Upload
doantuong
View
216
Download
0
Embed Size (px)
Citation preview
11
Prof. Lorí Viali, [email protected]
http://www.pucrs.br/~viali
Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - Departamento de Estatística
Prof. Prof. LorLoríí Viali, Dr.Viali, [email protected]@mat.ufrgs.brhttp://www.ufrgs.br/~viali/http://www.ufrgs.br/~viali/
Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - Departamento de Estatística
Sistema Real
Determinístico
Probabilístico
Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - Departamento de Estatística
Causas Efeito
Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - Departamento de Estatística
Causas EfeitoXXProf. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - Departamento de Estatística
Experiência para o qual o modelo probabilístico éadequado.
22
Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - Departamento de Estatística
Não é possível prever um resultado particular, mas pode-se enumerar todos os possíveis;
Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - Departamento de Estatística
Podem ser repetidos inúmeras vezes sob as mesmas condições;
Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - Departamento de Estatística
Quando repetidos um grande número de vezes apresentam regularidade em termos de freqüências.
Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - Departamento de Estatística
E1: Joga-se uma moeda quatro vezes e observa-se o número de caras e coroas;
Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - Departamento de Estatística
E2: Joga-se uma moeda quatro vezes e observa-se a seqüência de caras e coroas ;
Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - Departamento de Estatística
E3: Uma lâmpada nova éligada e conta-se o tempo gasto até queimar;
33
Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - Departamento de Estatística
E4: Joga-se uma moeda atéque uma cara seja obtida. Conta-se o número de lançamentos necessários;
Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - Departamento de Estatística
E5: Jogam-se dois dados e observa-se o par de valores obtido;
Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - Departamento de Estatística
É o conjunto de resultados de uma experiência aleatória.
Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - Departamento de Estatística
S1 = {1, 2, 3, 4}
Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - Departamento de Estatística
S2 = { cccc, ccck, cckc, ckcc,kccc, cckk, kkcc, ckkc,kcck, ckck, kckc, kkkc,
kkck, kckk, ckkk, kkkk}Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - Departamento de Estatística
S3 = { t ∈ R / t ≥ 0 }
44
Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - Departamento de Estatística
S4 = {1, 2, 3, ...}
Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - Departamento de Estatística
S5 = { (1, 1), (1, 2),(1,3), (1, 4), (1, 5), (1, 6)
(2, 1), (2, 2), (2, 3), (2, 4), (2, 5), (2, 6)(3, 1), (3, 2), (3, 3), (3, 4), (3, 5), (3, 6)(4, 1), (4, 2), (4, 3), (4, 4), (4, 5), (4, 6)(5, 1), (5, 2), (5, 3), (5, 4), (5, 5), (5, 6)
(6, 1), (6, 2), (6, 3), (6, 4), (6, 5), (6, 6) }
Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - Departamento de Estatística
Um evento é um subconjunto de um espaço amostra.
Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - Departamento de Estatística
Seja S = { 1, 2, 3, 4, 5, 6 }o espaço amostra, obtido no lançamento de um dado.
Então são eventos: A = { 1, 3, 5} B = { 6 } C = { 4, 5, 6} D = ∅ E = S
Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - Departamento de Estatística
Seja E um experimento com espaço amostra associado S. Diremos que o evento A ocorre se realizado E o resultado é um elemento de A.
Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - Departamento de Estatística
Sejam A e B eventos de um espaço S. Diremos que ocorre o evento:
A A uniãounião B, A B, A soma soma B ou A B ou A maismais B, B, se e sse e sóó se A ocorre se A ocorre ouou B ocorre. B ocorre.
A∪B
55
Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - Departamento de Estatística
Sejam A e B eventos de um espaço S. Diremos que ocorre o evento:
A produto B, A vezes B ou A interseção B, se e só se A ocorre e B ocorre.
A∩B
Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - Departamento de Estatística
Sejam A e B eventos de um espaço S. Diremos que ocorre o evento:A menos B, A diferença B, se e só se
A ocorre e B não ocorre.
A - B
Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - Departamento de Estatística
Sejam A e B eventos de um espaço S. Diremos que ocorre o evento:
Complementar de A (não A) se e sóse A não ocorre.
A’ = AC = A
Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - Departamento de Estatística
Dois eventos A e B são mutuamente excludentes se não puderem ocorrer juntos.
Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - Departamento de Estatística
Leis Associativas
Leis Comutativas
)CB(AC)B(A
C)(BA CB)(A
∩∩=∩∩
∪∪=∪∪
ABBA
A B BA
∩=∩
∪=∪
Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - Departamento de Estatística
Leis Distributivas
Leis de De MorganBABA U=∩
BABA ∩=∪
)CA()B()CB(
)CA()B()CB(
∪∩∪Α=∩∪Α
∩∪∩Α=∪∩Α
66
Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - Departamento de Estatística
Outras Propriedades
AA =
ABBA −=∩
BABA −=∩
Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - Departamento de Estatística
♣♣ CLCLÁÁSSICOSSICO
♥♥ FREQÜENCIAL
♠♠ AXIOMÁTICO
Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - Departamento de Estatística
(número de casos favoráveis)P(A) = ------------------------------------_
(número de casos possíveis)
Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - Departamento de Estatística
Qual a probabilidade de ganhar no Toto-Bola?
Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - Departamento de Estatística
Casos favoráveis = 1
Casos possíveis:
3268760 15
25=⎟
⎟⎠
⎞⎜⎜⎝
⎛
Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - Departamento de Estatística
%000031,03268760
1
15
251
possíveis de Númerofavoráveis de Número
a)P(Toto_Bol
==
⎟⎟⎠
⎞⎜⎜⎝
⎛=
==
=
77
Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - Departamento de Estatística
(número de vezes que A ocorre)frA = ---------------------------------------------
(número de vezes que E é repetido)
Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - Departamento de Estatística
Um dado é lançado 120 vezes e apresenta “FACE SEIS” 18 vezes.
Então, a freqüência relativa de “FACE SEIS” é:
Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - Departamento de Estatística
%1515,012018
jogado é dado o que vezes de númeroocorre f_seis"" que vezes de número
fr6
===
=
=
Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - Departamento de Estatística
P(A) = lim frAn → ∞
Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - Departamento de Estatística
P(A) é um número real que deve satisfazer as seguintes propriedades:
(1) 0 ≤ P(A) ≤ 1
(2) P(S) = 1 (3) P(AUB) = P(A) + P(B)
se A∩B = ∅Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - Departamento de Estatística
(1) P(∅) = 0
(2) P( ) = 1 - P(A)
(3) P(A - B) = P(A) - P(A∩B)
A
88
Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - Departamento de Estatística
(4) P(AUB) = P(A) + P(B) - P(A∩B)(5) P(AUBUC) = P(A) + P(B) + P(C) -
- P(A∩B) - P(A∩C) - P(B∩C) +
+ P(A∩B∩C)
Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - Departamento de Estatística
Considere uma urna com 50 fichas, onde 40 são pretas e 10 são brancas.
Motivação
Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - Departamento de Estatística
Suponha que desta urna são retiradas “duas” fichas, ao acaso e sem reposição:
Sejam os eventos:
A = { a primeira ficha é branca}B = { a segunda ficha é branca}
Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - Departamento de Estatística
P(A) = 10/50 = 0,20 = 20%
P(B) = ?/49
Então:
Neste caso, não se pode avaliar P(B), pois para isto é necessário saber se A ocorreu ou não, isto é, se saiu ficha branca na primeira retirada.
Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - Departamento de Estatística
P(B/A) = 9/49
Nesse caso, a probabilidade de B ocorrer, dado que A ocorreu érepresentada e calculada por:
Se A não tivesse ocorrido, então:
P(B/ ) = 10/49A
Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - Departamento de Estatística
Dois eventos A e B são independentes se a probabilidade de um ocorrer não altera a probabilidade do outro ocorrer, isto é:
99
Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - Departamento de Estatística
Se:
(1)(1) P(A/B) = P(A) ouou
(2)(2) P(B/A) = P(B) ou aindaou ainda
(3)(3) P(A∩B) = P(A).P(B)
Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - Departamento de Estatística
Uma urna contém 6 fichas azuis e 4
vermelhas. Duas fichas são retiradas ao acaso. Determinar as seguintes probabilidades:(i) Duas fichas azuis.(ii) Uma azul e uma vermelha.(iii) Duas fichas da mesma cor.Considerando que a extração (a) é com reposição e (b) é sem reposição.
Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - Departamento de Estatística
(i) P(A1A2) = P(A1).P(A2) = (6/10).(6/10) = 36/100 = 36%.
(ii) P(AV∪VA) = 2.P(AV) = 2.(6/10).(4/10) = 48/100 = 48%.
(iii) P(A1A2 ∪V1V2) = P(A1A2) + P(V1V2) = (36/100) + (16/100) = 52/100 = 52%.
Para a situação (a), tem-se:
Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - Departamento de Estatística
(i) P(A1A2) = P(A1).P(A2/A1) =
(ii) P(AV∪VA) = 2.P(A)P(V/A) =
(iii) P(A1A2 ∪V1V2) = P(A1)P(A2/A1) + P(V1)P(V2/V1) =
Para a situação (b), tem-se:
Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - Departamento de Estatística Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - Departamento de Estatística
KKK
CKK
KKC
KCK
CCK
CKC
KCC
CCC
0
1
2
3
Sℜ
Xs
)S(X
)s(Xx =
1010
Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - Departamento de Estatística
Uma função X que associa a cada elemento de S (s ∈ S) um número real x = X(s) édenominada variável aleatória.
Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - Departamento de Estatística
O conjunto formado por todos os valores “x”, isto é, a imagem da variável aleatória X, é denominado de conjunto de valores de X.
X(S) = { x ∈ ℜ / X(s) = x }
Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - Departamento de Estatística
Conforme o conjunto de valores – X(S) – uma variável aleatória poderáser discreta ou contínua.
Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - Departamento de Estatística
Se o conjunto de valores for finito ou então infinito enumerável a variável é dita discreta.
Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - Departamento de Estatística
Se o conjunto de valores for infinito não enumerávelentão a variável é dita contínua.
Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - Departamento de Estatística
1111
Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - Departamento de Estatística
A função de probabilidade (fp) de uma VAD é a função que associa a cada xi ∈ X(S) o número f(xi) = P(X = xi)que satisfaz as seguintes propriedades:
f(xi) ≥ 0, para todo “i”
∑f(xi) = 1Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - Departamento de Estatística
A coleção dos pares [xi, f(xi)]para i = 1, 2, 3, ... é denominada
de distribuição de probabilidade
da VAD X.
Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - Departamento de Estatística Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - Departamento de Estatística
Suponha que uma moeda
equilibrada é lançada três vezes.
Seja X = “número de caras”.
Então a distribuição de
probabilidade de X é:
Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - Departamento de Estatística
KKK
CKK
KKCKCK
CCK
CKC
KCCCCC
0
1
2
3
0
0
0
1
Sℜx
X
]1;0[)x(f
f
Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - Departamento de Estatística
KKK
CKK
KKCKCK
CCK
CKC
KCCCCC
0
1
2
3
1/8
3/8
3/8
1/8
Sℜx
X
]1;0[)x(f
f
1212
Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - Departamento de Estatística
Suponha que um par de dados é
lançado. Então X = “soma do par” éuma variável aleatória discreta com o seguinte conjunto de valores:
Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - Departamento de Estatística
Como X((a, b)) = a + b, o
conjunto de valores de X é dado
por: X(S) = {2, 3, 4, 5, 6, 7, 8, 9 , 10, 11, 12}
Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - Departamento de Estatística
A função de probabilidade
f(x) = P(X = x), associa a cada
x ∈ X(S), um número no
intervalo [0; 1] dado por:f(x) = P(X = x) = P(X(s) = x) =
= P([x ∈ X(S) / X(s) = x})Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - Departamento de Estatística
Desta forma: f(2) = P(X = 2) = P{(1,1)} = 1/36
f(3) = P(X = 3) = P{(1,2), (2, 1)} = 2/36
...............................................................
f(11) = P(X=11) = P{(6, 5), (5, 6)} = 2/36
f(12) = P(X = 12) = P{(6, 6)} = 1/36
A distribuição de probabilidade será:
Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - Departamento de Estatística
12
1f(x)
Σ111098765432x
361
362
363
364
365
366
365
364
363
362
361
A distribuição de probabilidade
de X será então:
Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - Departamento de Estatística
uma tabela
uma expressão analítica (fórmula)
um diagrama
Através de:
1313
Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - Departamento de Estatística
Seja X = “número de caras”, obtidas no lançamento de 4 moedas honestas. Então a distribuição de X é a dada ao lado.
1/1641Σ
4/1636/1624/1611/160f(x)x
Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - Departamento de Estatística
Considere X = “soma do par”, no lançamento de dois dados equilibrados, então: f : X(S) f : X(S) →→ ℜℜ
x x →→ (x (x -- 1)/36 se x 1)/36 se x ≤≤ 77(12 (12 -- x +1)/36 se x > 7x +1)/36 se x > 7
Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - Departamento de Estatística
0,00
0,02
0,04
0,06
0,08
0,10
0,12
0,14
0,16
0,18
2 3 4 5 6 7 8 9 10 11 12
Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - Departamento de Estatística
(a) Expectância, valor esperado
(b) Desvio padrão
∑∑ ====μ )xX(P.x )x(f.x)X(E
∑ μ∑ μ− −==σ 22 )x(f)x(f x)x( 2
Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - Departamento de Estatística
Calcular o valor esperado e a
variabilidade da variável X =
“número de caras” no lançamento
de quatro moedas honestas.
Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - Departamento de Estatística
11/164/166/164/161/16f(x)
32/164/1612/1612/164/16
0x.f(x)
80/1616/1636/1624/164/16
0x2f(x)
4Σ
3210x
1414
Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - Departamento de Estatística
caras 21632 )x(f.x)X(E =∑ ===μ
(a) Expectância ou valor esperado
(b) Desvio padrão
14521680)x(fx 222 =−=−=∑ μ−=σ
Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - Departamento de Estatística
(c) Moda
(d) Mediana
mo = 2 caras
me = 2 caras
Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - Departamento de Estatística
Bernoulli
Binomial
Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - Departamento de Estatística
Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - Departamento de Estatística
Qualquer um que corresponda a apenas dois resultados. Estes resultados são anotados por “0” ou “fracasso” e “1” ou “sucesso”. A probabilidade de ocorrência de “sucesso é representada por “p” e a de insucesso por “q = 1 – p”.
EXPERIMENTO
Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - Departamento de Estatística
X(S) = { 0, 1}
⎪⎩
⎪⎨⎧ −
===1 = x se p
0 = x se p1)xX(P)x(f
A Função de Probabilidade (fp)
Conjunto de Valores
1515
Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - Departamento de Estatística
A Função de Probabilidade (fp)
0,0
0,2
0,4
0,6
0,8
1,0
0 1
Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - Departamento de Estatística
⎪⎩
⎪⎨
⎧
≥
≤=≤=
1 x se 1
1 <x 0 se q
0 < x se 0
)xX(P)x(F
A Função de Distribuição (FD)
Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - Departamento de Estatística
Função de Distribuição
10
q
1
p
Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - Departamento de Estatística
pq)p1(ppp
p)p.1q.(0
E(X)-)X(E)X(V
2
222
22
=−=−=
=−+=
==
CaracterísticasExpectância ou Valor Esperado
∑ =+== pp.1q.0)x(f.x )X(EVariância
Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - Departamento de Estatística Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - Departamento de Estatística
Como existem apenas duas situações: A ocorre e A não ocorre, pode-se determinar a probabilidade de A não ocorrer como sendo q = 1 – p.
A VAD definida por X = “número de vezes que A ocorreu nas ‘n’repetições de E” é denominada BINOMIAL.
EXPERIMENTO
1616
Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - Departamento de Estatística
X(S) = {0, 1, 2, 3, ..., n}
A Função de Probabilidade (fp)
Conjunto de Valores
qpx
n)xX(P)x(f xnx −
⎟⎟⎠
⎞⎜⎜⎝
⎛===
Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - Departamento de Estatística
A Função de Probabilidade (fp)
0,00
0,02
0,04
0,06
0,08
0,10
0,12
0,14
0,16
0,18
0 2 4 6 8 10 12 14 16 18 20 22 24
Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - Departamento de Estatística
A Função de Distribuição (FD)
⎪⎪
⎩
⎪⎪
⎨
⎧
>
≤∑ ≤⎟⎟⎠
⎞⎜⎜⎝
⎛=≤=
=
n x se 1
n x 0 se qp k
n
0< x se 0
)xX(P)x(Fx
0k
k-nk
Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - Departamento de Estatística
Função de Distribuição
0,00
0,10
0,20
0,30
0,40
0,50
0,60
0,70
0,80
0,90
1,00
1 3 5 7 9 11 13 15 17 19 21 23 25
Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - Departamento de Estatística
E(X)-)X(E)X(V 22=
CaracterísticasExpectância ou Valor Esperado
np qpx
n.x )x(f.x )X(E xnx∑ =⎟
⎟⎠
⎞⎜⎜⎝
⎛∑ == −
Variância
npp1)-n(n qpx
n.x )X(E 2xnx22 +∑ =⎟
⎟⎠
⎞⎜⎜⎝
⎛= −
Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - Departamento de Estatística
npq)p1(npnppn
)np(npp)1n(n
E(X)-)X(E)X(V
2
22
22
=−=+−=
=−+−
==
Assim: np )X(E =
npq X =σ
1717
Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - Departamento de Estatística
Suponha que numa prova de 10 questões objetivas, de escolha múltipla, um candidato respondeu todas ao acaso. Se o número de alternativas em cada questão é cinco, qual a probabilidade de que tenha acertado 6 questões.
Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - Departamento de Estatística
Como se tratam de 10 questões a variável X = número de acertos ao acaso é uma Binomial com p =20%, assim a distribuição é:
x 10 x10f(x) P(X x) .
x para x 0, 1, 2, ..., 10
(0,2) (0,8) −⎛ ⎞= = = ⎜ ⎟
⎝ ⎠=
Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - Departamento de Estatística
Portanto a probabilidade solicitada vale:
6 10 6
6 4
10f(6) P(X 6) .
6
210. . = 0,55%
(0,2) (0,8)
(0,2) (0,8)
−⎛ ⎞= = = =⎜ ⎟
⎝ ⎠
Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - Departamento de Estatística
A função densidade de probabilidade (fdp)
É a função que associa a cada x de X(S) um número f(x) que deve satisfazer as seguintes propriedades: (i) (i) f(x) ≥ 0 (isto é, a função deve ser positiva – estar acima do eixo x) e
(2)(2) A área total sob a curva deve ser igual a um.
Variável Aleatória Contínua (VAC)
Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - Departamento de Estatística
A coleção dos pares (x, f(x))
é denominada de distribuição de
probabilidade da VAC X.
Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - Departamento de Estatística
Cálculo de probabilidade com uma VAC
P ( a X b ) Á r e a e n t r e " a " e " b " .< < =
a b x
y
bXa <<
1818
Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - Departamento de Estatística
Diferenças entre uma VAD e uma VAC
0== )aX(P
)bXa(P)bXa(P)bXa(P)bXa(P
≤≤=≤<==<≤=<<
Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - Departamento de Estatística
A Normal
Distribuições de probabilidade Contínuas(Modelos probabilísticos)
Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - Departamento de Estatística
0,0
0,2
0,4
0,6
0,8
-6 -5 -4 -3 -2 -1 0 1 2 3 4 5 6
N(0; 1)
N(0; 0,5)
N(0; 2)
N(2; 1)
Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - Departamento de Estatística
Como não é possível calcular a área de todas as curvas, escolheu-se uma para ser tabelada.
Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - Departamento de Estatística
σμ−
=XZ
A curva escolhida é a N(0, 1), isto é, com μ = 0 e σ = 1.
Se X é uma N(μ, σ), então:Se X é uma N(μ, σ), então:
Será uma N(0; 1)Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - Departamento de Estatística
0,0
0,1
0,2
0,3
0,4
-4,0 -3,0 -2,0 -1,0 0,0 1,0 2,0 3,0 4,0
1919
Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - Departamento de Estatística
O que é tabelado é a FDA da variável Z, isto é:
P(Z z) Área a esquerda (abaixo) de z.≤ =
Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - Departamento de Estatística
0,0
0,1
0,2
0,3
0,4
0,50,6
0,7
0,8
0,91,0
-4,0 -3,0 -2,0 -1,0 0,0 1,0 2,0 3,0 4,0
z
)z(Φ
Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - Departamento de Estatística
direta Leitura)z( z) P(Z =Φ=≤
)z()z(-1z) P(Z-1 z) P(Z −Φ=Φ=≤=>
)z()z( )z ZzP( 1221 Φ−Φ=<<
Área à esquerda (abaixo) de “z”
Área à direita (acima) de “z”
Área entre dois valores de “z”
Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - Departamento de Estatística
A tabela é construída como uma matriz. As linhas fornecem a unidade ou unidade mais décimo e as colunas fornecem os centésimos.
Assim para ler, por exemplo, -0,15 deve-se procurar na linha do–0,1 + coluna do 5 (sexta coluna). A primeira é a do “0” (zero).
Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - Departamento de Estatística
A aproximação é centesimal (2 casas após a vírgula) exceto na linha do –3 e do +3, que estão destacadas, onde a aproximação é, em virtude da pouca área, decimal. Observe que está escrito –3 e não –3,0!
Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - Departamento de Estatística
0,0
0,1
0,2
0,3
0,4
-4,0 -3,0 -2,0 -1,0 0,0 1,0 2,0 3,0 4,0
Aproximação decimal, isto é, fatias de 0,1. Depois do ±3,0 segue ±3,1 o ±3,2 até±3,9.Aproximação centesimal,
isto é, fatias de 0,01. Depois do -3,0 segue –2,99 o –2,98 até +2,99 e daí 3,0.
2020
z 0 1 2 3-3 0,0013 0,0010 0,0007 0,0005
-2,9 0,0019 0,0018 0,0018 0,0017-2,8 0,0026 0,0025 0,0024 0,0023-2,7 0,0035 0,0034 0,0033 0,0032-2,6 0,0047 0,0045 0,0044 0,0043-2,5 0,0062 0,0060 0,0059 0,0057-2,4 0,0082 0,0080 0,0078 0,0075-2,3 0,0107 0,0104 0,0102 0,0099-2,2 0,0139 0,0136 0,0132 0,0129-2,1 0,0179 0,0174 0,0170 0,0166-2,0 0,0228 0,0222 0,0217 0,0212
P(Z < -3,3) = Φ(-3,3)
P(Z < -2,53) = Φ(-2,53)
P(Z < -2,00) = Φ(-2,00)
Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - Departamento de Estatística
Uma VAC tem distribuição normal de média 50 e desvio padrão 8. Determinar:
(a) P(X ≤ 40)
(b) P(X > 65)
(c) P(45 < X < 62)
Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - Departamento de Estatística
%56,10)25,1Z(P
)8
5040X(P)40X(P
=−≤=
=−
≤σ
μ−=≤
(a) P(X ≤ 40)
Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - Departamento de Estatística
%01,3)88,1()88,1(1
)88,1Z(P1)88,1Z(P
)8
5065X(P)65X(P
=−Φ=Φ−=
=<−=>=
=−
>σ
μ−=>
(b) P(X > 65)
Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - Departamento de Estatística
%65,65%67,27%32,93)62,0()50,1()50,162,0(
)8
50628
5045(
)6245(
=−==−Φ−Φ==<<−=
=−
<−
<−
=
=<<
ZP
XP
XP
σμ
(c) P(45 < X < 62)
Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - Departamento de Estatística
2121
Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - Departamento de Estatística
Uma VAC tem distribuição normal de média 50 e desvio padrão 8. Determinar:
(a) P(X ≤ x) = 5%(b) P(X > x) = 1%
Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - Departamento de Estatística
Para resolver este tipo de exercício é preciso utilizar a função inversa, isto pode ser feito direto na tabela. Só que agora devemos procurar uma probabilidade (corpo da tabela) e obter um valor de “z”(lateral da tabela).
Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - Departamento de Estatística
0,00
0,01
0,02
0,03
0,04
0,05
26 34 42 50 58 66 74
5%
x
P(X ≤ x) = 5%
Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - Departamento de Estatística
850
5
850
−=
=Φ=≤=
=−
≤σ
μ−=≤
xz onde
%)z()zZ(P
)xX(P)xX(P
Em (a) temos P(X ≤ x) = 5%
Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - Departamento de Estatística
),(z
%)()]z([
então%,)z( Se
050
5
5
1
11
Φ
ΦΦ−
−−
=
=Φ
=Φ
Procurando na tabela, o valor (z)
mais próximo de 5% = 0,05, tem-se:Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - Departamento de Estatística
z 0 1 2 3 4 5-3 0,0013 0,0010 0,0007 0,0005 0,0003 0,0002
-2,9 0,0019 0,0018 0,0018 0,0017 0,0016 0,0016-2,8 0,0026 0,0025 0,0024 0,0023 0,0023 0,0022-2,7 0,0035 0,0034 0,0033 0,0032 0,0031 0,0030-2,6 0,0047 0,0045 0,0044 0,0043 0,0041 0,0040-2,5 0,0062 0,0060 0,0059 0,0057 0,0055 0,0054-2,4 0,0082 0,0080 0,0078 0,0075 0,0073 0,0071-2,3 0,0107 0,0104 0,0102 0,0099 0,0096 0,0094-2,2 0,0139 0,0136 0,0132 0,0129 0,0125 0,0122-2,1 0,0179 0,0174 0,0170 0,0166 0,0162 0,0158-2,0 0,0228 0,0222 0,0217 0,0212 0,0207 0,0202-1,9 0,0287 0,0281 0,0274 0,0268 0,0262 0,0256-1,8 0,0359 0,0351 0,0344 0,0336 0,0329 0,0322-1,7 0,0446 0,0436 0,0427 0,0418 0,0409 0,0401-1,6 0,0548 0,0537 0,0526 0,0516 0,0505 0,0495-1,5 0,0668 0,0655 0,0643 0,0630 0,0618 0,0606
z 0 1 2 3 4 5-3 0,0013 0,0010 0,0007 0,0005 0,0003 0,0002
-2,9 0,0019 0,0018 0,0018 0,0017 0,0016 0,0016-2,8 0,0026 0,0025 0,0024 0,0023 0,0023 0,0022-2,7 0,0035 0,0034 0,0033 0,0032 0,0031 0,0030-2,6 0,0047 0,0045 0,0044 0,0043 0,0041 0,0040-2,5 0,0062 0,0060 0,0059 0,0057 0,0055 0,0054-2,4 0,0082 0,0080 0,0078 0,0075 0,0073 0,0071-2,3 0,0107 0,0104 0,0102 0,0099 0,0096 0,0094-2,2 0,0139 0,0136 0,0132 0,0129 0,0125 0,0122-2,1 0,0179 0,0174 0,0170 0,0166 0,0162 0,0158-2,0 0,0228 0,0222 0,0217 0,0212 0,0207 0,0202-1,9 0,0287 0,0281 0,0274 0,0268 0,0262 0,0256-1,8 0,0359 0,0351 0,0344 0,0336 0,0329 0,0322-1,7 0,0446 0,0436 0,0427 0,0418 0,0409 0,0401-1,6 0,0548 0,0537 0,0526 0,0516 0,0505 0,0495-1,5 0,0668 0,0655 0,0643 0,0630 0,0618 0,0606
z = -1,65z = -1,64
2222
Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - Departamento de Estatística
Como os dois valores estão a
mesma distância, isto é, apresentam
o mesmo erro (0,0005), pega-se a
média entre eles.
Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - Departamento de Estatística
645,12
65,164,1z
Assim
=+
=
84,368.645,1508
50645,1
: ,8
50
=−=
⇒−
==−
−−
=
x
xz
setemxzComo
Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - Departamento de Estatística
)01,0(zLogo
)z()z(1 Mas
01,0%1)z(1)zZ(P
)8
50xX(P)xX(P
1Φ −=−
−Φ=Φ−
==Φ−=>=
=−
>σ
μ−=>
Em (b) temos P(X > x) = 1%
Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - Departamento de Estatística
0,00
0,01
0,02
0,03
0,04
0,05
26 34 42 50 58 66 740,00
0,01
0,02
0,03
0,04
0,05
1%
x
P(X > x) = 1%
Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - Departamento de Estatística
Procurando na tabela, o valor (z)
mais próximo de 1% = 0,01, tem-se:
z = -2,33
Conforme pode ser visto na
próxima lâmina!
Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - Departamento de Estatística
z 0 1 2 3-3 0,0013 0,0010 0,0007 0,0005
-2,9 0,0019 0,0018 0,0018 0,0017-2,8 0,0026 0,0025 0,0024 0,0023-2,7 0,0035 0,0034 0,0033 0,0032-2,6 0,0047 0,0045 0,0044 0,0043-2,5 0,0062 0,0060 0,0059 0,0057-2,4 0,0082 0,0080 0,0078 0,0075-2,3 0,0107 0,0104 0,0102 0,0099-2,2 0,0139 0,0136 0,0132 0,0129-2,1 0,0179 0,0174 0,0170 0,0166-2,0 0,0228 0,0222 0,0217 0,0212
z = -2,33
2323
Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - Departamento de Estatística
64,68508.33,2x8
50x)33,2(
:setem ),01,0(z
Como
1
=+=
⇒−
=−−
−=− Φ −
Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - Departamento de Estatística
Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - Departamento de Estatística Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - Departamento de Estatística
0,00
0,10
0,20
0,30
0,40
-6 -5 -4 -3 -2 -1 0 1 2 3 4 5 6
fdp det(1)t(5)t(25)
Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - Departamento de Estatística
0)X(E ==μ
2-
= Var(X)υ
υ
Expectância ou Valor esperado
Variância
O valor υ é denominado de “Grau de liberdade”
Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - Departamento de Estatística
O que é tabelado é a função inversa
(percentis), em relação a área à direita (unilateral) de cada curva (uma para cada
linha), ou a soma das caudas (bilateral), isto é, a tabela retorna um valor “t” tal que
P(Τ ≥ t) = α (unilateral) ou P(|T| ≥ t) = α.
2424
Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - Departamento de Estatística
As duas opções podem ser colocadas
em uma mesma tabela. Pode-se ler uma
área (α) de cima para baixo e se ter um
valor unilateral (P(T ≥ t) = α) ou ler a área (α) de baixo para cima e se ter um valor “t”
tal que P(T ≥ t) = α/2.
Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - Departamento de Estatística
0,200 0,100 0,050 0,040 0,030 0,0201 3,078 6,314 12,706 15,894 21,205 31,8212 1,886 2,920 4,303 4,849 5,643 6,9653 1,638 2,353 3,182 3,482 3,896 4,5414 1,533 2,132 2,776 2,999 3,298 3,7475 1,476 2,015 2,571 2,757 3,003 3,3656 1,440 1,943 2,447 2,612 2,829 3,1437 1,415 1,895 2,365 2,517 2,715 2,9988 1,397 1,860 2,306 2,449 2,634 2,8969 1,383 1,833 2,262 2,398 2,574 2,821
10 1,372 1,812 2,228 2,359 2,527 2,764
P(|Τ9| ≥ 2,262) = 5%
Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - Departamento de Estatística
0,200 0,100 0,050 0,040 0,030 0,0201 3,078 6,314 12,706 15,894 21,205 31,8212 1,886 2,920 4,303 4,849 5,643 6,9653 1,638 2,353 3,182 3,482 3,896 4,5414 1,533 2,132 2,776 2,999 3,298 3,7475 1,476 2,015 2,571 2,757 3,003 3,3656 1,440 1,943 2,447 2,612 2,829 3,1437 1,415 1,895 2,365 2,517 2,715 2,9988 1,397 1,860 2,306 2,449 2,634 2,8969 1,383 1,833 2,262 2,398 2,574 2,821
10 1,372 1,812 2,228 2,359 2,527 2,764
P(Τ9 < -2,262) = 2,5% ouP(Τ9 > 2,262) = 2,5%
Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - Departamento de Estatística
Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - Departamento de Estatística
υ=)X(E
2 = Var(X) υ
Expectância ou Valor esperado
Variância
O valor υ é denominado de “Grau de liberdade”
Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - Departamento de Estatística
0,00
0,20
0,40
0,60
0,80
1,00
0,0 1,0 2,0 3,0 4,0 5,0 6,0 7,0 8,0
Q(1)Q(2)Q(3)
2525
Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - Departamento de Estatística
O que é tabelado é a função inversa, em relação a área à direita de cada curva (uma para cada linha), isto é, dado um valor de área na cauda direita (α), a tabela retorna um valor “x” tal que P(χ2 ≥ x) = α.
Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - Departamento de Estatística
0,995 0,990 0,975 0,950 0,9001 0,000 0,000 0,001 0,004 0,0162 0,010 0,020 0,051 0,103 0,2113 0,072 0,115 0,216 0,352 0,5844 0,207 0,297 0,484 0,711 1,0645 0,412 0,554 0,831 1,145 1,6106 0,676 0,872 1,237 1,635 2,2047 0,989 1,239 1,690 2,167 2,8338 1,344 1,647 2,180 2,733 3,4909 1,735 2,088 2,700 3,325 4,168
10 2,156 2,558 3,247 3,940 4,865
P[χ2(2) ≥ 0,211] = 90%
Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - Departamento de Estatística
52,949 56,942 60,561 64,950 68,05354,090 58,124 61,777 66,206 69,33655,230 59,304 62,990 67,459 70,61656,369 60,481 64,201 68,710 71,89257,505 61,656 65,410 69,957 73,16658,641 62,830 66,616 71,201 74,43759,774 64,001 67,821 72,443 75,70460,907 65,171 69,023 73,683 76,96962,038 66,339 70,222 74,919 78,23163,167 67,505 71,420 76,154 79,490
41424344454647484950
0,100 0,050 0,025 0,010 0,005
P[χ2(49) ≥ 74,919] = 1%