Baixe o app para aproveitar ainda mais
Prévia do material em texto
ESTATÍSTICA Prof.ª Ma. Simone Demeis Braguim Probabilidade Condicional Dois eventos, A e B, são ditos de probabilidades condicionais se, dado que um tenha ocorrido, isto afeta a probabilidade do outro evento ocorrer. xx ou ( ) )( )( / BP BAP BAP = ( ) )( )( / AP BAP ABP = Probabilidade independente ( ) )(/ APBAP = Dois eventos, A e B, são ditos independentes se a probabilidade do evento A ocorrer não é afetada pela ocorrência ou não de B, ou seja: Teorema do produto (Regra da multiplicação) ou Independência estatística ( ) )( )( / BP BAP BAP = )/()()( BAPBPBAP = ( ) )( )( / AP BAP ABP = )/()()( ABPAPBAP = => => )()()( BPAPBAP = Exemplo 3: Sejam os eventos tais que P(A) = 0,2; P(B) = m; P(AUB) = 0,6. Calcular m considerando A e B: i) Mutuamente exclusivos; ii) Independentes. Solução: i) Mutuamente exclusivos: A fórmula que podemos utilizar com as informações que temos é a da união (U) de eventos. P(AB)=P(A)+P(B)-P(AB) = 0,2 + m - 0,6 0,6 - 0,2= m m = 0,4 ii) Independentes: Sendo as mesmas informações utilizaremos a fórmula da união (U), mas não esquecendo que os eventos agora são independentes, assim temos: P(AB)=P(A)+P(B)-P(AB) P(AB)=P(A)+P(B)-[P(A)*P(B)] 0,6 = 0,2 + m - (0,2 * m) 0,6 – 0,2 = m – 0,2m 0,4 = 0,8m m = 0,4/0,8 m = 0,5 a) Ambos estejam vivos. b) Somente o homem esteja vivo. c) Somente a mulher esteja viva. d) Nenhum esteja vivo. e) Pelo menos um esteja vivo. Solução: : Homem esteja vivo daqui a 30 anos. : Homem esteja morto daqui a 30 anos. : Mulher esteja viva daqui a 30 anos. : Mulher esteja morta daqui a 30 anos. Exemplo 4: De acordo com as tábuas atuárias a probabilidade de que um homem esteja vivo daqui a 30 anos é 3/5, a de sua mulher é 4/5. Calcular a probabilidade de que daqui a 30 anos: H H M M a) Ambos estejam vivos; ou, Assim, Interpretação: A probabilidade de que um homem e uma mulher estejam vivos daqui a 30 anos é de 48,00%. 5 3 )( =HP 5 2 )( =HP 5 4 )( =MP 5 1 )( =MP )()()( MPHPMHP = %00,48100.4800,04800,0 25 12 5 4 . 5 3 )( =====MHP Interpretação: A probabilidade de que um homem esteja vivo daqui a 30 anos e que a mulher esteja morta é de 12,00%. b) Somente o homem esteja vivo; )()()( MPHPMHP = %00,12100.1200,01200,0 25 3 5 1 . 5 3 )( =====MHP Interpretação: A probabilidade de que a mulher esteja viva daqui a 30 anos e que o homem esteja morto é de 32,00%. c) Somente a mulher esteja viva; )()()( MPHPMHP = %00,32100.3200,03200,0 25 8 5 4 . 5 2 )( =====MHP Interpretação: A probabilidade de que a mulher esteja morta e o homem também daqui a 30 anos é de 12,00%. d) Nenhum esteja vivo. )()()( MPHPMHP = %00,12100.1200,01200,0 25 3 5 1 . 5 2 )( =====MHP Interpretação: A probabilidade de que pelo menos um esteja vivo daqui a 30 anos é de 92,00%. e) Pelo menos um esteja vivo. )()()()( MHPMPHPMHP −+= )()()()()( MPHPMPHPMHP −+= −+= 5 4 . 5 3 5 4 5 3 )( MHP −+= 25 12 5 4 5 3 )( MHP 25 121520 )( −+ =MHP %00,92100.9200,09200,0 25 23 )( ====MHP Quando realizamos um experimento, não temos, obrigatoriamente, que obter um valor numérico. Por exemplo, ao descrevermos uma peça manufaturada, podemos associar duas categorias: “defeituosas” e “não defeituosas”, ou seja, uma variável qualitativa, que pode ser ordinal ou nominal. Variáveis aleatórias Por outro lado, ao estudarmos a descrição dos dados, vimos que os recursos disponíveis para análise das variáveis quantitativas, a qual pode ser discreta ou contínua. Exemplo 6: Seja o experimento E: lançar 2 dados; e a variável aleatória Y: soma dos pontos obtidos na face de cada dado. Função de Probabilidade O espaço amostral associado a este experimento será: = (6,6) (6,5) (6,4) (6,3) (6,2) (6,1) (5,6) (5,5) (5,4) (5,3) (5,2) (5,1) (4,6) (4,5) (4,4) (4,3) (4,2) (4,1) (3,6) (3,5) (3,4) (3,3) (3,2) (3,1) (2,6) (2,5) (2,4) (2,3) (2,2) (2,1) (1,6) (1,5) (1,4) )3(1, (1,2) 1,1)( S De onde obtemos a seguinte função distribuição de probabilidade (f.d.p.): Y 2 3 4 5 6 7 8 9 10 11 12 P(Y=yi) 1/36 2/36 3/36 4/36 5/36 6/36 5/36 4/36 3/36 2/36 1/36 Exemplo 6: Seja E: jogar dois dados, em que (X,Y) = pontos dos respectivos dados: Variável aleatória bidimensional , i=1,2,...,6 e j=1,2,...,6. X/Y 1 2 3 4 5 6 1 1/36 1/36 1/36 1/36 1/36 1/36 2 1/36 1/36 1/36 1/36 1/36 1/36 3 1/36 1/36 1/36 1/36 1/36 1/36 4 1/36 1/36 1/36 1/36 1/36 1/36 5 1/36 1/36 1/36 1/36 1/36 1/36 6 1/36 1/36 1/36 1/36 1/36 1/36 36 1 ),( =ji yxP São medidas que objetivam representar o ponto central de equilíbrio de uma distribuição de dados. Essas medidas representam quantitativamente os dados, sendo as mais utilizadas em análise: média, moda, mediana e quartil. Medidas de posição ou Medidas de tendência central São medidas estatísticas que indicam o grau de dispersão, ou variabilidade do conjunto de observações pesquisados, em relação a uma medida de tendência central. Elas descrevem os dados qualitativamente. Medidas de dispersão As principais medidas de dispersão são: amplitude total, variância, desvio-padrão e coeficiente de variação.
Compartilhar