Académique Documents
Professionnel Documents
Culture Documents
PROBABILIDADE
Introdução
O cálculo das probabilidades pertence ao campo da
Matemática, entretanto a maioria dos fenômenos de
que trata a Estatística são de natureza aleatória ou
probabilística.
do evento.
Exemplo: jogar um dado homogêneo e observar o
b) Lançar um dado
Exemplo:
representado por:
A = {2,4,6}
Evento
Se considerarmos como espaço amostral e A como evento:
Assim, qualquer que seja A, se A (A está contido em ), então
A é um evento de .
Se A = , A é chamado de evento certo.
União: A B = {ei ∈ Ω / ei ∈ A OU ei ∈ B}
O evento formado pelos elementos que pertencem a pelo
menos um dos eventos.
A B
A∪B
Propriedades com Eventos Aleatórios
Interseção: A ∩ B = {ei / ei A E ei B}
O evento formado pelos elementos que pertencem
simultaneamente aos dois eventos.
A B
A∩B
◦ Complementação: Ω A A {e i Ω/e i A}
A
__
Α
Eventos Mutuamente Exclusivos
Dois eventos são mutuamente exclusivos se não podem ocorrer
simultaneamente:
A∩B=
Exemplos:
amostral
Exemplo:
Ω
Probabilidade
O problema fundamental da probabilidade consiste em atribuir
um número a cada evento (E), o qual avaliará quão possível será a
ocorrência de "E", quando o experimento for realizado.
A seguir serão apresentadas algumas definições de
probabilidades, tais como:
Clássica;
Empírica ou frequentista;
Subjetiva.
Exemplo:
a) 0P(A)1;
b) P() = 1
c) Se A e B são eventos mutuamente excludentes, então:
P(AB) = P(A) + P(B)
Axiomas da Probabilidade
d) Se A1, A2, ..., An são eventos mutuamente excludentes
dois a dois, então:
ou
Teoremas Fundamentais
1) Se for evento vazio, então P() = 0
2) Se o evento Ac for o evento complementar de A, então
P(Ac) = 1 - P(A)
3) Se A e B são eventos quaisquer, então: (regra da adição)
P(A U B) = P(A) + P(B) - P(A B)
4) De acordo com o teorema acima. Sejam A1, A2, ..., An
eventos quaisquer:, teremos
Probabilidade Condicional
As probabilidades estudadas até este momento são
denominadas probabilidades se referem ao experimento,
resultados igualmente prováveis (equiprovável).
P(A) = 1/6
Considerando o evento B= {sair um nº ímpar}= {1,3,5}.
Para o cálculo das probabilidades calculamos as
probabilidades condicionadas.
No exemplo, podemos estar interessados no resultado
P(AlB) = 1/3
P(AB)= P(B).P(A/B)
ou
P(AB)= P(A).P(B/A)
Probabilidade Condicional
Exemplo
Independência
Dois eventos A e B, dizemos que são independentes se
a probabilidade de um evento não interfere na ocorrência
de outro evento, então:
VARIÁVEIS ALEATÓRIA
Dezembro
2012
Introdução
Uma variável é dita aleatória quando o valor da
mesma é obtido através de observações ou
experimentos, e a cada valor estiver associada certa
probabilidade.
w x w x
(C,C,C) 3 (K,K,C) 1
(C,C,K) 2 (K,C,K) 1
(C,K,C) 2 (C,K,K) 1
(K,C,C) 2 (K,K,K) 0
Função e Tipos de Variáveis Aleatórias
A Função de Probabilidade é uma função matemática que
associa probabilidades a valores assumidos pela variável
aleatória X. Iremos diferenciar esta função para o caso em
que a variável aleatória for discreta ou contínua.
Uma variável aleatória X é dita Discreta, quando o conjunto
de valores que X pode assumir é um conjunto finito de valores
ou um conjunto infinito enumerável. Exemplo: Nº de alunos na
sala
Uma variável aleatória X é dita Contínua quando assume
¼, se i = 0 e 2
Probabilidade
P(X=xi) = ½, se i = 1
0, caso contrário
Número de
caras
Função Distribuição Acumulada
Definimos a função distribuição de probabilidade
F(x) de uma variável aleatória por
F(x)=P(X x)
Propriedades:
Exemplo
Considerando o exemplo anterior onde X é o número de caras em dois
lances de uma moeda equilibrada.
Assim teremos F(x), da seguinte maneira
0, se x 0 xi P(X=xi)
0,25 , se 0 x 1 0 0,25
F(x) = 1 0,50
0,75, se 1 x 2 2 0,25
1,00, se x 2 Total 1,00
Graficamente teremos:
Média
A média aritmética de X é referida como o valor esperado E(X) de uma
variável aleatória, ou média populacional . O valor esperado representa
o valor médio da variável aleatória, que é obtida da seguinte forma, para
variável aleatória discreta:
xi 0 1 2
P(X=xi) 0,25 0,5 0,25
Lembrando, E(X) = 1
Var(X) = (0 -1)2.(0,25) + (1-1)2.(0,5) + (2-1)2.(0,25) = 0,5
= 0,71
Variável Aleatória Contínua
Definição
Uma variável aleatória X diz-se (absolutamente) continua se
existe uma função fX(x) não negativa (fX(x) ≥ 0, x R) e
integrável
tal que:
Exemplo
Função de distribuição acumulada:
Exemplo
Função de distribuição acumulada (continuação):
Exemplo
Assim teremos:
Graficamente
Média e Variância
As definições de valor esperado (ou valor médio) e
variância também podem ser generalizados para
qualquer variável aleatória contínua X
UNIVERSIDADE FEDERAL DO
MARANHÃO DEPARTAMENTO DE MATEMÁTICA
CENTRO DE CIÊNCIAS
EXATAS E TECNOLOGIA
DISCIPLINA – ESTATÍSTICA E PROBABILIDADE
DISTRIBUIÇÃO DE
PROBABILIDADE
Dezembro
2012
Introdução
Distribuições de Variáveis Aleatória Discreta
CORRELAÇÃO
Introdução
Consideramos observações de duas ou mais
variáveis: as relações que podem existir entre as
variáveis estudadas.
Assim, quando consideramos variáveis como peso
e altura de um grupo pessoas, uso do cigarro e
incidência do câncer, vocabulário e compreensão
leitura, dominância e submissão, procuramos
verificar se existe alguma relação entre as
variáveis de cada um dos pares e qual o grau
dessa relação.
Introdução
Sendo a relação entre as variáveis de natureza
quantitativa, a correlação é o instrumento
adequado para descobrir e medir essa relação.
Gráfico de dispersão
Correlação
Análise da correlação
Exemplo
Em uma dada região de Bocaina-SP, acredita-se que o gado alimentado
em um determinado pasto tem um ganho de peso maior que o usual.
Estudos de laboratório detectaram uma substância no pasto e deseja-se
verificar se ela pode ser utilizada para melhorar o ganho de peso dos
bovinos. Foram escolhidos 15 bois de mesma raça e idade, e cada
animal recebeu uma determinada concentração da substância X (em
mg/l). O ganho de peso após 30 dias, denotado por Y, foi anotado e os
dados foram os seguintes (em kg):
Concentração
0,2 0,5 0,6 0,7 1,0 1,5 2,0 2,5 3,0 3,5 4,0 4,5 5,0 5,5 6,0
Peso
9,4 11,4 12,3 10,2 11,9 13,6 14,2 16,2 16,2 17,7 18,8 19,9 25,5 24,7 23,1
Gráfico de dispersão
Concentração
0,2 0,5 0,6 0,7 1,0 1,5 2,0 2,5 3,0 3,5 4,0 4,5 5,0 5,5 6,0
Peso
9,4 11,4 12,3 10,2 11,9 13,6 14,2 16,2 16,2 17,7 18,8 19,9 25,5 24,7 23,1
Correlação Linear
É possível verificar que a cada correlação está associada
como "imagem" uma relação funcional. Por esse motivo, as
relações funcionais são chamadas relações perfeitas.
Correlação Linear
a. linear positiva se os pontos do diagrama têm como
"imagem" uma reta ascendente;
b. linear negativa se os pontos têm como "imagem" uma reta
descendente;
c. não-linear se os pontos têm como "imagem" uma curva.
Correlação Linear
O instrumento empregado para a medida da correlação
linear é o coeficiente de correlação.
n xi yi ( xi )( yi )
r
n x 2
i
( xi ) 2 n yi2 ( yi ) 2
Concentração
0,2 0,5 0,6 0,7 1,0 1,5 2,0 2,5 3,0 3,5 4,0 4,5 5,0 5,5 6,0
Peso
9,4 11,4 12,3 10,2 11,9 13,6 14,2 16,2 16,2 17,7 18,8 19,9 25,5 24,7 23,1
n xi yi ( xi )( yi )
r
n x2
i
( xi ) 2 n yi2 ( yi ) 2
r = 0,98