Distribuição Normal
-
Upload
dina-fernandes -
Category
Documents
-
view
213 -
download
0
description
Transcript of Distribuição Normal
Introdução
Vamos trabalhar com distribuições de variáveis aleatórias contínuas
A distribuição mais importante de variável aleatória contínua é a distribuiçãonormal
Variável aleatória X: altura de um atleta, escolhido ao acaso, de entre osatletas de Portugal
Exemplo 1: Estudar a “altura” dos atletas que participam em competições
X é uma variável aleatória contínua
Distribuição Normal
Modelos de Probabilidades
Para estudar a população considere-se uma amostra constituida por 3560atletas, em que os dados obtidos estão organizados na tabela:
xi (em cm) Nº de atletas (fi) Frequência relativa fri
[150, 160[ 180 0,05
[160, 170[ 560 0,16
[170, 180[ 890 0,25
[180, 190[ 1110 0,31
[190, 200[ 630 0,18
[200, 210[ 190 0,05
Histograma e Polígono de fequências
Modelos de Probabilidades
Considerando cada vez mais observações e mais classes para o histograma, nolimite, o histograma terá o aspecto de uma linha curva representativa da funçãodensidade de probabilidade
A função densidade de probabilidade ou função de probabilidade, que serepresenta por uma curva com a forma de “sino” é, para a população, oequivalente ao histograma para a amostra
Esta função permite ter uma ideia intuitiva da distribuição de probabilidade deuma variável aleatória contínua
Modelos de Probabilidades
Uma função y = f(x) é uma função densidade de probabilidade de umavariável aleatória contínua X se:
• f(x) ≥ 0, para todo o x do intervalo em que está definida a variável aleatória;
• a área abaixo da curva é 1;
• a probabilidade de a variável tomar valores pertencentes ao intervalo [xi, xj]
é igual à área abaixo da curva e correspondente ao intervalo [xi, xj] conforme
sugere a figura.
xi xj
P(xi ≤ X ≤ xj) é igual à área a sombreado
Modelos de Probabilidades
A curva com o aspecto de “sino” é conhecidas por Curva Normal ou Curva deGauss
A curva normal fica caracterizada pelo valor médio e pelo desvio padrão
Uma distribuição normal de uma variável aleatória contínua, de valor médio e desvio padrão , representa-se por N(, )
Propriedades da curva normal
• É simétrica em relação a um eixo vertical que passa pelo ponto de abcissaigual ao valor médio da variável aleatória, assumindo aí o valor máximo
Modelos de Probabilidades
• Quanto maior for o desvio padrão , mais achatada é a curva
1 < 21
2
• A área compreendida entre a curva e o eixo das abcissas é igual a 1(probabilidade do acontecimento certo)
µ+
• A área compreendida entre a curva, o eixo das abcissas e as rectas verticaisque passam nos pontos - e + de abcissa é, aproximadamente, igual a0,683
µ-
P(µ- < X< µ+) = P(µ- ≤ X ≤ µ+) 0,683
Modelos de Probabilidades
• A área compreendida entre a curva, o eixo das abcissas e as rectas verticaisque passam nos pontos -2 e +2 de abcissa é, aproximadamente, igual a0,954
µ+2µ-2
P(µ-2 ≤ X ≤ µ+2) 0,954
µ+3
• A área compreendida entre a curva, o eixo das abcissas e as rectas verticaisque passam nos pontos -3 e +3 de abcissa é, aproximadamente, igual a0,997
µ-3
P(µ-3 ≤ X ≤ µ+3) 0,997
Modelos de Probabilidades
Na distribuição normal com média μ e desvio padrão σ:
• 68,3% das observações estão entre μ - σ e μ + σ
• 95,4% das observações estão entre μ - 2σ e μ + 2σ
• 99,7% das observações estão entre μ - 3σ e μ + 3σ
-3 +3-2 +2- +
34,13% 34,13%
13,59%13,59%
2,15%2,15%0,13%
0,13%
50%50%
N(, )
Modelos de Probabilidades
Exemplo 2: A distribuição dos pesos dos soldados de um quartel segue umadistribuição normal com µ = 64 e = 10 (em kg). Determine a percentagem desoldados que pesam:a) Mais de 64 kg
X: peso de um soldadoPretende-se determinar P(X > 64)
P(X > 64) = P( X > µ) = 0,5
µ50% dos soltados pesam mais de 64 kg
Modelos de Probabilidades
P(54 < X < 74) = P(µ - < X < µ - ) 0,683
µ- = 64 – 10 = 54
µ+ = 64 + 10 = 74µ- µ+
b) Entre 54 kg e 74 kg
Pretende-se determinar P(54 < X < 74)
Aproximadamente, 68,3% dos soldados têm um peso compreendido entre 54 kge 74 kg
c) Menos de 54 kg
Pretende-se determinar P(X < 54)
P(X < 54) = P(X < µ - ) = µ
Cerca de 15,85% dos soldados têm um peso inferior a 54 kgµ-
Modelos de Probabilidades
Calculadora gráfica (TEXAS)
Para obter o gráfico da função densidade da distribuição N(, ):
Em Y1 inserir DISTR/2:
normalpdf(X, , )
Janela: [0, 100]x[-0.001,0.05]
0,5 - 0,683/2 0,1585
d) Entre 45 kg e 70 kg
Modelos de Probabilidades
DISTR (2nd/vars)
2:normalcdf(limite inferior, limite superior, , )
P( 45 < X < 70) = normalcdf(45, 70, 64,10)
Para calcular P(a ≤ X ≤ b), faz-se:
DISTR/DRAW/1:shadeNorm(a, b, , )
Pretende-se determinar P(45 < X < 70)
Usar a função de distribuição normal acumulada normalcdf
Visualizar o intervalo indicado e calcular a probabilidade
Janela: [0, 100]x[-0.015,0.05]
0,69703
Uma distribuição normal fica definida dados o valor médio µ e o desvio-padrão
N(0, 1)
Representação gráfica da função densidade correspondente à distribuição
normal N(0, 1):
Modelos de Probabilidades
Distribuição Normal Standardizada
Distribuição normal standard ou Distribuição normal
standardizada ou Distribuição normal tipificada
Função densidade de uma variável aleatória N(µ, ) para diferentes parâmetrosµ e
N(3, 0.6)N(0, 2)
N(4, 8)
Dada uma variável aleatória X, define-se função distribuição ou funçãodistribuição cumulativa de X, à função F(x), definida por
Calcular P( a X b)
Modelos de Probabilidades
F(x) = P(X x), para todo o x real,
x
P( a X b) = F(b) – F(a)
ba
ou (x) = P(X x)
F(x)
Tabela
Modelos de Probabilidades
a) P( Z 1,25)
Exemplo 3: Determine em percentagem e com três casas decimais, asprobabilidades seguintes:
Tabela da distribuição normal
Procurar na coluna da
esquerda
1,2 (unidade, décima)
Procurar na linha de cima
0,05 (centésimas)
P( Z 1,25) 0,894 35
1,25 = 1,2 + 0,05
Distribuição Normal, N(0, 1), com µ = 0 e = 1
Calculadora gráfica (TEXAS)
Modelos de Probabilidades
P( Z 1,25) = 0,5 + normalcdf(0, 1.25, 0, 1) 0,894 35
b) P( Z ≥ 1,3)
Tabela
P( Z ≥ 1,3) = 1 – P(Z 1,3) 1 – 0,9032 = 0,0968
Probabilidade pedida: 89, 435%
Calculadora gráfica (TEXAS)
P( Z ≥ 1,3) = 0,5 - normalcdf(0, 1.3, 0, 1) 0,0968
Probabilidade pedida: 9,68%
Modelos de Probabilidades
c) P( Z 0,5)
Tabela
P(Z 0,5) 0,69146
Calculadora gráfica (TEXAS)
P( Z 0,5) = 0,5 + normalcdf(0,0.5, 0, 1) 0,69146
Probabilidade pedida: 69,1%
d) P( Z ≥ - 0,5)
Tabela
P( Z ≥ -0,5) = P(Z 0,5) 0,69146
Calculadora gráfica (TEXAS)
P( Z ≥ -0,5) = 0,5 + normalcdf(-0.5,0, 0, 1) 0,69146
Probabilidade pedida: 69,1%
Modelos de Probabilidades
e) P(0,2 Z 1,33)
Tabela
P(0,2 Z 1,33) = P(Z 1,33) – P(Z 0,2) 0,90824 – 0,57926
Calculadora gráfica (TEXAS)
P(0,2 Z 1,33) = normalcdf(0.2, 1.33, 0, 1) 0, 32898
Probabilidade pedida: 32,898%
Tabela
Calculadora gráfica (TEXAS)
P(-0,3 Z 1,32) = normalcdf(-0.3,1.32, 0, 1) 0,52449
Probabilidade pedida: 52,449%
= 0,32898
f) P(-0,3 Z 1,32)
P(-0,3 Z 1,32) = P(Z 1,32) – P(Z -0,3) = P(Z 1,32) – (1 - P(Z 0,3))
0,90658 – 1 + 0,61791
= 0,52449
Calcular a probabilidade de uma distribuição N(, )
Variável X da distribuição N(, )
Modelos de Probabilidades
Estandardização da variável
Variável Z da distribuição N(0, 1)
Estandardização ou tipificação da variável
Exemplo 4
Calcule P(8 < X < 11), sabendo que X N(10, 2)
P(-1 < Z < 0,5) = normalcdf(-1, 0.5, 0, 1) 0,533
Exemplo 5: Num estudo concluiu-se que o valor médio para a vida útil do motorde um autocarro é de sete anos com um desvio padrão de dois anos.Admita que a variável aleatória, X, que corresponde à vida útil de um motor deum autocarro, em anos, se distribui normalmente.
a) Determine, em percentagem, a probabilidade de um motor de umautocarro ter uma vida útil superior a 8 anos?
P(X > 8) = P( Z > (8 – 7)/2)
normalcdf(8, 500, 7, 2) 0,30854
Modelos de Probabilidades
A variável X: “vida útil de um motor de um autocarro” segue uma distribuição normal N(7, 2)
= P( Z > 0,5) = 1 - P( Z 0, 5)
= 1 – 0,69146 = 0,30854
Calculadora gráfica (TEXAS)
P(X > 8) =
A probabilidade pedida é 30,85%
b) Determine a percentagem de motores de autocarros com uma vida útilentre 6 e 9 anos. Apresente os valores aproximados às décimas.
P(6 X 9) = P( X 9) – P(X 6)
normalcdf(6, 9, 7, 2) 0,5328
Modelos de Probabilidades
= P( Z (9 – 7)/2) – P( Z (6 – 7)/2)
Calculadora gráfica (TEXAS)
= P( Z 1) – P( Z -0,5)
= P( Z 1) – P( Z ≥ 0,5)
= P( Z 1) – [1- P( Z < 0,5)]
= 0,84134 – 1 + 0,69146
= 0,5328
P(6 X 9) =
A probabilidade pedida é 53,28%