Objetivos

Nessa parte do conteúdo, trataremos dos seguinte temas.

  • Distribuição de uma variável aleatória contínua.

  • Esperança e Variância;

  • Modelo Exponencial;

  • Modelo Normal.

V.A. Contínua e suas distribuições

Variável Aleatória Contínua

  • Uma variável aleatória (absolutamente) contínua \(X\) assume valores em um intervalo da reta (conjunto não enumerável de valores).

  • São exemplos de variáveis aleatórias contínuas:

  1. o tempo de duração de um vídeo escolhido de forma aleatória numa plataforma de streaming;
  2. a altura da água em uma represa;
  3. comprimento de parafusos em uma linha de produção;
  4. pesos de bebês ao nascer;
  5. o tempo de vida de uma lâmpada.

Distribuição de Probabilidade de uma V.A. Contínua

  • A distribuição de probabilidade de uma v.a. contínua é dada pela coleção de probabilidades associadas aos intervalos mensuráveis da reta.

  • Ou seja, se \(X\) é uma v.a. contínua, sua distribuição é dada por:

\[P[X \in (a,b)], \ \forall \ \ (a,b) \subset \mathbb{R}.\]

  • Para obtenção desses valores de probabilidades, deve-se obter uma função positiva, de modo que a soma da área abaixo de sua curva seja igual a 1.

Exemplo: Os dados apresentados no histograma são observações de rpm (rotação por minuto), de um forno rotativo em uma fábrica de cimento, coletados a cada 30 segundos durante um dia de operação.

Distribuição de Probabilidade de uma V.A. Contínua

  • A distribuição de probabilidade de uma v.a. contínua é dada pela coleção de probabilidades associadas aos intervalos mensuráveis da reta.

  • Ou seja, se \(X\) é uma v.a. contínua, sua distribuição é dada por:

\[P[X \in (a,b)], \ \forall \ \ (a,b) \subset \mathbb{R}.\]

  • Para obtenção desses valores de probabilidades, deve-se obter uma função positiva, de modo que a soma da área abaixo de sua curva seja igual a 1.

  • Na prática, precisamos da função que descreve os dados, para obter valores de probabilidades da v.a. em questão.

Exemplo: Os dados apresentados no histograma são observações do torque necessário para girar um forno rotativo em uma fábrica de cimento, coletados a cada 30 segundos durante um dia de operação.

FDP

Representação gráfica

Função densidade de probabilidade (fdp)

Definição

A v.a. \(X\) tem uma distribuição de probabilidades contínua se existe uma função não-negativa \(f:\mathbb{R} \rightarrow [0,\infty)\) que tenha a propriedade de que, para qualquer conjunto \((a,b) \subset \mathbb{R}\),

\[P(X \in (a,b))=P(a<X<b)=\int_{a}^{b}f(x)dx.\]

A função \(f\) é chamada de função densidade de probabilidade (f.d.p.) da variável aleatória \(X\).

  • A probabilidade de que \(X\) esteja no intervalo \((a,b)\) pode ser obtida integrando a função densidade de probabilidade ao longo do conjunto \((a,b) \subset \mathbb{R}\).

  • A definição acima é válida somente para os conjuntos denominados mensuráveis de \(\mathbb{R}\),

  • no entanto, esses conjuntos incluem todos os conjuntos de interesse prático.

  • Portanto, aqui, a preocupação com essas questões técnicas não é necessária.

Propriedades da função densidade de probabilidade

  1. \(f(x)\geqslant 0\) para todo \(x \in \mathbb{R}\);
  2. \(P(-\infty<X<\infty)=\int_{-\infty}^{\infty}f(x)dx=1.\)
  3. Se \(a=b\), então \(P(a\leq X \leq a)=\int_{a}^{a}f(x)dx=0\)
  • Pela propriedade (c), vemos que a inclusão ou não dos extremos de um intervalo,

  • é irrelevante para obtenção da probabilidade.

  • Ou seja:

\[P(a\leq X\leq b)=P(a<X<b)=\int_{a}^{b}f(x)dx.\]

FDA

Função de Distribuição Acumulada (FDA)

Considere o intervalo \(I=(-\infty,c]\), supondo que \(f(y)\) seja a f.d.p. da v.a. \(Y\), a sua função de distribuição acumulada (FDA) é: \[F(k)=P(Y \leq k)= \int_{-\infty}^{k}f(y)dy,\] para todo \(k\) \(\in \mathbb{R}\).

  • A probabilidade da v.a. \(Y\) estar em um intervalo \([a,k]\) é dada por: \[P(a<Y<k)=P(a\leq Y \leq k)= F(k)-F(a).\]
## [1] 0.1024

Exemplo

Seja a função:

\[f(x)=c(x^2+x),\mbox{ se }0\leq x \leq 1; \mbox{ e } 0 \mbox{ caso contrário.}\]

Encontre \(c\) de modo que \(f(x)\) seja uma função densidade de probabilidade de alguma variável aleatória X, em seguida obtenha o que se pede.

  • A FDA:

  • Usando a FDA o valor \(P(0,5<X<0,6).\)

Exemplo

Seja a função:

\[f(x)=c(x^2+x),\mbox{ se }0\leq x \leq 1; \mbox{ e } 0 \mbox{ caso contrário.}\]

Encontre \(c\) de modo que \(f(x)\) seja uma função densidade de probabilidade de alguma variável aleatória X, em seguida obtenha o que se pede.

  • A FDA: \(F(k) = 6\frac{k^3}{15}+6\frac{k^2}{10}.\)

  • Usando a FDA o valor \(P(0,5<X<0,6)=0,1024.\)

Esperança e Variância de uma v.a. Contínua

Se \(Y\) é uma v.a. contínua com f.d.p. \(f(y)\), então sua esperança é dada por:

\[ E(Y) = \mu = \int_{-\infty}^{\infty} y f(y)dy. \] - Se a integral não for finita, dizemos que a distribuição não tem esperança.

  • A variância é dada por:

\[Var(Y) = \sigma^2=E(Y^2)- E(Y)^2,\]

em que

\[ E(Y^2) = \int_{-\infty}^{\infty} y^2 f(y)dy. \] - Todas as propriedades válidas para a esperança e a variância de uma v.a. discreta, também valem para o caso contínuo.

Exemplo

Seja a função de densidade de probabilidade da v.a. X:

\[f(x)= \frac{6}{5}(x^2+x),\mbox{ se }0\leq x \leq 1; \mbox{ e } 0 \mbox{ caso contrário.}\]
Obtenha a esperança e a variância de X a partir dessa densidade.

Exemplo

Seja a função de densidade de probabilidade da v.a. X:

\[f(x)= \frac{6}{5}(x^2+x),\mbox{ se }0\leq x \leq 1; \mbox{ e } 0 \mbox{ caso contrário.}\]
Obtenha a esperança e a variância de X a partir dessa densidade.

  • \(E[X]=0,7.\)

  • \(E[X^2]=0,54.\)

  • \(Var(X)=E[X^2]-E[X]^2=0,54-(0,7)^2=0,05\)

  • Desvio-padrão: \(\sqrt{0,05}=0,2236.\)

Exemplo

Suponha que o tempo gasto por um algoritmo para realizar uma tarefa é uma variável aleatória \(Y\) contínua, cuja frequência pode ser descrita por:

\[ f(y) = \left\{ \begin{array}{cc} 2y^2 & \mbox{se } 0\leq y<1;\\ 4y-2y^2 & \mbox{se } 1\leq y<2;\\ 0 & \mbox{ se } y \notin [0,2).\end{array} \right. \]

Verifique se a \(f(x)\) é uma f.d.p., caso seja necessário, encontre a constante normalizadora e faça a correção para obter os valores de probabilidades.
  1. \(P(0,5<Y<1,5)\)
  2. \(P(0<Y<1)\)

Exemplo

Obtenha a esperança e a variância da variável dada no exemplo anterior, em que a densidade é dada por:

\[ f(y) = \left\{ \begin{array}{cc} y^2 & \mbox{se } 0\leq y<1;\\ 2y-y^2 & \mbox{se } 1\leq y<2;\\ 0 & \mbox{ se } y \notin [0,2).\end{array} \right. \]