Baixe o app para aproveitar ainda mais
Prévia do material em texto
Profa. Ana Carolina Bueno UNIDADE III Estatística Suponha que um conjunto de 10 peças contenha oito em boas condições (B) e duas defeituosas (D). Qual a probabilidade de que as duas peças selecionadas sejam boas? Resposta = 0,6222 Exemplo 1 a) Se escolhermos aleatoriamente um dos dez algarismos (0,1,2,3,4,5,6,7,8,9), qual a probabilidade de escolhermos 0 ou 1? b) Considerando o mesmo conjunto de números, qual a probabilidade de obtermos um número ímpar ou um número superior a 6? Exemplo 2 Dois carros são selecionados em uma linha de produção com 12 carros, 5 deles defeituosos. a) Qual é a probabilidade de o segundo carro ser defeituoso, dado que o primeiro carro era defeituoso? Resposta: 0,3636 b) Determine a probabilidade de ambos os carros serem defeituosos. Resposta: 0,1515 Exemplo 3 Um banco de sangue cataloga os tipos sanguíneos – inclusive o fator RH positivo ou negativo – dos doadores que doaram durante os últimos cinco dias. O número dos que doaram cada tipo sanguíneo está relacionado na tabela a seguir. Um dos doadores é selecionado ao acaso. Qual a probabilidade: a) De o doador ter tipo sanguíneo O ou A. (R: 0,8508) b) De um doador ter tipo sanguíneo O e RH negativo. (R: 0,0685) c) De o doador ter tipo sanguíneo B ou ser Rh negativo. (R: 0,2469) d) De um doador ter tipo sanguíneo A, dado que é Rh positivo. (R: 0,4041) Exemplo 4 Fator RH Tipos sanguíneos O A B AB Total Positivo 156 139 37 12 344 Negativo 28 25 8 4 65 Total 184 164 45 16 409 Exemplo 4 Fator RH Tipos sanguíneos O A B AB Total Positivo 156 139 37 12 344 Negativo 28 25 8 4 65 Total 184 164 45 16 409 Um fabricante de lâmpadas para faróis automotivos testa as lâmpadas sob condições de alta umidade e alta temperatura, usando a intensidade e vida útil como parâmetros de interesse. A tabela mostra a performance de 130 lâmpadas. Assinale a alternativa incorreta. a) A probabilidade de que uma lâmpada selecionada aleatoriamente seja insatisfatória sob qualquer critério é de 1,54%. b) A probabilidade de que a intensidade seja satisfatória é de 92,31%. Interatividade Vida útil Satisfatória Insatisfatória Intensidade Satisfatória 117 3 Insatisfatória 8 2 c) A probabilidade de que ela tenha intensidade satisfatória ou vida útil satisfatória é de 1,88%. d) Os eventos intensidade e vida útil são eventos não excludentes. e) A probabilidade de que tenha intensidade insatisfatória e vida útil satisfatória é de 6,15%. Interatividade Relação entre as possíveis ocorrências de um experimento e a probabilidade dessa ocorrência. É dividida em: Distribuições de probabilidades discretas, sendo que a principal é a distribuição binomial. Distribuições de probabilidades contínuas, sendo que a principal é a distribuição normal. Distribuições de probabilidades Ocorrências Probabilidade CaCa 27,04% CaCo 24,96% CoCa 24,96% CoCo 23,07% Apresentam exatamente dois resultados complementares. Em processos industriais, as peças falham ou não falham. Em propaganda, um consumidor reconhece um produto ou não. Lançar uma moeda 5 vezes e observar o número de caras. Numa linha de produção, observar 10 itens tomados ao acaso e verificar quantos estão defeituosos. Distribuição binomial Todos os possíveis resultados associados às suas probabilidades correspondentes. Distribuição de probabilidades binomial Fonte: livro-texto. Dado que 10% das pessoas são canhotas, suponha que queiramos achar a probabilidade de obter exatamente 3 estudantes canhotos em uma turma de 15 estudantes. Algumas carteiras são adaptadas para estudantes canhotos e a probabilidade resultante poderia afetar o número de tais carteiras a serem encomendadas para as salas de aula. Exemplo – pessoas canhotas Condições: O número de provas (15) é fixo. As provas são independentes porque o fato de um estudante ser canhoto ou destro não afeta a probabilidade de outro estudante ser canhoto. Cada prova tem duas categorias de resultados: o estudante é canhoto ou não é. A probabilidade (0,1) permanece constante para os diferentes estudantes. Exemplo – pessoas canhotas Identificar n, x, p e q. Para x = 0, 1, 2, 3, ……, n n = número de provas x = número de sucessos em n provas p = probabilidade de sucesso em qualquer prova q = probabilidade de falha em qualquer prova (q = 1–p) Exemplo de pessoas canhotas Identificar n, x, p e q. Com 15 estudantes em uma turma, temos n = 15. Queremos 3 estudantes canhotos (sucessos), e assim x = 3. A probabilidade de um estudante ser canhoto (sucesso) é 0,1 e, assim p = 0,1. A probabilidade de falha (não canhoto) é 1 – 0,1 = 0,9, logo q = 0,9. x e p devem ambos referir-se ao mesmo conceito de “sucesso”. Exemplo – pessoas canhotas Utilização da fórmula da probabilidade binomial. Utilização de tabela. Utilização de programas estatísticos. Métodos para determinar a distribuição binomial Para x = 0, 1, 2, 3, ……, n n = número de provas x = número de sucessos em n provas p = probabilidade de sucesso em qualquer prova q = probabilidade de falha em qualquer prova (q = 1–p) Fórmula da probabilidade binomial Determine a probabilidade de obter 3 estudantes canhotos em uma turma de 15 estudantes, dado que 10% da população é canhota. Isto é, determine P(3), se n = 15, x = 3, p = 0,1, q = 0,9. Exemplo – pessoas canhotas xnx qp xxn n xP !)!( ! )( Exemplo – pessoas canhotas xnx qp xxn n xP !)!( ! )( 1233153 9,01,0 !3!.12 !15 9,01,0 !3)!315( !15 )3( P 282,0001,0 6 2730 282,0001,0 1.2.3!.12 !12.13.14.15 )3( P 1283,0)3( P Uso da tabela de distribuição binomial Fonte: Autoria própria. p Exemplo – pessoas canhotas 0,12853 Fonte: Autoria própria. Determine a média, a variância e o desvio padrão de obter 3 estudantes canhotos em uma turma de 15 estudantes. Média e Desvio padrão – pessoas canhotas pn qpn 2 qpn Determine a média, a variância e o desvio padrão de obter 3 estudantes canhotos em uma turma de 15 estudantes. Média e Desvio padrão – pessoas canhotas pn qpn 2 estudantes16,19,01,015 5,11,015 ²35,19,01,0152 estudantes qpn Um engenheiro de inspeção extrai uma amostra de 15 itens aleatoriamente de um processo de fabricação sabido produzir 85% dos itens aceitáveis. Qual a probabilidade de que 10 dos itens extraídos sejam aceitáveis? a) 4,49% b) 9,85% c) 15,0% d) 47,5% e) 85% Interatividade Variáveis aleatórias contínuas são as susceptíveis de tomar qualquer valor real num dado intervalo. Exemplos: O peso de um indivíduo. O comprimento de uma folha. Pesos das moedas produzidas. Altura de mulheres adultas. Tempo entre as chegadas dos clientes em um banco. Quantidade em uma garrafa de refrigerante. Variável aleatória contínua 30 40 50 60 70 80 90 100 0.000 0.015 0.030 P eso De ns ida de As grandes amostras de certas variáveis aleatórias permitem construir gráficos que têm aparência típica. Curva normal f(x) = 1 √(2πσ2) - (x – μ)2 2σ2 exp . Fonte: Autoria própria. Uma variável aleatória contínua tem distribuição normal se essa distribuição é simétrica e apresenta a forma de um sino. Distribuição normal f(x) µ σ µ = média σ = desvio padrão X Fonte: Autoria própria. Distribuição normal Fonte: Autoria própria. A variável Z possui média 0e desvio-padrão 1. Z é variável contínua que representa o número de desvios a contar da média. Distribuição normal padronizada Fonte: Autoria própria. As probabilidades associadas à distribuição normal padronizada são facilmente obtidas em tabelas. Distribuição normal padronizada – tabela Fonte: Autoria própria. Análise gráfica Fonte: livro-texto. Uma empresa fabrica termômetros que devem acusar 0ºC no ponto de congelamento da água. Testes feitos em uma grande amostra desses termômetros revelaram que, no ponto de 0ºC, alguns acusavam valor inferior a 0ºC e outros acusavam valor superior. Suponha que a leitura média seja 0ºC e que o desvio- padrão das leituras seja 1,00ºC. Admita também que a distribuição de frequência dos erros se assemelhe a uma distribuição normal. Distribuição normal – exemplo Escolhido um termômetro aleatoriamente, determine a probabilidade de que: a) No ponto de congelamento da água o termômetro marque entre 0ºC e +1,58ºC. Distribuição normal – exemplo Fonte: Autoria própria. 0,9429 – 0,5000 0,4429 Distribuição normal – exemplo 0,9429 Escolhido um termômetro aleatoriamente, determine a probabilidade de que: b) No ponto de congelamento da água, o termômetro marque -1,65º C. Continuando o exemplo do termômetro Fonte: Autoria própria. Usando a tabela da distribuição normal Escolhido um termômetro aleatoriamente, determine a probabilidade de que: c) No ponto de congelamento da água, o termômetro marque entre -1,65º C e 1,58º C. P(-1,65) = 0,0495 P(1,58) = 0,9429 P(-1,65<X<1,58) = 0,8934 Continuando o exemplo do termômetro Fonte: Autoria própria. Escolhido um termômetro aleatoriamente, determine a probabilidade de que: d) No ponto de congelamento da água, o termômetro marque um valor maior que 1,58º C. P(X>1,58) = 1,0000 – 0,9429 P(X>1,58) = 0,0571 Continuando o exemplo Fonte: Autoria própria. Em relação à curva da distribuição normal ou curva de Gauss, são dadas as afirmações a seguir. I. É assimétrica em relação ao seu valor médio. II. A área compreendida entre a curva e o eixo das abcissas é igual a 1. III. É tanto mais achatada quanto maior for a média. IV. A variável Z possui média 0 e desvio-padrão 1. Assinale a alternativa com as afirmações incorretas. a) I e II b) I e III c) II e III Interatividade d) II e IV e) I, II, III e IV Para calcular probabilidades associadas à distribuição normal, usa-se um artifício. Sabe-se que, se X tem distribuição normal com média μ e desvio-padrão σ, a variável tem distribuição normal padronizada. μ é a média aritmética σ é o desvio-padrão Z valores que indicam a distância ao longo da escala horizontal Probabilidade na distribuição normal padronizada X Z Suponha um consultor investigando o tempo que os trabalhadores de uma fábrica levam para montar determinada peça. Suponha que análises da linha de produção tenham calculado tempo médio de 75 segundos e desvio padrão de 6 segundos Distribuição normal – Exemplo de normalização Escala de Z Escala de X Fonte: Autoria própria. a) Suponha que o consultor queira saber qual a probabilidade de um trabalhador levar um tempo entre 75 e 81 segundos para montar uma peça, ou seja, P(75 ≤ X ≤ 81). Determine esta probabilidade. Exemplo Fonte: Autoria própria. Escala de Z Escala de X Exemplo – resolvendo 1 6 7581 2 X Z 0 6 7575 1 X Z Fonte: Autoria própria. Escala de Z Escala de X P(75<x<81) 0,8413 – 0,5000 0,3413 Exemplo – resolvendo 0,8413 Fonte: Autoria própria. b) Qual a probabilidade de um trabalhador levar um tempo entre 66 e 81 segundos para montar uma peça? Sendo Então P(X=66) = P(66<X<81) = 0,7745 Continuando o exemplo Fonte: Autoria própria. Escala de Z Escala de X Continuando o exemplo Fonte: Autoria própria. A duração de certo componente eletrônico tem média de 850 dias e desvio-padrão de 40 dias. Sabendo que a duração é normalmente distribuída, calcule a probabilidade de esse componente durar: a) Entre 800 e 950 dias. b) Mais de 750 dias. Distribuição normal – outros exemplos a) Entre 800 e 950 dias Distribuição normal – outros exemplos 5,2 40 850950 2 Z 25,1 40 850800 1 X Z 8882,04938,03944,021 PP 3944,01P 4938,02 P b) Mais de 750 dias Então, Distribuição normal – outros exemplos 9938,05,04938,021 PP 4938,01P 5,02 P Outros exemplos O tempo gasto no exame vestibular de uma universidade tem distribuição Normal, com média de 120 min. e desvio padrão de 15 min. Sorteando um aluno ao acaso, qual a probabilidade de que ele termine o exame antes de 100 minutos? a) 50% b) 40,82% c) 20% d) 9,18% e) 1% Interatividade ATÉ A PRÓXIMA!
Compartilhar