Variveis Aleatrias Contnuas

1) Um profissional da rea de computao observou que o sistema usado, gasta entre 20 e

24 segundos, para realizar determinada tarefa. Considere que o tempo gasto para
realizar esta tarefa pode ser especificado por uma distribuio uniforme no intervalo
[20,24], isto , todo subintervalo de mesma amplitude em [20,24] tem a mesma
probabilidade. Como pode ser descrita, grfica e algebricamente, a funo densidade de
probabilidade? Sob essa densidade calcule:
a) ( > 23)
b) ()
c) ()

Sol.:
Uma funo de densidade de probabilidade uniforme no intervalo entre e , definida
da seguinte maneira,
0
1
() = {

<

>

Graficamente essa () dada assim,

Portanto, neste exerccio temos que = 20 e = 24, logo, a nossa () fica definida
da seguinte maneira,
0
1
() = {
4
0

< 20
20 24
> 24

Prof.: Anbal D. A. Miranda

Cujo grfico o seguinte,

1
4

20

24

a) A funo de densidade de probabilidade dada por,

() = ( ) = ()

No caso da distribuio uniforme, temos,

() = ( ) =

Especificamente no nosso exemplo, temos,

0

1
1
20
() = ( ) = = = {
4
4
4

< 20
20 24
> 24

Agora, para calcular ( > 23), aplicamos a seguinte propriedade,

( > ) = 1 ( < )
Logo,
( > 23) = 1 ( < 23) = 1 (23)
( > 23) = 1

23 20
4

( > 23) = 1 0,75

( > 23) = 0,25

Prof.: Anbal D. A. Miranda

b) O valor esperado () (ou esperana) de uma varivel aleatria continua definido

como,

() = ()

Para o nosso caso temos,

20

24

() = () + () + ()

20

20

24

24

1
() = (0) + ( ) + (0)
4

20

24

Ficando simplesmente,
24

24

1
() = =
4
4
20

20

Integrando e avaliando,
() =

1 1 2 24 1
1
176
= (242 202 ) = (576 400) =
( ) |
4 2
20 8
8
8

Finalmente o valor esperado dado por,

() = 22

c) A varincia de uma varivel aleatria continua definida como,

() = [ ()]2

Avaliando essa integral possvel mostrar que a varincia dada por,

() = ( 2 ) [()]2
Podemos observar que para obter o valor da varincia, devemos previamente
calcular ( 2 ), repare que este valor vem direto da definio do valor esperado
(), ou seja,

( 2 ) = 2 ()

Prof.: Anbal D. A. Miranda

Portanto, como visto no item (b), temos o seguinte,

20

24

1
( 2 ) = 2 (0) 2 ( ) + 2 (0)
4

20

24

Logo,
24

2)

1
= 2
4
20

Integrando e avaliando,

( 2 ) =

1 1 3 24
1
1
5.824
3
3
(13.824 8.000) =
=
(24 20 ) =
( ) |
4 3
20 12
12
12

Portanto,
( 2 ) = 485,33
Agora sim podemos calcular a varincia, da definio dada anteriormente temos
que,
() = ( 2 ) [()]2
Como () = 22, ento temos substituindo valores,
() = 485,33 (22)2 = 485,33 484
Finalmente, o valor da varincia dado por,
() = 1,33

Prof.: Anbal D. A. Miranda

2) Seja com uma funo de probabilidade () dada por,

() = { 2
0

0<1
1<2
[0, 2]

Calcular,
1
3

3
2

a) ( < < )
Pela definio dada (no exerccio anterior) para a funo de densidade de
probabilidade,

() = ( ) = ()

O que pode ser estendido para,

() = ( ) = () = () ()

Portanto, no nosso exemplo temos,

1

3
2

1
3
( < < ) = + (2 )
3
2
1
3

Integrando,
1
3
1
1
1
3/2
( < < ) = 2 |
+ [2 2 ]|
3
2
2
1/3
2
1
Avaliando os limites temos,
2

1
3
1 2
1
3
1 3
1
( < < ) = [1 ( ) ] + [2 ( ) ( ) 2(1) + (1)2 ]
3
2
2
3
2
2 2
2
1
3
1
( < < ) = (0,889) + 0,375
3
2
2
Finalmente,
1
3
( < < ) = 0,8195
3
2

Prof.: Anbal D. A. Miranda

b) Calcular (),
Partimos da definio dada acima, ou seja,

() = ()

Ento temos,

2
2

() = () = + (2 2 )

1
0

1
3

Integrando,

1
3

() = ( ) 3 | + [2 3 ]|

2
1

Avaliando limites,

1
1
1
() = (13 03 ) + [22 23 (12 13 )]
3
3
3
() =

1
8
1
1
7
6
+ (4 1 + ) = + 3 = 3 = 3 2
3
3
3
3
3
3

Finalmente,
() = 1

c) Calcular (),
Novamente, partimos da definio dada acima,
() = ( 2 ) [()]2
Agora, calculamos previamente,

2)

= 2 ()

Ento temos,
1

2)

2
3

= + (2 2 3 )
0

Prof.: Anbal D. A. Miranda

Integrando,
( 2 ) =

1 4 1
2
1
2
| + [ 3 4 ]|
4
0
3
4
1

Avaliando limites,

1
2
1
2
1
( 2 ) = (14 04 ) + [ 23 24 ( 13 14 )]
4
3
4
3
4
( 2 ) =

1
16 16 2 1
1 16
2 1 1 14
+[
+ ]= +
4 + = +
4
4
3
4 3 4
4 3
3 4 2 3

Logo,
( 2 ) = 1,167
Agora podemos calcular () lembra que [()]2 = 12 = 1, ento temos que,
() = 1,167 1
Finalmente,
() = 0,167

d) Construir a FDA,
Partimos da definio da FDA de uma varivel aleatria continua dada por,

() = ( ) = ()

Logo temos o seguinte,

0

() = ( ) = (0) + + (2 )

Integrando,
() = ( ) =

() = ( ) =

1 2 1
1

| + (2 2 )|
2
0
2
1

1 2
1
1 2
2
(1 0 ) + [2 2 (2 1 )]
2
2
2

() = ( ) =

1
2
1
+ 2 2 +
2
2
2

Prof.: Anbal D. A. Miranda

Ento,
1
() = ( ) = 2 + 2 1
2
Portanto, a FDA dessa funo de distribuio de probabilidades pode ser escrita da
seguinte maneira,
0
1
() = ( ) = { 2 + 2 1
2
1

<0
12
>2

3) A vida til de certo componente eletrnico , em mdia, 10.000 horas. Considere que o
tempo de vida pode ser descrito como uma varivel aleatria com distribuio
exponencial. Qual a porcentagem esperada de componentes que apresentaro falhas
com menos de 10.000 horas?
Sol.:
Uma distribuio exponencial com parmetro definida da seguinte maneira,
() = {

<0
>0

No nosso exemplo, = 10.000 horas, portanto a nossa funo de densidade de

probabilidade exponencial dada por,
() = {

0
10.000 10.000

<0
>0

Tambm temos que o valor mdio de uma funo de densidade de probabilidade

exponencial dado por,
() =

Logo, a porcentagem esperada de componentes que apresentaro falhas com menos de

10.000 horas pode ser calculada por,
1/

1
( ) = ()

Prof.: Anbal D. A. Miranda

Ou seja,
0.0001

1
(
)=
10.000

10.000 10.000

Integrando,
(

1
0.0001
) = 10.000 |
= 10.000(0.0001) (0 )
10.000
0

1
1 1
) = 1 1 = 1 =
10.000

Considerando o nmero = 2,71828, obtemos o resultado pedido,

1
) 0,6321
10.000

Finalmente, a porcentagem esperada de componentes que apresentaro falhas com

menos de 10.000 horas de 0,6321 100 = 63,21%.

4) O padro de qualidade recomenda que os pontos impressos por uma impressora estejam
entre 3,7 e 4,3 mm. Uma impressora imprime pontos, cujo dimetro mdio igual a 4
mm e o desvio-padro 0,19 mm. Suponha que o dimetro dos pontos tenha
distribuio normal.
a) Qual a probabilidade do dimetro de um ponto dessa impressora estar dentro do
padro?
b) Qual deveria ser o desvio-padro para que a probabilidade do item (a) atingisse
95%?
Sol.:
Uma varivel aleatria continua possui uma distribuio Gaussiana (ou Normal) se sua
funo de densidade de probabilidade dada por,

( ) =

1
2

1 ()2
2 2

Onde os parmetros e 2 so a mdia e a varincia da distribuio Gaussiana

respectivamente, sendo que o desvio padro! Mas essa integral impossvel de

Prof.: Anbal D. A. Miranda

resolver por mtodos tradicionais, ento para resolv-la o que se faz normalizar os
limites de integrao e aplicar mtodos numricos.
Para normalizar os valores aplicamos a seguinte mudana de variveis,
=

Nessas condies temos o seguinte,

1
)=
2

() = ( ) = (

Ou seja,

) = () = (
)

Portanto, a fdp dada por,

() =

1
2

Tem um valor mdio = 0 e uma varincia de 2 = 1, logo, essa mudana de

variveis permitiu normalizar a fdp original dada por () em ().
O procedimento usado na soluo de problemas envolvendo distribuies Gaussianas
baseia-se em consultar Tabelas Normalizadas reduzidas, algo relativamente bastante
simples.

a) Neste exemplo, a nossa varivel aleatria Gaussiana tem os seguintes parmetros,

um valor mdio dado por, = 4 mm., e um desvio padro dado por, = 0,19 mm.
Para que a impresso de um ponto esteja dentro do padro, esse ponto deve
obedecer a seguinte probabilidade,
4,3

() = (3,7 4,3) =
3,7

1
(0,19)2

1 (4)2
2 0,192

Normalizamos esses limites de integrao, isto , para o valor = 3,7 temos,

=

3,7 4
= 1,5789
0,19

Prof.: Anbal D. A. Miranda

E para o valor = 4,3 temos,

=

4,3 4
= 1,5789
0,19

Agora sim podemos calcular a probabilidade anterior,

(3,7 4,3) = (1,5789 1,5789) = (1,5789) (1,5789)
Atravs do uso de uma Tabela Normalizada da varivel Gaussiana (veja no final)
podemos encontrar esses valores, ou seja,
(1,5789) = 0,941792
(1,5789) = 0,058208

(1,5789 1,5789) = 0,941792 0,058208

Portanto,
(3,7 4,3) = 0,883584
Finalmente, a probabilidade de termos a impresso de um ponto dentro do padro
ser de 0,883584 100 = 88,35%.

b) Para este item fazemos o seguinte, queremos elevar a probabilidade de 88%, que foi
calculado no item (a), para um valor de 95%. Ento, a nossa nova normalizao
com mesma mdia e o desvio padro ainda desconhecido dada assim, para o valor
= 3,7 temos,
3,7 4
0,3
=
=

E para o valor = 4,3 temos,

=

4,3 4 0,3
=

Logo, podemos escrever,

(3,7 4,3) = (

0,3
0,3
0,3
0,3

) = ( ) ( )

Pelo enunciado deste item, temos que,

0,3
0,3
( ) ( ) = 0,95

Prof.: Anbal D. A. Miranda

Onde esse valor 0,95 representa a probabilidade de termos a impresso de um ponto

de 95%. Agora bem, aqui fazemos as seguintes atribuies de forma intuitiva,
0,3
( ) = 0,96

E
(

0,3
) = 0,01

Pela Tabela observamos que o valor de = 1,76 corresponde aproximadamente a

uma probabilidade de 0,96, logo temos,
1,76 =

0,3
1

Daqui obtemos um primeiro valor para o desvio padro dado por,

1 =

0,3
= 0,17
1,76

Agora para o segundo valor, observando a Tabela, temos que para = 2,32
temos aproximadamente uma probabilidade de 0,01, ento temos,
2,32 =

0,3
2

Obtendo assim um segundo valor para o desvio padro dado por,

2 =

0,3
= 0,129 0,13
2,32

Para o resultado final obtemos a mdia aritmtica desses dois valores obtidos para
os desvios padres, ou seja,
=

2 + 1 0,17 + 0,13 0,30

=
=
2
2
2

Finalmente o resultado pedido para o novo desvio padro o qual permita uma
impresso de um ponto com uma probabilidade de 95% de,
= 0,15 mm.
Provamos,
0,3
0,3
(
) (
) = (2) (2) = 0,977259 0,022750 0,95
0,15
0,15

Portanto, com = 0,15 mm., obtemos a probabilidade desejada.

Prof.: Anbal D. A. Miranda

Prof.: Anbal D. A. Miranda

Prof.: Anbal D. A. Miranda