Prévia do material em texto
Hora de Revisar! Observe que na análise de frequências, estamos buscando regularidades, padrões nos dados da pesquisa e com os conceitos da probabilidade, se torna possível entender que em experimentos aleatórios é natural que existam condições extremas, ou seja, com eventos que são mais raros do que outros e isso se dá com base nas regularidades identificadas. Uma das formas de representar graficamente a frequência dos dados de um evento é com o histograma e, com base em observações, percebemos que um tipo de histograma está muito presente. Ele é tão comum que quando o transformamos em uma curva a chamamos de Curva Normal. A Curva Normal é originária de uma Distribuição Normal que também é conhecida como Curva Gaussiana. Para muitos, ela tem o formato de sino, por isso, muitos a chamam de “Curva de Sino”, e é a distribuição mais conhecida e usada de todas as distribuições de probabilidade, pois se aproxima muito de muitos fenômenos naturais. Hora de Revisar! Quando tratamos de frequências, estamos tratando de quantidades de acontecimentos ocorridos, quando focamos na probabilidade, temos, então, a distribuição de probabilidades. A distribuição de probabilidade é um modelo matemático ou uma função de probabilidade/distribuição que relaciona um certo valor da variável em estudo com a sua probabilidade de ocorrência. Com esse conceito, é possível calcular a probabilidade de um evento ocorrer dadas suas características individuais e o contexto no qual está inserido, por isso, temos os modelos probabilísticos e, neste estudo, cujas variáveis são discretas, os modelos também serão. Hora de Revisar! O terceiro modelo é o de Poisson; este está associado a “eventos raros”. Ele é aplicável a ocorrências de um número de eventos em um intervalo específico e calcula a probabilidade de um evento x ocorrer em um determinado intervalo de tempo, área ou volume, mas para isso, o evento deve garantir que ocorre em um determinado intervalo de tempo, área, volume etc., que a probabilidade de ocorrer o evento é a mesma para cada intervalo e que o número de ocorrências de um intervalo é independente do outro. 3º Modelo O primeiro modelo estudado foi o de Bernoulli que se baseia num espaço amostral de apenas dois resultados: “sucesso” e “fracasso”. Para que os resultados tenham mais significado, a variável aleatória de uma Bernoulli atribui apenas os valores 0 e 1. Entretanto, a distribuição de Bernoulli é para eventos individuais e quando acontecem vários eventos individuais? Temos, então, o Modelo Binomial. Se um experimento consiste em n repetições independentes de Bernoulli, sendo constante e igual a p a probabilidade de sucesso em cada repetição, então, dizemos que esse é um experimento binomial. A Distribuição Binomial é útil para determinar a probabilidade de um certo número de sucessos num conjunto de observações. 1º Modelo 2º Modelo Hora de Revisar! Existem outros modelos probabilísticos, contudo, para estes estudos, os três acima são suficientes. O estudo da estatística descritiva pode ser aprofundado - e eu indico que você aprofunde os seus estudos, já que com uma boa base se tornará mais fácil e prazeroso entender o potencial que ela possui. Prazer em te conhecer!