Upload
voque
View
218
Download
0
Embed Size (px)
Citation preview
Variáveis Aleatórias Contínuas
Distribuição de Probabilidade Contínua
Modelo Normal
Modelo t de Student Modelo χ2
Distribuição Normal
• Considerada a mais importantedas distribuições deprobabilidades contínuas.
• Seu gráfico, chamado de curvanormal ou curva gaussiana temforma de sino e descrevefenômenos que ocorrem nanatureza, indústria e pesquisa.
• A equação depende de doisparâmetros: µ e σ (média edesvio populacionais).
https://www.youtube.com/watch?v=9xUBhhM4vbM
https://www.youtube.com/watch?v=4HpvBZnHOVI
Quando o número de variáveis aumenta,a densidade de probabilidade da variávelaproxima–se da curva em forma de sino dadistribuição normal.
Mesa de Galton
• Usada quando não se tem a média e o desvio padrãopopulacional.
• Nestes casos usa-se a média e o desvio padrão amostral quesegue a distribuição normal.
Distribuição de t Student
Distribuição de χ2
• A distribuição χ2 ou qui-quadrado éuma das distribuições mais usadasrealizar testes de χ2.
• Este teste serve para avaliarquantitativamente a relação entre oresultado de um experimento e adistribuição esperada para ofenômeno. Isto é, ele nos diz comquanta certeza os valoresobservados podem ser aceitos comoregidos pela teoria em questão.
• Testes de hipótese usam, também, adistribuição χ2.
Distribuição NormalGauss
Definição:
Seja X uma variável aleatória contínua tal que X tem distribuição normal com média µ e variância σ2 se, e somente se sua função densidade de probabilidade for dada por:
( ) 1f x dx
A distância entre a média e um ponto qualquer é dado em número de desvios padrões (z)
Normal padronizada
Normal não padronizada
z = x - µ
µ x 0 z
PP
Distribuição Normal
Distribuição Normal Padrão
Características:
Média: µ = 0Desvio-Padrão: σ = 1
Distribuição Normal Reduzida ou Padronizada
Um significado prático para o que aprendemos
• Analistas da linha de produção calcularam o tempo médio de 75 segundos e desvio padrão de 6 segundos para a montagem de uma peça.
• Graficamente temos:
Exemplo 1: Analistas da linha de produção calcularam o tempo médio de 75 segundos e desvio padrão de 6 segundos para a montagem de uma peça. Qual a probabilidade de um trabalhador levar um tempo menor ou igual a 81 segundos?
Transformar a variável X em variável normal padronizada Z
Consultando a tabela conclui-se que a probabilidade é de 84,13% de levar um tempo menor ou igual a 81 segundos
Atenção! Para resolver os exemplos será adotada a tabela de distribuição Normal Padrão Acumulada
Em uma região, o QI das pessoas adultas segue a distribuição normal com média de 100 pontos e desvio-padrão de 15 pontos. Escolhendo uma pessoa ao acaso, qual a probabilidade desta pessoa ter QI menor que 75 pontos?
X < 75= 100 = 15
Probabilidade de X < 75 é de 4,75%
Exemplo 2: A equipe interna de uma empresa audita balanços contábeis e demora em média 40 minutos e desvio-padrão de 12 minutos. Uma empresa de Contabilidade afirma que pode realizar essa atividade em 25 minutos em média. Qual a probabilidade dessa afirmação ser verdadeira?
X = 25= 40 = 12
P(X = 25) = 10,56%
Probabilidade de X = 25 é de 10,56%
1) Uma indústria siderúrgica produz tubos de aço cujocomprimento segue a distribuição normal com média = 10,00 m edesvio padrão = ± 0,09 m. Se o comprimento dos tubosultrapassar 10,20 m eles serão refugados. Calcule a probabilidadedos tubos terem comprimentos superiores a 10,20 m
22,209,0
1020,10
Xz
P (Z 2 ,2 2 ) = 0 ,9 8 6 8 = 1 - 0 ,9 8 6 8 = 0 ,0 1 3 2 = % 1 ,3 2
f(x)
10
X10,20
0 2,22 Z
Consultando tabela temos:
Atividades
DISTRIBUIÇÃO T - STUDENT
William Sealy Gosset
DISTRIBUIÇÃO T - STUDENT
• Distribuição de probabilidade publicada por um autor que sechamou de Student, pseudônimo de William Sealy Gosset, quenão podia usar seu nome verdadeiro para publicar trabalhosenquanto trabalhasse para a cervejaria Guinness.
• A distribuição t de Student aparece naturalmente no problema dese determinar a média de uma população (que segue adistribuição normal) a partir de uma amostra. Neste problema,não se sabe qual é a média ou o desvio padrão da população, masela deve ser normal.
• Padronizar variável aleatória normal requer que o µ e σ sejam conhecidos. Na prática, porém, não podemos calcular z = (x - µ)/ σ porque σ é desconhecido. Em vez disso, substituímos σ por s(desvio padrão amostral) e calculamos a estatística t.
sxt
DISTRIBUIÇÃO T - STUDENT
• Se a variância da população, σ2 não é conhecida, não podemos usar a distribuição normal como a distribuição de referência para a média da amostra. Neste caso usamos a distribuição t.
• Se a distribuição de referência é normal e a variância da população é estimado por s2, a quantidade:
• que é conhecido como a média padronizada ou como a estatística t, terá à distribuição com ν = n - 1 graus de liberdade.
Xts / n
DISTRIBUIÇÃO T - STUDENT
Exemplo 1: Para os dados de nitrato, a média da amostra deconcentração é igual a 7,51 mg/L e encontra-se a uma distânciaconsiderável abaixo do verdadeiro valor de referência 8,00 mg/L. Sea verdadeira média da amostra é de 8,0 mg/L e o laboratório estámedindo precisamente, um valor tão baixo quanto 7,51 mg/L queocorrem por acaso apenas quatro vezes em 100. Sabe-se que odesvio padrão é 1,38 em 27 amostras. “Qual a probabilidade de seobter uma amostra tão pequenas com média = 7,51 mg/L a partir daanálise das 27 amostras?"
Xts / n
27/38,1851,7
t
19,5/38,10,49-
t
842,10,2658
0,49-t
A DISTRIBUIÇÃO T
• A distribuição de referência é necessária, a fim de escolher se o resultado é facilmente explicada por mero acaso ou se é variação excepcional.
• A distribuição T é uma relevante referência que representa o conjunto de resultados que poderiam ocorrer por acaso.
• Um resultado que cai sobre a cauda da distribuição pode ser considerado excepcional.
Tabela 1 - Distribuição T
Tabela 2- Distribuição t
https://www.youtube.com/watch?v=yhfODPGaMmY –Distribuição Normal com exemplos (Prof Allan)
https://www.youtube.com/watch?v=-N60-uc_Erk –Distribuição Normal com exemplos (Profa Zuleica)