Baixe o app para aproveitar ainda mais
Prévia do material em texto
UNIVERSIDADE FEDERAL DO PAMPA CAMPUS SÃO GABRIEL Distribuição de Probabilidades para variáveis quantitativas contínuas: Distribuição Normal Alexandra Boligon Carl Friedrich Gauss. Inventou a Normal em 1809. Introdução Figura – distribuição de freqüências para peso ao abate de frangos. Introdução Se forem avaliadas um grande número de amostras, com grande número de classes, e portanto, pequena amplitude de classe e for construído um polígono de freqüências, formará uma linha suave da distribuição teórica das probabilidades da população que pode ser representada por uma função. ↑n ↑K, ↓h Introdução Exemplos de distribuições de probabilidades: • Uniforme • Normal ou Gaussiana • “t” – student • Exponencial • Qui – quadrado • F - Snedecor • Weibull • Gama Distribuição Normal Está entre as distribuições mais importantes, pois parte da estatística inferencial é baseada nela. Características • Praticamente todas as distribuições tendem à normal quando n ∞ • Média, Moda e Mediana são iguais. • É simétrica em relação à média (x=) e unimodal. • Apresenta forma de sino. • .f(x) é máxima quando x=. • .f(x) tende a zero quando x ∞, sem tocar o eixo x. • .f(x) apresenta dois pontos de inflexão x . • Dois parâmetros determinam a forma da curva: e . 2 2 x e 2 1 )x(f Onde: = 3,1416 .e = 2,718 = média = desvio padrão Função Introdução Características b a 2 x dxe 2 1 )bxa(P 2 A área entre dois valores quaisquer a e b é equivalente à probabilidade de ocorrência entre o intervalo correspondente. A probabilidade de acontecer um evento entre a e b (a < b) é dada por Distribuição Normal A > BA < B Distribuição Normal Qual distribuição apresenta maior média? Qual apresenta maior Desvio padrão? Distribuição Normal Distribuição Normal A = C < B A < B < C Problema: Essa distribuição é caracterizada através dos valores da média e do desvio padrão. Assim, ao se alterar um ou ambos desses valores, a curva muda de forma. Distribuição Normal Padronizada Padronização das Variáveis Seja um conjunto de dados X = (x1, x2, ..., xn), com média e variância (; 2) é padronizado depois de aplicar a transformação linear: x Z Média Desvio padrão Valor a ser padronizado Número de desvios padrão distantes da média Distribuição Normal Padronizada Características • Adimensional. • Média = 0, Desvio padrão = 1 (fixos). • .f(z) é máximo para Z = 0 (média); • Dois pontos de inflexão (-1 e 1); • .f(z) é simétrica em relação à média (z = 0); • .f(x) tende a 0 quando Z se afasta da média (f(z) = 0, quando z ∞). Distribuição Normal Padronizada Tabela da distribuição Normal Padronizada TABELA – Área de uma distribuição normal padrão (z) Cada valor da tabela dá a proporção/ probabilidade/ área sob a curva inteira entre z=0 e um valor positivo de z. As áreas negativas são obtidas por simetria. Distribuição Normal Padronizada 0,385 Distribuição Normal Padronizada O,500 ou 50% O,500 ou 50% Média P(0; 1,06) = 0,355 Distribuição Normal Padronizada P(-0,99;0) = 0,339 P(-; -0,99)= 0,500 – 0,339 = O,161 O,500 ou 50% O,500 ou 50% Distribuição Normal Padronizada P(-0,5 < z < 1,5) P(-0,5;0) + P(0; 1,5)= 0,191 + 0,433 = 0,624 0,624 Distribuição Normal Padronizada Distribuição Normal Padronizada 0,488 0,5 – 0,477 =0,023 P(0, 2,0) = 0,477 Distribuição Normal Padronizada P(-; z) = 0,3520 P(-z; 0) = 0,5 – 0,3520 Qual o valor de z? P(-z; 0) = 0,148 Se (-z; 0) = 0,148 Z =? Z = -0,38 0 Distribuição Normal Padronizada 0,475 0,475 -1,96 1,96 Distribuição Normal Padronizada 0,45 -1,645 0,45 1,645 Distribuição Normal Padronizada -1,96 1,96 Exercícios Encontre a probabilidade de Z se encontrar entre os valores de a e b. P(-1,0 < z <1,0) = P(z > 1,96) = P(z < 1,28) = P(-1,64 < z < 1,80) = P(z < -1,12 ou z > 2,00) = P( -3,00 < z < 3,00) =
Compartilhar