Baixe o app para aproveitar ainda mais
Prévia do material em texto
PROBABILIDADE Def.: "Se um evento pode ocorrer em N maneiras mutuamente excludentes e igualmente prováveis, e se m dessas ocorrências tem uma característica E”, então a probabilidade de ocorrência de E é: P(E) = m/N N - Maneiras • ESPAÇO AMOSTRAL - É o conjunto de todas as possibilidades de ocorrência do evento estudado. • LANÇAMENTO DE 1 DADO: {1, 2, 3, 4, 5, 6} • LANÇAMENTO DE 2 DADOS: {(1,1), (1,2), (1,3), (1,4), (1,5), (1,6), (2,1), ....,(6,5), (6,6)} • SOMA DE 2 DADOS {2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12} MUTUAMENTE EXCLUDENTES E IGUALMENTE PROVÁVEIS • Igualmente prováveis: Não viciado, bias, viés. • Mutuamente excludentes. M - OCORRÊNCIAS TEM UMA CARACTERÍSTICA - E SOMA DE DOIS DADOS • 2 : (1,1) • 3: (1,2), (2,1) • 4: (2,2), (1,3), (3,1) • 5: (1,4), (2,3),(3,2), (4,1) • 6: (1,5), (2,4), (3,3), (4,2), (5,1) • 7: (1,6), (2,5), (3,4), (4,3), (5,2), (6,1) • 8: (2,6), (3,5), (4,4), (5,3), (6,2) • 9: (3,6), (4,5), (5,4), (6,3) • 10: (4,6), (5,5), (6,4) • 11: (5,6), (6,5) • 12: (6,6) • 2 : (1 ,1 ) • 3 : (1 ,2 ), ( 2 ,1 ) • 4 : (2 ,2 ), ( 1 ,3 ), ( 3 ,1 ) • 5 : (1 ,4 ), ( 2 ,3 ), (3 ,2 ), ( 4 ,1 ) • 6 : (1 ,5 ), ( 2 ,4 ), ( 3 ,3 ), ( 4 ,2 ), ( 5 ,1 ) • 7 : (1 ,6 ), ( 2 ,5 ), ( 3 ,4 ), ( 4 ,3 ), 5 ,2 ), 6 ,1 ) • 8 : (2 ,6 ), ( 3 ,5 ), ( 4 ,4 ), ( 5 ,3 ), ( 6 ,2 ) • 9 : (3 ,6 ), ( 4 ,5 ), ( 5 ,4 ), ( 6 ,3 ) • 1 0 : (4 ,6 ), ( 5 ,5 ), ( 6 ,4 ) • 1 1 : (5 ,6 ), ( 6 ,5 ) • 1 2 : (6 ,6 ) M - OCORRÊNCIAS TEM UMA CARACTERÍSTICA - E P(E) = m/N • 2 : (1 ,1 ) • 3 : (1 ,2 ), ( 2 ,1 ) • 4 : (2 ,2 ), ( 1 ,3 ), ( 3 ,1 ) • 5 : (1 ,4 ), ( 2 ,3 ), (3 ,2 ), ( 4 ,1 ) • 6 : (1 ,5 ), ( 2 ,4 ), ( 3 ,3 ), ( 4 ,2 ), ( 5 ,1 ) • 7 : (1 ,6 ), ( 2 ,5 ), ( 3 ,4 ), ( 4 ,3 ), 5 ,2 ), 6 ,1 ) • 8 : (2 ,6 ), ( 3 ,5 ), ( 4 ,4 ), ( 5 ,3 ), ( 6 ,2 ) • 9 : (3 ,6 ), ( 4 ,5 ), ( 5 ,4 ), ( 6 ,3 ) • 1 0 : (4 ,6 ), ( 5 ,5 ), ( 6 ,4 ) • 1 1 : (5 ,6 ), ( 6 ,5 ) • 1 2 : (6 ,6 ) P(2) = 1/36 P(3) = 2/36 P(4) = 3/36 P(5) = 4/36 P(6) = 5/36 P(7) = 6/36 P(8) = 5/36 P(9) = 4/36 P(10) = 3/36 P(11) = 2/36 P(12) = 1/36 TIPOS DE DISTRIBUIÇÃO NORMAL Propriedades: – Tem a forma de um sino com caudas. A curva jamais toca o eixo x (varia de –infinito a +infinito). Na prática, são usados valores finitos. – A curva é simétrica em relação à perpendicular que passa pela média (). – A Área sob a curva = 1 CURVA COM DISTRIBUIÇÃO NORMAL CURVA NORMAL • O conhecimento das propriedades da curva normal é muito útil. Assim, se uma variável tem distribuição normal e se seus parâmetros forem conhecidos, não é mais necessário representar os dados sob a forma de tabelas ou gráficos para conhecer a probabilidade de ocorrência dos valores. • As características do modelo de distribuição normal fazem com que ele tenha ampla aplicação prática. É necessário, porém, assegurar-se de que a distribuição empírica (observada) da variável seja normal. CARACTERÍSTICAS • Se uma População apresentar distribuição normal, as amostras aleatórias distribuem-se também segundo uma curva de normalidade. PARÂMETROS DE UMA DISTRIBUIÇÃO NORMAL 2 x Desvio Padrão Média nxX /)( Média Desvio Padrão 1 2 n xx s Modelo Amostra Parâmetro de medida Central Média Média amostral Símbolo Parâmetro de medida de dispersão Desvio padrão Desvio padrão amostral Símbolo s X • Equação publicada em 1733 (De Moivre): 22 2)2(1 Xexf DISTRIBUIÇÃO NORMAL : Média da função de distribuição de probabilidade VARIÂNCIA • É uma medida que calcula o quanto seus dados estão “espalhados”. – Quanto maior a variância de um conjunto de dados, maior a dispersão. – Depois de coletados os dados, um dos meios de estimar a variância é pela seguinte fórmula: DESVIO PADRÃO • É uma medida que calcula o quanto seus dados podem se distanciar da média: – Uma dificuldade com a variância, como medida descritiva da dispersão, é o fato de não poder ser apresentada com a mesma unidade com que o conjunto de valores foi medida (já que a unidade que acompanha esta variável é o quadrado da unidade de mensuração de x). – Com o desvio padrão, foi realizada a simples operação de utilizar da raiz quadrada da média do quadrado dos desvios dos dados observados, em relação à média da distribuição destes. 1 2 n xx s pdf: função de distribuição de probabilidade. Modelo pdf Amostra pdf Histograma amostra Modelo = 0 = 1 Amostra = 0,53 S = 0,80 X Comparação do resultado de um experimento hipotético com o modelo teórico (N=22) Distribuição Normal 47 37 44 35 37 32 44 38 44 36 Conjunto de dados Descritores ou Parâmetros 46,5 38,5 13,2 10,7 Técnica A Técnica B Média Desvio Padrão Técnica A 0 2 4 6 8 10 12 14 28 35 42 49 56 63 70 Mais Bloco F re q ü ên ci a Tecnica B 0 2 4 6 8 10 12 14 16 18 23 28 34 39 45 50 56 Mais Bloco Classificação e Gráfico Modelo 0 0,005 0,01 0,015 0,02 0,025 0,03 0,035 0,04 13 17 21 25 29 33 37 41 45 49 53 57 61 65 69 Técnica A Técnica B • A variável Z é a diferença, em unidades de desvio padrão, entre um determinado valor x e a média. • Portanto, a variável Z pode ser interpretada como o número de desvios padrão envolvidos no afastamento de um determinado valor de x em relação à média. xz s xxz Variável Z Para uma Amostra Normal, a área total sob a mesma é igual a 1, e: • 68.27% dos valores estão entre - e + (1 desvio-padrão); • 95.45% dos valores estão entre -2 e +2 (2 desvios-padrão); • 99.73% dos valores estão entre -3 e +3 (3 desvios-padrão); • 99.99% dos valores estão entre -4 e +4 (4 desvios-padrão). Variável Z 47 37 44 35 37 32 44 38 44 36 Conjunto de dados Descritores ou Parâmetros 46,5 38,5 13,2 10,7 Técnica A Técnica B Média Desvio Padrão Transformação Z Modelo Único Histograma Z( Técnica A) 0 2 4 6 8 10 12 14 16 -2 -1 ,5 -1 -0 ,5 0 0, 5 1 1, 5 2 M ai s F re q ü ê n c ia Histograma Z(Técnica B) 0 2 4 6 8 10 12 14 16 -2 -1 ,5 -1 -0 ,5 0 0, 5 1 1, 5 2 M ai s F re q ü ê n c ia Distribuição Z 0 0,05 0,10,15 0,2 0,25 0,3 0,35 0,4 0,45 -3 -2 ,7 -2 ,4 -2 ,1 -1 ,8 -1 ,5 -1 ,2 -0 ,9 -0 ,6 -0 ,3 0 0, 3 0, 6 0, 9 1, 2 1, 5 1, 8 2, 1 2, 4 2, 7 3 Variável Z Variável Z Variável Z Variável Z -2.5 -2 -1.5 -1 -0.5 0 0.5 1 1.5 2 2.5 0 0.05 0.1 0.15 0.2 0.25 0.3 0.35 0.4 0.45 Data D en si ty data data fit 1 Distribuição Normal 10 15 20 25 30 35 40 45 50 55 60 0 0.005 0.01 0.015 0.02 0.025 0.03 0.035 Data D en si ty hsalto data fit 1
Compartilhar