Baixe o app para aproveitar ainda mais
Prévia do material em texto
1 Estatística Aplicada às Ciências Sociais e Ambientais Aula 4 Prof. Daniel de Christo Organização da Aula 1. Teoria das probabilidades 2. Distribuição discreta, binomial e normal Contextualização 1. Teoria das Probabilidades � Análise dos dados: médias, s etc. � Pesquisador: inferências; estender as conclusões a outros indivíduos � Probabilidade (P) = m/n • m = eventos com determinada característica • n = total de eventos possíveis Noções sobre Probabilidade � Eventos: mutuamente exclusivos; mesma chance de ocorrência � Probabilidade = 01 • porcentagem (%) • 1 = 100% 0 = 0% 2 Instrumentalização � É a probabilidade de ocorrer um determinado evento sob uma dada condição Probabilidade Condicional � A probabilidade de ocorrer um determinado evento não interfere na probabilidade de ocorrer um outro evento ���� P (AB) = P(A) � Eventos independentes • Exemplos: muitos na área biológica • Leis de Mendel, ABO e RH, doenças etc. Eventos Independentes � A probabilidade de dois eventos independentes ocorrerem simultaneamente é igual ao produto das probabilidades dos eventos ocorrerem isoladamente � P (A e B) = P(A).P(B) � Também chamada Teorema do Produto Lei das Probabilidades Independentes � A probabilidade de ocorrer o evento A ou B é igual P(A) + P(B) Teorema da Soma Aplicação 3 � Exemplo: lançamento de uma moeda • Probabilidade de “cara” = 1/2 = 0,5 • Probabilidade de “coroa” = 1/2 = 0,5 Probabilidade � Exemplo: ao jogar um dado, qual a chance do número “2” sabendo que ocorreu um número par? � P = 1 / 3 = 0,33 ou 33% � P (AB) = P(A) sob a condição de ter ocorrido B Probabilidade Condicional � Exemplo 1: lançamento de moeda P cara e cara = _1_._1_ = _1_ 2 2 4 � Exemplo 2: urna com três bolas • Duas brancas e uma vermelha • Probabilidade de duas bolas brancas? � Com ou sem reposição? Lei das Probabilidades Independentes � Com reposição: probabilidades independentes P 1a branca . P 2a branca = P(A e B) = P(A).P(B) P(A e B) = _2_._2_ 3 3 P(A e B) = _4_ 9 � Sem reposição: não independentes • P 1a branca = 2/3 (duas brancas e uma vermelha) • P 2a branca = 1/2 (uma branca e uma vermelha) • P(A e B) = P(A).P(BA) = • P(A e B) = _2_._1_ 3 2 • P(A e B) = _2_ 6 � Exemplo 1: urna com cinco bolas • Duas brancas, uma vermelha e uma azul �Probabilidade de sortear uma bola colorida? (vermelha ou azul) » P(v) = 1/5; P(a) = 1/5 » P(v) + P(a) = _2_ 5 Teorema da Soma 4 � Exemplo 2: baralho • 52 cartas, 4 naipes (♦♥♦♥♦♥♦♥♣♠♣♠♣♠♣♠) �Probabilidade de um ÁS ou uma carta de copas? » P(Ás) = 4/52 � P(copas) = 13/52 » P(Ás) + P(copas) = _4_ + _13_ = _17_ 52 52 52 ���� Errado! • E o Ás ♥♥♥♥? Computado duas vezes! �Probabilidade de um Ás ou uma carta de ♥♥♥♥? » P(Ás) + P(♥♥♥♥) - P(A♥♥♥♥) = _4_ + _13_ - _1_ = 52 52 52 = _16_ 52 Síntese � Noções de probabilidade � Probabilidade condicional � Lei das probabilidades independentes � Teorema da soma Contextualização 2. Distribuição Discreta, Binomial e Normal 5 � Todos os valores de uma variável aleatória discreta e suas probabilidades � Soma das probabilidades = 1 Distribuição Discreta � Distribuição discreta da soma de variáveis aleatórias binárias � Necessita de dois parâmetros • n = número de observações • p = probabilidade de ocorrer o evento Distribuição Binomial Distribuição Normal/Gauss � Variável aleatória: • variação ao acaso • exemplo: peso de cobaias, gêmeos monozigóticos etc. � Distribuição típica ou distribuição normal • Curva em forma de “sino” simétrica em torno da média µµµµ (mi) Instrumentalização Características da Distribuição Normal � Pode assumir qualquer valor real � Área da curva = 1; probabilidade da variável assumir qualquer valor real 6 � Valores maiores e menores que a média ocorrem com igual probabilidade � A configuração da curva envolve dois parâmetros: • média (µµµµ) • variância (σσσσ2) Distribuição Normal Reduzida � Média (µµµµ) = 0; variância (σσσσ2) = 1 � Distribuição disponível em tabelas � Área da curva = 1 • P variável < 0 = 0,5 • P variável > 0 = 0,5 Aplicação � Soma das probabilidades = 1 Distribuição Discreta Figura 1: Distribuição dos possíveis resultados ao lançar um dado � Necessita de dois parâmetros • n = número de observações • p = probabilidade de ocorrer o evento �P(x) = n . p x . q n-x x Distribuição Binomial � Exemplo: • Qual a probabilidade de nascerem cinco meninos em seis nascimentos? �n = 6; p = 0,5; q = 0,5 »P(5) = __6! . 0,5 5 . 0,5 6-5 5! (6-5)! »P(5) = 6 . 0,5 6 = 0,09375 ou 9,4% 7 Exemplos da Distribuição Normal � Média µµµµ1 = µµµµ2 = µµµµ3 > µµµµ4 � Variância σσσσ2 1 > σσσσ2 2 > σσσσ2 3 Exemplos Teóricos 1. Qual a probabilidade de ocorrer um valor entre 0 e z ? (z = 0,62) • P = área da curva • P = tabelas da distribuição normal Distribuição Normal Reduzida � z = 0,62 • P = área da curva • P = 0,2324 ou 23,24% 2. Qual a probabilidade de ocorrer um valor maior do que z? • P = 0,5 - 0,2324 = 0,2676 • P valor menor - 0,62 = 26,76% 8 Exemplo Prático 1. Em uma população de peixes contaminada por chumbo, qual a probabilidade de um peixe apresentar de 21 a 23,5 mg/Kg de chumbo? • Chumbo nos tecidos: distribuição normal • µµµµ = 21 mg/Kg , σσσσ = 2 mg • P = área da curva; tabelas? Não! • Reduzir a distribuição = tabelas � Distribuição normal reduzida: z = X - µµµµ = 22,5 - 21 = 0,75 σσσσ 2 • z = 0,75 • P = área da curva � tabela • P = 27,34% Aproximação da Distribuição Normal e Binomial � Sempre que np > 5 e nq > 5, distribuição binomial = normal � Calcular µµµµ e σσσσ z = X - µµµµ σσσσ Síntese � Distribuição discreta � Distribuição binomial � Distribuição normal • Distribuição normal reduzida • Aplicação
Compartilhar