Baixe o app para aproveitar ainda mais
Prévia do material em texto
DISCIPLINA: ESTATÍSTICA BÁSICA AULA: PROBABILIDADE Prof.ª Larisse Pinheiro Schmid UNIVERSIDADE FEDERAL DO PIAUÍ – UFPI CAMPUS PROF.ª CINOBELINA ELVAS – CPCE CURSO DE ZOOTECNIA E ENGENHARIA AGRONÔMICA Bom Jesus, 26 de setembro de 2018. Teoria da probabilidade Obtenção de resultados Teoria da probabilidade Dados de uma amostra: variáveis aleatórias. Probabilidade • Inúmeros modelos probabilísticos podem ser usados para modelar a ocorrência à distribuição e facilitar a compreensão de como os eventos aleatórios ocorrem. • A inferência estatística usa esses modelos e suas propriedades para formular as principais teorias utilizadas em pesquisas. • Espaço amostral (Ω): conjunto de todas as possíveis formas de ocorrer um determinado fenômeno. Exemplo: lançamento de uma moeda – espaço amostral (cara, coroa). • Evento: é a representação de um subconjunto do espaço amostral. Exemplo: moeda – dois eventos, dado – seis eventos. Variável aleatória Uma função que associa a cada elemento do espaço amostral um número real. Variáveis • Qualitativa (ou categórica): são características que não possuem valor numérico, são definidas por categorias; - a. Nominais: não existe ordenação dentro das categorias. Ex.: sexo, cor dos olhos, doente/sadio. - b. Ordinais: existe uma ordenação dentro das categorias. Ex.: escolaridade (1º, 2º, 3º), mês de observação (jan, fev, mar, etc.) • Quantitativa: variáveis que podem ser medidas em escala quantitativa, ou seja, apresentam valores numéricos. - a. Discretas: podem assumir apenas um número finito ou infinito, contável de valores (somente valores inteiros). Ex.: nº de filhos, nº de bactérias por litro de leite, º de cigarros fumados por dia. - b. Contínua: assumem valores em uma escala contínua (valores fracionais fazem sentido). Ex.: peso, altura, pressão arterial. Probabilidade de ocorrência de um evento “a” maneiras de ocorrer “n” modos possíveis P = 𝒂 𝒏 Exemplo: • Nascimento de fêmeas em uma leitoada de tamanho 3. - Qual a probabilidade de nascer duas fêmeas? - E nenhuma fêmea? Variáveis aleatórias e distribuição de probabilidades • Variáveis aleatórias discretas • Variáveis aleatórias contínua Variável X = {X1, X2,...,Xn} P = {p1, p2,..., pn} ∑pi=1 ou 100% Distribuição de probabilidade discreta • Distribuição binomial Sucesso = p Fracasso = q = (1-p) P(X=x)=𝑪𝒏 𝒙 .𝒑𝒙.𝒒𝒏−𝒙 𝐶𝑛 𝑥 = 𝑛! 𝑥! 𝑛 − 𝑥 ! µ=n.p σ2𝑥 = 𝑛. 𝑝. 𝑞 = 𝑛. 𝑝. (1 − 𝑝) Exemplo • Nascimento de dois bezerros considerando o sucesso a ocorrência de fêmeas. Qual a probabilidade de nascer duas fêmeas? Uma fêmea? Nascer pelo menos uma fêmea? • Distribuição de Poisson Distribuição de uma variável X que mede a ocorrência de elementos por unidade de tempo, área ou espaço. Exemplo: planta de uma determinada espécie por unidade de área; formigueiros por talhão; doença por unidade de tempo. Pré-requisito: n≥50 e p≤0,10. Quando n é grande tendendo ao ∞ e p é pequeno tendendo a zero. Distribuição de probabilidade discreta Distribuição de Poisson Função de densidade P(X=x)= 𝒆−𝒌. 𝒌𝒙 𝒙! Função de distribuição de Poisson F(x)= P(X≤x)= 𝒆−𝒌𝒙𝒕=𝟎 . 𝒌𝒕 𝒕! K=n.p µ=σ𝒙𝟐=K=n.p Exemplo • 2% de um rebanho são infectados com uma doença. EM um rebanho de 100 animais, pergunta-se, qual a probabilidade de ocorrer: a) Nenhuma animal doente? b) 1 animal doente? c) 2 animais doentes? d) Mais de 3 animais doentes? CONTINUAÇÃO... Probabilidade • Chance real de ocorrer um determinado evento, ou seja, a chance de ocorrer uma medida em um determinado intervalo. • A frequência relativa desse intervalo, observada a partir de uma amostra de medidas, é a aproximação da probabilidade. • A distribuição de frequências é a aproximação da distribuição de probabilidades. Propriedades da probabilidade 1. 0≤ P(x)≥1, para qualquer evento x; 2. P(Ω)=1; 3. P(ᴓ)=0; 4. P 5. Se Ǡ for o evento complementar de A, então P(A)= 1 – Ǡ. Distribuição normal • Função densidade f(x)= 1 2πσ2 . 𝑒 − (𝑥−µ)2 2σ2 Características de uma distribuição normal i) Simétrica em relação a µ; ii) Tem forma de sino iii) Completamente definida sabendo-se a média e a variância; iv) É assintótica em relação a abscissa; v) Área total sob a curva é igual a 1. • Quando µ e σ são desconhecidos, esses valores são estimados por X e s, respectivamente, a partir da amostra em que: Distribuição normal • Para cada valor de µ e/ou σ temos uma curva de distribuição de probabilidade. • Mas e para se calcular áreas específicas? “Distribuição normal reduzida ou padronizada ou Standartizada” Distribuição normal reduzida ou padronizada • (σ= 1 e µ=0) • Se X pertence N(µ;σ), então a V.A. Z definida por: Z = 𝑋−µ σ , tem distribuição normal padronizada. Sabe-se que a probabilidade de X estar entre dois valores quaisquer (a,b) é dada pela área sob a curva normal entre esses dois valores. Exemplo: • Tendo coelhos híbridos, assumindo-se distribuição normal dos pesos, tem-se que µ=2,584 e S= 0,0675. Qual a probabilidade de ocorrer um animal pesando mais que 2,701 kg? Teorema da soma • P (A U B)= P(A) + P(B) – P(A∩B) • P(A U B)= P(A) + P(B) Exemplo: Considere o lançamento de um dado. A = sair o número 5 B = sair um número par C = sair um número ímpar Determinar: Ω, P(A), P(B), P(C), P(A U B), P(A U C) e P(Ǡ). A e B Mutuamente exclusivos Probabilidade condicional • Existem situações em que a chance de um evento acontecer depende do resultado de outro evento. A probabilidade condicional de A dado pode ser determinada por: P( A | B) = P (A ∩ B) 𝑃 (𝐵) P(B) > 0 Exemplo Uma amostra de 500 alunos, perguntou-se: você gosta da disciplina de Estatística? 240 homens responderam, 140 disseram que sim. 260 mulheres, 200 responderam sim. Qual a probabilidade que um aluno escolhido seja: a) Um homem (H) b) Gostou da disciplina (G) c) Uma mulher (M) d) Não gostou da disciplina (NG) e) Seja uma mulher ou gostou da disciplina – P(M U G)] f) O aluno gostou da disciplina. Probabilidade que seja homem – P (H | G) g) O aluno é uma mulher. Probabilidade que não gostou da disciplina – P (NG | M) Teorema do produto • Da probabilidade condicional podemos retirar o teorema do produto, que nos permite calcular a probabilidade de ocorrência simultânea de dois eventos. • Sejam A e B dois eventos de Ω, a probabilidade de A e B ocorrerem juntos é dada por: P(A∩B) = P(A) . P (B | A), com P(A) > 0 Ou P (A ∩B) = P(B). P (A | B), com P(B) > 0 Exemplo: • Em um lote de 12 peças, 4 são defeituosas. Duas são retiradas, uma após a outra, sem reposição. Qual a probabilidade de que ambas sejam boas? Probabilidade independente – Independência estatística • Dois eventos são independentes quando a ocorrência de um não influencia na ocorrência de outro. • Dois eventos são ditos independentes se: P (A ∩ B)= P(A) . P(B) • Dois eventos são independentes quando a ocorrência de um não altera a probabilidade de ocorrência do outro. P(A∩B) = P(A). P(B) Exemplo: • Lote com 10 peças, sendo 7 boas(B) e 3 defeituosas (D). Retira-se duas peças, ao acaso e com reposição para inspeção. • Qual a probabilidade de se obter duas peças defeituosas? Exemplo: • S={1,2,3,4} • A={1,2} • B={1,3} • C={1,4} Verificar se A, B e C são independentes. Teorema da probabilidade total Exemplo: • Uma caixa I contém 2 fichas verdes e 3 fichas vermelhas. Uma segunda caixa II contém 4 fichas verdes e 3 vermelhas. Escolhe-se ao acaso, uma caixa e dela retira-se também ao acaso uma ficha. Qual a probabilidade de que a ficha retirada seja verde? Exemplo: • Um estabilizador pode provir de três fabricantes I, II e III com probabilidades de 0.25, 0.35 e 0.40, respectivamente. As probabilidades de que durante determinado período de tempo o estabilizador não funcione bem são, 0.10, 0.05 e 0.08 para cada um dos fabricantes. Qual a probabilidade de que um estabilizador escolhido ao acaso não funcione bem durante um período de tempo especificado. Teorema de Bayers • Considere B1, B2,..., Bn eventos mutuamente exclusivos - partição Ω • P(Bi)= conhecidas dos vários eventos • A um evento qualquer Ω • Conhecidas todas as probabilidades condicionais. Exemplo: • Considerando o exemplo das fábricas. Dado o estabilizador escolhido ao acaso não funciona bem durante o período de tempo especificado, qual a probabilidade de que ele tenha sido produzido pelo fabricante I, isto é P(A|CI)). Esperanças matemáticas • A média de uma variável aleatória X recebe o nome de valor esperado ou esperança matemática de X: E(x)= 𝑥𝑖𝑃 𝑋 = 𝑥𝑖 , 𝑠𝑒 𝑋 é 𝑢𝑚𝑎 𝑣. 𝑎. 𝑑𝑖𝑠𝑐𝑟𝑒𝑡𝑎; 𝑛 𝑖 E(x)= 𝑥𝑓 𝑥 𝑑𝑥, 𝑠𝑒 𝑋 é 𝑢𝑚𝑎 𝑣. 𝑎. 𝑐𝑜𝑛𝑡í𝑛𝑢𝑎 ∞ −∞ Exercícios Três cartas são retiradas sucessivamente de um baralho, sem reposição. Calcule a probabilidade de que o evento A1 ∩ A2 ∩ A3 ocorra, sabendo-se que A1 é o evento da 1ª carta ser um ás vermelho, A2 é o evento da 2ª carta ser um 10 ou um valete e A3 é o evento da 3ª carta ser maior do que 3 mas menor do que 7.
Compartilhar