Baixe o app para aproveitar ainda mais
Prévia do material em texto
Probabilidade e Estatı́stica 4 - Variáveis aleatórias contínuas e discretas Faculdade Araguaia- Curso de Construção de Edifícios 1 SUMÁRIO 4 VARIÁVEIS ALEATÓRIAS CONTÍNUAS E DISCRETAS ...... ................................................ 2 4.1 FUNÇÃO DE PROBABILIDADE DE UMA VARIÁVEL DISCRET A .................................. 2 4.2 FUNÇÃO DENSIDADE DE PROBABILIDADE (VARIÁVEL ALE ATÓRIA CONTÍNUA) ................................................................................................................................................................ 4 2 4 VARIÁVEIS ALEATÓRIAS CONTÍNUAS E DISCRETAS Em nossa unidade de número 4 iremos estudar o primeiro tópico para a avaliação de N2. Trataremos do tema variáveis aleatórias. Segundo Crespo (2009) uma variável aleatória ou simplesmente variável pode ser definida como o conjunto de resultados possíveis de um fenômeno. Vejamos alguns exemplos. Para o fenômeno “sexo” são dois os resultados possíveis: masculino e feminino. Já o para o fenômeno “número de filhos” há um número de possíveis resultados, que são expressos por meio do conjunto dos números naturais, ou seja, 0, 1, 2, 3... Para o fenômeno “estatura” os resultados encontrados podem ser infinitos números dentro de um determinado intervalo, por exemplo, entre 1,60 a 1,95. As variáveis aleatórias podem ser classificadas quanto a sua natureza. Dessa forma é possível observar duas classificações, a saber: variáveis aleatórias qualitativas e variáveis aleatórias quantitativas. As variáveis qualitativas, segundo Crespo (2009), são expressas por atributos, tais como: sexo (masculino ou feminino), cor do carro (branco, vermelho, prata e preto). Já o segundo grupo os valores são expressos em números, por exemplo, idade de um grupo de alunos, preço de material hidráulico. O quadro a seguir apresenta mais alguns exemplos. QUADRO 1 – VARIÁVEIS QUALITATIVAS E QUANTITATIVAS QUALITATIVAS QUANTITATIVAS Grau de satisfação (regular, bom, ótimo) Número de filhos Nomes de curso de graduação Área de um terreno Nomes de participantes de um concurso Salário mensal Por sua vez as variáveis definidas como quantitativas, podem ser classificadas em discretas ou contínuas. Dessa forma temos variáveis quantitativas discretas e variáveis quantitativas continuas. Uma variável discreta é aquela que pode ser contada ou enumerada, por exemplo: idade, preço, número de filhos. Já as variáveis continuas são aquelas que podem ser medidas, como: estatura, área de um terreno, volume. 4.1 FUNÇÃO DE PROBABILIDADE DE UMA VARIÁVEL DISCRET A Conforme Fonseca e Martins (1996) seja X uma variável aleatória discreta. A probabilidade de que a variável aleatória X assuma um dado valor x, é a função de probabilidade de X que se representa por P (X = x) ou simplesmente P (x). A função P (X = x) determina a distribuição de 3 probabilidade da variável aleatória. A probabilidade, P (x), pode ser expressa por uma tabela, gráfico ou fórmula. Vamos observar o seguinte exemplo, o lançamento de uma moeda. Neste evento desejamos encontrar a probabilidade de encontrarmos o resultado “cara”. Os possíveis resultados para o evento são: “cara” e “coroa”. Por meio da tabela temos a probabilidade associada aos possíveis resultados, ou seja, não obtermos cara e obtermos cara. A probabilidade de não obtermos “cara” é representada pelo valor “0”. Como se trata do lançamento de uma moeda, temos apenas dois possíveis resultados. Assim temos uma chance em duas, logo à probabilidade de não obtermos o resultado “cara” no lançamento de uma moeda é de 1/2, ou seja, de 50%. Já a probabilidade de obtermos o resultado desejado, “cara” é representado pelo valor 1 na tabela. A chance de obtermos “cara” em um lançamento de uma moeda é também de uma chance em duas. Logo a probabilidade é de 1/2 ou 50%. x 0 1 P(x) 1/2 1/2 É possível, também, representar graficamente a situação descrita anteriormente (ver figura ao lado). Utilizando o plano cartesiano, representa-se no eixo vertical a probabilidade, neste caso P (x), e no eixo horizontal “x”, ou seja, o resultado desejado (“cara”). Analisando o gráfico temos: a primeira linha, em vermelho, está localizada do eixo “x” exatamente no valor zero. E sua altura é igual a 1/2, dessa forma a probabilidade de obtermos nenhuma “cara” no lançamento de uma moeda é igual a 1/2. De maneira análoga, a segunda linha, em vermelho, está localizada no eixo “x” em cima do número 1, o que afirma que a probabilidade de obtermos o resultado “cara” no lançamento de uma moeda é de 1/2. Por fim é possível mensurar a probabilidade de uma variável discreta por meio de uma fórmula. Vejamos a seguir: P (x) = n (x) / n (S) 4 Assim a probabilidade, P (x), pode ser encontrada através de divisão entre o conjunto “n (x)”, que representa a quantidade de elementos que satisfazem alguma condição, neste caso a quantidade de “cara”, pelo conjunto “n (S)”, que corresponde à quantidade total de possíveis resultados relacionados ao fenômeno estudo, neste caso o lançamento de uma moeda. Em nosso exemplo o “n (x)” é igual a 1 e o “n (S)” é igual a 2, logo a probabilidade de lançar uma moeda e obter o resultado “cara” é de 1/2. 4.2 FUNÇÃO DENSIDADE DE PROBABILIDADE (VARIÁVEL ALE ATÓRIA CONTÍNUA) Segundo Fonseca e Martins (1996) quando analisamos uma variável aleatória discreta a probabilidade, P (x), ou ainda função de probabilidade associa a cada elemento, um número não negativo, ou seja, associa a cada resultado uma chance. Caso seja utilizado o mesmo conceito para a variável aleatória contínua, não se pode indagar qual a probabilidade de um dado valor “x” ser observado como resultado, pois os possíveis valores que integram o conjunto de resultados não são representados por um único número, neste caso trabalha-se com a ideia de intervalos. Assim existe a necessidade de formular o conceito de função de densidade de probabilidade. Ainda segundo Fonseca e Martins (1996), seja X uma variável aleatória contínua, a função de densidade de probabilidade f (x) é uma função que satisfaz as seguintes condições: f (x) ≥ 0 para todo x ϵ Rx � �� ���� �� = A primeira condição informa que a função de “x”, ou seja, a probabilidade de cada valor “x” (cada possível resultado) deve ser maior ou igual à zero. Além de cada valor “x” ser um elemento que pertente a um conjunto (Rx) que apresenta todas as opções relacionadas ao fenômeno estudado. Já a segunda condição afirma que a integral da função de probabilidade é igual a 1, ou seja, agrupando todas as probabilidades associadas a cada resultado temos o valor 1. Neste ponto, encerramos nossa primeira unidade da N2. Peço que você faça as atividades proposta, leia o material novamente, pesquise sobre o assunto e discuta com seus colegas os temas tratados até aqui. Até a próxima! 5 REFERÊNCIAS CRESPO, A. A. Estatística fácil. São Paulo: Saraiva, 2009. FONSECA, J. S.; MARTINS, G. A. Curso de Estatística. São Paulo: Atlas, 1996.
Compartilhar