ALGUMAS DISTRIBUIES CONTNUAS DE PROBABILIDADE

4. 1 INTRODUO
Sero apresentadas aqui algumas distribuies de probabilidade associadas a
v.a.s contnuas. A mais importante delas a distribuio Normal (ou de Gauss)
pois, alm de ser aplicada a muitos experimentos aleatrios, a base de boa parte da
teoria de Inferncia Estatstica. Outras distribuies como a t de Student, a F e a
de Qui-quadrado so fundamentais no desenvolvimento da teoria de distribuies
amostrais. Em aplicaes da Estatstica a diversos problemas de engenharia vistos
na Teoria de Filas, em Confiabilidade e em Anlise de Sobrevivncia, encontramos
outras densidades de probabilidade. Entre elas, podemos citar a Log-normal, a
Gama, a Beta, a Exponencial, a Weibull, etc.


4. 2 DISTRIBUIO UNIFORME
Uma v.a. X contnua tem distribuio uniforme sobre o intervalo [a, b], se sua
funo densidade de probabilidade for dada por:

f(x)
1
b a
, paraa x b
0 , paraoutrosvaloresdex
=

Graficamente,

1/(b-a)
x
f(x)





Note que todos os valores de x no intervalo de a at b so igualmente
provveis no sentido de que a probabilidade de x cair num subintervalo de
74 ESTATSTICA
Notas de Aula
_______________________________________________________________________________________

comprimento x a mesma que para qualquer outro subintervalo de mesmo
comprimento dentro do intervalo [a, b].

A MDIA E A VARIANCIA SO:

=
+
=
a b
b a
2
2 1
12
2
( )


EXEMPLO:

Suponha que a roda de uma locomotiva tenha raio r e que x seja um ponto na
sua circunferncia medido a partir de um ponto 0. Quando os freios so aplicados,
em algum ponto h o atrito e um desgaste. Para aplicaes repetidas dos freios,
razovel assumir que x uma v.a. que tem distribuio uniforme com a =0 e b =
2r. Ou seja, estamos assumindo que a incidncia de atrito e desgaste da roda seja
uniforme ao longo dela. Se isto estiver incorreto, ou ainda, se algum conjunto de
pontos da roda fazem contato mais freqentemente que outros, a roda
eventualmente exibiria marcas de achatamento ou ficaria fora de centro.


4. 3 DISTRIBUIO GAMA
A distribuio Gama tem na sua funo densidade de probabilidade a Funo
Gama, estudada em muitas aplicaes da Matemtica. Esta funo definida por:
( ) ,

= >

x e dx para
x 1
0
0

Integrando por partes, tem-se que:
() =(- 1) (- 1)
Se =n onde n um inteiro, (n) =(n - 1)!
Em particular, ( )
1
2
=
___________________________________________________________________________________
Marcia Olandoski Erbano Depto. de Informtica CEFET-PR

ESTATSTICA 75
Notas de Aula
______________________________________________________________________________________

A v.a. X contnua tem distribuio Gama, com parmetros e , se sua
funo densidade de probabilidade dada por:

f x
x
x e
x
x
( )
,
( )
,
/
=

>

0 0
1 0
1

Grficos de algumas distribuies gama para valores especificados dos parmetros
e so apresentados a seguir:


0 1 2 3 4 5 6 7
0,5
1,0
x
(x)
=1 , =1
=2 , =1
=4 , =1
f




4. 4 DISTRIBUIO EXPONENCIAL
Dado um processo de Poisson com parmetro , seja o tempo zero o tempo no
qual comeamos a observar o processo (ou o tempo em que se observou um
sucesso). Seja T o tempo decorrido at que o prximo sucesso ocorra. T tem
distribuio exponencial com parmetro > 0 e sua funo densidade de
probabilidade dada por:

e
-t
, para t > 0
f(t) =
0 , para t 0

___________________________________________________________________________________
Marcia Olandoski Erbano Depto. de Informtica CEFET-PR

76 ESTATSTICA
Notas de Aula
_______________________________________________________________________________________

Graficamente,


0 t

= 1 /
f (t)





Note que a distribuio exponencial um caso particular da distribuio gama
quando =1.

A mdia e a variancia da distribuio exponencial so iguais a:

= 1 /

2
=1 /
2


A funo de distribuio acumulada de T dada por:

1 - e
-t
, para t > 0
F(t) = P( T t) =
0 , para t 0


___________________________________________________________________________________
Marcia Olandoski Erbano Depto. de Informtica CEFET-PR

ESTATSTICA 77
Notas de Aula
______________________________________________________________________________________

EXEMPLO
Suponha que um sistema contem um certo tipo de componente cujo tempo em
anos para falhar (durao de vida) dado por uma v.a. T, distribuda
exponencialmente com mdia de 5 anos. Se 5 destes componentes so instalados
em sistemas diferentes, qual a probabilidade de que pelo menos dois deles ainda
estejam funcionando ao final de 8 anos?

A funo densidade de probabilidade da v.a. tem parmetro =1/5 e dada por:

1/5 e
-1/5t
, para t 0
f(t) =
0 , para t <0

Para o clculo da probabilidade podemos usar a funo de distribuio
acumulada que, neste caso, dada por:

1 - e
-1/5 t
, para t 0
F(t) =P( T t) =
0 , para t <0

A probabilidade de que um componente qualquer ainda esteja funcionando
aps 8 anos dada por:

P ( T >8) =1 - P(T 8) =1 - F(8) =1 - [1 - e
-(1/5)(8)
] = e
-8/5
= 0,2

Seja X a v.a. igual ao nmero de componentes que funcionam aps 8 anos. X
tem distribuio binomial com parmetros n =5 (cinco componentes instalados) e
p=0,2 (a probabilidade de um componente estar funcionando aps 8 anos) e sua
funo de probabilidade dada por:

p x P X x
x
x
x x
( ) ( ) , , , , ,..., = = =

5
02 08 01 5
5


Assim, P(X 2) =p(2) +p(3) +p(4) +p(5) =0,2627.


___________________________________________________________________________________
Marcia Olandoski Erbano Depto. de Informtica CEFET-PR

78 ESTATSTICA
Notas de Aula
_______________________________________________________________________________________


4.5 DISTRIBUIO NORMAL

Dizemos que uma v.a. X tem distribuio normal (ou de Gauss) com
parmetros e se a sua funo densidade de probabilidade dada por:


f(x) =
1
2
e , - <x <
x -

1
2
2


OBSERVAES :
( a ) =E(x) e =V(x) .
( b ) f(x) tende a zero quando x - ou x .
( c ) f(x) tem dois pontos de inflexo : - e + .
( d ) f(x) tem um ponto de mximo para x = e seu valor mximo :
1
2

( e ) f(x) simtrica em relao a x = .
( f ) A rea total abaixo da curva f(x) igual a 1.

Graficamente:
+
1
2

1
2
x
f(x)
x
f(x)
f(x)


___________________________________________________________________________________
Marcia Olandoski Erbano Depto. de Informtica CEFET-PR

ESTATSTICA 79
Notas de Aula
______________________________________________________________________________________

Podemos mostrar que se X uma v.a. com distribuio normal ento:
* entre - e + existe aproximadamente 68% da rea total;
* entre - 2 e +2 existe aproximadamente 95% da rea total;
* entre - 3 e +3 existe aproximadamente 99% da rea total.
3 2 + +2 +3
68%
95%
99%


NOTAO:
Se X uma v.a. que tem distribuio normal com parmetros e escrevemos :
X : N( , )
onde a mdia e a variancia .


4.5.1 VARIVEL ALEATRIA REDUZIDA OU PADRONIZADA Z
Se X : N ( , ), ento a v.a. Z definida por:
Z =
X -

ter uma distribuio normal com mdia =0 e variancia =1.

-3 -2 -1 0 1 2 3
f(z)
z

___________________________________________________________________________________
Marcia Olandoski Erbano Depto. de Informtica CEFET-PR

80 ESTATSTICA
Notas de Aula
_______________________________________________________________________________________

Observe que Z calcula, para cada valor de X, a quantos desvios padres cada
ponto est afastado da mdia . Se Z negativo ento um ponto esquerda da
mdia e se positivo ento um ponto direita da mdia.

4.5.2 CLCULO DE PROBABILIDADES (USO DA TABELA)
A tabela apresentada na pgina 91 fornece os valores da funo de distribuio
acumulada de Z para diversos pontos desde -3,49 at 3,49 com acrscimos de 0,01.
Assim:
tab (z = F(z =
1
2
e d
0 0
-
1
2
z
-
z
2
0
) ) .

z

z
zo 0


Suponha que X: N( , ) e que se queira calcular P(a <X b). Esta
probabilidade igual a P X
a b
( )

<

.

Para x =a:
z =
a -

Para x =b:
z =
b -

a b x

0 z

OBSERVAES:
1) Um cuidado especial deve ser tomado ao utilizar outras tabelas (geralmente
apresentadas em apndices dos livros de Estatstica), pois existem formas
diferenciadas de apresentar estas probabilidades.
2) Um programa que gere estas probabilidades pode ser elaborado para
calculadoras programveis. Basta tomar o clculo de reas abaixo da curva da
v.a. padronizada z e inserir num programa que resolva integrais. O limite
inferior pode ser -4 (4 desvios padres abaixo da mdia 0) pois sabemos que
antes deste valor no existe praticamente qualquer rea significativa.
P Z z F z e dz
z
z
( ) ( ) = =

0 0
4
1
2
0
1
2
2

___________________________________________________________________________________
Marcia Olandoski Erbano Depto. de Informtica CEFET-PR

ESTATSTICA 81
Notas de Aula
______________________________________________________________________________________

EXEMPLO 1
Seja X : N ( 20,9 )
=20 =9 ( =3 )


x
11 14 17 20 23 26 29


( a ) P( X 18 ) = P( Z -0,67 ) = tab (-0,67) = 0,25142

18 20
x
z -0,67


Para x =18 :

z=
x-
=
18- 20
3
=-0,67

( b ) P(X >21) =P(Z >0,33) =1- P(Z 0,33) =1- tab(0,33) =1- 0,62930 =0,37070

20 23
x
z
0 0,33



Para x =21:

z=
x-
=
21- 20
3
=0,33

___________________________________________________________________________________
Marcia Olandoski Erbano Depto. de Informtica CEFET-PR

82 ESTATSTICA
Notas de Aula
_______________________________________________________________________________________

( c ) P( 16 <X 24 ) = P( -1,33 <Z <1,33 ) = tab(1,33) - tab(-1,33) =
0,90824 - 0,09175 = 0,81649.

16 20 24
0
z
x


Para x =16 :
z=
x-
=
16- 20
3
=-1,33

Para x =24 :
z=
x-
=
24- 20
3
=1,33

EXEMPLO 2
O dimetro de certo tipo de anel industrial uma v.a. com distribuio normal
de mdia 0,10 cm e desvio padro 0,02 cm. Se o dimetro de um anel diferir da
mdia por mais de 0,03 cm, ele vendido por 5 u.m.; caso contrrio vendido por
10 u.m.. Qual o preo mdio de venda de cada anel?

Seja a v.a. X =dimetro do anel
X : N( 0,10 ; 0,02) =0,10 e =0,02

0,04 0,06 0,08 0.10 0,12 0,14 0,16
x


P(X 0,07) =P(Z -1,50) =tab(-1,50) =0,06680
Para x =0,07 :
z=
x-
=
0,07- 0,10
0,02
=-1,5

0

P(X >0,13) =1- P(X 0,13) =1- P(Z<1,5) =1- tab(1,5) =0,06680
Para x =0,13 :
z=
x-
=
0,13- 0,10
0,02
=1,50

___________________________________________________________________________________
Marcia Olandoski Erbano Depto. de Informtica CEFET-PR

ESTATSTICA 83
Notas de Aula
______________________________________________________________________________________


P(dimetro diferir da mdia por mais de 0,03) =P(X 0,07 ou X >0,13) =
=0,06680 +0,06680 =0,13360.

P(no diferir da mdia por mais de 0,03) =1- 0,13360 =0,86640 .

Seja a v.a V =preo de venda. V tem a seguinte distribuio de probabilidade
:

v 5 10
p(v) 0,13360 0,86640

Preo mdio de venda :
E(V) = v.p(v) = 5.0,13360+10.0.86640=9,332 u.m.
v

EXEMPLO 3
Uma mquina de empacotar determinado produto apresenta variaes de peso
com desvio padro de 20g. Em quanto deve ser regulado o peso mdio do pacote
para que apenas 10% tenham menos de 400g ? Supor distribuio normal dos pesos
dos pacotes.

400
0,10

=20
0,10
2,33
na tabela
0
z
x


X: peso dos pacotes
X : N (,20)
P(X 400) =0,10
P (Z <-2,33) =0,10
z=
x-
- 2,33=
400-
20

=446,6 g .

___________________________________________________________________________________
Marcia Olandoski Erbano Depto. de Informtica CEFET-PR

84 ESTATSTICA
Notas de Aula
_______________________________________________________________________________________

4.5.3 APROXIMAO DA DISTRIBUIO BINOMIAL PELA
DISTRIBUIO NORMAL

Se uma v.a. X tem distribuio binomial com parmetros n e p, a sua mdia
=n.p e sua variancia =n.p(1-p).
Quando n , a distribuio da v.a definida por :
Z=
X - np
np(1- p)

tem como distribuio limite a N ( 0,1 ).
Note que isto o mesmo que dizer que, para n grande a v.a. X tem distribuio
N(,) onde =np e =np(1-p). A aproximao melhora medida que n cresce
e muito boa para valores de p no muito prximos de 0 ou 1.

EXEMPLO 1
Seja X uma v.a binomial com n =16 e p =0,5
p(x) =
16
x
0,5 0,5 ,x=0,1,...,16
x 16-x

=np=8 , np(1- p) =4
2
=

x 0;16 1;15 2;14 3;13 4;12 5;11 6;10 7;9 8
p(x)
0,00002 0,00024 0,00183 0,00854 0,02777 0,06665 0,12219 0,17456 0,19638

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16
5,5 10,5

0,02
0,04
0,06
0,08
0,10
0,12
0,14
0,16
0,18
0,20
p(x)
x


___________________________________________________________________________________
Marcia Olandoski Erbano Depto. de Informtica CEFET-PR

ESTATSTICA 85
Notas de Aula
______________________________________________________________________________________

___________________________________________________________________________________
Marcia Olandoski Erbano Depto. de Informtica CEFET-PR

86 ESTATSTICA
Notas de Aula
_______________________________________________________________________________________

( a ) P
x x
(6 X 10) =
16
x

x=6
10

05 05 078988
16
, . , ,

Usando a aproximao normal, temos:

P
B
= (6 X 10) P (5,5 X <10,5) =P (-1,25 Z<1,25) =0,89435- 0,10565=0,78870
N N

( b ) P(X =8) P (7,5 X 8,5) =P (-0,25 Z 0,25) =0,5987- 0,4013=0,1974
( c ) P(X <6) P ( ) =P (Z<-1,25) =0,10565
N N
N N

X 5


EXEMPLO 2
Uma mquina produz itens num certo processo de fabricao tal que 5% dos
itens so defeituosos. Se uma amostra de 1000 itens escolhida ao acaso, qual a
probabilidade de que no mais do que 40 defeituosos ocorram na amostra ?


X =n de itens defeituosos na amostra
n =1000
p =0,05
=np =1000.0,05 =50
=np(1-p) =1000.0,05.0,95 =47,5

P (X 40) P (X 40,5) =P (Z -1,38) =0,084 .
B N N




___________________________________________________________________________________
Marcia Olandoski Erbano Depto. de Informtica CEFET-PR