O documento discute conceitos estatísticos como distribuição de probabilidades, distribuições discretas e contínuas. Explica que distribuições discretas envolvem variáveis aleatórias que podem ser contadas, como número de ocorrências, e fornece exemplos de formas de distribuição discreta. Também descreve características gerais de distribuições contínuas e exemplos como uniforme e normal.
2. Distribuição de Probabilidades
A distribuição de probabilidades indica a percentagem de
vezes que, em grande quantidade de observações,
podemos esperar a ocorrência de vários resultados de uma
variável aleatória.
Em uma distribuição de probabilidades é necessário:
å P(x) = 1, onde x toma todos valores possíveis
0 £ P(x) £ 1 para todo o x.
Distribuições de
probabilidade
Distribuições
descontínuas ou
discretas
Distribuições
contínuas
3. Distribuições Descontínuas ou Discretas
Envolvem distribuições de probabilidades de variáveis aleatórias
relativas a dados que podem ser contados.
Exemplos:
Número de ocorrências por amostras
Número de ocorrências por unidade num intervalo de tempo
Número de fumantes presentes em eventos esportivos
Uniforme ou Retangular
Binomial
Binomial Negativa ou de Pascal
Geométrica
Poisson
Multinomial ou Polinomial
Hipergeométrica
Formas da
distribuição
descontínua
4. Distribuições Contínuas
Quando se usa as distribuições contínuas?
A variável aleatória discreta apresenta um grande número de resultados;
A variável aleatória em questão é contínua.
Os ponteiros de um relógio podem parar em qualquer dos infinitos
pontos do círculo
logo A probabilidade de parar em um ponto definido é zero
Nas distribuições contínuas utilizam-se a probabilidade da ocorrência
em um intervalo P(a < x < b);
Em uma distribuição contínua, a probabilidade é dada pela área
contida no intervalo considerado.
5. Distribuições Contínuas
DISTRIBUIÇÕES
CONTÍNUAS
UNIFORME OU RETANGULAR
NORMAL
BIVARIADA NORMAL
EXPONENCIAL
LOGNORMAL
WEIBULL
QUI-QUADRADO c2
t DE STUDENT
F DE SNEDECOR
GAMA
BETA
ERLANG
( formas)
6. Um pouco de história
No século XVIII, astrônomos e outros
cientistas observaram que medidas
repetidas de mensurações como a
distância à lua variavam como na figura,
quando coletadas em grande número.
Esta forma gráfica era associada aos
erros de mensuração, daí o nome de
“Distribuição normal dos erros” e depois
“Distribuição normal”
Também é conhecida por “Distribuição
Gaussiana”, em função do modelo
matemático desenvolvido por Karl F.
Gauss para este comportamento.
Distribuição Normal
7. Distribuição Normal - Exemplos
0,20
0,15
0,10
0,05
0,00
Peso da população adulta
n = 5000 μ = 75 kg s = 12 kg
25
40
55
70
85
100
115
0,20
0,15
0,10
0,05
0,00
Altura de universitários
n = 3000 μ = 152 cm s = 5 cm
133
137
141
145
149
153
157
161
165
169
0,15
0,10
0,05
0,00
Comprimento de uma régua
n = 1000 μ = 30cm s = 0,15cm
29,5
29,6
29,7
29,8
29,9
30
30,1
30,2
30,3
30,4
30,5
0,2
0,15
0,1
0,05
0
Pessoas num restaurante
μ = 250 por dia s = 20 por dia
197
215
233
251
269
287
305
8. Distribuição Normal
IMPORTÂNCIA DA DISTRIBUIÇÃO NORMAL
Retrata com boa aproximação, as distribuições de freqüência de
muitos fenômenos naturais e físicos
Serve como aproximação das probabilidades binomiais (sim ou
não) quando n é grande
Representa a distribuição das médias e proporções em grandes
amostras, o que tem relevante implicação na amostragem (a mais
importante)
9. Distribuição Normal
Curva normal típica
50% 50%
¥ média ¥
Forma de uma boca de sino
Área sob a curva = 1 (0,5 + 0,5)
Média = μ
Desvio padrão = s
10. Distribuição Normal - Características
1. A curva normal tem a forma de sino
2. É simétrica em relação a média
3. Prolonga-se de -¥ a +¥ (apenas em teoria) (assintótica)
4. Fica completamente especificada por sua média e seu desvio padrão;
há uma distribuição normal para cada par (média e desvio padrão)
5. A área total sob a curva é considerada 100% ou igual a 1
6. A área sob a curva entre dois pontos é a probabilidade de uma
variável normalmente distribuída tomar um valor entre esses pontos
7. A probabilidade de uma variável aleatória normalmente distribuída
tomar exatamente determinado valor (pontual) é zero (característica
da distribuição contínua)
8. A área sob a curva entre a média e um ponto arbitrário é função do
número de desvios padrões entre a média e aquele ponto
11. Distribuição Normal
A probabilidade de uma variável aleatória tomar um valor entre dois
pontos quaisquer é igual à área sob a curva normal entre aqueles pontos
μ
a b
P (a < x < b) = área hachurada sob a curva
12. Distribuição Normal
1
f(x) = e
x – ponto considerado da distrib.
μ - média da distribuição
s - desvio padrão da distribuição
-1
( x - μ)2
2 s
2p s
OBSERVAÇÃO:
x - μ = distância do ponto considerado à média
x - μ
s
z =
número de desvios padrões a contar da média. Ex.: 2,5
desvios padrões
z = valor z ou score z. Pode-se obter valores negativos de z para
valores de x inferiores à média
13. Distribuição Normal
A distância entre a média e um ponto
qualquer é dado em número de desvios
padrões (z)
Normal
padronizada
Normal não
padronizada
z = x - μ
s
P P
μ x 0 z
15. Distribuição Normal
(42 – 40)/1 = 2 S = 1
37 38 39 escala efetiva 40 41 42 43
Como calcular Z ?
-3 -2 -1 0 +1 +2 +3
μ s x x - μ (x - μ)/ s = z
média desvio padrão valor considerado diferença diferença relativa
40 1 42 2 2
25 2 23 -2 -1
30 2,5 37,5 7,5 3
18 3 13,5 -4,5 -1,5
22 4 22 0 0
16. Distribuição Normal
Como calcular o valor efetivo
Passando do valor z para o valor efetivo
μ s z μ + z s resultado
média desvio padrão valor z cálculo valor efetivo
20 1 3 20 + 3(1) 23
50 3 -1 50 + 3(-1) 47
60 2 -2 60 + 2(-2) 56
72 5 0,3 72 + 5(0,3) 73,5
18. Distribuição Normal - Consultando a tabela
.. .
1,25
1,0
1,2
00 01 02 03 04 05 06 ...
1,1
.. .
0,3944 olhando
a tabela
19. Distribuição Normal - Consultando a tabela
Probabilidade de uma
variável aleatória normal
tomar um valor z entre a
média e o ponto situado a
z desvios padrões
z área entre a média e z
1,00 0,3413
1,50 0,4332
2,13 0,4834
2,77 0,4972
área tabelada = área desejada
0 z
20. Distribuição Normal - Consultando a tabela
z P(0 < x < z) P(x > z) = 0,5 – P(0 < x < z)
0 z
22. Distribuição Normal - Cálculo da probabilidade
Exemplos
Determinando a área (probabilidade)
sob a curva entre dois pontos
entorno da média
Determinando a área entre dois
pontos quaisquer
0,1359
0,3413 0,3413
-1s 0 +1s
0 +1 +2
0,3413
0,4772
23. Distribuição Normal - Exemplos
1) Após 28 dias de curagem, o cimento de uma certa marca tem uma resistência
compressiva média de 4000psi. Suponha que a resistência tem uma distribuição normal
com desvio-padrão de 120psi. Qual a probabilidade de se comprar um pacote de
cimento com resistência compressiva de 28 dias menor que 3850psi?
N(m;s) = N(4000,120) psi X = 3850psi
z X m
P(z ≤ -1,25)
= - = 3850 - 4000 = -
1,25
Área em vermelho = z = -1,25 = 0,3944
120
s
P(Z £ -1,25) = 0,1056 =10,56%
3850 4000
-1,25
Área desejada = 0,50 – 0,3944 = 0,1056 = 10,56%
24. 2) Uma grande empresa faz uso de milhares de lâmpadas elétricas que permanecem
acessas continuamente. A vida de uma lâmpada pode ser considerada como uma
variável aleatória normal com vida média de 50 dias e desvio-padrão de 15 dias.
Se no dia 1º de agosto foram instaladas 8000 lâmpadas novas, aproximadamente
quantas deverão ser substituídas no dia 1º de setembro?
N(m,s) = N(50;15) dias X = 31 dias
z X m
= - = 31-50 = -
1,27
15
s
Consultando tabela:
20 35
P(Z £ -1,27) = 0,3980 log o 0,5000 - 0,3980 = 0,1020 =10,20%
Deverão ser substituídas um total de (0,1020x 8.000) = 816 lâmpadas
X
Z
f(x)
m = 50
0
31
-1,27
Distribuição Normal - Exemplos
25. Distribuição Normal - Exemplos
3) Uma indústria siderúrgica produz tubos de aço cujo
comprimento pode ser considerado uma variável normalmente
distribuída com média m=10,00 metros, e desvio padrão igual a
s = 0,09 metros. Quanto refugo a indústria espera produzir se o
comprimento dos tubos de aço tiver que ser no máximo, igual a
10,20 m?
N(m,s) = N(10;0,09) metros
X = 10,20m
2,22
z X m
= - = 10,20 -10 =
0,09
s
f(x)
m = 10
10,20 X
0 2,22 Z
Consultando tabela
temos:
P(Z ³2,22) =P(Z £-2,22) =0,5-0,4868 =0,0132 =1,32%
26. Distribuição Normal - Exemplos
CASO PRÁTICO DO USO DA ESTATÍSTICA
NA QUESTÃO LOGÍSTICA DA PRESTAÇÃO DE SERVIÇOS
4) O tempo médio que demora para uma viatura de uma determinada cia da PMMG
de Ipatinga atender a uma chamada de emergência é de 8 minutos com desvio-padrão
de 3 minutos. Considere o tempo médio como uma variável normalmente
distribuída para calcular a probabilidade de uma chamada esperar menos de 4
minutos.
N(m,s) = N(8;3) minutos
X < 4 minutos
z X m
= - = 4 -8 = -
s
Consultando
a tabela:
1,33
3
f(x)
8 X
-1,33 0
Z
4
P(x £ 4) = P(Z £ -1,33) = 0,5- 0,4082 = 0,0918 = 9,18%
27. Distribuição Normal - Exemplos
ESTATÍSTICA NO CONTROLE DA PRODUÇÃO INDUSTRIAL
5) Um máquina produz peças com o diâmetro médio de 2,00” e o desvio-padrão
de 0,01”. As peças que se afastam da média por mais de 0,03” são consideradas
defeituosas. Qual é a percentagem de peças defeituosa?
z X m
1 = - = - = +
3
2,03 2
0,01
1,97 2,03
z X m
= - = 1,97 - 2
= -
2 P(x > 2,03)ouP(x <1,97) = P(Z > 3) + P(Z < -3)
s
f(x)
m = 2
2 X
0 3 Z
-3
N(m,s) = N(2,00;0,01)
X1 = 2,03 e X2=1,97
3
0,01
s
Consultando
tabela: P(Z > 3) + P(Z < -3) = 0,0014 + 0,0014 = 0,28%
28. ESTATÍSTICA E A ASSISTÊNCIA TÉCNICA
6) A vida média de uma marca de televisão é de 8 anos com desvio-padrão de 1,8
anos. A campanha de lançamento diz que todos os produtos que tiverem defeito
dentro do prazo de garantia serão substituídos por novos. Se você fosse o gerente de
produção, qual seria o tempo de garantia que você especificaria para ter no máximo
5% de trocas.
- - - Zx
1,65 ( )
0,049471 0,05
1,65 ( 1,64)
0,049471 0,050503
-
= - -
-
1,6449 0,05 Z = -
z = X -m
s
-1,6449 = X -8
1,8
N(m,s) = N(8;1,8) anos
X=?
z
f ( Z
o ) -1,65 0,049471
? 0,05
-1,64 0,050503
X = 5,04anos
Distribuição Normal - Exemplos