Universidade Federal de Alagoas Centro de Tecnologia Estatística Aula 16 Prof. Marllus Gustavo Ferreira Passos das Neves Adaptado do material elaborado pelos Prof. Wayne Santos de Assis e Christiano Cantarelli Rodrigues Aula 17 Distribuição Uniforme Distribuição Normal Aplicações Distribuição Contínua de Probabilidade Revisão A área (isto é, a integral) sob a função de densidade de probabilidade em um determinado intervalo fornece a probabilidade de ocorrência de um valor dentro desse intervalo f ( x )dx 1 f ( x) 0 b P (a X b) a f ( x ) dx Esperança de uma v.a. contínua v.a. discreta E (X ) E(X ) x i X f ( X ) dX Para uma variável aleatória contínua f ( xi ) Variância e Desvio Padrão de uma v.a. Contínua V ar ( X ) 2 V ar ( X ) 2 ( X ) p ( X ) - v.a. discreta 2 ( X ) f ( X ) dX 2 Para uma variável aleatória contínua Var ( X ) Distribuição Uniforme Definição área = 1 f(x) 1 1. f ( x ) 0 2 … n Sempre positiva 2. Área abaixo da curva exatamente igual a 1 Distribuição Uniforme Definição 3. A área sob a curva e acima de qualquer intervalo de valores é a probabilidade (proporção) de todas as observações que se enquadram naquele intervalo. f(x) 1 se a x b f ( x) b a 0 caso contrário a b área = P ( a X b ) Distribuição Uniforme Demonstração f(x) X = [a, b] a X b ? h a b X b f ( x=) ? 1 f(x) (área do retângulo) a h (b a ) 1 h 1 ba f (x) 1 ba Distribuição Uniforme Esperança e Variância f(x) X = [a, b] a X b 1/(b - a) b a b E(X ) X a b f (x) 1 E(X ) ba E(X ) ? xf ( x )dx 1 x b a dx a E(X ) V ar ( X ) ? 1 2 ba 2 b a 2 E(X ) x b ba b xdx a b2 a 2 ba 2 1 a 2 2(b a ) 1 ( b a )( b a ) 2(b a ) ab 2 Distribuição Uniforme Esperança e Variância X = [a, b] a X b f(x) 1/(b - a) Var ( X ) E ( X ) [ E ( X )] 2 a b f (x) X b E(X ) 2 1 x 2 f ( x )dx a ba b E(X ) 2 E(X ) 2 ab x 2 a 1 ba dx 1 b x ba 2 dx a 2 E(X ) 2 1 x 3 ba 3 b b3 a 3 ba 3 1 a b a 3 E(X ) 2 3 3( b a ) continua ... Distribuição Uniforme Esperança e Variância f(x) X = [a, b] a X b 1/(b - a) Var ( X ) E ( X ) [ E ( X )] 2 a b X b a 3 f (x) 1 V ar ( X ) 3 3( b a ) (a b) 2 4 ba 4 ( b a ) 3( b a )( a b ) 3 E(X ) 2 ab V ar ( X ) 3 2 12 ( b a ) 2 4 b 4 a 3 b 3 ab 3 a b 3 a 3 V ar ( X ) 3 2 2 3 12 ( b a ) b 3 ab 3 a b a 3 V ar ( X ) 3 2 2 12 ( b a ) 3 (b a ) 3 12(b a ) (b a ) 12 2 Distribuição Uniforme Esperança e Variância f(x) 1/(b - a) f (x) a E(X ) b 1 ba X ab aXb 2 Var ( X ) (b a ) 12 2 Distribuição Normal (Gaussiana) Introdução A Distribuição Normal é o modelo mais usado para expressar a distribuição de probabilidade de uma variável aleatória Esta distribuição também é conhecida como Curva de Gauss, e apresenta um gráfico em forma de sino, com média determinando o centro da função e com desvio padrão determinando a largura da função Distribuição Normal (Gaussiana) É a mais usada e mais famosa distribuição de probabilidade para v.a. contínuas Uma Distribuição de frequência pode ter o seguinte formato Gráfico simétrico em relação à: média, mediana,.... ocorrendo isto, provavelmente os dados de origem se comportam segundo a distribuição normal Distribuição Normal (Gaussiana) f ( x) 1 2 ( X ) e 2 2 2 X e 2, 71828... Parâmetros da distribuição média da população desvio padrão da população Notação: X ~ N ( ; 2 ) ~ significa segue X ~ significa que a v.a. segue uma distribuição ... Distribuição Normal (Gaussiana) média Equação: f x 1 σ 2π e -x 2 Desvio padrão f(x) 1 x μ 2 σ X Distribuição Normal (Gaussiana) Propriedades da curva normal a) suave, unimodal e simétrica em relação à média b) aproxima-se do eixo das abscissas à medida que x se afasta da média curva muda a concavidade nos pontos – e + c) a área total sob a curva representa 100% de probabilidade d) por causa da simetria, à esquerda da média 50% e à direita da média também 50% média Também a moda e a mediana Distribuição Normal 0.1 Médias diferentes e desvios padrão iguais 0 40 50 60 70 80 90 100 0.1 Médias iguais e desvios padrão diferentes 0 40 50 60 70 80 90 100 Distribuição Normal Como calcularemos probabilidades? média = 100 e desvio padrão 50 X ~ N (100, 502) A probabilidade entre 150 e 200 Distribuição Normal Toda vez que um no estiver Afastado da média 1 área corresponde a 68,26% da área total O mesmo raciocínio para: 2 95,5%, 2,575 99% ... Distribuição Normal z vezes o desvio padrão Para direita Para esquerda P(µ-σ < X < µ-σ ) = 0,6826 P(µ-2σ < X < µ-2σ ) = 0,9545 P(µ-3σ < X < µ-3σ ) = 0,9973 Distribuição Normal Exemplo 1 Se a distribuição do consumo de sacos de cimento no período entre o pedido de compra e a entrega segue uma distribuição normal, podemos utilizar a curva abaixo X = consumo de sacos de cimento no período entre o pedido de compra e a entrega X ~ N (15, 62) = 15 sacos -10 = 6 sacos 0 10 20 30 40 Distribuição Normal Exemplo 1 Proporções e probabilidades do consumo de sacos de cimento no período entre o pedido de compra e a entrega 3 9 15 68% 21 27 = 15 sacos = 6 sacos 95% probabilidade de consumir entre 9 e 21 sacos no período é de 0,68 probabilidade de consumir entre 3 e 27 sacos no período é de 0,95 Em 2,5% das vezes o consumo é superior a 27 sacos Em 50% das vezes o consumo é superior a 15 sacos Distribuição Normal Exemplo 1 Proporções e probabilidades do consumo de sacos de cimento no período entre o pedido de compra e a entrega P (21 X 27 ) 0,135 P ( X 21) 0,16 -10 -5 0 5 10 15 20 25 30 35 40 Portanto, em mais de 16% das vezes necessitou-se de mais cimento do que o disponível no estoque. Distribuição Normal Padrão Vimos que a curva normal possui áreas padronizadas P(µ - σ < X < µ - σ) = 0,6827 z = 1 vez o desvio padrão distante de média P(µ - 2σ < X < µ - 2σ) = 0,9545 z = 2 vezes ... P(µ - 3σ < X < µ - 3σ) = 0,9973 z = 3 vezes ... z é a chamada variável reduzida, calculada assim: z Xμ σ Distribuição Normal Padrão Com a variável reduzida z Xμ σ A equação original se modifica: f z Média = 0 e Desvio padrão = 1 1 2π e 1 2 z Distribuição normal padrão Z ~ N(0,1) As tabela fornecem o valores da área Entre 0 e z 2 Distribuição Normal Padrão Muitas vezes estamos interessados em valores de probabilidade que a regra 68-95-99,7 não pode nos fornecer Como calcular a área abaixo da curva (probabilidade) nestes casos? Cálculo Integral Padronização da curva Normal Tabela z Distribuição Normal Padrão N ( ; 2 ) N ( 0 ;1 ) z X Distância de X da média Métrica dessa distância z > 0 X maior que a média z < 0 X menor que a média =0 =1 Distribuição Normal Padrão A distribuição Normal Padrão é a distribuição de uma variável aleatória que possui igual a zero e 2 igual a 1. Nesta condição esta distribuição é representada por Z. = 0 e 2 = 1 f z 1 2π e 1 2 z 2 O cálculo da probabilidade normal, usando a função, algumas vezes requer métodos não elementares, portanto, esta probabilidade é determinada usando dados tabelados representados por: (z) = P (Z z) Distribuição Normal Padrão Qual a probabilidade da variável aleatória distribuição normal padrão, estar entre 0 e 1? z, p (0 z 1) 0, 34 Regra 68-95-99,7 -4 -3 -2 -1 0 1 2 3 4 Distribuição Normal Padrão P (0 z 1) Segunda casa decimal de z z z 0,00 0,01 0,02 0,03 0,04 0,05 0,06 0,07 0,08 0,09 0,0 0,00000 0,00399 0,00798 0,01197 0,01595 0,01994 0,02392 0,02790 0,03188 0,03586 0,1 0,03983 0,04380 0,04776 0,05172 0,05567 0,05962 0,06356 0,06749 0,07142 0,07535 0,2 0,07926 0,08317 0,08706 0,09095 0,09483 0,09871 0,10257 0,10642 0,11026 0,11409 0,3 0,11791 0,12172 0,12552 0,12930 0,13307 0,13683 0,14058 0,14431 0,14803 0,15173 0,4 0,15542 0,15910 0,16276 0,16640 0,17003 0,17364 0,17724 0,18082 0,18439 0,18793 0,5 0,19146 0,19497 0,19847 0,20194 0,20540 0,20884 0,21226 0,21566 0,21904 0,22240 0,6 0,22575 0,22907 0,23237 0,23565 0,23891 0,24215 0,24537 0,24857 0,25175 0,25490 0,7 0,25804 0,26115 0,26424 0,26730 0,27035 0,27337 0,27637 0,27935 0,28230 0,28524 0,8 0,28814 0,29103 0,29389 0,29673 0,29955 0,30234 0,30511 0,30785 0,31057 0,31327 0,9 0,31594 0,31859 0,32121 0,32381 0,32639 0,32894 0,33147 0,33398 0,33646 0,33891 1,0 0,34134 0,34375 0,34614 0,34849 0,35083 0,35314 0,35543 0,35769 0,35993 0,36214 1,1 0,36433 0,36650 0,36864 0,37076 0,37286 0,37493 0,37698 0,37900 0,38100 0,38298 1,2 0,38493 0,38686 0,38877 0,39065 0,39251 0,39435 0,39617 0,39796 0,39973 0,40147 Distribuição Normal Padrão Distribuição Normal Padrão Distribuição Normal Padrão Exemplo 2 Calcular as seguintes probabilidades: P(Z > 1,26) = 1 – P(Z 1,26) = 1 – 0,896165 = 0,103835 P(Z < -0,86) = 0,194894 P(Z > -1,37) = 1 – P(Z -1,37) = 1 – 0,085343 = 0,914657 P(-1,25 < Z < 0,37) = P(Z < 0,37)-P(Z < -1,25) = 0,644309 – 0,105650 = 0,538659 Distribuição Normal Padrão Exemplo 3 Controle de Estoque O estoque de cimento em uma determinada obra acaba quando a demanda durante o tempo de espera (entre o pedido de compra e a entrega) é maior que 20 sacos. Qual a probabilidade de que isto aconteça? = 15 sacos = 6 sacos -10 P ( X 20) -5 0 5 10 15 20 25 30 35 40 Distribuição Normal Padrão z X 20 15 0, 83 6 P ( X 20) P ( X 20) P ( z 0, 83) 0, 5 0, 2967 0, 2033 X -10 -5 0 5 10 15 20 25 30 35 40 Área da tabela z P ( z 0, 83) z -4 -3 -2 -1 0 1 0,83 2 3 4 A chance de que o estoque acabe antes do tempo de espera é de 20,33%. Distribuição Normal Padrão P (0 z 0, 83) 0 z zc z Segunda casa decimal de z c z 0,00 0,01 0,02 0,03 0,04 0,05 0,06 0,07 0,08 0,09 0,0 0,00000 0,00399 0,00798 0,01197 0,01595 0,01994 0,02392 0,02790 0,03188 0,03586 0,1 0,03983 0,04380 0,04776 0,05172 0,05567 0,05962 0,06356 0,06749 0,07142 0,07535 0,2 0,07926 0,08317 0,08706 0,09095 0,09483 0,09871 0,10257 0,10642 0,11026 0,11409 0,3 0,11791 0,12172 0,12552 0,12930 0,13307 0,13683 0,14058 0,14431 0,14803 0,15173 0,4 0,15542 0,15910 0,16276 0,16640 0,17003 0,17364 0,17724 0,18082 0,18439 0,18793 0,5 0,19146 0,19497 0,19847 0,20194 0,20540 0,20884 0,21226 0,21566 0,21904 0,22240 0,6 0,22575 0,22907 0,23237 0,23565 0,23891 0,24215 0,24537 0,24857 0,25175 0,25490 0,7 0,25804 0,26115 0,26424 0,26730 0,27035 0,27337 0,27637 0,27935 0,28230 0,28524 0,8 0,28814 0,29103 0,29389 0,29673 0,29955 0,30234 0,30511 0,30785 0,31057 0,31327 0,9 0,31594 0,31859 0,32121 0,32381 0,32639 0,32894 0,33147 0,33398 0,33646 0,33891 1,0 0,34134 0,34375 0,34614 0,34849 0,35083 0,35314 0,35543 0,35769 0,35993 0,36214 1,1 0,36433 0,36650 0,36864 0,37076 0,37286 0,37493 0,37698 0,37900 0,38100 0,38298 1,2 0,38493 0,38686 0,38877 0,39065 0,39251 0,39435 0,39617 0,39796 0,39973 0,40147 Atenção: esta tabela é um pouco diferente da anterior Distribuição Normal Padrão Roteiro para uso da tabela Desenhar a curva com: 0 no meio, z1 e z2 z1 e z2 em lados opostos: achar a área de cada um e somar Distribuição Normal Padrão z1 e z2 no mesmo lado: diminuir: área maior – área menor Distribuição Normal Padrão Se quisermos uma área além de z? fazemos 0,5 – área de dentro A mesma coisa para o lado esquerdo Distribuição Normal Padrão O último caso é este Fazemos: 1 – área de dentro Distribuição Normal Padrão Qual a área entre z = -1 e z = 1? 0,3413 0,3413 0,6826 ou 68,26% Distribuição Normal Padrão Qual a área entre z = -1,25 e z = 1,25? 0,3944 0,3944 0,7888 ou 78,88% Distribuição Normal Padrão Qual a área entre z = 1 e z = 2? Distribuição Normal Padrão Qual a área para z maior que 2,25? Distribuição Normal Padrão QUE TIPO DE PROBLEMA NECESSITA DA DN E COMO RESOLVÊ-LO Distribuição Normal Padrão Quando os dados de origem se comportarem deste jeito; Ou quando houver condições teóricopráticas obedecidas Distribuição Normal Padrão Roteiro: resolver problemas 1) Identificar a média, o desvio padrão e a área desejada 2)Desenhar a curva do problema Média no meio Valores de interesse Distribuição Normal Padrão 3) Calcular os valores de z: z X X s 4) Desenhar a curva normal padrão 5) Calcular como antes (TABELA) Distribuição Normal Padrão Exemplo – restaurante Peso médio consumido: 0,56 kg. Desvio padrão é de 0,040 kg. Admitir que esta v.a. seja distribuída normalmente e determinar: (a)quantas pessoas comem entre 0,50 e 0,70 kg; (b) mais do que 0,65 kg. 1) = 0,56 e = 0,04 Letra a) P(0,50 < X < 0,70) = ? Letra b) P(X > 0,65) = ? Distribuição Normal Padrão Letra a) 2) Curva do problema 3) Valores de z z1 0,50 0,56 0,04 1,50 4) Curva normal padrão z2 0,70 0,56 0,04 3,50 Distribuição Normal Padrão 5) Área (TABELA) Área = 0,9330 93,3% dos pratos servidos estão entre 0,50 e 0,70 kg. Letra b) R.: somente 1,22% dos pratos têm peso maior que 0,65 kg. Universidade Federal de Alagoas Centro de Tecnologia Estatística Aula 16 Prof. Marllus Gustavo Ferreira Passos das Neves Adaptado do material elaborado pelos Prof. Wayne Santos de Assis e Christiano Cantarelli Rodrigues