Md ) 1 .
2
ponto
tal
que
P( X Md ) P( X Md ) 1 .
2
Qualquer varivel aleatria contnua tem apenas uma mediana, mas uma discreta poder ter mais do
que uma.
24
3.3 Moda
Moda o ponto de mxima probabilidade ou densidade de probabilidade.
Ex: Um jogador A paga $50,00 a B e joga 3 dados. Se sair 6 em apenas um dos dados, A
ganha $50,00; se sair 6 em dois dados, A ganha $100,00 e se sair nos trs dados, A ganha $200,00.
Calcular o lucro lquido de A em uma jogada.
A: APENAS UMA
RECEBE
PAGA
LUCRO LQUIDO
50
50
100
50
50
200
50
150
50
-50
FACE 6
B: APENAS DUAS
FACES 6
C: TODAS AS FACES
6
D: NENHUMA FACE
6
Observamos que:
1 5 5 75
P ( A) 3. . .
6 6 6 216
1 1 5 15
P ( B ) 3. . .
6 6 6 216
1 1 1
1
P (C ) . .
6 6 6 216
5 5 5 125
P( D) . .
6 6 6 216
-50
pX ( xi )
125
xi pX ( xi )
6250
216
216
0
75
50
15
216
216
750
E(X)= - $24,77
25
216
150
1
216
150
216
1
5350
216
4. Parmetros de disperso
Indicam a variabilidade da distribuio de probabilidade.
4.1 Varincia
A varincia de uma varivel aleatria X, denotada por X2 ou Var ( X ) , definida por:
Var ( X ) X2 xK X pX ( xK ) , para X discreta
2
x X
Var ( X ) X2
2
2
Var ( X ) E X E ( X ) E ( X 2 ) E ( X )
4.2 Desvio-padro
Denotado por ( X ) , a raiz positiva de Var ( X ) ,
X X2
Coeficiente de variao (CV):
CV
X
X
25
30
35
40
45
50
55
60
pX ( xi )
3p
5p
9p
11p
10p
7p
3p
2p
a) O valor de p.
b) As probabilidades: I) P(26 X 45)
26
50 p 1 p
1
0,02
50
Assim,
X
25
30
35
40
45
50
55
60
pX ( xi )
0,05
0,10
0,18
0,22
0,20
0,14
0,06
0,04
b) I) P(26 X 45) P( X 30) P( X 35) P( X 40) 0,10 0,18 0,22 0,5 ou 50%
7
0 x 20 f X ( x) 0,05 FX ( x)
ou 80%
27
c) e d)
xi
P( xi )
xi P( xi )
xi 2 P( xi )
25
0,06
1,5
37,5
30
0,10
3,0
90
35
0,18
6,30
220,5
40
0,22
8,80
352
45
0,20
9,0
405
50
0,14
7,0
350
55
0,06
3,3
181,5
60
0,04
2,4
144
41,30
1780,50
c) X 41,30 , Mo 40 .
d) X2 Var ( X ) xi2 pX ( xi ) X 1780,5 (41,3)2 74,81
2
X X2 74,81 8,65
CV
X 8,65
0,1952
X 41,3
Ex: Seja X a varivel aleatria (v.a) que denota a corrente medida num fio de cobre fino, em
miliamperes. Assuma que o domnio de X 0,20mA e assuma que a f.d.p. de X f X ( x) 0,05 para
0 x 20 . Pede-se:
a)A probabilidade de que a corrente medida seja menor que 10 mA.
b)A f.d.a.
c)A mdia (ou valor esperado, ou esperana).
d)A varincia.
Soluo:
10
10
P X 10
b)Se x 0 , f X ( x) 0 FX ( x) 0 para x 0 .
Para 0 x 20 , f X ( x) 0,05
x
20
20
Se x 20 , FX ( x) f X (u)du 0dx 1
0, x 0
20
20
c) X E ( X ) xf X ( x)dx x.0,05dx
20
20
0,05 x 2
2
20
10mA
0
0,05.( x 10)3
( x 10) .0,05dx
3
20
33,33(mA) 2
X 33,33 5,773mA
CV
5,773
0,5773
10
29
p X ( x)
1 p
x 0,1
Mdia = X p
Varincia = p.q p(1 p)
pX ( xi )
xi pX ( xi )
xi 2 pX ( xi )
30
Ex: Uma caixa contm 60 laranjas verdes e 40 maduras. Retira-se uma laranja dessa caixa ao
acaso. Seja X = n de laranjas maduras. Calcular pX ( x) , X e X .
60 3
0 q 100 5
Soluo: X
1 p 40 2
100 5
2
p X ( x)
5
1 x
3
.
5
E( X ) X
2 3
5 5
X2 Var ( X ) .
2
5
6
6
X
25
5
Ex: A experincia tem mostrado que, durante as vendas de Natal, um cliente que entra em
determinada loja tem 60% de chance de comprar um produto qualquer.
Soluo: X = cliente compra um produto
40
0 100 q
X
1 60 p
100
3
p X ( x)
5
1 x
2
.
5
Cada tentativa admite apenas 2 resultados possveis: sucesso com probabilidade p e fracasso
com probabilidade 1-p.
Notao: X ~ B(n, p)
n
n!
p x q n x
Funo de probabilidade: pX ( x) p x (1 p)n x
x!(n x)!
x
n
n
f.d.a: FX ( x) p x (1 p)n x
x 0 x
Mdia = X E ( X ) n. p
Varincia = Var ( X ) X2 n. p.q
Desvio padro: X n. p.q
Ex: Considere as pessoas que entram em uma loja no perodo prximo ao dia das Mes. Sabese que a probabilidade de uma pessoa do sexo masculino comprar um presente de 1/3. Se entrarem
quatro pessoas do sexo masculino nesta loja, qual a probabilidade de que 2 venham a comprar
presentes.
Soluo: Se 4 pessoas entram na loja e duas compram, possibilidades: C compra, e NC no
compra.
C , C , NC , NC
C , NC , NC , C
C , NC , C , NC
S
NC , NC , C , C
NC , C , NC , C
NC , C , C , NC
1 1 2 2 24
p 6. . . .
29,63%
3 3 3 3 81
2
4!
1 2
Ou pX (2)
2!(4 2)! 3 3
42
4! 1 2
1 4
6
2!2! 9 3
9 9
Ex: Cada amostra de gua tem chance de conter um particular poluente orgnico. Assume-se
que as amostras so independentes com respeito presena do poluente. Encontre a probabilidade de
que nas prximas 18 amostras, exatamente duas contenham o poluente.
32
Soluo: Define X = n de amostras que contm o poluente nas prximas 18 amostras analisadas.
Ento X uma v.a binomial com p = 0,1 e n = 18.
18
18!
pX (2) (0,1)2 (0,9)16
(0,1)2 (0,9) 16 153(0,1)2 (0,9)16 0,284
2
2!16!
Determine a probabilidade de que pelo menos quatro amostras contenham o poluente.
18
18!
(0,1) x (0,9)1 x
x
!(18
x
)!
x 4
P( X 4)
Ou P( X 4) 1 P( X 4)
13
18!
(0,1) x (0,9)18 x
x
!(18
x
)!
x 0
Assim, P( X 4)
18!
18!
18!
18!
(0,1)0 (0,9)18
(0,1)(0,9)17
(0,1)2 (0,9)16
(0,1)3 (0,9)15
0!(18)!
1!17!
2!16!
3!15!
18!
(0,1) x (0,9)18 x 0,168 0,070 0,022 0,005 0,265
x
!(18
x
)!
x 3
P(3 X 7)
1
1
, q 1 1, n 6 e x 2
2
2
2
6!
1 1
P( X 2)
2!(6 2)! 2 2
6 2
15.
1 15
64 64
Ex: Uma prova objetiva composta de 40 questes independentes com uma alternativa cada
uma. Se um aluno chutar as respostas, qual a probabilidade de obter mdia (tirar nota 7)?
Soluo: n 40 , p
1
1 4
, q 1
5
5 5
33
Para que o aluno obtenha mdia necessrio que acerte 70% das questes, isto , 28 questes,
portanto,
40 1 4
40! 1 4
P( X 28) . .
1,03.1011
28!12! 5 5
28 5 5
28
12
28
12
x 1,2,....
X n P( X n) q n1. p
Mdia: X E ( X )
1
p
Varincia: X2 Var ( X )
(1 p)
p2
Ex: A probabilidade de acertar um n em uma loteria de 100 nmeros com um nico de 0,01.
Qual a probabilidade de que seja necessrio jogar 20 vezes para acertar um n pela primeira vez?
Soluo: p 0,01 , n 20 , q 0,99
P( X 20) (0,99)19 (0,01) 0,0083 0,83%
Ex: A probabilidade que um bit transmitido atravs de um canal de transmisso digital seja
recebido com erro 0,1. Assuma que as transmisses so independentes. Seja X a v.a denotando o n
de bits transmitidos at o primeiro erro. Qual a probabilidade de que os primeiros 4 bits sejam
transmitidos corretamente e o quinto bit com erro?
34
1
10
0,1
(1 0,1)
9, 49
(0,1)2
Suponha que 50 bits tenham sido transmitidos. Qual o n mdio de bits at o prximo erro?
Soluo: X
1
10
0,1
x 1
x r r
P( X x) p X ( x)
(1 p) p
r
ou P( X x) p X ( x)
x r , r 1, r 2,...
( x 1)!
(1 p) x r p r
(r 1)!( x r )!
x r , r 1, r 2,...
Varincia: X2 Var ( X )
35
r
p
r (1 p)
p2
Ex: Um site da web possui trs servidores idnticos. Um utilizado para operar o site e os
outros dois so reservas que devem ser ativados no caso do sistema falhar. A probabilidade de falha do
computador principal (ou reserva) na requisio de um servio 0,0005.
Supondo que cada requisio representa uma amostragem independente, qual o n mdio de
requisies at que acontea uma falha dos trs servidores?
Soluo: X = n de requisies at que os trs servidores falhem, p 0,0005 , r 3 .
X X1 X 2 X 3
E( X )
r
3
6000
p 0,0005
x 1 r
xr
Soluo: P( X x) pX ( x)
p (1 p)
r
P( X 5) P( X 3) P( X 4) P( X 5)
5
x 1
3
x 3
8
P( X 5)
(0,0005) (1 0,0005) 0,1249062.10
3
1
x 3
11
pX (12) (0,28)5 (0,72)7 0,057 5,7%
4
Ex: A probabilidade de se encontrar o sinal de trnsito aberto em uma esquina 0,20. Qual a
probabilidade de que seja necessrio chegar ao local 15 vezes, para encontrar o sinal aberto, pela 6
vez?
Soluo: n 15 , r 6 , p 0,2 q 0,8 .
14
P( X 15) (0,2)6 (0,8)9 0,0172 1,72%
5
36
Ex: Considere um carro esperando numa rampa de acesso a uma auto estrada. Suponha que
ele o 5 da fila esperando para entrar na auto estrada e que os espaos entre os carros na estrada so
tais que existe a probabilidade de 0,4 de que esses espaos sejam grande o suficiente para permitir a
entrada de um carro na estrada. Qual o tempo mdio de espera?
Soluo: X = tempo de espera antes de entrar na estrada medida em termos do n de espaos. X uma
varivel binomial negativa com r 5 e p 0,4 .
X E X
5
12,5 espaos
0, 4
K N K
.
x
nx
p X ( x)
, onde max 0, n ( N K ) x min n, K
N
n
A mdia e a varincia de uma distribuio hipergeomtrica so,
X E X
X2 Var ( X )
n.K
K
n. p , onde p
N
N
n.K ( N K ) N n
N n
.
n. p(1 p)
N2
N 1
N 1
Ex: Uma caixa contm 16 peas boas e 4 defeituosas. Retirando-se, sem reposio, 4 peas
desta caixa qual a probabilidade de que sejam 2 de cada tipo?
Soluo: Seja X = n de peas defeituosas, N 20 , n 4 , x 2 , K 4 .
37
4 16
.
2 2
P( X 2) p X (2) 0,1486
20
4
Ex: Um lote contm 100 partes de um fornecedor brasileiro e 200 partes de um fornecedor
chins. Se 4 partes so selecionadas aleatoriamente, sem substituio, qual a probabilidade de que
sejam todas elas de um fornecedor brasileiro?
Soluo: X = n de partes de um fornecedor brasileiro,
100 200
4 4 4
P( X 4)
0,0119
300
100 200
.
4
x 4 x
P( X 2) P( X 2) P( X 3) P( X 4)
0, 408
300
x2
Qual a probabilidade de que pelo menos uma parte seja de um fornecedor brasileiro?
Soluo:
100 200
0 4 0
P( X 1) 1 P( X 0) 1
0,804
300
p X ( x) e
x
x!
Notao: X ~ P( ) ou P( X ; )
Mdia: X ( X ) E X
Varincia: X2 Var ( X )
Ex: Num livro de 200 pginas h 400 erros de impresso. Qual a probabilidade de que a
pgina contenha?
a)Trs erros?
b)Pelo menos 3 erros?
c)Qual a probabilidade de que 5 pginas contenham 8erros de impresso?
Soluo:
400
2 2 erros por pgina
200
a) P( X 3)
e2 .23
0,1804 18,04%
3!
b) P( X 3) 1 P( X 3) 1 P( X 0) P( X 1) P( X 2)
e2 .20 e2 .21 e2 .22
2
1
1 5e 0,3233 32,33%
0!
1!
2!
e10 .108
0,1126 11,26%
8!
Ex: Considere que o corpo de bombeiros de determinada cidade recebe em mdia, trs
chamadas por dia. Queremos saber, ento, qual a probabilidade de o corpo de bombeiros receber:
a)Quatro chamadas em um dia.
b)Nenhuma chamada em um dia.
c)Vinte chamadas em uma semana.
39
Soluo:
a) 3
P( X 4) p X (4)
b) P( X 0) pX (0)
e3 .34
0,1680 16,8%
4!
e3 .30
0,0498 4,98%
0!
P( X 20) pX (20)
e21.2120
0,0867 8,67%
20!
Ex: Chegam a um depsito caminhes com uma frequncia de 2,8 caminhes/hora, seguindo
uma distribuio de Poisson. Determine a probabilidade de chegarem dois ou mais caminhes:
a)Num perodo de 30 minutos.
b)Num perodo de 1 hora.
c)Num perodo de 2 horas.
Soluo:
a) 1,4
P( X 2) 1 P( X 2) 1 P( X 0) P( X 1)
e1,4 .(1, 4)0 e1,4 (1, 4)1
1,4
1
1 2, 4e 0, 4081
0!
1!
b) 2,8
P( X 2) 1 P( X 2) 1 P( X 0) P( X 1) 0,7689
c) 5,6
P( X 2) 1 P( X 2) 1 P( X 0) P( X 1) 0,97559
Hipteses do modelo de Poisson:
40
*Na prtica n 50 e np 5 .
Ex: A probabilidade de as peas produzidas por uma mquina apresentarem padres fora das
especificaes 0,5%. Para uma produo diria de 1000 peas, qual a probabilidade de apresentaremse fora da especificao:
a)3 peas.
b)No mximo 2 peas.
c)Entre 3 e 6 peas, inclusive.
Soluo:
a) p 0,5%
0,5
0,005
100
41
n. p 1000.0,005 5
1000
3
997
Usando a binomial: P( X 3)
.0,005 (1 0,005) 0,140302
3
Usando a Poisson: P( X 3)
e5 .53
0,140374
3!
b) P( X 2) P( X 0) P( X 1) P( X 2)
1000
1000
1000
0
1000
1
999
2
998
Ou P( X 2)
0!
1!
2!
0,1247 12,47%
c) P(3 X 6) P( X 3) P( X 4) P( X 5) P( X 6)
53 54 55 56
e5 0,6375 63,75%
3! 4! 5! 6!
k , a X b
f X ( x)
0, c.c
42
Valor de k:
f X ( x)dx 1 kdx 1 kx 1 k
1
ba
1
,a X b
Portanto, f X ( x) b a
0, c.c
a xb
FX ( x)
xa0
x b 1
1
x
a
xa
du
ba
(b a) b a b a
Assim,
0, x 0
x a
FX ( x)
,a x b
b a
1, b x
43
Mdia: X E[ X ]
x
0,5 x 2
dx
ba
ba
( a b)
2
X E[ X ]
ab
2
( a b)
b
2
Varincia: X2 Var ( X )
dx
a
ba
2
( a b)
(b a)2
2
3(b a)
12
a
X2 Var ( X )
(b a)2
12
Ex: O volume de vendas dirio de uma loja de departamentos , em mdia, de $50.000,00 com
um mnimo de $28.000,00. Supondo adequada a distribuio uniforme, pede-se:
a)Qual o volume dirio mximo de vendas?
b)Qual a porcentagem do nmero de dias em que as vendas excedem $35.000,00?
c)Qual a porcentagem do nmero de dias em que as vendas no ultrapassem a $68.000,00?
Soluo:
a) 50000 X E[ X ]
a b 28000 b
b $72000,00
2
2
1
, 28000 x 72000
f X ( x) 72000 28000
0, c.c
b) P( X 35000)
72000
c) P( X 68000)
68000
35000
28000
72000
1
x
37
dx
0,8409 84,09%
44000
44000 35000 44
68000
1
x
10
dx
0,9091 90,91%
44000
44000 28000 11
44
Ex: Seja a v.a contnua X denotando a corrente medida em um fio de cobre fino em miliamperes.
Assume que o domnio de X [0, 20 mA] e assume que a funo densidade de probabilidade :
0,05;0 x 20
f X ( x)
0, c.c
Qual a probabilidade de que a corrente medida esteja entre 5 e 10 mA?
Soluo:
10
A mdia medida :
X E[ X ]
Var ( X )
0 20
10
2
(b a)2 202
0, t 0
f X (t ) t
.e , t 0
45
Mdia: X E ( X )
Varincia: X2 Var ( X )
Ex: Sabe-se que o tempo mdio entre o pedido e o atendimento em uma loja de peas uma
v.a com distribuio exponencial com mdia de 15 minutos. Pede-se a probabilidade de um cliente ter
de esperar:
a)por mais de 15 minutos.
b)por menos de 15 minutos.
Soluo: E ( X ) 15
a) P( X 15)
15
1
1 1t
f (t ) e 15 para t>0
15
15
1
1
t
.15
1 151 t
e
e 15
0 (e 15 ) e1 0,3679 36,79%
15
15
1
60
0, x 0
f X ( x) 1 1 x
60
e ,x 0
60
1
x
1 601 x
a) P( X 150)
e dx e 60
e 2,5 0,0821
150 60
150
46
b) P(90 X 110)
110
90
c) P( X 50)
50
3
11
1 601 x
e dx e 2 e 6 0,0632
60
1 601 x
e dx e 60
60
50
0,5654
P( X t x / X 1)
P[( X t x) ( X t )] P( X t x) e (t x )
t e x
P( X t )
P( X t )
e
Portanto: P( X t x / X t ) P( X x)
Ex: Seja X uma v.a exponencial, tal que E(X)=5. Calcule:
a) P(5 X 8)
b) P( X 5)
c) P( X 10 / X 5)
0, x 0
1
Soluo: X 5 f X ( x) 1 1 x
5
5
e ,x 0
5
1 15 x
e dx 0,1660
5 5
a) P(5 X 8)
b) P( X 5)
1 15 x
e dx 0,3679
5
1
1 5 x
e dx
0,3679
c) P( X 10 / X 5)
1
1 x
P( X 5)
P( X 5)
e 1
5
5 5 e dx
1
f X ( x)
e 2
2
( x )
X2 .
3 2
Caractersticas:
99,74%
1. Cada distribuio fica completamente especificada por sua mdia e seu desvio padro, ou seja,
existe uma nica distribuio para cada combinao de mdia e desvio padro.
2. A curva simtrica em relao a mdia. (mdia=mediana=moda)
3. O afastamento entre a mdia e o ponto de inflexo o desvio padro da distribuio.
4. A rea abaixo da curva entre dois pontos a e b (a<b) a probabilidade de a varivel
normalmente distribuda estar dentro do intervalo [a, b].
1 x
1
P ( a x b)
e 2
a
2
b
48
dx
P(a X b)
2 1
1 2
2 1
2 1
1
Z2
1
.e 2
2
( Z )
Z E ( Z ) 0
Var (Z ) 1
f.d.a: Z P(Z z )
Assim, para X Z 0
X Z 1
X 2 Z 2
X 3 Z 3
Portanto,
50
= rea hachurada
0,00
0,01
0,02
0,03
.....
0,5
0,50399
0,50398
0,51197
....
0,1
....
.....
.....
.....
....
....
....
....
....
....
....
....
....
....
....
....
....
1,5
0,93317
0,93448
0,93574
0,93699
....
....
....
....
....
....
....
2) P(Z 0,86)
3) P(Z 1,37)
4) P(1,25 Z 0,37)
5) P(Z 4,6)
52
5) P(Z 4,6) no tem na tabela, porm, da tabela sabemos que P(Z 3,99) 0,000033 . Como
P(Z 4,6) P(Z 3,99) , ento P(Z 4,6) 0 .
53
0,05
0,005
Ex: Suponha que a corrente medida em um fio fino segue uma distribuio normal, com
mdia de 10mA e varincia de 4mA2 . Qual a probabilidade de que a medida no exceda 13mA?
Soluo: X denota a corrente em mA. P( X 13) ?
Seja Z
( X 10)
2
X 13 Z
(13 10) 3
1,5
2
2
X 13 Z 1,5
P( X 13) P(Z 1,5) 1 P(Z 1,5) P( X 13) 1 0,93319 0,06681
X 10 13 10
Ou P( X 13) P
P( Z 1,5) 0,06681
2
2
54
P( Z z )
(x )
Ex: Continuando o exemplo anterior, calcule a probabilidade de que a corrente medida esteja
entre 9 e 11 Ma.
9 10 X 10 11 10
Soluo: P(9 X 11) P
P(0,5 Z 0,5)
2
2
2
Determine o valor para qual a probabilidade que a corrente medida esteja abaixo desse valor
0,98.
x 10
X 10 x 10
Soluo: P( X x) P
P Z
0,98
2
2
2
( x 10)
2,05 x 2.(2,05) 10 14,1mA
2
5 x
5 16000000 x
P( X 150) 1 P( x 150) 1
(10 ) (1 10 )
x 0 x
X np
np(1 p)
De modo a aproximar uma probabilidade binomial por uma distribuio normal, uma correo
de continuidade aplicada como segue:
x 0,5 np
P( X x) P( X x 0,5) P Z
np(1 p)
x 0,5 np
e P( x X ) P( x 0,5 X ) P
Z
np(1 p)
Ex: Em um canal digital de comunicao, suponha que o nmero de bits recebidos com erro
possa ser modelado por uma varivel aleatria binomial. Suponha que a probabilidade de um bit ser
recebido com erro seja de 1.105 . Se 16 milhes de bits forem transmitidos, qual ser a probabilidade
de se ter 150 ou menos erros?
Soluo:
150 16000000
5 x
5 16000000 x
P( X 150)
(10 ) (1 10 )
x
x 0
Claramente a probabilidade difcil de calcular. Felizmente, a distribuio normal pode ser usada para
prover uma excelente aproximao:
X 160
150,5 160
P( Z 0,75) 0, 227
P( X 150) P( X 150,5) P
5
160(1 105 )
160(1
10
)
Porque np (16.106 ).(1.105 ) 160 e n(1 p) muito maior, espera-se que a aproximao funcione
bem nesse caso.
Suponha agora que somente 50 bits devem ser transmitidos (n 50) e que a probabilidade de
um erro seja p 0,1 . A probabilidade exata de que 2 ou menos erros ocorram ,
56
50
50
50
P( X 2) 0,950 0,1(0,9)49 0,12 (0,9)48 0,112
0
1
2
Baseado na aproximao normal,
X 5
2,5 5
P( X 2) P
P( Z 1,8) 0,119
50(0,1)(0,9)
50(0,1)(0,9)
Mesmo para uma amostra to bem pequena quanto 50 bits, a aproximao normal razovel.
Soluo: P( X 950)
Aproximando pela normal
950 1000
P( X x) P Z
P(Z 1,58) 0,057
1000
Exerccio 1: gua de Fnix fornecida para aproximadamente 1,4 milho de pessoas, que so
servidas atravs de mais de 362.000 contas. Todas as contas so medidas e cobradas mensalmente. A
probabilidade de uma conta conter um erro em um ms 0,001 e contas podem ser consideradas
independentes.
(a) Quais so a mdia e o desvio padro do nmero de contas com erro em cada ms?
(b) Aproxime a probabilidade de menos de 350 erros em um ms.
(c) Aproxime um valor de modo que a probabilidade de o nmero de erros exceder esse valor
seja 0,05.
57
(d) Aproxime a probabilidade de mais de 400 erros por ms nos prximos 2 meses. Considere
que os resultados entre os meses sejam independentes.
Exerccio 2: Uma impressora de alta capacidade imprime pginas com pequenos erros de
qualidade de impresso, em um teste de 1000 pginas de texto, de acordo com uma distribuio de
Poisson, com mdia de 0,4 por pgina.
(a) Porque o nmero de erros em cada pgina uma varivel independente?
(b) Qual o nmero mdio de pginas com erros (um ou mais)?
(c) Aproxime a probabilidade de mais de 350 pginas conterem erros (um ou mais).
P X 40.000 P N 3
A suposio de que falhas seguem um processo de Poisson implica que N tenha uma distribuio de
Poisson com
P X 40.000 P N 3
O exemplo anterior pode ser generalizado para mostrar q1ue se X o tempo at o r -simo evento
em um processo de Poisson, ento
58
r 1
P X x
e x x
k 0
k!
f x
r x r 1e x
r 1!
para x 0 e r 1,2,... . Essa funo densidade de probabilidade define uma distribuio de Erlang.
Claramente uma varivel aleatria de Erlang com r 1 uma varivel aleatria exponencial.
conveniente generalizar a distribuio de Erlang para permitir r ser qualquer valor nonegativo. Ento, a distribuio der Erlang e algumas outras comuns se tornam casos especiais dessa
distribuio generalizada. de modo a completar essa etapa, a funo fatorial
r 1!
tem de ser
generalizada para ser aplicada a qualquer valor no negativo ou a r ; porm, a funo generalizada
deveria ainda ser igual a r 1! quando r for um inteiro positivo.
Funo Gama
A funo gama
r x r 1e x dx, para r 0.
0
Pode ser mostrado que a integral na definio de r finita. Alm disso, integrando por partes,
pode ser mostrado que
r r 1 r 1
Assim, se r for um inteiro positivo (como na distribuio de Erlang)
r r 1!
1
Tambm, 1 0! 1 e pode ser mostrado que 1 2 2 . A funo gama pode ser interpretada
como uma generalizao para valores no inteiros de r do termo r 1! que usado na funo
densidade de probabilidade de Erlang. Agora, a distribuio de Erlang pode ser generalizada.
A varivel aleatria X com funo de densidade de probabilidade
f x
r x r 1e x
r
59
, para x 0
uma varivel aleatria gama, com parmetros 0 e r 0 . Se r for um inteiro, ento X ter
uma distribuio de Erlang.
Os parmetros e r so frequentemente chamados de parmetros de escala e forma,
respectivamente. No entanto devem-se verificar as definies usadas nos programas computacionais
comerciais. Por exemplo, o Minitab define o parmetro de escala como 1 . Esboos da distribuio
gama para vrios valores de e r so mostrados na figura abaixo.
Distribuio Gama
1,0
Forma
1
8,3
7,5
0,8
1/escala
1
0,5
0,2666
f(x)
0,6
0,4
0,2
0,0
10
processo de Poisson e o tempo entre eventos sejam independentes. Por conseguinte, plausvel que a
mdia e a varincia de uma varivel aleatria gama sejam multiplicadas pelo resultado da exponencial,
ou seja, por r . Logo, se X for uma varivel aleatria gama com parmetros e r ,
EX
2 Var X
Exemplo: O tempo para preparar uma transparncia sobre microarranjo para um estudo de
genes em alta produo um processo de Poisson, com mdia de duas horas por transparncia. (a)
Qual a probabilidade de 10 transparncias necessitarem de mais de 25 horas para serem preparadas?
(b) Quais so a mdia e o desvio padro do tempo para preparar 10 transparncias? (c) Em que tempo
as transparncias sero completadas com uma probabilidade de 0.95?
Soluo:
(a) Seja X o tempo para preparar 10 transparncias. Por causa da suposio de um processo de
Poisson, X tem uma distribuio gama, com 1 2 e r 10 e a probabilidade requerida
e12,5 12,5
k!
k 0
9
P X 25
E x
10
20
0,5
A varincia do tempo
Var X
10
40
0,52
40 6,32 horas.
P X x 0,95
em que X gama com 1 2 e r 10 . No Minitab usamos a funo de probabilidade acumulada
inversa gama e estabelecemos parmetro de forma igual a 10, o parmetro de escala igual a 2 e a
probabilidade igual a 0,95. A soluo calculada
P X 31,41 0,95
x 1e x , x 0
f x; ,
caso contrrio,
0,
onde 0 e 0 .
Os grficos da distribuio de Weibull para 1 e para vrios valores do parmetro
so
.
3,5
2
1
1,2
f(x)
1,0
0,8
0,6
0,4
0,2
0,0
0,0
0,5
1,0
1,5
X
2,0
2,5
3,0
Vemos que as curva mudam consideravelmente de forma para diferentes valores do parmetro . Se
considerarmos 1 , a distribuio Weibull se reduz a uma distribuio exponencial. Para valores de
1 , as curvas tomam a forma de sino, e lembram as curva normais, apesar de mostrarem certa
assimetria. A mdia e a varincia da distribuio de Weibull so:
1
.
Mdia:
1 1
Varincia:
2 2 1
2
1
1
para x 0, 0 e 0.
62
R t P T t f t dt 1 F t ,
t
Dividindo essa razo por t e tomando o limite t 0 , temos a taxa de falha, denotada por Z t .
Assim,
Z t
lim
t 0
F t t F t 1
t
R t
F t
R t
f t
R t
f t
1 F t
Z t t 1 ,
t 0.
(b) Se 1, Z t uma funo crescente de t , que indica que o componente se desgasta com o
tempo.
(c) Se 1, Z t uma funo decrescente do tempo e, ento, o componente se fortalece ou se
solidifica com o tempo.
Por exemplo, o item na oficina de usinagem do exemplo anterior tem 2 e, portanto, se desgasta
com o tempo. De fato, a funo de taxa de falha dada por Z t 0,02t. Por outro lado, suponha que
os parmetros sejam 3 4 e 2 . Neste caso, Z t 1,5 t 4 , e, ento, o componente se fortalece
com o tempo.
Exemplo: Suponha que o tempo de vida de uma certa espcie de bateria de backup de emergncia (em
horas) uma varivel aleatria X tendo uma distribuio de Weibull com 0,1 e 0,5.
Encontre:
(a) o tempo de vida mdio dessas baterias
(b) a probabilidade de que tais baterias durem mais do que 300 horas.
Soluo:
(a) Substituindo na frmula da mdia temos
(b)
P X 300
0,5
300
64