Baixe o app para aproveitar ainda mais
Prévia do material em texto
UNIDADE 4 – NOÇÕES DE PROBABILIDADE 1. Distribuição de Probabilidade Contínua: A Distribuição Normal 4.1 A DISTRIBUIÇÃO NORMAL As distribuições “normais” foram descobertas quando cientistas (principalmente, Karl F. Gauss – por isso, as vezes é chamada de distribuição “gaussiana”) observaram que mensurações repetidas de uma mesma quantidade tendiam a variar; Quando se coletava grande número dessas mensurações, dispondo-as numa distribuição de frequência, elas se apresentavam repetidamente como uma forma análoga à da figura abaixo: 4.1 A DISTRIBUIÇÃO NORMAL Como essa forma vinha associada aos erros de mensuração, essa distribuição começou a ser chamada de “distribuição normal dos erros”, ou, simplesmente, “distribuição normal”. Depois, constatou-se que essa distribuição podia ser aproximada por uma distribuição matemática como a da figura abaixo: 4.2 CARACTERÍSTICAS DA NORMAL É uma distribuição unimodal e simétrica em relação à média. É completamente especificada por dois parâmetros: a média μ e a variância σ2 . Assim, X~N(μ; σ2): “a variável aleatória X possui distribuição normal com média μ e variância σ2 ”. A área total sob qualquer curva normal representa 100% da probabilidade associada à variável. Como é simétrica, a probabilidade de observar um valor abaixo da média é 50%. Essa também é a probabilidade de observar um valor acima da média. 4.2 CARACTERÍSTICAS DA NORMAL Como a escala de numeração é contínua (vai de - ∞ a + ∞), a probabilidade de predizer um valor exato é zero. Assim, quando avaliamos a probabilidade, estamos avaliando a área embaixo da curva. Ou seja, a probabilidade de uma variável aleatória distribuída normalmente tomar um valor entre dois pontos quaisquer é igual a área sob a curva normal compreendida entre aqueles dois pontos. 4.2 CARACTERÍSTICAS DA NORMAL A B Probabilidade de X%, entre A e B X% 4.2 CARACTERÍSTICAS DA NORMAL Uma conseqüência importante do fato de uma curva normal poder ser completamente especificada por sua média e variância é que a área sob a curva entre um ponto qualquer e a média é função somente do número de desvios padrões que aquele ponto dista da média. Esta é a chave que nos permite calcular probabilidades para a curva normal e um dos resultados mais importantes para a Estatística. 4.2 CARACTERÍSTICAS DA NORMAL Se uma variável tem distribuição normal, cerca de 68% dos seus valores cairão no intervalo de um desvio padrão a partir da média. Cerca de 95% no intervalo de dois desvios padrões a contar da média. E cerca de 99% dentro de três desvios padrões a contar da média. Então, podemos lembrar da regra: 68-95-99. 4.2 CARACTERÍSTICAS DA NORMAL 4.3 A NORMAL PADRÃO Se observarmos os dados, podemos ter infinitas combinações de média e desvio padrão. Desse modo, teremos, também, infinitas distribuições normais. Existem maneiras de se calcular as probabilidades entre dois pontos para essas distribuições, mas é mais fácil padronizar a normal e observar os valores tabelados. 4.3 A NORMAL PADRÃO Os valores de 1, 2 ou 3 desvios para a regrinha 68-95- 99 vêm dessa normal padronizada. Algebricamente, a padronização é dada por: Onde: z: é o nº de desvios padrões a contar da média; x: é um valor arbitrário (um dos pontos A e B, que vimos; μ: é a média da distribuição normal; σ: é o desvio padrão σ µ− = xz 4.3 A NORMAL PADRÃO Essa nova escala é conhecida como escala z. Os novos valores nos indicam que X, agora é uma variável aleatória com distribuição normal e média 0 (zero) e variância (1): X~N(0;1) z admite valores negativos. Isso acontece quando um valor de x é inferior à media. É também necessário sabermos trabalhar em sentido inverso, passando os valores de z para valores efetivos: valor efetivo = μ + z*σ 4.4 A TABELA DA NORMAL PADRÃO As áreas sob a curva de qualquer distribuição normal podem ser achadas utilizando-se uma tabela normal padronizada, após fazer a conversão da escala original para a escala z. A média passa a ser o ponto de referência (origem) e o desvio padrão é a unidade de medida. É construída para ser lida em unidades de z. A tabela dá a área sob a curva (isto é, a probabilidade de um valor cair naquele intervalo) entre a média e valores escolhidos de z. 4.4 A TABELA DA NORMAL PADRÃO z A poção sombreada corresponde à área sob a curva que pode ser lida diretamente na tabela. 4.4 A TABELA DA NORMAL PADRÃO A tabela vem dada em termos de valores de z com duas casas decimais, tais como 2,78, 1,04, 2,45, etc. Uma peculiaridade é que os valores de z vêm decompostos em duas partes: O valor da parte inteira e da primeira decimal integram as colunas; A segunda decimal aparece na linha horizontal do topo. • Suponha que queiramos determinar a área entre a média e z = 1,25. •Primeiro, avaliamos o valor de 1,2 nas colunas. •Depois procuramos os valores na linha do topo. 4.4 A TABELA DA NORMAL PADRÃO Como a metade da esquerda é essencialmente a mesma da direita, se cada um dos valores de z na tabela acima tivesse antes de si um sinal de “menos”, as áreas sob a curva ainda seriam as mesmas. A tabela normal pode também ser usada para determinar a área sob a curva além de um dado valor de z. A chave aqui é que a área de uma das metades é 50%, logo, a área além de z é 50% - valor tabelado. Por exemplo, a área além de z= + 1 será 0,5 – 0,3413 = 0,1587. 4.5 A DISTRIBUIÇÃO NORMAL - EXEMPLOS Seja Y~N(6,9), qual a P(5 < Y < 8)? Isto é, seja Y uma variável aleatória com distribuição normal de média 6 e variância 9, qual a probabilidade de Y estar entre 5 e 8? 4.5 A DISTRIBUIÇÃO NORMAL - EXEMPLOS Seja Y~N(6,9), qual a P(5 < Y < 8)? Isto é, seja Y uma variável aleatória com distribuição normal de média 6 e variância 9, qual a probabilidade de Y estar entre 5 e 8? O primeiro passo é criar a variável z: −= − = − = − = 3333,0 3 65 6667,0 3 68 σ µYz 4.5 A DISTRIBUIÇÃO NORMAL - EXEMPLOS Queremos saber, então, a probabilidade de z estar entre -0,3333 e 0,6667: P(-0,33 < Z < 0,67)=? 4.5 A DISTRIBUIÇÃO NORMAL - EXEMPLOS Queremos saber, então, a probabilidade de z estar entre -0,3333 e 0,6667: P(-0,33 < Z < 0,67)=? 4.5 A DISTRIBUIÇÃO NORMAL - EXEMPLOS Queremos saber, então, a probabilidade de z estar entre -0,3333 e 0,6667: P(-0,33 < Z < 0,67)=? 4.5 A DISTRIBUIÇÃO NORMAL - EXEMPLOS Queremos saber, então, a probabilidade de z estar entre -0,3333 e 0,6667: P(-0,33 < Z < 0,67)=0,12930+0,24857=0,37787=37,8% 4.5 A DISTRIBUIÇÃO NORMAL - EXEMPLOS Seja X a variável aleatória “número de hambúrgueres” vendidos numa lanchonete. Suponha que essa variável tenha distribuição normal com média 200 e variância 1.600. Queremos saber a probabilidade de vender mais de 230 hambúrgueres. 4.5 A DISTRIBUIÇÃO NORMAL - EXEMPLOS Temos: X~N(200;1.600) e queremos saber P(X>230). Precisamos, primeiro, transformar P(X>230) para a escala z: Então, P(Z>0,75)=? 75,0 40 200230 = − = − = σ µXz 4.5 A DISTRIBUIÇÃO NORMAL - EXEMPLOS P(Z>0,75) = 1 – P(Z<0,75) = 1–(0,5+0,27337)= 0,226634.5 A DISTRIBUIÇÃO NORMAL - EXEMPLOS P(Z>0,75) = 0,5 – P(Z<0,75) = 0,5-0,27337= 0,22663 P(X>230) = 22,7% Unidade 4 – Noções de Probabilidade 4.1 A Distribuição Normal 4.1 A Distribuição Normal 4.2 Características da Normal 4.2 Características da Normal 4.2 Características da Normal 4.2 Características da Normal 4.2 Características da Normal 4.2 Características da Normal 4.3 A Normal Padrão 4.3 A Normal Padrão 4.3 A Normal Padrão 4.4 A Tabela da Normal Padrão 4.4 A Tabela da Normal Padrão 4.4 A Tabela da Normal Padrão Slide Number 16 Slide Number 17 4.4 A Tabela da Normal Padrão 4.5 A Distribuição Normal - Exemplos 4.5 A Distribuição Normal - Exemplos 4.5 A Distribuição Normal - Exemplos 4.5 A Distribuição Normal - Exemplos 4.5 A Distribuição Normal - Exemplos 4.5 A Distribuição Normal - Exemplos 4.5 A Distribuição Normal - Exemplos 4.5 A Distribuição Normal - Exemplos 4.5 A Distribuição Normal - Exemplos 4.5 A Distribuição Normal - Exemplos
Compartilhar