Baixe o app para aproveitar ainda mais
Prévia do material em texto
ESTATÍSTICA Prof Paulo Renato A. Firmino praf62@gmail.com Aulas 11-12 EstatEstatíísticastica -- Paulo Renato A. FirminoPaulo Renato A. Firmino 2 Variáveis Aleatórias (VAs) • Definição: Função que associa a cada elemento ω de Ω um nº (ou símbolo) dos reais: X(ωi) = x • O seu conceito permite que o analista defina o experimento (ε), e consequentemente seu Ω, de maneira mais elaborada (sistemática) Pode-se aumentar a quantidade de informações extraídas com a realização de ε Pode-se associar várias VAs para um dado Ω • Isto contribui para um melhor planejamento de ε • Economiza-se tempo e dinheiro • Aumenta-se o potencial de suporte à decisão EstatEstatíísticastica -- Paulo Renato A. FirminoPaulo Renato A. Firmino 3 Variáveis Aleatórias (VAs) • Exemplo ε1 - “Entrevistar pessoas e contar o nº de preferências pelo candidato B durante 24 horas” ε2 - “Entrevistar pessoas e classificá-las segundo sua preferência de voto durante 24 horas” ε3 - “Entrevistar pessoas e obter X(ω3), Y(ω3), Z(ω3), ... durante 24 horas” ε1 é um experimento contido em ε2 que, por sua vez, está contido em ε3 Ω1 = {0, 1, 2, ..., N}; N – nº máximo de pessoas entrevistadas Ω2 = {(B1∩B2 ∩B3 ∩.... ∩BN), (B1 ∩B2 ∩B3 ∩.... ∩BNc), ..., (B1c ∩B2c ∩B3c ∩.... ∩BNc)}; • Bi – A i-ésima pessoa vota no candidato B Ω3 = {Pessoa 1, Pessoa 2, ..., Pessoa N}; X(ω3i) = 1, se ocorre Bi; X(ω3i) = 0, se ocorre Bic;Σi X(ω3i) ≡ nº de preferências por B Y ≡ nº de votantes em B até o surgimento do 1º não-votante em B (ausente a partir de ε1) Z(ω3i) ≡ Horário da entrevista; W ≡ nº de não-votantes em B no turno diurno [função de X e Z] • Em suma, ou determinada variável aleatória de interesse é indexada a ε ou é função das que compõem ε (todas as informações necessárias devem estar em ε) EstatEstatíísticastica -- Paulo Renato A. FirminoPaulo Renato A. Firmino 5 Variáveis Aleatórias (VAs) • Possíveis resultados (ΩX) A cada VA X tem-se associado um espaço de possibilidades (ΩX): o contradomínio de X, em termos matemáticos • VAs qualitativas (VAQs): ΩX é um conjunto finito de rótulos • VAs discretas (VADs): ΩX é um conjunto enumerável (finito ou infinito) de números • VAs contínuas (VACs): ΩX é um conjunto dos números reais • Aqui, trata-se naturalmente de uma variável quantitativa “contínua” EstatEstatíísticastica -- Paulo Renato A. FirminoPaulo Renato A. Firmino 6 VADs - Distribuição de Probabilidades • Modelam as incertezas inerentes à VAD • Associa a cada evento elementar de ΩX, {xi}, uma probabilidade p(xi) • A partir dela pode-se avaliar qualquer evento associado à VA X Os eventos elementares {x1, x2, ..., xk} de ΩX são mutuamente exclusivos e exaustivos • Pode ser visualizada através de gráficos de pares ou histogramas • Devido aos axiomas nos quais p(xi) se baseiam: 1. . 2. p(xi) ≥ 0, i=1, ..., k. (k pode crescer indefinidamente) ( )∑ = = k 1i i 1xp EstatEstatíísticastica -- Paulo Renato A. FirminoPaulo Renato A. Firmino 7 Variáveis Aleatórias (VAs) – Exercício 2 1. Suponha que tenhamos uma moeda viciada, cuja P(Ki) = 1/3, onde Ki≡”dar cara no iº lançamento”. Seja ε≡ lança-se a moeda por 2 vezes e registra-se os resultados Seja X≡nº de caras observadas a. Qual é o espaço amostral de ε? b. Como a função X opera sobre o espaço amostral? c. Qual é o espaço de possibilidades de X? d. Qual é a distribuição de probabilidades de X? e. ? f. p(xi) ≥ 0, i=1, ..., k? 2. Refaça o quesito 1, agora considerando 3 lançamentos ao invés de 2. ( )∑ = = k 1i i 1xp EstatEstatíísticastica -- Paulo Renato A. FirminoPaulo Renato A. Firmino 8 VADs - Distribuição de Probabilidades • Quando a variável em questão caracteriza-se como quantitativa Em geral provinda de um processo de contagem Pode-se trabalhar com a média • Média de X = E(X) = E(X1) Pode-se trabalhar com a variância • Variância de X = V(X) = E(X2) – [E(X)]2 • E(Xr) = ( )∑ = ⋅ k 1i i r i xpx EstatEstatíísticastica -- Paulo Renato A. FirminoPaulo Renato A. Firmino 9 VADs - Distribuição de Probabilidades – Exercício 3 1. Considere o experimento de lançar dois dados honestos. Sejam X e Y os resultados do 1º e 2º dados, respectivamente. Seja Z = X+Y. Qual é o valor esperado de Z? E sua variância? 2. Qual é a média, variância e o coeficiente de variação da variável X descrita no Exercício 2? EstatEstatíísticastica -- Paulo Renato A. FirminoPaulo Renato A. Firmino 10 VADs - Distribuição de Probabilidades • Distribuição Uniforme Emerge quando todos os possíveis resultados de um experimento aleatório (ε) são equiprováveis O experimento não permite qualquer preferência de resultados ΩX = {x, a, b inteiros | a ≤ x ≤ b}; a e b são respectivamente os valores mínimo e máximo de ΩX, o qual possui k elementos . ⎪⎩ ⎪⎨ ⎧ ∈= contrário Caso ,0 ],[ ,1 )( bax kxp EstatEstatíísticastica -- Paulo Renato A. FirminoPaulo Renato A. Firmino 11 VADs - Distribuição de Probabilidades • Distribuição Geométrica Emerge quando um experimento aleatório (ε) é repetido até que um evento de interesse (Ev) ocorra Uma VA Geométrica representa o número de repetições de ε até a ocorrência de Ev ΩX = {x inteiro | x > 0} Considerando P(ocorrência de Ev) = p: P(x) = p•(1-p)x-1 Supõe-se que os eventos sejam independentes • p não varia ao longo das repetições de ε E(X) = 1/p V(X) = (1-p)/p2 . Evc Evc Evc Evc ... Ev 1-p (x-1) vezes p 1 vez dgeom() # density pgeom () # probability qgeom () # quantile rgeom () # random EstatEstatíísticastica -- Paulo Renato A. FirminoPaulo Renato A. Firmino 12 VADs - Distribuição de Probabilidades – Exercício 4 1. De acordo com pesquisas de intenção de voto, 35% das pessoas preferem o candidato B. Desta forma, sorteando-se pessoas aleatoriamente e perguntando sobre sua intenção de voto, a. Quantas pessoas devemos entrevistar, em média, até que a primeira votante em B apareça? b. Qual é a probabilidade de a 1ª pessoa votante em B aparecer já na 1ª entrevista? E de aparecer apenas na 2ª entrevista? E de aparecer apenas na 3ª? E de aparecer apenas na 10ª? 2. A probabilidade de um componente falhar quando demandado é de 3%. Qual é a probabilidade de o componente quebrar apenas após 30 demandas? Quais suposições fundamentam seus cálculos? 13 Revisão - Combinatória • Exemplo: Um curso possui 4 estudantes. Deseja-se elaborar um ranking de desempenho (do melhor até o pior colocado). 1. (a) Quantos possíveis resultados (sequências) existem? (b) Ilustre 4 deles. 2. Deseja-se premiar os 2 primeiros colocados, onde o 1º receberá um prêmio maior que o 2º. (a) Quantos possíveis resultados existem? (b) Ilustre 4 deles. 3. Deseja-se premiar igualmente os 2 primeiros colocados. (a) Quantos possíveis resultados existem? (b) Ilustre 4 deles. 14 Revisão - Combinatória • Seja o seguinte conjunto A = {a1, a2, ..., an} • Permutação dos n elementos de A: qualquer sequência (ordenada) dos elementos A ordem importa Há n! possíveis permutações • Arranjo de p elementos dentre os n de A: qualquer sequência (ordenada) de p (<n) elementos A ordem importa Há n!/(n-p)! possíveis arranjos • Combinação de p elementos dentre os n de A: qualquer grupo de p (<n) elementos A ordem não importa Há n!/[p!(n-p)!] possíveis combinações EstatEstatíísticastica -- Paulo Renato A. FirminoPaulo Renato A. Firmino 16 VADs - Distribuição de Probabilidades • Distribuição Binomial Emerge quando um experimento aleatório (ε) envolvendo um evento de interesse (Ev) de Ω pode ser repetido por n vezes Uma VA Binomial representa o número de ocorrências de Ev dentre as n oportunidades ΩX = {x, n inteiros | 0 ≤ x ≤ n} Considerando P(ocorrência de Ev) = p: P(x) = nCx·px·(1-p)n-x Supõe-se que os eventos sejam independentes • p não varia ao longo das repetições de ε E(X) = n·p V(X) = n·p·(1-p) Ev Evc Ev Evc ... Ev p x vezes 1-p (n-x) vezes dbinom() # density pbinom() # probability qbinom () # quantile rbinom () # random EstatEstatíísticastica -- Paulo Renato A. FirminoPaulo Renato A. Firmino 17 VADs - Distribuição de Probabilidades – Exercício 5 1. De acordo com pesquisas de intenção de voto, 35% das pessoas preferem o candidato B. Desta forma, sorteando-se 10 pessoas aleatoriamente e perguntando sobre sua intenção de voto, a. Quantas pessoas, em média, votam em B? b. Qual é a probabilidade de que das 10 pessoas entrevistadas, apenas uma vote em B? E de que 3 votem em B? E de que menos que 3 votem em B? E de que as 10 votem em B? 20 VADs - Distribuição de Probabilidades • Distribuição de Poisson Emerge quando um experimento aleatório (ε) envolvendo um evento de interesse (Ev) de Ω pode ocorrer ao longo de determinada unidade de medida (metros, minutos, km2, etc) Uma VA Poisson representa o número de ocorrências de Ev ao longo da unidade de medida adotada ΩX = {x inteiro | x ≥ 0} Com λ sendo a taxa de ocorrência de Ev durante o experimento: • λ não varia ao longo da unidade de medida P(x) = e-λ·λx/x! E(X) = λ V(X) = λ . t1 tempot2 tnt3 ... dpois() # density ppois() # probability qpois () # quantile rpois () # random EstatEstatíísticastica -- Paulo Renato A. FirminoPaulo Renato A. Firmino 21 VADs - Distribuição de Probabilidades – Exercício 6 1. De maneira a calcular quantos eleitores estiveram presentes no comício do candidato B, a defesa civil informou que a cada 400 m2 (metros quadrados) havia, em média, 1 centena de pessoas. Foi dito também que a área onde ocorreu o evento era de 2000 m2. a. Quantas centenas de pessoas, em média, participaram do evento? • Qual é a variável de interesse? b. Qual é a probabilidade de ter havido não mais que 3 centenas de pessoas no evento? EstatEstatíísticastica -- Paulo Renato A. FirminoPaulo Renato A. Firmino 22 VADs - Distribuição de Probabilidades – Exercício 7 • Identificar, em cada quesito abaixo, o tipo de variável inerente a cada problema, as suposições implícitas e, em seguida, resolvê-lo: 1. Uma página de internet recebe cerca de 30 acessos por semana. Deseja-se, baseando-se nesta evidência, medir a probabilidade de que em determinado dia haja mais do que 6 acessos. 2. Um gerente de banco argumenta que a probabilidade de erro no atendimento dos caixas seja de 1%. Diante disto, quantas transações equivocadas ele espera que ocorram após selecionar aleatoriamente 200 delas? 3. A equipe de controle de qualidade de uma fábrica tem a missão de fixar a probabilidade de falha na demanda de determinada máquina em 0.01%. Avaliando-se tal máquina, evidenciou-se que após 150 demandas esta falhou. Como medir a viabilidade da missão atribuída à equipe de controle de qualidade diante desta evidência? 4. Sabe-se que a probabilidade de a bolsa fechar em alta equivale a 50%. Qual é a probabilidade de a bolsa fechar em baixa após uma sequência de 5 dias em alta? 5. Elabore problemas da sua futura área de atuação envolvendo ao menos uma variável Geométrica, Binomial e de Poisson. Destaque as suposições necessárias a cada modelo no problema.
Compartilhar