Baixe o app para aproveitar ainda mais
Prévia do material em texto
ESTATÍSTICA CURSO SUPERIOR DE TECNOLOGIA DE SISTEMAS AERONÁUTICOS -NOTURNO – - Aula 05 - 1° Semestre 2011 1Prof. Renato Mussi DISTRIBUIÇÃO DE PROBABILIDADES 2Prof. Renato Mussi1° Semestre 2011 DEFINIÇÕES Variável Aleatória (v.a.) é uma função que atribui um valor numérico para cada possível resultado de um experimento; ele pode ser discreta ou contínua. Função de Probabilidade (f.p.) é uma função que atribui uma probabilidade de ocorrência para cada valor xi de uma variável aleatória discreta. Função Densidade de Probabilidade (f.d.p.) é uma função que atribui uma probabilidade de ocorrência para intervalos de valores a ≤ X ≤ b de uma variável aleatória contínua. DISTRIBUIÇÃO DE PROBABILIDADES 3Prof. Renato Mussi1° Semestre 2011 DEFINIÇÕES Distribuição de Probabilidade é a forma como a probabilidade de ocorrência de valores de uma variável aleatória esta relacionada com os valores desta variável. Modelo Probabilístico é um modelo matemático teórico elaborado para descrever uma determinada distribuição de probabilidades que podem ser aplicadas a situações reais e ter seus parâmetros estimados. Nesta aula, vamos estudar um tipo especial e importante de variável aleatória contínua: a variável Normal. DISTRIBUIÇÃO DE PROBABILIDADES 4Prof. Renato Mussi1° Semestre 2011 DISTRIBUIÇÃO NORMAL OU GAUSSIANA É uma das mais importantes e uma das mais utilizadas distribuições de probabilidades. Muitas características mensuráveis presentes na natureza apresentam (ou ao menos se assemelham) a essa distribuição como, por exemplo, a altura humana, o peso de recém nascidos, o QI. A distribuição normal é também a forma de ocorrência da distribuição de médias de amostragem para medições realizadas em uma mesma população, e por isso, tem grande importância nas análises de dados de medidas utilizados em sistemas de produção e experimentos científicos. DISTRIBUIÇÃO DE PROBABILIDADES 5Prof. Renato Mussi1° Semestre 2011 DISTRIBUIÇÃO NORMAL OU GAUSSIANA Seja X uma v.a. com Distribuição Normal com média populacional μ (mi) e desvio padrão populacional σ (sigma), isto é, X ~ N(μ;σ). Então, ela apresenta a seguinte forma: + σ - σ f(x) 0 x DISTRIBUIÇÃO DE PROBABILIDADES 6Prof. Renato Mussi1° Semestre 2011 CARACTERÍSTICAS DA DISTRIBUIÇÃO NORMAL A variável aleatória pode assumir qualquer valor real; As áreas sob a curva podem ser entendidas como medidas de probabilidades, sendo que a área total equivale a 1 (ou 100%); O gráfico da Distribuição Normal é uma curva em forma de “sino” e simétrica em torno de μ; portanto, valores maiores e menores que a média ocorrem em igual probabilidade; Os pontos de inflexão da curva estão em μ , μ - σ e μ + σ; As medidas de tendência central (media, mediana, moda) são todas idênticas; A função densidade de probabilidade é: DISTRIBUIÇÃO DE PROBABILIDADES 7Prof. Renato Mussi1° Semestre 2011 DISTRIBUIÇÃO NORMAL PADRÃO Para se obter probabilidades de uma v.a. que tenha Distribuição Normal é necessária a utilização de cálculos refinados e trabalhosos. Uma alternativa seria a adoção de tabelas que apresentassem estes resultados. Como a Distribuição Normal depende dos valores que μ e σ assumem, deveriam existir tantas tabelas para os cálculos de probabilidades quanto o número de possibilidades destes valores, ou seja, infinitas. Por este motivo, foi criado o conceito de Distribuição Normal Padrão (ou Reduzida), onde μ e igual a zero e σ igual a um. Com isso, é utilizada uma única tabela (Anexo I). DISTRIBUIÇÃO DE PROBABILIDADES 8Prof. Renato Mussi1° Semestre 2011 DISTRIBUIÇÃO NORMAL PADRÃO A representação gráfica da Distribuição Normal Padrão é: Onde: • 68,26% dos valores de Z estão entre -1σ e 1σ. • 95,44% dos valores de Z estão entre -2σ e 2σ. • 99,74% dos valores de Z estão entre -3σ e 3σ. f(z) z DISTRIBUIÇÃO DE PROBABILIDADES 9Prof. Renato Mussi1° Semestre 2011 DISTRIBUIÇÃO NORMAL PADRÃO Uma variável aleatória com Distribuição Normal Padrão é representada por Z, isto é, Z ~ N(0;1). A probabilidade de uma v.a. continua assumir exatamente um determinado valor é igual a zero (ex. P(Z=1,43) = 0). Assim, sempre se utilizara de intervalos para se calcular probabilidades de v.a. contínuas, ou seja, P(Z<1,43), por exemplo. DISTRIBUIÇÃO DE PROBABILIDADES 10Prof. Renato Mussi1° Semestre 2011 CÁLCULO DE PROBABILIDADES DA DISTRIBUIÇÃO NORMAL PADRÃO Para cálculos de probabilidades com v.a. que apresentam Distribuição Normal Padrão utiliza-se a Tabela do Anexo I. A forma da Tabela pode variar, e para nosso caso, utilizaremos aquela que fornece as áreas sob a curva de valores inferiores a um determinado valor z. Este tipo é chamado de Tabela de Distribuição Normal Padrão Acumulada. Exemplos: P(Z ≤ 0,48) = P(Z < 0,48) = 0,68439 ≅ 68,44% P(Z ≤ 2,11) ≅ 0,9826 P(Z < -1,27) ≅ 0,10204 P(Z > 0,89) = P(Z < -0,89) ≅ 0,1867 ou P(Z > 0,89) = 1 - P(Z < 0,89) ≅ 1 – 0,8133 ≅ 0,1867 P(-3,13 < Z < -1,98) = P(Z < -1,98) - P(Z < -3,13) ≅ 0,0239 – 0,0009 ≅ 0,0230 DISTRIBUIÇÃO NORMAL PADRÃO 11Prof. Renato Mussi1° Semestre 2011 EXERCÍCIO Calcule as seguintes probabilidades utilizando a Tabela do Anexo I: 1) P(Z ≤ 0,00) 2) P(Z ≤ 2,00) 3) P(Z > -1,76) 4) P(Z ≤ -1,59) 5) P(Z > 0,63) 6) P(-1,00≤Z≤0,53) DISTRIBUIÇÃO DE PROBABILIDADES 12Prof. Renato Mussi1° Semestre 2011 TRANSFORMAÇÃO PARA DISTRIBUIÇÃO NORMAL PADRÃO Já foram citados exemplos de v.a. que se distribuem de forma aproximadamente normal, mas elas, assim como a grande maioria, não possuem média igual a zero e desvio padrão igual a um. Então, para utilizarmos a tabela estudada anteriormente, devemos transformá-las em v.a. com Distribuição Normal Padrão. Ou seja, X ~ N(μ;σ) → Z ~ N(0;1). Para isso, basta definir: DISTRIBUIÇÃO NORMAL PADRÃO 13Prof. Renato Mussi1° Semestre 2011 EXEMPLO Sabe-se que a distribuição de QI de uma certa população e Normal, com média 100 e desvio padrão 16 (QI ~ N(100;16)). Qual é a probabilidade que uma pessoa escolhida ao acaso deste grupo tenha QI acima de 120? E do QI estar entre 80 e 92? 1) 2) BUSSAB, W. O.; MORETTIN, P. A. Estatística Básica. 6. ed.São Paulo: Saraiva, 2006. COSTA, A.F.B.; EPPRECHT, E.K.; CARPINETTI, L.C.R. Controle Estatístico de Qualidade. Atlas, 2005. REFERÊNCIAS 14Prof. Renato Mussi1° Semestre 2011 ANEXO I ANEXO I (cont.) ANEXO I (cont.) 17Prof. Renato Mussi1° Semestre 2011 z negativo z positivo Representação Gráfica da Tabela
Compartilhar