Distribuies Contnuas

de Probabilidade
Como determinar se um experimento Normal
Como calcular probabilidades usando a tabela da Normal Padro
Como aproximar a Normal pelas distribuies Binomial e Poisson

Renata Souza

Motivao
0,14

A quantidade de oxignio dissolvido

0,12
importante para aferir a qualidade de
0,1
um regato. Os nveis aceitveis de
0,08
oxignio variam de 5 mg/L a 12mg/L.
0,06
estudantes da Strong Vincent High
0,04
School na Pensilvnia, conduziram um
0,02
estudo sobre o oxignio dissolvido no
0
Cascade Creek. A curva normal mostra
resultados obtidos pelos estudantes.
Esses nveis de oxignio dissolvido so
aceitveis? Se no forem, so muito
baixos ou muito altos?

10

15

20

x 10
s 1,9

Aderncia Distribuio Normal

O passo mais simples seria
construir um Histograma com a
curva normal e verificar
visualmente se ela normal de
fato.

200

100

Std. Dev = 994,59

Mean = 2516,6
N = 1488,00
0
0,

,0
00
60
,0
00
55 0
,
00
50
,0
00
45
,0
00
40 0
,
00
35
,0
00
30
,0
00
25 0
,
00
20
,0
00
15
,0
00
10
0
0,
50

Por exemplo: o grfico de

vendas de autopeas de um
fabricante de Detroit

Vendas de auto peas

Distribuio Normal
Propriedades
A mdia, a mediana e a moda so iguais.
A curva normal tem formato de um sino e simtrica
me torno da mdia.
A rea total sob a curva normal igual 1.
= e = 2 .
O ponto mximo de o ponto = .
Os pontos de inflexo da funo so: = + e
= .

Distribuio Normal
Definio
Uma varivel aleatria com funo densidade de probabilidade:

1
2

2
22 ,

< <

uma varivel aleatria normal, com parmetros , em que < < , e

> 0. Tambm,

= e = 2
E a notao , 2 usada para denotar a distribuio. A mdia e varincia
de so iguais a e 2. A varivel aleatria , que igual ao nmero de
tentativas que resultam em um sucesso, com parmetros 0 < < 1 e
= 1,2,

Distribuio Normal

Figura 4-10 Funes densidades de probabilidades normal para valores

selecionados dos parmetros e 2.

Distribuio Normal
99,72%
95,44%

Alguns resultados teis

relativos distribuio
normal: Para qualquer
varivel aleatria normal,

68,26%

< < + = 0,6827

2 < < + 2 = 0,9545
3 < < + 3 = 0,9973

-3

-2 -

+ +2

+3

Distribuio Normal
Definio
Uma varivel aleatria normal com:

= 0 e 2 = 1
chamada de varivel aleatria normal padro e
denotada por Z.
A funo distribuio cumulativa de uma varivel aleatria
normal padro denotada por:

= ( )
8

Distribuio Normal
Propriedades da Normal Padro
Os valores so chamados de escores numa distribuio
normal padronizada.

A rea acumulada est prximo de zero para escores

prximos de 3,49.

A rea acumulada para = 0 0,50.

A rea acumulada est prxima de 1 para escores
prximos de = 3,49

Distribuio Normal
Propriedades da Normal Padro

~ , 2

= =

=0

2
2

=1

~ 0,1 integrais podem ser tabeladas!

10

Distribuio Normal
0,14
0,12

0,1
0,08
0,06
0,04
0,02
0
0

10

15

20

P(0 Z z )
P(0 Z 2,17) ?
P(0 Z 2,17) 0,4850

11

Distribuio Normal
Considere que seja uma varivel aleatria normal padro. A Tabela III do
Apndice fornece probabilidades na forma = . O uso da Tabela
III para encontrar 1,5 ilustrado na figura 4-13. Leia a coluna z para
baixo at encontrar o valor 1,5. A probabilidade de 0,93319 lida na coluna
adjacente, marcada como 0,00.
O topo das colunas se refere s casas centesimais do valor de em .
Por exemplo, 1,53 encontrado lendo a coluna de at a linha 1,5 e
ento selecionando a coluna marcada com 0,03, encontrando-se assim a
probabilidade 0,93699.

Figura 4-13 Funo densidade de probabilidade normal padro.

12

Distribuio Normal
Padronizando uma Varivel Aleatria Normal
Se uma varivel aleatria normal com = e
= 2 , a varivel aleatria

uma varivel aleatria normal, com = 0 e = 1.

Ou seja, uma varivel aleatria normal padro.

13

Distribuio Normal
Exemplo
Suponha que as medidas da corrente em um pedao de fio sigam a distribuio normal, com
uma mdia de 10 miliampres e uma varincia de 4 (miliampres)2 . Qual a probabilidade de
a medida exceder 13 miliampres?
Seja X a corrente em miliampres. A probabilidade requerida pode ser representada por
10
> 13 . Seja =
. A relao entre os vrios valores de e os valores transformados de
2
mostrada na figura 4-15. Notamos que > 13 corresponde a > 1,5. Assim, da Tabela III
do Apndice,
> 13 = > 1,5 = 1 1,5 = 1 0,93319 = 0,06681
Em vez de usar a figura 4-15, a probabilidade pode ser encontrada a partir da desigualdade
> 13. Isto ,
> 13 =

10 13 10
>
= > 1,5 = 0,06681
2
2

14

Distribuio Normal

Figura 4-15 Padronizando uma varivel aleatria normal.

15

Distribuio Normal
Padronizando para calcular uma probabilidade
Suponha que X seja uma varivel aleatria com mdia e
2. Ento:

=

= ( )

Em que Z uma varivel aleatria normal padro e

=
o valor obtido pela padronizao de . A

probabilidade obtida entrando na Tabela III do Apndice

com =
.

16

Distribuio Normal
Exemplo
Continuando o exemplo prvio, qual a probabilidade de a medida da
corrente estar entre 9 e 11 miliampres? Da figura 4-15 ou procedendo
algebricamente, temos
9 10 10 11 10
<
<
2
2
2
= 0,5 < < 0,5 = < 0,5 < 0,5
= 0,69146 0,30854 = 0,38292
9 < < 11 =

Em vez de usar a figura 4-15, a probabilidade pode ser encontrada a partir da

desigualdade > 13. Isto ,
> 13 =

10 13 10
>
= > 1,5 = 0,06681
2
2

17

Distribuio Normal
Exemplo
Determine o valor para o qual a probabilidade de uma medida da corrente estar abaixo desse
valor seja 0,98. O valor requerido mostrado graficamente na figura 4-16. O valor de tal
que ( < ) = 0,98. Pela padronizao, essa expresso de probabilidade pode ser escrita
como
< =
= <

10 10
<
2
2

10
= 0,98
2

A Tabela III do Apndice usada para encontrar o valor de z, tal que ( < ) = 0,98. A
probabilidade mais prxima da Tabela III resulta em < 2,05 = 0,97982
10

Consequentemente,
= 2,05 e a transformao padronizada usada ao contrrio para
2
determinar . O resultado = 2(2,05) + 10 = 14,1 miliampres

18

Distribuio Normal

Figura 4-16 Determinando o valor de x para encontrar a probabilidade especificada.

19

Distribuio Normal
Determinando probabilidades
P(2,17 Z 0) ?

P(2,17 Z 0) 0,4850

0,4850

0,4850

0,14

0,14

0,12

0,12

0,1

0,1

0,08

0,08

0,06

0,06

0,04

0,04

0,02

0,02

0
0

-2,17

10

15
0

P(1 Z 2) ?

20
5

10

0,14

0,14

,12

0,12

0,12

0,1

0,1

,08

0,08

,06

0,06

,04

0,04

0,04

,02

0,02

0,02

-1 0

10

15

20

P(1 Z 2) 0,4772 0,3413 0,8185

,14

2,17

0,4772

0,3413

0,1

0,08

=
0
15

+ -

0,06

5
20

10

0
15

+ -

5
20

0 1

10

15

20

Distribuio Normal
Determinando probabilidades
P( Z 1,5) ?

,14

0,14

0,14

,12

0,12

0,12

0,1

0,1

,08

0,08

,06

0,06

,04

0,04

0,04

,02

0,02

0,02

0 1,5

10

0,5

0,4332

0,1

=
0
15

+ -

0,08
0,06

5
20

10

0
0
15

+ -

5
20

0 1,5

10

15

P( Z 1,5) 0,5 0,4332 0,0668

21

Distribuio Normal
Determinando probabilidades
X ~ N (10,4)

0,14
0,12
0,1
0,08
0,06

P(8 X 11) ?

0,04
0,02
0

10 11
10

15

20

~ N (0,1)

P(8 10 X 10 11 10) ?

P(

8 10 X 10 11 10

)?
2
2
2
Z

0,14

0,12
0,1
0,08
0,06

P(1 Z 0,5) ?

0,04
0,02
0
0

-1

0 0,5

10

15

20

22

Distribuio Normal
Determinando escores (valores de x)

N(3,16) f(x)

0.10

f(x)

rea=5%

0.05

0.4

N(0,1)

0.3

rea=5%

0.2
0.1

0.0

0.00
-10

0 3

= 0,05

10

20

-3

-2

-1

1,65

1,65 = 0,05

x z 3 1.65 * 4 9,6

23

Distribuio Normal
Distribuio de soma de variveis aleatrias
X 1 ~ N ( 1 , 12 )
X 2 ~ N ( 2 , 22 )

3 v.a. independentes com distribuies normal

X 3 ~ N ( 3 , 32 )
Y X1 X 2 X 3
Qual a distribuio de Y ?

( 1 2 3 , 12 22 32 )
Y ~ N (?,?)
E (Y ) E
? ( X1 X 2 X 3 ) E ( X1 ) E ( X 2 ) E ( X 3 ) 1 2 3
Var(Y )
? 12 22 32

24

Distribuio Normal
Distribuio de soma de variveis aleatrias
X 1 ~ ?( 1 , 12 )
X 2 ~ ?( 2 , 22 )
X n ~ ?( n , n2 )
Y X1 X 2

Xn Xi
i 1

Qual a distribuio de Y ?
se n for grande:
n
n

Y ~ N i , i2
i 1
i 1

Teorema do Limite Central

25

Distribuio Normal
Teorema do Limite Central
Se amostras de tamanho n, onde n grande, forem tiradas de uma
populao qualquer, com mdia e um desvio padro , ento a
distribuio amostral de mdias das amostras se aproximar de
uma distribuio normal.

Se a prpria populao for normalmente distribuda, a distribuio

amostral das mdias das amostras ser normalmente distribuda
para qualquer tamanho de amostra n.
Em ambos os casos, a distribuio amostral das mdias tem mdia
igual a mdia da populao ou seja mdia= . E a distribuio
amostral de mdias das amostras tem uma varincia igual a 1/n
vezes a varincia da populao ou seja mdia= /n.

26

Distribuio Normal
Teorema do Limite Central
Considere como resultado de
um levantamento feito com
adultos que afirmaram ter
lido o jornal no dia anterior.
Selecione ao acaso 50 adultos
com idades entre 18 e 24
anos.
Qual a probabilidade de
que o tempo mdio gasto por
eles esteja entre 8,7 e 9,5?
Suponha = 1,5 minutos

Idade

Min

18-24

25-29

11

30-34

11

35-49

16

50-65

21

65 ou mais

33

27

Aproximao da Normal pelas distribuies

Binomial e de Poisson

Sob certas condies,

a distribuio Normal
pode ser usada para
aproximar a
distribuio Binomial e
a distribuio de
Poisson
Figura 4-19 Aproximao da
distribuio binomial pela
normal.
28

Aproximao da Normal pelas distribuies

Binomial e de Poisson
Exemplo
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 1 x 10-5 . Se 16 milhes de bits forem transmitidos,
qual ser a probabilidade de se ter mais que 150 erros?
Seja a varivel aleatria X o nmero de erros. Ento X uma varivel aleatria binomial,
150

> 150 = 1 150 = 1

=0

16.000.000

105

1 105

16.000.000

Claramente, a probabilidade no exemplo acima difcil de calcular. Felizmente, a

distribuio normal pode ser usada para prover uma excelente aproximao nesse
exemplo.

29

Aproximao da Normal pelas distribuies

Binomial e de Poisson
Aproximao da distribuio Binomial pela Normal
Se X for uma varivel aleatria binomial com parmetros
e
=

Ser aproximadamente uma varivel aleatria normal

padro. De modo a aproximar uma probabilidade
binomial por uma distribuio normal, uma correo de
continuidade aplicada como se segue:

30

Aproximao da Normal pelas distribuies

Binomial e de Poisson
= + 0,5

= 0,5

+ 0,5
1

0,5
1

A aproximao boa para > 5 e 1 > 5.

31

Aproximao da Normal pelas distribuies

Binomial e de Poisson
Exemplo
O problema de comunicao digital no exemplo prvio
resolvido como segue

> 150 =

160
160 1 105

>

150 160
160 1 105

= > 0,79 = < 0,79 = 0,785

Porque = 16 106 1 105 = 160 e 1

maior, espera-se que a aproximao seja razovel.

muito

32

Aproximao da Normal pelas distribuies

Binomial e de Poisson

Condies para aproximar as probabilidades hipergeomtricas e binomial

Distribuio
Hipergeomtrica

< 0,1

Distribuio
Binomial

> 5
1 >5

Distribuio
Normal

33

Aproximao da Normal pelas distribuies

Binomial e de Poisson
Considere o experimento: retiram-se 100 bolas da urna
(com reposio). Define-se uma v.a. X cujos valores
representam o nmero total de bolas vermelhas dentre as
100 escolhidas.
Calcule: P(30 X 51)
0,09

2
0, 4
5
E ( X ) np 100 * 0, 4 40

n 100

Var ( X ) npq 100 * 0, 4 * 0,6 24

0,08
0,07
0,06
0,05
0,04
0,03
0,02

X ~ N (40,24)

0,01
0
00

P(29,5
(30
X X 51)
? ? (correo de continuidade)
51,5)

20

40

30

60
60

80
80

100
100

51,5 40
29,5 40
P
Z
0,9745 (valor exato para Binomial 0,9752)
24
24

34

Aproximao da Normal pelas distribuies

Binomial e de Poisson
Aproximao da distribuio Poisson pela
Normal
Se X for uma varivel aleatria Poisson com
= e = ,
=

Ser aproximadamente uma varivel aleatria

normal padro. A aproximao boa para = 5.
35

Aproximao da Normal pelas distribuies

Binomial e de Poisson
Exemplo
Considere que o nmero de partculas de asbestos em um metro quadrado de
poeira em uma superfcie siga a distribuio de Poisson, com mdia de 1000.
Se um metro quadrado de poeira for analisado, qual ser a probabilidade de
que 950 ou menos partculas sejam encontradas?
Essa probabilidade pode ser expressa exatamente como
950

950 =
=0

1000 1000
!

A dificuldade computacional clara. A probabilidade pode ser aproximada por

=

950 1000
1000

= 1,58 = 0,057

36