Baixe o app para aproveitar ainda mais
Prévia do material em texto
Aula 6- Variáveis aleatórias discretas e contínuas Objetivos: ● Aprender o que é uma variável aleatória, e a diferença entre variável aleatória discreta e contínua. Nossa primeira incursão na teoria da probabilidade envolveu estimar as probabilidades de resultados individuais, como a captura de presas por plantas ou a reprodução de besouros redemoinhos. Encontramos valores numéricos para cada uma dessas probabilidades usando regras ou funções simples. Mais formalmente, a regra matemática (ou função) que atribui um determinado valor numérico a cada resultado possível de um experimento no espaço amostral de interesse é chamada de variável aleatória. Usamos o termo "variável aleatória" neste sentido matemático, não no sentido coloquial de um evento aleatório.Uma variável aleatória não significa que os valores podem ser qualquer coisa (um número aleatório). Aula 1 1.Variáveis aleatórias e distribuição de probabilidade A variável aleatória é uma descrição numérica do resultado de um experimento estatístico. É uma regra matemática (ou função) que atribui um determinado valor numérico a cada resultado possível de um experimento no espaço amostral de interesse. Variáveis aleatórias têm um conjunto bem definido de resultados e probabilidades bem definidas para a ocorrência de cada resultado. O aleatório se refere ao fato de que os resultados acontecem por acaso - ou seja, você não sabe qual resultado ocorrerá a seguir. Distribuição de probabilidade é a função ou regra matemática que fornece a probabilidade de ocorrência (valor numérico) de cada resultado possível da variável aleatória, no espaço amostral de interesse. Uma distribuição de probabilidade é uma tabela ou equação que liga cada resultado de um experimento estatístico com sua probabilidade de ocorrência. Exemplo: No caso do besouro gyrinidae a variável aleatória X seria o número de descendentes no caso das plantas carnívoras o número de insetos capturados, e em ambos poderíamos ter diferentes resultados e probabilidades. Exemplo/representação: Desta vez, jogamos 3 moedas e definimos a variável aleatória 𝑿 como um 'número total de caras/heads'.De cada lançamento, 2 resultados que são a 'Cabeça' e a 'Cauda' podem acontecer, e nós lançamos três moedas. Isso resultará em 8 (2³ = 8) resultados possíveis, conforme mostrado no espaço amostral da figura . Como o número de moedas lançadas é 3, a 'Cabeça' pode aparecer 3 vezes no máximo ou 0 vezes na pior. Portanto, 𝑿 pode ter um valor entre 0, 1, 2 e 3. As probabilidades de cálculo podem ser obtidas somando-se as jogadas que dão os mesmos resultados, já que são eventos independentes. 1.2 -Variáveis aleatórias vêm em duas formas: variáveis aleatórias discretas e variáveis aleatórias contínuas. Variáveis aleatórias discretas são aquelas que assumem valores finitos ou contáveis em uma quantidade finita de tempo (como valores inteiros obtidos por contagem);. Os exemplos comuns incluem a presença ou ausência de uma determinada espécie (que assume o valor 1 ou 0), ou o número de descendentes (exemplo do besouro Gyrinidae), animais capturados (exemplo de planta carnívora e insetos) folhas ou patas (números/valores inteiros). As variáveis aleatórias contínuas, por outro lado, são aquelas que podem assumir qualquer valor dentro de um intervalo regular(cujo valor é obtido por mediação). Os exemplos incluem a biomassa de um estorninho, a área foliar consumida por um herbívoro ou o conteúdo de oxigênio dissolvido de uma amostra de água. Variáveis contínuas levariam (literalmente) uma eternidade para serem contadas. Na verdade, você chegaria “para sempre” e nunca terminaria de contá-los. Esses gráficos mostram a diferença entre uma distribuição que tem dados discretos e um gráfico de probabilidade de escada discreta em comparação com uma distribuição com dados contínuos e uma curva suave contínua. Para a Distribuição de dados discretos, os valores da Variável X só podem ser inteiros não negativos , porque são contagens. Não há Probabilidade mostrado para 1,5, por exemplo, porque 1.5 não é um número inteiro, e por isso não é um valor legítimo para X . As probabilidades de distribuição de dados discretos são mostradas como colunas separadas. Não há nada entre as colunas, porque não há valores no eixo horizontal entre os inteiros individuais.Para distribuições contínuas, os valores da variável do eixo horizontal são números reais e há um número infinito deles entre dois inteiros quaisquer. Os dados contínuos também são chamados de dados de medição; exemplos são comprimento, peso, pressão, etc.As probabilidades para distribuições contínuas são pontos infinitesimais em curvas suaves. 1.3- Precisão e acurácia Todos os valores das variáveis contínuas são discretos,dada a limitação de nossas ferramentas de medição. Que permitem medir as coisas com um grau finito de precisão. Precisão refere-se à concordância entre uma série de medições e o grau em que essas medições podem ser discriminadas (quão próximos os valores medidos estão um do outro). Outro conceito de medição é a acurácia que se refere a quão próxima a medição está do valor verdadeiro (real). Exemplo: acertar o gol de futebol Se você está jogando futebol e sempre acerta a trave certa em vez de marcar, então você não é acurado, mas é preciso! Como lembrar? aCurate é correto (um alvo). pRecise está se repetindo (atingindo o mesmo local, mas talvez não o local correto).Viés (não deixe de precisão enganá-lo!) Referências: Referência: Gotelli, N. J., & Ellison, A. M. (2016). Princípios de estatística em ecologia. Artmed Editora. https://www.statisticsfromatoz.com/blog/statistics-tip-of-the-week-different-distribution s-can-have-discrete-or-continuous-probability-graphs-for-discrete-or-continuous-data https://www.forecast.app/faqs/what-is-the-difference-between-accuracy-and-precision
Compartilhar