2. Seja X uma v.a. contínua.
Uma variável aleatória pode assumir qualquer valor
fracionário dentro de um intervalo definido de valores.
A proporção da área incluída ou frequência relativa entre
dois pontos quaisquer, abaixo da curva de probabilidade,
identifica a probabilidade de que a v.a. selecionada
assuma um valor entre tais pontos.
VARIÁVEL ALEATÓRIA CONTÍNUA
4. Para que f(x) seja uma função de distribuição de
probabilidade (fdp) legítima, deve satisfazer às duas
condições a seguir:
a)
b)
f(x)degráficodoabaixoáreaaéque1,dxf(x)∫
∞
∞
=
xostodospara,0≥f(x)
VARIÁVEL ALEATÓRIA CONTÍNUA
5. Proposição: Seja X uma variável contínua X com f.d.p.
f(x) então, definimos:
Valor Esperado:
Variância:
Desvio Padrão:
dxxfxXEX ∫
∞
∞−
⋅== )()(µ
222
))(()()( XEXEXVX −==σ
2
Xσσ =
dxxfxXE ∫
∞
∞−
⋅= )()( 22
VARIÁVEL ALEATÓRIA CONTÍNUA
6. Principais Características:
1)Para cada média e desvio padrão existe uma
curva diferente.
2)O ponto mais alto da curva está na média.
3)A curva é simétrica em relação a média: o lado
esquerdo é igual ao lado direito.
4)O desvio padrão determina a largura da curva.
5)A área total abaixo da curva é igual a 1 ou 100%.
DISTRIBUIÇÃO NORMAL
8. Se quisermos calcular a probabilidade indicada na
figura, devemos fazer:
Que representa um relativo grau de dificuldade.
Usaremos então a notação:
Seja X~N, definimos:
e
2π
1
=b)≤X≤P(a ∫
b
a
-
2
1
-
dx
σ
σ
μx
²
)²(
²),(N: σµX
-X
:
σ
μ
Z
DISTRIBUIÇÃO NORMAL
9. A vantagem dessa curva padronizada consiste em definir
parâmetros para qualquer escala de medida que você
utilizar.
Z é chamada de variável normal reduzida, Normal
Padronizada ou Variável Normalizada.
Z tem E(Z)=0 e VAR(Z)=1.
Assim, podemos usar:
(0,1)N:Z²),(N: ⇒σµX
( )
∞-∞e
2π
1
=f(z) 2
1
-
<<
²
z
z
DISTRIBUIÇÃO NORMAL
10. A variável Z indica quantos desvios padrões a variável
X está afastada da média. Como as curvas são
simétricas em relação a média.
Como para X dado a área a ser encontrada depende de
μ e δ². Então é vantagem usar a variável Normalizada e
encontrar essas as probabilidades por meio de valores
tabelados.
DISTRIBUIÇÃO NORMAL
12. Exemplo 1: (Como usar a tabela).
Seja X: N(100, 25). Calcule:
a) P(100 ≤ X ≤ 106);
b) P(89 ≤ X ≤ 107);
c) P(112 ≤ X ≤ 116);
d) P(X ≥ 108);
DISTRIBUIÇÃO NORMAL
13. Exemplo 2:
O tempo que um motorista leva para reagir às luzes de
freio em um veículo em desaceleração é crucial para
evitar colisões traseiras. O artigo “Fast-Rise Brake Lamp
as a Collision-Prevention Device ” (Ergonomics, 1993, p.
391-395) sugere que o tempo de reação de uma
respostas no trânsito a um sinal de frenagem com luzes
de freio convencionais pode ser modelado com uma
distribuição normal de média 1,25 segundo e desvio
padrão de 0,46 segundo. Qual é a probabilidade de que o
tempo de reação esteja entre 1,00 e 1,75 segundos?
DISTRIBUIÇÃO NORMAL
15. VARIÁVEL ALEATÓRIA CONTÍNUA
Outras distribuições contínuas:
Distribuição Uniforme Contínua: é aquela em que
todos os elementos têm a mesma probabilidade de
ocorrer.
Distribuição Exponencial: é frequentemente usada para
modelar a distribuição dos tempos entre a ocorrência de
eventos sucessivos, tais como clientes chegando em uma
unidade de atendimento, chamadas em uma central
telefônica (X: tempo decorrido até que o 1º evento ocorra).
