Baixe o app para aproveitar ainda mais
Prévia do material em texto
1 Universidade Federal de Goiás Escola de Agronomia e Engenharia de Alimentos Engenharia Florestal Disciplina: Estatística e Experimentação Florestal Professor: Evandro Novaes Probabilidade – distribuição Normal Capítulo 3 © E. Novaes 3. Probabilidade e Distribuições de Probabilidade a. Introdução à Probabilidade b. Distribuição Binomial c. Distribuição de Poisson d. Distribuição Normal Aula de hoje Variáveis discretas Variável conGnua © E. Novaes 2 Binomial vs Poisson • Ambos representam variáveis discretas; • Binomial => número de ocorrências tem um limite (n) • Poisson => em teoria não há limite para o número de ocorrências (número de testes n é desconhecido). © E. Novaes Binomial vs Poisson • Exemplo Binomial – Lança-‐se uma moeda 10 vezes. Qual é a probabilidade de se obter no mínimo 3 caras; • Exemplo Poisson – Qual é a probabilidade de meu computador não falhar hoje, dado que ele vem falhando em média duas vezes por semana; © E. Novaes 3 Binomial ~ Poisson • Se n for grande e p pequeno – Binomial(np) ~ Poisson(λ) © E. Novaes Binomial vs Poisson • Se n não for grande e/ou p não for pequeno – Binomial(np) ≠ Poisson(λ) © E. Novaes 4 Distribuição Normal © E. Novaes Histórico Pierre-‐Simon de Marquis Laplace (1749-‐1827) Abraham de Moivre (1667-‐1754) Carl Friedrich Gauss (1777-‐1855) © E. Novaes 5 Distribuição Normal • Porquê é tão importante na BioestaGsica: 1. Muitas variáveis biológicas tendem a ter distribuição Normal (p.ex. caracteres quanitaivos) 2. A distribuição das médias de uma variável qualquer tendem a ter distribuição Normal, mesmo que a variável em si não tenha (Teorema do Limite Central); 3. Muitos testes e modelos estaGsicos pressupõem a “normalidade dos dados”; © E. Novaes Demonstração do Teorema do Limite Central © E. Novaes 6 Frutos de mangaba © E. Novaes Histograma – peso dos frutos © E. Novaes 7 Histograma – peso dos frutos © E. Novaes Histograma – peso dos frutos © E. Novaes 8 Histograma – peso dos frutos © E. Novaes Histograma – peso dos frutos © E. Novaes 9 Histograma – peso dos frutos © E. Novaes Distribuição Normal © E. Novaes 10 Distribuição Normal Função densidade de probabilidade € f (x) = 1 σ 2π e − 1 2 x−µ σ ⎛ ⎝ ⎜ ⎞ ⎠ ⎟ 2 © E. Novaes Propriedades da Distribuição Normal 1. Dois parâmetros descrevem a distribuição: 2. Forma de “Sino”: unimodal e simétrica • média ≅ moda ≅ mediana 3. Assintóica: a curva jamais toca o eixo x 4. A curva tem dois pontos de inflexão em (μ-‐σ) e (μ+σ) Pontos de inflexão € X ~ N(µ , σ 2) © E. Novaes 11 © E. Novaes © E. Novaes 12 © E. Novaes © E. Novaes 13 © E. Novaes © E. Novaes 14 Distribuição do peso de frutos de mangaba € f (x) = 1 σ 2π e − 1 2 x−µ σ ⎛ ⎝ ⎜ ⎞ ⎠ ⎟ 2 € x = 2,0 s = 0,3 © E. Novaes Distribuição do peso de frutos de mangaba € f (x) = 10,3 2π e − 1 2 x−2 0,3 ⎛ ⎝ ⎜ ⎞ ⎠ ⎟ 2 € x = 2,0 s = 0,3 © E. Novaes 15 Qual é a probabilidade de que um fruto apresente peso menor do que 1,5? € f (x) = 10,3 2π e − 1 2 x−2 0,3 ⎛ ⎝ ⎜ ⎞ ⎠ ⎟ 2 © E. Novaes Qual é a probabilidade de que um fruto apresente peso menor do que 1,5? € f (x) = 10,3 2π e − 1 2 x−2 0,3 ⎛ ⎝ ⎜ ⎞ ⎠ ⎟ 2 © E. Novaes 16 Qual é a probabilidade de que um fruto apresente peso maior do que 2,1dag? € f (x) = 10,3 2π e − 1 2 x−2 0,3 ⎛ ⎝ ⎜ ⎞ ⎠ ⎟ 2 © E. Novaes Qual é a probabilidade de que um fruto apresente peso entre 1,5 e 2,1dag? € f (x) = 10,3 2π e − 1 2 x−2 0,3 ⎛ ⎝ ⎜ ⎞ ⎠ ⎟ 2 © E. Novaes 17 © E. Novaes © E. Novaes 18 © E. Novaes Qual é a probabilidade de que um fruto apresente peso menor do que 1,5dag? € f (x) = 10,3 2π e − 1 2 x−2 0,3 ⎛ ⎝ ⎜ ⎞ ⎠ ⎟ 2 © E. Novaes 19 Qual é a probabilidade de que um fruto apresente peso menor do que 1,5dag? € f (x) = 10,3 2π e − 1 2 x−2 0,3 ⎛ ⎝ ⎜ ⎞ ⎠ ⎟ 2 € f (x) = 12π e − x 2 2€ zi = xi − 2,0 0,3 © E. Novaes Qual é a probabilidade de que um fruto apresente peso maior do que 2,1dag? € f (x) = 10,3 2π e − 1 2 x−2 0,3 ⎛ ⎝ ⎜ ⎞ ⎠ ⎟ 2 € f (x) = 12π e − x 2 2€ zi = xi − 2,0 0,3 © E. Novaes 20 Qual é a probabilidade de que um fruto apresente peso entre 1,5 e 2,1dag? € f (x) = 10,3 2π e − 1 2 x−2 0,3 ⎛ ⎝ ⎜ ⎞ ⎠ ⎟ 2 € f (x) = 12π e − x 2 2€ zi = xi − 2,0 0,3 © E. Novaes 11. Suponha que a eficiência do uso do paclobutrazol para indução de florescimento precoce em plantas de Eucalyptus seja de 90%. Supondo que 10 plantas tenham sido submeidas ao tratamento de indução, calcule a probabilidade de que: a) pelo menos duas plantas tratadas floresçam precocemente; b) todas as plantas tratadas floresçam precocemente. © E. Novaes
Compartilhar