0303200 – Probabilidade – Aula 10

Magno T. M. Silva

Escola Politécnica da USP

A maior parte dos exemplos dessa aula foram extraı́dos de Jay

L. Devore, Probabilidade e Estatı́stica para engenharia e
ciências, tradução da 8a edição americana, Cengage, 2014
Essa parte da matéria está no Capı́tulo 5 do livro do Dantas.
Sumário

4.3 Distribuição uniforme

4.3 Distribuição normal

4.4 Distribuição exponencial

Distribuição Uniforme (b > a) – Item 5.1 do Dantas

X tem distribuição uniforme se

 1
f (x) = b−a , a≤x≤b
0, caso contrário

 0, x<a
x−a
F (x) = , a ≤ x≤b
 b−a
1, x>b
f (x)
1
b−a

x
0 a b
Distribuição Uniforme (b > a) – Item 5.1 do Dantas
f (x)
1
b−a

x
0 a b

◮ A média de X vale
Z b
1 a+b
E(X) = x dx =
a b−a 2
◮ A variância de X vale
(b − a)2
Var(X) = E(X 2 ) − [E(X)]2 =
12
Distribuição Uniforme (b > a) – Item 5.1 do Dantas

f (x)
1
b−a

x
0 a b

◮ a e b podem ser escritos em função da média E(X) e do

desvio padrão σ(X):
√
a = E(X) − 3 σ(X)
√
b = E(X) + 3 σ(X)
Distribuição Uniforme – Exemplo

◮ Carmen e Selma combinam de se encontrar entre 18 e 19

horas para jantar em um restaurante japonês.
◮ Seja C = hora de chagada de Carmen
◮ Seja S = hora de chagada de Selma
◮ Suponha que C e S sejam independentes com distribuição
uniforme no intervalo [18; 19].
◮ Pede-se:
◮ Determine a média e o desvio padrão de C e S
◮ Determine a probabilidade de que ambas cheguem entre 18h30
e 18h45.
Distribuição Uniforme – Exemplo

◮
E(C) = E(S) = 18,5 h
◮
√
σ(C) = σ(S) = 1/ 12 ≈ 0,29 h = 17,4 min
◮

P (18h30 < C < 18h45) = P (18h30 < S < 18h45) = 1/4

P [(18h30 < C < 18h45) ∩ (18h30 < S < 18h45)] = 1/16

4.3 Distribuição Normal

◮ É a distribuição mais importante na probabilidade e estatı́stica

◮ Muitas populações numéricas podem ser ajustadas
aproximadamente por uma curva normal apropriada.
Exemplo: Notas da P1 de Probabilidade da Turma 1 (2017) –
E(X) = µ = 5,2, σ(X) = σ = 2,0
0.35

0.3

0.25

0.2
f(x)

0.15

0.1

0.05

0
0 2 4 6 8 10
x
4.3 Distribuição Normal
◮ Uma variável aleatória contı́nua X tem uma distribuição
normal com parâmetros µ e σ 2 em que −∞ < µ < ∞ e
σ > 0, se a f.d.p. de X for

1 (x−µ)2
f (x) = √ e− 2σ 2 , −∞<x<∞
2πσ 2

◮ É possı́vel mostrar (Dantas, páginas 159 e 160) que os

parâmetros µ e σ 2 são a média e a variância de X:

E(X) = µ e Var(X) = σ 2

◮ Como f (x) é uma f.d.p., temos que f (x) > 0 e

Z ∞
f (x)dx = 1
−∞

◮ A simetria corresponde à media da distribuição.

4.3 Distribuição Normal

◮ Três curvas de densidade normal diferentes

0.2
µ=80, σ=15
µ=100, σ=5
0.15 µ=60, σ=2.5
f(x)
0.1

0.05

0
40 60 80 100 120
x

◮ Um valor grande de σ significa que um valor de X longe de µ

pode ser bem observado, enquanto que é pouco provável que
isso ocorra com um valor pequeno de σ
4.3 Distribuição normal padrão

◮ O cálculo da probabilidade P (a ≤ X ≤ b) para

X ∼ N (µ; σ 2 ) exige o cálculo da integral
Z b
1 (x−µ)2
√ e− 2σ2 dx,
a 2πσ 2
que não tem uma solução fechada
◮ Para µ = 0 e σ 2 = 1, essa integral foi calculada
numericamente e tabelada para determinados valores de a e b
◮ Essas tabelas podem ser usadas para outros valores de µ e σ 2
◮ A distribuição normal com µ = 0 e σ 2 = 1 é denominada
distribuição normal padrão e a v.a. é representada por Z com
f.d.p.
1 2
f (z) = √ e−z /2 , − ∞ < z < ∞
2π
4.3 Distribuição normal padrão
◮ A tabela da distribuição normal padrão contém valores de
Z zc
P (0 < Z < zc ) = f (z)dz
0

µ=0, σ=1
0.4

0.3
P(0<Z<z )
c
f(z)

0.2

0.1

0
−4 −2 0 2 4
z zc
4.3 Exemplo 4.13

Determine as seguintes probabilidades normais padrão:

a) P (Z ≤ 1,25)
b) P (Z > 1,25)
b) P (Z ≤ −1,25)
d) P (−0,38 ≤ Z ≤ 1,25)
4.3 Exemplo 4.13 (a) P (Z ≤ 1,25)

Resolução:
a) P (Z ≤ 1,25) Desejamos calcular a área sombreada
µ=0, σ=1
0.4

0.3
f(z)

0.2

0.1

0
−4 −3 −2 −1 0 1.25 2 3 4
z

◮ Note que P (Z ≤ 1,25) = 0,5 + P (0 ≤ Z ≤ 1,25)

4.3 Exemplo 4.13 (a) P (Z ≤ 1,25)
Da Tabela da normal padrão, obtém-se
P (0 < Z < 1,25) = 0,39435

Assim, P (Z ≤ 1,25) = 0,5 + 0,39435 = 0,89435

4.3 Exemplo 4.13 (b) P (Z > 1,25)
Resolução:
b) P (Z > 1,25) Desejamos calcular a área sombreada
µ=0, σ=1
0.4

0.3

f(z)
0.2

0.1

0
−4 −3 −2 −1 0 1.25 2 3 4
z

Usando o resultado do item a), obtém-se

P (Z > 1,25) = 1−P (Z ≤ 1,25) = 1−[0,5+P (0 ≤ Z ≤ 1,25)]

= 1 − 0,89435 = 0,10565
4.3 Exemplo 4.13 (c) P (Z ≤ −1,25)
c) P (Z ≤ 1,25)
Desejamos calcular a área sombreada
µ=0, σ=1
0.4

0.3
f(z)
0.2

0.1

0
−4 −3 −2−1.25 0 1 2 3 4
z

Como a normal é simétrica, usando o resultado do item b),

obtém-se

P (Z ≤ −1,25) = P (Z > 1,25) = 0,10565

4.3 Exemplo 4.13 (d) P (−0,38 ≤ Z ≤ 1,25)

d) P (−0,38 ≤ Z ≤ 1,25)
Desejamos calcular a área azul que é igual à area vermelha
menos a área magenta

µ=0, σ=1 µ=0, σ=1 µ=0, σ=1

0.4 0.4 0.4

0.3 0.3 0.3

f(z)

f(z)

f(z)
0.2 0.2 0.2

0.1 0.1 0.1

0 0 0
−0.38 1.25 0 1.25 −0.38
z z z

Área vermelha = P (Z < 1,25) = 0,89435 (do item a)

4.3 Exemplo 4.13 (d) P (−0,38 ≤ Z ≤ 1,25)
d) P (−0,38 ≤ Z ≤ 1,25)

µ=0, σ=1 µ=0, σ=1 µ=0, σ=1

0.4 0.4 0.4

0.3 0.3 0.3

f(z)

f(z)

f(z)
0.2 0.2 0.2

0.1 0.1 0.1

0 0 0
−0.38 1.25 0 1.25 −0.38
z z z

Área magenta = P (Z < 0,38) = 0,5 − P (0 < Z < 0,38) =

= 0,5 − 0,14803 = 0,35197
4.3 Exemplo 4.13 (d) P (−0,38 ≤ Z ≤ 1,25)

d) P (−0,38 ≤ Z ≤ 1,25)

µ=0, σ=1 µ=0, σ=1 µ=0, σ=1

0.4 0.4 0.4

0.3 0.3 0.3

f(z)

f(z)

f(z)
0.2 0.2 0.2

0.1 0.1 0.1

0 0 0
−0.38 1.25 0 1.25 −0.38
z z z

Área azul = P (−0,38 ≤ Z ≤ 1,25)

= 0,89435 − 0,35197 = 0,54238
4.3 Distribuições normais não padrão

Se X ∼ N (µ, σ 2 ) então

X −µ
Z=
σ
tem distribuição normal padrão.
Dessa forma,
 
a−µ b−µ
P (a ≤ X ≤ b) = P ≤Z≤
σ σ
 
a−µ
P (X ≤ a) = P Z ≤
σ
 
b−µ
P (X ≥ b) = 1 − P Z <
σ
4.3 Distribuições normais não padrão
Se X ∼ N (µ, σ 2 ) então

X −µ
Z=
σ
tem distribuição normal padrão.
A padronização nada mais é do que calcular uma distância da
média e então expressar essa distância novamente como certo
número de desvios padrão.
Exemplos:
◮ Se X ∼ N (100, 152 ) então x = 130 corresponde a
z = (130 − 100)/15 = 2. Isto é 130 está a 2 desvios padrão à
direita (acima) da média.
◮ Similarmente, x = 85 fornece z = (85 − 100)/15 = −1 de
modo que 85 está à um desvio padrão à esquerda (abaixo) da
média.
4.3 Exemplo 4.16

O tempo que um motorista leva para reagir às luzes de freio de um

veı́culo em desaceleração é crucial para evitar colisões traseiras.
Esse tempo pode ser modelado por uma distribuição normal de
média 1,25 segundos e desvio padrão 0,46 segundos.
Pede-se:
◮ Calcule a probabilidade de que o tempo de reação esteja entre
1,00 e 1,75 segundo
◮ Calcule a probabilidade de que o tempo de reação exceda 2
segundos.
4.3 Exemplo 4.16
Resolução:
Vamos denotar o tempo de reação pela v.a. X ∼ N (1,25, 0,462 ).
Deseja-se calcular P (1,00 ≤ X ≤ 1,75).
Vamos então fazer uma mudança de variáveis para usar a tabela
da normal padrão, ou seja,
1,00 − 1,25 X − 1,25 1,75 − 1,25
≤ ≤
0,46 0,46 0,46
| {z }
Z

Dessa forma,

P (1,00 ≤ X ≤ 1,75) = P (−0,54 ≤ Z ≤ 1,09)

= P (0 < Z < 0,54) + P (0 < Z < 1,09) = 0,20540 + 0,36214

= 0,56754
4.3 Exemplo 4.16
4.3 Exemplo 4.16

Igualdade entre áreas

µ=0, σ2=1 µ=1,25, σ2=0,462

0.8 0.8

0.6 0.6
f(z)

f(x)
0.4 0.4

0.2 0.2

0 0
−4 −3 −2 −0.540 1.09 2 3 4 −4 −3 −2 −1 0 1 1.75 3 4
z x
4.3 Exemplo 4.16

 
2 − 1,25
P (X > 2) = P Z> = P (Z > 1,63)
0,46
= 0,5 − P (0 < Z < 1,63) = 0,5 − 0,44845 = 0,05155
4.3 Exemplo 4.18

A quantidade de água destilada dispensada por certa máquina tem

distribuição normal com valor médio de 64 onças (≈ 1814,369 g) e
desvio padrão de 0,78 onça (≈ 22,11263 g).
Qual o tamanho do recipiente c que assegurará que ocorra
transbordamento em apenas 0,5% das vezes?
4.3 Exemplo 4.18
Resolução:
Seja X ∼ N (64; 0,782 ) a v.a. que representa a quantidade
dispensada.
Deseja-se calcular P (X > c) = 0,005, ou de maneira equivalente
 
c − 64
P (X ≤ c) = 0,995 = P Z ≤
0,78
ou ainda
 
c − 64
P 0<Z≤ = 0,995 − 0,5 = 0,495
0,78
4.3 Exemplo 4.18

Da Tabela,
c − 64
= 2,58
0,78
e
c = (2,58)(0,78) + 64 = 66 oz (≈ 1871,069 g)
4.4 Distribuição Exponencial

◮ Uma variável aleatória contı́nua X tem uma distribuição

exponencial com parâmetro λ (λ > 0) se a f.d.p. de X for

λ e−λ x , x≥0
f (x) =
0, caso contrário

◮ O valor esperado da v.a. X distribuı́da exponencialmente é

Z ∞
1
E(X) = x λe−λx dx =
0 λ

e a variância é
1
V (X) = σ 2 = E(X 2 ) − [E(X)]2 = .
λ2
Ou seja, tanto a média quanto o desvio padrão valem 1/λ
4.4 Distribuição Exponencial
2

λ=2
1.5
λ=0.5
f(x) λ=1
1

0.5

0
0 2 4 6
x

◮ Integrando a f.d.p., obtemos a função de distribuição


0, x<0
F (x) =
1 − e−λx , x ≥ 0
4.4 Função de distribuição da exponencial

0, x<0
F (x) =
1 − e−λx , x ≥ 0

0.8

0.6
F(x)

λ=2
0.4
λ=0.5
0.2 λ=1

0
0 2 4 6
x
4.4 Exemplo 4.21

Considere que a variação de tensão de certas conexões de uma

ponte é modelada por uma distribuição exponencial com valor
médio 6 MPa.
Determine a probabilidade de que a variação da tensão:
◮ seja no máximo 10 MPa
◮ esteja entre 5 e 10 MPa.
4.4 Exemplo 4.21

Resolução:
Como E(X) = 1/λ = 6 ⇒ λ = 1/6.
◮ a probabilidade de que a variação da tensão seja no máximo
10 MPa é

P (X ≤ 10) = F (10) = 1 − e−(1/6)(10) = 1 − 0,189 = 0,811

◮ a probabilidade de que a variação da tensão esteja entre 5 e

10 MPa é

P (5 ≤ X ≤ 10) = F (10) − F (5)

   
= 1 − e−(1/6)(10) − 1 − e−(1/6)(5) = 0,246
Questão da P2 de 2016
◮ Uma máquina produz eixos para um cliente que exige que o
diâmetro seja maior que 19,80 mm.
◮ Ele paga R$ 5,00 por peça que atenda à especificação.
◮ As peças que tiverem diâmetro entre 19,70 mm e 19,80 mm
são consideradas de segunda qualidade e o valor pago por elas
é R$ 3,00 por peça.
◮ As peças com diâmetro menor que 19,70 mm são descartadas.
◮ Um estagiário avaliando os lotes produzidos, concluiu que o
diâmetro das peças produzidas obedece a uma distribuição
normal. Encontrou 6,68% das peças produzidas com diâmetro
abaixo de 19,80 mm e descobriu que 2,28% da produção total
de peças foi descartada.
◮ Qual a esperança do diâmetro das peças produzidas e seu
desvio padrão e qual o faturamento esperado na entrega de
1000 peças?
◮ Se o estagiário regular a máquina para uma esperança do
diâmetro 0,10 mm maior, qual será o novo faturamento para
1000 peças?
Teste 7 da P2 de 2016

O consumo diário de água de uma dada cidade pode ser

considerado como uma variável Normal com esperança
500 000 m3 /dia e desvio-padrão de 150 000 m3 /dia. O
suprimento diário de água é 600 000 m3 /dia com probabilidade
0,7, ou 750 000 m3 /dia com probabilidade 0,3. Qual a
probabilidade de falta d’água em um dia qualquer?
a) 0,3.
b) 0,45.
c) 0,05.
d) 0,19.
e) 0,75.
Teste 8 da P2 de 2016

O intervalo de tempo em minutos entre emissões consecutivas de

uma fonte radioativa é uma variável aleatória exponencial com
parâmetro λ = 0,2 emissões/min. Sabendo-se que o intervalo de
tempo para que ocorra a emissão de uma partı́cula é superior a 5
min, a probabilidade desse intervalo ser superior a 7 min vale
a) e−1 .
b) e−0,4 .
c) e0,4 .
d) e−1,4 .
e) e−2,4 .