Baixe o app para aproveitar ainda mais
Prévia do material em texto
PROBABILIDADE E ESTATÍSTICA Aula 9 – Distribuição de Probabilidades Prof.: Me. Caio Tácito M. Castro Campina Grande – PB INTRODUÇÃO O que pretendemos neste capítulo, é apresentar dois modelos teóricos de distribuição de probabilidade, aos quais um experimento aleatório estudado possa ser adaptado, o que permitirá a solução de grande número de problemas práticos. Vamos aprender a construir e usar distribuições de probabilidade. Conhecer a forma, o centro e a variabilidade de uma distribuição de probabilidade que lhe permite tomar decisões em inferências estatísticas. INTRODUÇÃO �𝑃𝑃 = 1,0 Em uma distribuição de probabilidades é necessário: ∑ P(x) = 1, onde x toma todos valores possíveis 0 ≤ P(x) ≤ 1 para todo o x. A distribuição de probabilidades indica a percentagem de vezes que, em grande quantidade de observações, podemos esperar a ocorrência de vários resultados de uma variável aleatória. Distribuições de probabilidade Distribuições descontínuas ou discretas Distribuições contínuas INTRODUÇÃO VARIÁVEL ALEATÓRIA O resultado de um experimento probabilístico geralmente é UMA CONTAGEM OU UMA MEDIDA. Quando isso ocorre, esse trabalho é um possível valor de uma variável aleatória. Uma variável aleatória X representa um valor numérico associado a cada resultado de um experimento probabilístico (ou aleatório) A variável aleatória X, representa o número de caras possíveis, que aparecem no lançamento simultâneo de duas moedas VARIÁVEL ALEATÓRIA A palavra ALEATÓRIA indica que X é determinado em função de um objeto escolhido ao acaso. Há dois tipos de variáveis aleatórias: DISCRETA: Quando tem números finito ou contável de resultados possíveis que podem ser enumerados. CONTÍNUA: Quando tem um número incontável de resultados possíveis, representados por um intervalo na reta numérica. DISTRIBUIÇÕES CONTÍNUAS UNIFORME OU RETANGULAR NORMAL BIVARIADA NORMAL EXPONENCIAL LOGNORMAL WEIBULL QUI-QUADRADO χ2 t DE STUDENT F DE SNEDECOR GAMA BETA ERLANG ( formas) DISTRIBUIÇÕES CONTÍNUAS Um pouco de história No século XVIII, astrônomos e outros cientistas observaram que medidas repetidas de mensurações como a distância à lua variavam como na figura, quando coletadas em grande número. Esta forma gráfica era associada aos erros de mensuração, daí o nome de “Distribuição normal dos erros” e depois “Distribuição normal” Também é conhecida por “Distribuição Gaussiana”, em função do modelo matemático desenvolvido por Karl F. Gauss para este comportamento. DISTRIBUIÇÃO NORMAL Formato de sino IMPORTÂNCIA DA DISTRIBUIÇÃO NORMAL Retrata com boa aproximação, as distribuições de freqüência de muitos fenômenos naturais e físicos (altura, pressão sanguínea, peso). Representa a distribuição das médias e proporções em grandes amostras, o que tem relevante implicação na amostragem (a mais importante) DISTRIBUIÇÃO NORMAL PROPRIEDADES DISTRIBUIÇÃO NORMAL PROPRIEDADES Uma distribuição normal pode ter qualquer média e qualquer desvio padrão positivo. Esses dois parâmetros, 𝜇𝜇 𝑒𝑒 𝜎𝜎, determinam o formato da curva normal. A média dá a localização da linha de simetria e o desvio padrão descreve o quanto os dados estão dispersos. DISTRIBUIÇÃO NORMAL Curva normal típica Média = µ Desvio padrão = σ 50% 50% Área sob a curva = 1 (0,5 + 0,5) DISTRIBUIÇÃO NORMAL ENTENDENDO A MÉDIA E O DESVIO PADRÃO 1) De acordo com o gráfico abaixo, qual curva normal tem maior média??? E maior desvio padrão?? DISTRIBUIÇÃO NORMAL ENTENDENDO A MÉDIA E O DESVIO PADRÃO 2) De acordo com o gráfico abaixo, qual curva normal tem maior média??? E maior desvio padrão?? DISTRIBUIÇÃO NORMAL • Quando temos em mãos uma variável aleatória com distribuição normal, nosso principal interesse é obter a probabilidade de uma variável aleatória tomar um valor entre dois pontos quaisquer (intervalo). Essa probabilidade é igual à área sob a curva normal entre aqueles pontos µ a b P (a < x < b) = área hachurada sob a curva DISTRIBUIÇÃO NORMAL Porém, existe uma infinidade de distribuições normais, cada uma com sua própria média e desvio padrão. A distribuição normal com média 0 e desvio padrão 1 é chamada de DISTRIBUIÇÃO NORMAL PADRÃO. Tal distribuição é usada como método para solução de problemas envolvendo distribuições normais. DISTRIBUIÇÃO NORMAL EXEMPLO CONCRETO • Seja 𝑋𝑋 a variável aleatória que representa os diâmetros dos parafusos produzidos por certa máquina. Vamos supor que essa variável tenha distribuição normal com média �̅�𝑥 = 2 𝑐𝑐𝑐𝑐 e desvio padrão 𝑠𝑠 = 0,04 𝑐𝑐𝑐𝑐 . Deseja-se conhecer a probabilidade de um parafuso ter um diâmetro com valor entre 2 e 2,05 cm. Probabilidade Desejada DISTRIBUIÇÃO NORMAL PADRÃO • Para transformarmos esta distribuição normal numa distribuição normal padrão usando a fórmula abaixo, denominada escore-z. DISTRIBUIÇÃO NORMAL PADRÃO 𝑧𝑧 = 𝑣𝑣𝑣𝑣𝑣𝑣𝑣𝑣𝑣𝑣 − 𝑐𝑐𝑚𝑚𝑚𝑚𝑚𝑣𝑣 𝑚𝑚𝑒𝑒𝑠𝑠𝑣𝑣𝑚𝑚𝑣𝑣 𝑝𝑝𝑣𝑣𝑚𝑚𝑣𝑣𝑝𝑣𝑣 = 𝑥𝑥 − 𝜇𝜇 𝜎𝜎 Assim, as probabilidades associadas à distribuição normal padronizada são encontradas em TABELAS, não havendo necessidade de serem calculadas. DISTRIBUIÇÃO NORMAL PADRÃO RETORNANDO AO EXEMPLO CONCRETO • Queremos calcular 𝑃𝑃(2 ≤ 𝑋𝑋 ≤ 2,05) . Para obter esta probabilidade, precisamos, em primeiro lugar, calcular o escore-z, ou seja, o valor de 𝑧𝑧 correspondente a 𝑥𝑥 = 2,05. Logo: DISTRIBUIÇÃO NORMAL PADRÃO 𝜇𝜇 = 2 𝜎𝜎 = 0,04 𝑥𝑥 = 2,05 𝑧𝑧 = 𝑣𝑣𝑣𝑣𝑣𝑣𝑣𝑣𝑣𝑣 − 𝑐𝑐𝑚𝑚𝑚𝑚𝑚𝑣𝑣 𝑚𝑚𝑒𝑒𝑠𝑠𝑣𝑣𝑚𝑚𝑣𝑣 𝑝𝑝𝑣𝑣𝑚𝑚𝑣𝑣𝑝𝑣𝑣 = 𝑥𝑥 − 𝜇𝜇 𝜎𝜎 = 2,05 − 2 0,04 = 1,25 z 𝑃𝑃 2 ≤ 𝑋𝑋 ≤ 2,05 = 𝑃𝑃(0 ≤ 𝑍𝑍 ≤ 1,25) x DISTRIBUIÇÃO NORMAL PADRÃO z 𝑃𝑃(0 ≤ 𝑍𝑍 ≤ 1,25) RETORNANDO AO EXEMPLO CONCRETO Assim: DISTRIBUIÇÃO NORMAL PADRÃO z RETORNANDO AO EXEMPLO CONCRETO Assim: Logo: 𝑃𝑃 2 ≤ 𝑍𝑍 ≤ 2,05 = = 0,3944 𝑃𝑃 0 ≤ 𝑍𝑍 ≤ 1,25 70 80 90 100 110 120 130 -3 -2 -1 0 +1 +2 +3 µ = 100,0 σ = 10,0 escala efetiva escala padronizada Escala efetiva X Escala padronizada DISTRIBUIÇÃO NORMAL PADRÃO -3σ -2σ -1σ 0 +1σ +2σ +3σ 68% 95,5% 99,7% DISTRIBUIÇÃO NORMAL PADRÃO EXERCÍCIOS EXERCÍCIOS EXERCÍCIOS EXERCÍCIOS EXERCÍCIOS PROBABILIDADE E ESTATÍSTICA Número do slide 2 Número do slide 3 Número do slide 4 Número do slide 5 Número do slide 6 Número do slide 7 Número do slide 8 Número do slide 9 Número do slide 10 Número do slide 11 Número do slide 12 Número do slide 13 Número do slide 14 Número do slide 15 Número do slide 16 Número do slide 17 Número do slide 18 Número do slide 19 Número do slide 20 Número do slide 21 Número do slide 22 Número do slide 23 Número do slide 24 Número do slide 25 Número do slide 26 Número do slide 27 Número do slide 28 Número do slide 29 Número do slide 30 Número do slide 31
Compartilhar