Modelos de Probabilidade

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!