Baixe o app para aproveitar ainda mais
Prévia do material em texto
Estatística Básica CRC7314 Prof. Nei e João nei.leite@ufsc.br 24-10-2013 INFERÊNCIA ESTATÍSTICA Aula Anterior � Medidas de Tendência Central � Medidas de Dispersão ou Variabilidade � Dados não-agrupados � Dados agrupados � Sem intervalo de classe � Com intervalo de classe Aula de hoje: � Noções de probabilidade � Distribuições de probabilidade Chama-se experimento aleatório àquele cujo resultado é imprevisível, porém pertence necessariamente a um conjunto de resultados possíveis denominado espaço amostral (U) → Qualquer subconjunto desse espaço amostral é denominado evento → Se este subconjunto possuir apenas um elemento, denomina-se evento elementar Por exemplo, no lançamento de um dado, o nosso espaço amostral seria: U = {1, 2, 3, 4, 5, 6} Exemplos de eventos no espaço amostral U: A: sair número maior do que 4: A = {5, 6} B: sair um número primo e par: B = {2} C: sair um número ímpar: C = {1, 3, 5} Introdução Probabilidade Trataremos aqui dos espaços amostrais equiprováveis, ou seja, aqueles onde os eventos elementares possuem a mesma chance de ocorrerem Exemplo: no lançamento do dado citado, supõe-se que sendo o dado perfeito, as chances de sair qualquer número de 1 a 6 são iguais. Temos então um espaço equiprovável Em oposição aos fenômenos aleatórios, existem os fenômenos determinísticos, que são aqueles cujos resultados são previsíveis, ou seja, temos certeza dos resultados a serem obtidos Normalmente existem diversas possibilidades possíveis de ocorrência de um fenômeno aleatório, sendo a medida numérica da ocorrência de cada uma dessas possibilidades, denominada Probabilidade Veja: http://www.youtube.com/watch?v=yDhJOGXIdfY&list=UU16yqJc74D2ApBwZ6B3dsqg&index=3&feature=plcp Conceitos-chave: - Evento: Qualquer conjunto de resultados ou consequências de um experimento; - Evento simples: Resultado ou evento que não pode ser decomposto em componentes mais simples; - Espaço amostral: Consiste em todos os eventos simples possíveis, isto é, consiste de todos os resultados que não podem mais ser decompostos Procedimento 1 nascimento 3 nascimentos Exemplo de Evento menina (evento simples) 2 meninas e 1 menino (ffm, fmf, mff são todos eventos simples resultantes. Espaço Amostral Completo {f, m} {fff, ffm, fmf, fmm, mff, mfm, mmf, mmm} Com um nascimento, o resultado de uma menina é um evento simples. Com 3 nascimentos, o evento “2 meninas e 1 menino” não é um evento simples, pois pode ser decomposto em eventos mais simples! Entretanto, quando pensamos nos resultados individuais, estes consistem de eventos simples! Notações P representa a probabilidade A, B e C representam eventos específicos P(A) representa a probabilidade de ocorrência do evento A Seja U um espaço amostral finito e equiprovável e A um determinado evento, ou seja, um subconjunto de U. A probabilidade P(A) de ocorrência do evento A será calculada pela fórmula: P(A) = n(A) n(U) onde: n (A) = número de elementos de A e, n (U) = número de elementos do espaço amostral U. 0,5 0 1 Certo Provável Chance 50-50 Improvável Impossível * A expressarmos o valor de uma probabilidade devemos apresentar a fração exata, o decimal exato ou arredondar o resultado final para 3 algarismos significativos! Considere o lançamento de um dado. Calcule a probabilidade de: a) sair o número 3: b) sair um número par: c) sair um múltiplo de 3: d) sair um número menor do que 3: Exemplos agora o evento é A = {2, 4, 6} com 3 elementos; logo a probabilidade procurada será: agora o evento A = {3, 6} com 2 elementos; logo a probabilidade procurada será: agora, o evento A = {1, 2} com dois elementos: Temos U = {1, 2, 3, 4, 5, 6} [n(U) = 6] e A = {3} [n(A) = 1]. Portanto, a probabilidade procurada será: Considere o lançamento de dois dados. Calcule a probabilidade de: a) Sair a soma 8 Observe que neste caso, o espaço amostral U é constituído pelos pares ordenados (i, j), onde i = número no dado 1 e j = número no dado 2 É evidente que teremos 36 pares ordenados possíveis do tipo (i, j) onde i = 1, 2, 3, 4, 5, ou 6, o mesmo ocorrendo com j As somas iguais a 8, ocorrerão nos casos: (2,6), (3,5), (4,4), (5,3) e (6,2) Portanto, o evento "soma igual a 8" possui 5 elementos. Logo, a probabilidade procurada será igual a: Exemplos b) Sair a soma 12 Neste caso, a única possibilidade é o par (6,6).Portanto, a probabilidade procurada será igual a: Uma urna possui 6 bolas azuis, 10 bolas vermelhas e 4 bolas amarelas. Tirando-se uma bola com reposição, calcule as probabilidades seguintes: a) sair bola azul b) sair bola vermelha c) sair bola amarela Vemos no exemplo acima, que as probabilidades podem ser expressas como porcentagem. Esta forma é conveniente, pois permite a estimativa do número de ocorrências para um número elevado de experimentos. Exemplos %.3030,0 10 3 20 6)( ====AP • P1: A probabilidade do evento impossível é nula Com efeito, sendo o evento impossível o conjunto vazio (Ø), teremos: P(Ø) = n (Ø)/n (U) = 0 /n (U) = 0 Por exemplo, se numa urna só existem bolas brancas, a probabilidade de se retirar uma bola verde (evento impossível, neste caso) é nula • P2: A probabilidade do evento certo é igual à unidade Com efeito, P(A) = n(U)/n(U) = 1 Por exemplo, se numa urna só existem bolas vermelhas, a probabilidade de se retirar uma bola vermelha (evento certo, neste caso) é igual a 1 Propriedades • P3: A probabilidade de um evento qualquer é um número real situado no intervalo real [0, 1] Esta propriedade, decorre das propriedades 1 e 2 acima • P4: A soma das probabilidades de um evento e do seu evento complementar é igual a unidade Seja o evento A e o seu complementar A'. Sabemos que A U A' = U. n(A U A') = n(U) e, portanto, n(A) + n(A') = n(U) Dividindo ambos os membros por n(U), vem: n(A)/n(U) + n(A')/n(U) = n(U)/n(U), de onde se conclui: P(A) + P(A') = 1 Propriedades O complementar de um evento A consiste em todos os resultados onde A não ocorre! Propriedades • P5: Sendo A e B dois eventos, podemos escrever: (Adição de Probabilidades) P(A U B) = P(A) + P(B) – P(A ∩ B) Observe que se A∩B= Ø (ou seja, a interseção entre os conjuntos A e B é o conjunto vazio), então P(A U B) = P(A) + P(B) Com efeito, já sabemos da Teoria dos Conjuntos que n(A U B) = n(A) + n(B) – n(A∩B) Dividindo ambos os membros por n(U) e aplicando a definição de probabilidade, concluímos rapidamente a veracidade da fórmula acima Um evento composto é qualquer evento que combina dois ou mais eventos simples! Variáveis Aleatórias Discretas = enumerável Contínuas = medidas em escala contínua É uma variável (normalmente representada por X) que tem um único valor numérico, aleatório, para cada resultado de um experimento. A palavra aleatório indica que, em geral, só conhecemos aquele valor depois do experimento ter acontecido. Variáveis Aleatórias Exemplos: � Número de alunos que comparecem às aulas de Estatística; � Quantidade de clientes que chegam a uma agência bancária por minuto; � Altura de um adulto, homem, selecionado aleatoriamente; � Um experimento consiste em selecionar aleatoriamente 7 rapazes de uma turma e contar quantos tem mais que 80kg. • variável aleatória X: número de rapazes com mais de 80 kg dentre os 7 escolhidos. • Resultados possíveis: X = 0,1,2,3,4,5,6,7 Variáveis Aleatórias Variável aleatória DISCRETA � Numa amplitude determinada, admite um número finito de valores, ou � Tem uma quantidade enumerável de valores “enumerável se refere ao fato de que pode existir infinitos valores, mas que pode ser associado a um processo de contagem” Variável aleatória CONTÍNUA� Pode assumir um número infinito de valores; � Pode ser associada a uma mensuração em uma escala contínua, de forma que não há pulos ou interrupções Gráfico VA x Probabilidade Uma companhia aérea A possui 20% de todas as linhas domésticas de um determinado país � Suponha que todos os vôos, de qualquer companhia, tenham a mesma chance de sofrer um acidente; � Escolhendo 7 acidentes aleatoriamente, as probabilidades de números de acidentes com esta empresa A (neste grupo de 7) são*: 0 acidente: 0,211 1 acidente: 0,367 2 acidentes: 0,275 3 acidentes: 0,115 4 acidentes: 0,0295 5 acidentes: 0,004 6 acidentes: 0,00... ou 0+7 acidentes: 0+ *dados previamente conhecidos Gráfico VA x Probabilidade x P(X=x) 0 0,21 1 0,367 2 0,275 3 0,115 4 0,029 5 0,004 6 0+ 7 0+ 0.00 0.05 0.10 0.15 0.20 0.25 0.30 0.35 0.40 1 2 3 4 5 6 7 8 P r o b a b i l i d a d e P ( X ) Número de acidentes com a empresa Histograma de Probabilidade “Se assemelha ao histograma de frequência relativa, porém a escala vertical apresenta a probabilidade ao invés das frequências relativas, com base em dados amostrais reais” Distribuições de Probabilidade ⇒ Quando conhecemos todas os possíveis valores de uma variável aleatória com suas respectivas probabilidades de ocorrência, temos uma DISTRIBUIÇÃO DE PROBABILIDADE ⇒ Assim, uma distribuição de probabilidade fornece a probabilidade de ocorrência de cada valor que uma variável aleatória pode assumir; ⇒ É frequentemente expressa na forma de um gráfico, de uma tabela ou de uma fórmula; Distribuições de Probabilidade ⇒ Observe que distribuição de probabilidade é uma correspondência que associa probabilidades aos valores de uma variável aleatória ⇒ Ou seja, é uma FUNÇÃO ⇒ P(X=x) = f(x) = função que relaciona a probabilidade de ocorrência de um valor da variável aleatória “Os diferentes tipos de DP podem ser considerados como modelos para descrever situações reais que envolvam resultados gerados pelo acaso” Requisitos para uma Distribuição de Probabilidade ΣP(x) = 1 em que x assume todos os valores possíveis (isto é, a soma de todas as probabilidades deve ser 1) 0 ≤ P(x) ≤ 1 para todo valor individual de x (isto é, cada valor de probabilidade deve estar entre 0 e 1, inclusive. x P(x) 0 0,2 1 0,5 2 0,4 3 0,3 Probabilidade para uma variável aleatória Esta tabela descreve uma distribuição de probabilidade? x P(x) 0 0,04 1 0,16 2 0,80 3 0,16 4 0,04 Um experimento envolve a prole de ervilhas em grupos de quatro. Um pesquisador relata que, para um grupo, o número de ervilhas com flores tem uma DP como a apresentada abaixo: Esta tabela descreve uma distribuição de probabilidade? x P(x) 0 0,04 1 0,16 2 0,80 3 0,16 4 0,04 Estudo de mortalidade: Para um grupo de quatro homens, a distribuição de probabilidade para o número x dos que viverão durante o próximo ano é como apresentada na tabela abaixo: Esta tabela descreve uma distribuição de probabilidade? Distribuições de Probabilidade Ensaios de Bernoulli Seja uma experiência aleatória única, para qual só podem existir duas alternativas de resultados: sucesso e fracasso X1 = 1 com probabilidade p quando o sucesso ocorrer; X2 = 0 com probabilidade q = (1 - p) quando fracasso ocorrer, Logo temos uma distribuição de Bernoulli Parâmetros da distribuição E[x] = µx = p V[x] = σ2 = p.q σ = (p.q)1/2 Jacob Bernoulli (1664-1705) 1( ) x xP X x p q −= = ⋅ Veja: http://www.youtube.com/watch?v=IV4vy1s5HyE EXEMPLOS Ex2: Uma urna tem 30 bolas brancas e 20 verdes. Retira-se uma bola desta urna. Seja X: número de bolas verdes, calcular a função de probabilidade, a média e a variância. Solução: 30 30 50 5 20 21 50 5 q X p → = = = → = = 2 5 pµ = = 2 3 6 5 5 25 p qσ = ⋅ = ⋅ = Ex1: Lançamento de uma moeda ao ar, considerando a variável aleatória X: número de caras obtidas. 0 → q = ½ 1 → p = ½ P(X = x) = 12 3 5 5 x x− Distribuições de Probabilidade Distribuição Geométrica Consideremos tentativas sucessivas e independentes de um mesmo experimento aleatório. Cada tentativa admite um sucesso (p) e um fracasso (q), sendo p + q = 1. Seja X o número de tentativas necessárias ao aparecimento do primeiro sucesso, a função de probabilidade é dado por: Parâmetros da distribuição E[x] = µx = 1/p V[x] = σ2 = q/p2 σ = (q/p2)1/2 1( ) xP X x q p−= = ⋅ EXEMPLOS Ex1: A probabilidade de se encontrar aberto um sinal de trânsito em uma esquina é 0,20. Qual a probabilidade de que seja necessário passar pelo local 5 vezes para encontrar o sinal aberto pela primeira vez? p = q = P(X = 5) = (0,80)4 . (0,20) = 0,08192 0,20 0,80 Ex2: Qual a probabilidade de que em um dado deva ser lançado 15 vezes para que na 15°vez ocorra a face 6 pela primeira vez? p = q = P(X = 15) = (5/6)14 . (1/6) = 0,01298 1/6 5/6 Distribuição Binomial Consideramos n tentativas independentes, de um mesmo experimento aleatório. Cada tentativa admite dois resultados: Sucesso com probabilidade p Fracasso com probabilidade q p + q = 1 Em uma distribuição binomial deve-se considerar que: � São realizadas n provas independentes e do mesmo tipo; � Cada prova admite 2 resultados: sucesso ou fracasso; �A probabilidade de sucesso é p e de fracasso é q = 1 – p; �Os resultados das provas são independentes Veja: http://www.youtube.com/watch?v=oe2NBKv572U&list=UU16yqJc74D2ApBwZ6B3dsqg&index=1&feature=plcp A probabilidade de ocorrer k sucessos em n tentativas será: ( ) k k n knP X k C p q −= = ⋅ ⋅ ! !( )! k n n nC k k n k = = − = Fórmula do Binômio de Newton (p + q)n, surgindo assim o nome Binomial Parâmetros da distribuição E[x] = µx = n.p V[x] = σ2 = n.p.q σ = (n.p.q)1/2 n p q⋅ ⋅ Onde: X = variável aleatória p = probabilidade de sucesso em qualquer tentativa q = probabilidade de fracasso (q = 1 - p) em qualquer tentativa n = número de tentativas ou repetições k = número de sucessos em n tentativas n-k = número de fracassos APLICAÇÕES A mais familiar, provavelmente, é o lançamento de uma moeda n vezes, por exemplo: n = 20 Cada prova, ou experimento, admite apenas dois resultados: cara ou coroa! Outros exemplos de experimentos binomiais: • Respostas de um teste como diversas questões do tipo V ou F; • Escolha entre um produto bom ou defeituoso; • Sexo das crianças nascidas em determinada maternidade; • Atirar em um alvo, atingindo-o ou não; • Fumantes ou não fumantes em um grupo de adultos; • Alunos de uma escola vacinados ou não vacinados. EXEMPLO Numa criação de coelhos, 40% são machos. Qual a probabilidade de que nasçam pelo menos 2 coelhos machos em um dia que nasceram 20 coelhos? Solução: X = número de coelhos machos (CM) X = 0, 1, …, 20 → P (CM) = p = 0,40 ⇒ B (20; 0,40) n, p P (X ≥ 2) = 1 – P(X < 2) = 1 – {P(X = 0) + P(X = 1)} = ( ) ( ){ }0 0 20 1 1 1920 201 (0,40) (0,60) (0,40) (0,60)C C− ⋅ ⋅ + ⋅ ⋅ = ( )1 (0,00003) (0,00049) 0,99948− + = 0.00 0.02 0.04 0.06 0.08 0.10 0.12 0.14 0.16 0.18 0.20 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 P r o b a b i l i d a d e P ( X = x ) Número de coelhos machos Distribuição de probabilidade para um número de coelhos machos
Compartilhar