Baixe o app para aproveitar ainda mais
Esta é uma pré-visualização de arquivo. Entre para ver o arquivo original
* UNIVERSIDADE FEDERAL DO PAMPA CAMPUS SÃO GABRIEL Distribuição de Probabilidades Professora: Alexandra Augusti Boligon * Introdução Até o momento, os dados foram representados por distribuições de freqüências, gráficos, medidas de tendência central (posição) e de variabilidade (dispersão). No entanto, a probabilidade (freqüência relativa) de ocorrência dos eventos pode ser modelada por funções matemáticas. * Introdução As distribuições de freqüências de uma amostra de elementos da população são uma estimativa da distribuição da probabilidade de acontecimento de determinados eventos (classes). Se o tamanho da amostra for suficientemente grande, espera-se que a distribuição da amostra seja uma boa aproximação da distribuição de probabilidades da população. A análise das distribuições de probabilidade permitem a construção de modelos que descrevam fenômenos do mundo real. * Introdução Variável aleatória Seja E um experimento aleatório e S o espaço amostral (conjunto de todos os resultados possíveis) associado a esse. Uma função X que associe a cada elemento x S um número real X (s) é denominada variável aleatória. * Modo de vincular a variável aleatória discreta à probabilidade da ocorrência dos pontos do Espaço amostral (S) em cada experimento (E). Sendo X (e.g. número amostras de leite reprovadas no quanto à microbiologia) de uma variável aleatória discreta, a probabilidade que X assuma um particular valor de x (número de casos favoráveis), é a função de probabilidade de X, que é representado por P(X = x) ou simplesmente P(x). É uma Função Matemática que, ao ser fornecido um valor de xi é associado a esse uma P(xi), tal que: Funções de Probabilidades (variáveis discretas) P(xi) 0,00, i. P(xi) = 1,00. * EXEMPLO: E = analisar duas amostras de leite. X = número de amostras reprovadas quanto à microbiologia. Funções de Probabilidades (variáveis discretas) Espaço amostral: [A A], [A R], [R A], [R R] Para x = 0, 1, 2 * Funções de Probabilidades (variáveis discretas) Figura – distribuição da freqüência do número de amostras reprovadas. Gráf1 0.25 0.5 0.25 Número de amostras reprovadas (x) P(X=x) Plan1 0 0.25 1 0.5 2 0.25 Plan2 Plan3 * Variável aleatória discreta: seja X uma variável aleatória. Se o número de valores possíveis de X for finito ou infinito numerável, denominaremos X de variável aleatória discreta (Martins, 2010). Distribuições discretas ou descontínuas * 1. Distribuições Binomial Esse modelo fornece a probabilidade do número de sucessos quando são realizadas n provas idênticas. Aplicada às variáveis aleatórias qualitativas ou categóricas que somente dois resultados são possíveis, ou seja, variáveis dicotômicas ou binárias. * 1. Distribuições Binomial P(Sucesso) = P(S) = p P(Fracasso) = P(F) = 1 – p = q Resultados possíveis: Sucesso (S) = quando ocorre evento de interesse. Fracasso (F) = quando não ocorre evento de interesse. * Ou seja: Admitem apenas dois resultados. As repetições são independentes, ou seja, a probabilidade de sucesso e fracasso do experimento posterior não se modifica em função do evento anterior. As probabilidades p e q são fixas. 1. Distribuição Binomial Baseadas no experimento de Bernoulli As tentativas são realizadas em condições fixas. Os eventos são independentes, exaustivos e excludentes. * Exemplos de variáveis Binomiais O produto fabricado está/não está adequado para consumo. Resultado de uma questão de V ou F. Sexo de um indivíduo. Funcionário fumante/não fumante. Germinação de uma semente. Ocorrência de determinada pra/doença. * Características da Distribuição Binomial A distribuição Binomial é caracterizada ou descrita por 2 parâmetros: o número de tentativas (n) e probabilidade de sucesso (p). Para qualquer n, a distribuição será simétrica de p=q=0,5, assimétrica à direita se p > q e assimétrica a esquerda se p < q. Apresenta cálculos relativamente fáceis para valores de n pequenos (n < 10) * Fórmula da Distribuição Binomial Onde: x = evento que se tem interesse em associar uma probabilidade. n= número de tentativas ou experimentos p = probabilidade de sucesso, associada ao evento x. q = probabilidade de fracasso (q = 1 - p). ! = fatorial. * Exemplo x = 2 mudas sadias. n = 3 mudas avaliadas p = 0,70 (Sadias). q = 0,30 (Atacadas) = (1,000 – 0,70). Considerando o exemplo do número de mudas atacadas por determinado vírus, calcule a probabilidade de 2 mudas serem sadias. * Exemplo Considerando o exemplo do número de mudas atacadas dado anteriormente, calcule a probabilidade de 2 mudas serem sadias. * Média para Distribuição Binomial Variância para Distribuição Binomial * Cálculo do Desvio Padrão para Distribuição Binomial * Exercícios 1 - Em uma prova da aplicada aos alunos da UNIPAMPA, com 06 questões de V ou F, qual a probabilidade de um aluno acertar “no chute” as seis questões? E qual a probabilidade desse aluno acertar apenas 3 questões? 2 - Para esta mesma turma foi aplicada uma prova com 06 questões de 4 alternativas cada, qual a probabilidade de um aluno acertar “no chute” as seis questões? E qual a probabilidade desse aluno acertar 3 questões? * Exercícios 3 - Em experimentos anteriores, 3 sementes de araucária de um determinado lote germinaram a cada cada 10 semeadas. Se 8 sementes desse mesmo lote forem aleatoriamente selecionadas e semeadas, qual a chance que 4 delas germinarem? E de pelo menos 3 germinarem? 4 - Um aluno bem treinado consegue gerar em 80% de suas tentativas, um meio de cultura para fungos totalmente puro. Se ele realizar esse preparo 10 vezes, qual a probabilidade de se obter sucesso nas 10 tentativas?
Compartilhar