1 Introdução. 2 Noções de Experimento, Espaço Amostral e Eventos

Save this PDF as:
 WORD  PNG  TXT  JPG

Tamanho: px
Começar a partir da página:

Download "1 Introdução. 2 Noções de Experimento, Espaço Amostral e Eventos"

Transcrição

1 Prof. Janete Pereira Amador 1 1 Introdução A ciência manteve-se até pouco tempo atrás, firmemente apegada à lei da causa e efeito. Quando o efeito esperado não se concretizava, atribuía-se o fato ou a uma falha na experiência ou a uma falha na identificação da causa. Não poderia haver quebra da cadeia lógica. Segundo Laplace (Pierre Simon) uma vez conhecidas a vizinhança, a velocidade e a direção de cada átomo no universo, poder-se-ia, a partir daí, predizer com certeza, o futuro até a eternidade. Sabe-se hoje, através do princípio da incerteza, que não é bem assim. Que não existem meios que permitam determinar os movimentos dos elétrons individuais se conhecido a sua velocidade, conforme o estabelecido em 197, pelo físico alemão W. Heinsenberg. Nesse sentido, o trabalho estatístico se desenvolve fazendo observação de determinados fenômenos e empregando dados numéricos relacionados aos mesmos, para tirar conclusões que permitam conhecê-los e explicá-los. Conforme J. Neymann, toda a vez que se emprega Matemática com a finalidade de estudar algum fenômeno deve-se começar por construir um modelo matemático. No campo da estatística, os modelos matemáticos utilizados são denominados, modelos não determinísticos (aleatórios) ou probabilísticos, ou seja, que avaliam com que probabilidade os resultados podem ocorrer. Os fenômenos para os quais modelos probabilísticos são adequados são denominados de experimentos aleatórios. Modelo não-determinístico ou probabilístico é um modelo em que de antemão não é possível explicitar ou definir um resultado particular. Este modelo é especificado através de uma distribuição de probabilidade. Normalmente existem diversas possibilidades possíveis de ocorrência de um fenômeno aleatório, sendo a medida numérica da ocorrência de cada uma dessas possibilidades, denominada probabilidade. Ao descrever um experimento aleatório deve-se especificar não somente que operação ou procedimento deva ser realizado, mas também o que é que deverá ser observado. Note-se a diferença entre E e E3. E1: Joga-se um dado e observa-se o número obtido na face superior. E: Joga-se uma moeda 4 vezes e o observa-se o número de caras obtido. E3: Joga-se uma moeda 4 vezes e observa-se a seqüência de caras e coroas. Em oposição aos fenômenos aleatórios, existem os fenômenos determinísticos, que são aqueles cujos resultados são previsíveis, por exemplo se pegarmos um determinado sólido, sabemos que a uma determinada temperatura haverá passagem para o estado líquido. Noções de Experimento, Espaço Amostral e Eventos Ao lidar com problemas de probabilidade, torna-se necessário a compreensão de determinado termos. Desta forma a seguir serão dado alguns conceitos importantes.

2 Prof. Janete Pereira Amador.1 Experimento aleatório [E] É uma das realizações do fenômeno sob observação. Se o fenômeno seguir um modelo não determinístico, tem-se um experimento aleatório, com as seguintes características: O experimento pode ser repetido; Embora não seja possível afirmar que resultado em particular ocorrerá, é possível descrever o conjunto de todos os resultados possíveis do experimento; A medida que aumenta o número de repetições aparece uma certa regularidade nos resultados que torna possível a construção de um modelo matemático.. Espaço amostral [S] É o conjunto de todos os possíveis resultados de um experimento aleatório. Ex: Determinar o espaço amostral dos seguintes experimentos. E 1 : Joga-se um dado e observa-se o número obtido na face superior. S 1 = {1,, 3, 4, 5, 6} E : Lança-se uma moeda até que ocorra uma cara e conta-se então o número de lançamentos necessários. S = { 1,, 3, 4, 5,... } Ao descrever um espaço amostral de um experimento, deve-se ficar atento para o que se está observando ou mensurando. Deve-se falar em um espaço amostral associado a um experimento e não de o espaço amostral. Deve-se observar ainda que nem sempre os elementos de um espaço amostral são números. Classificação de um espaço amostral: Um espaço amostral, conforme a sua forma e tamanho pode ser classificado em: 1. Finito.. Infinitos..3 Evento É qualquer subconjunto do espaço amostral S de um experimento. Como os conjuntos os eventos são denotados por A, B, C... Álgebra de eventos: Pode-se realizar operações entre eventos da mesma forma que elas são realizadas entre conjuntos. Antes de definir as operações é conveniente conceituar o que se entende por ocorrência de um evento. Seja E um experimento com um espaço amostral associado S. Seja A um evento de S. É dito que o evento A ocorre se realizada a experiência, isto é, se executado E, o resultado for um elemento de A. Sejam A e B dois eventos de um mesmo espaço amostral S. Diz-se que ocorre o evento: 1. A união B, anotada por A B, se A ou B ocorre ou ambos ocorrerem.

3 Prof. Janete Pereira Amador 3. A interseção B, anotado por A B ou AB, se e somente se A ocorre e B ocorre 3. O complementar de A se e somente se A não ocorre. Eventos mutuamente excludentes: dois eventos A e B são denominados mutuamente excludentes ou exclusivos se eles não puderem ocorrer juntos, isto é, A B = ; Exercícios 1. Observe o diagrama a seguir e responda a) Determine o evento D = { x S x 10} b) Determine o evento E = { x C x } c) Determine o evento F = { x C x 19}

4 Prof. Janete Pereira Amador 4. Conforme o diagrama responda a) A B b) A B c) A 3. Experimento: Lance um dado e observe o número que aparece em cima. Então o espaço amostral é constituído de 6 números possíveis: S = 1 ;;3;4;5; 6. Sendo A o evento em que um número par ocorre, B aquele em que um número ímpar ocorre e C em que um número primo ocorre: Então: A C = B C = C = A = A B = 3 Conceitos de Probabilidade Existem três formas de se definir probabilidade. A definição clássica, a definição empírica ou freqüencial e a definição axiomática. 3.1 Definição clássica É valida para espaços amostrais finitos e equiprováveis. Espaços amostrais equiprovávies: probabilidade que ocorra um evento é igual ao quociente de um número favorável de casos sobre o número total de casos possíveis do experimento, desde que as chances de ocorrência de cada elemento do espaço amostral sejam iguais. Seja E um experimento aleatório e S um espaço amostral associado formado por n resultados igualmente prováveis. Seja A S um evento com m elementos. A probabilidade de A, anotada por P(A), lê-se probabilidade de A, é definida como sendo: P(A) = m / n. Isto é, a probabilidade do evento A é o quociente entre o número m de casos favoráveis e o número n de casos possíveis. Ex: Calcular a probabilidade de no lançamento de um dado equilibrado obter-se: a) Um resultado igual a 4. b) Um resultado ímpar. Solução: S = {1,, 3, 4, 5, 6} a) A = {4} m = (A) =1 então P (A) = m/n = 1/6 = 16,67 b) B = { 1, 3, 5 } m = (B) = 3 então P(B) = m/n = 3 / 6 = 50%

5 Prof. Janete Pereira Amador 5 Crítica à definição clássica A definição clássica é dúbia, já que a idéia de igualmente provável é a mesma de com probabilidade igual, isto é, a definição é circular, porque está definindo essencialmente a probabilidade com seus próprios termos. A definição não pode ser aplicada quando o espaço amostral é infinito. 3. Definição freqüencial Na prática acontece que nem sempre é possível determinar a probabilidade de um evento. Neste caso é necessário ter um método de aproximação desta probabilidade. Um dos métodos utilizados é a experimentação que objetiva estimar o valor da probabilidade de um evento A com base em valores reais. A probabilidade avaliada através deste processo é denominada de probabilidade empírica. Repetindo-se um experimento E um grande número de vezes e calculando-se a freqüência relativa do evento A, obtém-se um número p que pode ser tomado como a probabilidade da ocorrência de A, que nesse caso, poderia ser tomada como: f ( A) números de ocorrência de A P( A) p lim P( A) n n número de repetições do experimento Ex: Um dado foi lançado 100 vezes e a face 6 apareceu 18 vezes. Então a freqüência relativa do evento A = { face 6 } é: Solução: números de ocorrência de A 18 P( A) número de repetições do experimento 100 P( A) 18% Ao se calcular probabilidades pelo método da freqüência relativa, obtém-se uma aproximação em lugar de um valor exato. A mediada que o número de observações aumenta, as aproximações tendem a ficar cada vez mais próximas da probabilidade efetiva. Essa propriedade é enunciada como um teorema comumente conhecido como a Lei dos Grandes Números. Lei dos Grandes Números Ao se repetir um experimento um grande número de vezes, a probabilidade pela freqüência relativa tende para a probabilidade teórica Crítica à definição freqüencial: Esta definição, embora útil na prática, apresenta dificuldades matemáticas, pois o limite pode não existir. Em virtude dos problemas apresentados pela definição clássica e pela definição freqüencial,foi desenvolvida uma teoria moderna, na qual a probabilidade é um conceito indefinido, como o ponto e a reta o são na geometria. 3.3 Definição axiomática Seja E um experimento e S um espaço amostral associado a E. A cada evento A associa-se um número real representado por P(A) e denominado probabilidade de A, que satisfaça aos seguintes axiomas: A 1 ) 0 P(E) 1 as probabilidade são números reais positivos ou zero. A ) P(S) = 1 o espaço amostral tem probabilidade 1

6 Prof. Janete Pereira Amador 6 A 3 ) P (A B) = P(A) + P(B); se A e B forem eventos mutuamente excludentes (AB =), a probabilidade de chance de ocorrência de um ou de outro é igual a soma das respectivas probabilidades. n P( U i 1 Ei ) = P(E 1 ) + P(E ) P(E n ); Se E 1, E,..., E n, forem dois a dois eventos mutuamente excludentes Teoremas fundamentais: (como conseqüências dos axiomas) Teorema 1: se for um evento (conjunto) vazio, então: P(Ø) = O; Teorema : se A for um evento complementar de A, então :P( A ) = 1 P(A) Teorema 3: se A B, então: P(A) P (B). Teorema4: se A e B forem eventos quaisquer de S, então: P(A B) = P(A) + P(B) - P(AB); Exercícios 1) O seguinte grupo de pessoas está numa sala de aula : 5 rapazes com mais de 1 anos, 4 rapazes com menos de 1 anos, 6 moças com mais de 1 anos e 3 moças com menos de 1 anos. Uma pessoa é escolhida ao acaso dentre as 18. Calcular a probabilidade dos seguintes eventos: A: a pessoa ter mais de 1 anos B: a pessoa ter menos de 1 anos C: a pessoa é um rapaz D: a pessoa é uma moça E: A pessoa ter menos de 1 anos ou ser uma moça ) Um grupo de 60 pessoas esta assim constituído: Loiras Morenas Olhos verdes 1 19 Olhos Castanhos Se retirarmos uma pessoa ao acaso, qual a probabilidade de que seja: a) loira de olhos verdes ou morena de olhos castanhos b) morena ou tenha olhos verdes. 3) Numa gaveta, estão 15 botões numerados de 1 a 15. Retirando-se um botão ao acaso, qual a probabilidade de que seu número seja múltiplo de ou de 3. 4) Numa assembléia estavam presentes os seguintes professores: Matemática Geografia História 1º Grau º Grau a) Professor do segundo grau ou de geografia; b) Professor de história do primeiro grau ou de matemática do segundo grau ou de geografia do primeiro grau. c) Professor de geografia ou história; 5) Uma caixa contém 10 tampinhas de coca-cola, 1 de fanta, 15 de guaraná e 8 de pepsicola. Se retirarmos uma tampinha ao acaso, qual a probabilidade de que seja de fanta ou de guaraná?

7 Prof. Janete Pereira Amador 7 6) Um conjunto de 80 pessoas tem as características abaixo: Brasileiros Argentinos Uruguaios Homens Mulheres Se retiramos uma pessoas ao acaso qual a probabilidade de que ela seja a) de nacionalidade brasileira ou uruguaia b) de sexo masculino ou tenha nascido na Argentina 7) Uma semente é retirada ao acaso de uma urna que contem: 6 sementes de milho, 8 sementes de feijão e 4 sementes de melancia. Determinar a probabilidade da semente ser de: a) Ser milho; b) Não ser de feijão; c) Ser melancia ou feijão. 8) Lance um dado e uma moeda a) Construa o espaço amostral; b) Enumere os seguintes eventos: A = {coroa, marcado por número par} B = {cara, marcado com número ímpar} C = {múltiplos de 3} c) Expresse os eventos: i) B ii) A ou B ocorrem iii) B e C ocorrem iv) A B 9) Dois dados são lançados simultaneamente. Qual a probabilidade de: a) a soma ser menor que 4; b) a soma ser 9; e) o primeiro resultado ser maior do que o segundo. 10) Três cavalos A, B, C, estão em uma corrida; A tem duas vezes mais probabilidade de ganhar que B, e B tem duas vezes mais probabilidade de ganhar que C. a) Quais são as probabilidades de cada um, isto é, P (A), P (B) e P(C)? b) Qual seria a probabilidade de B ou C ganhar. Gabarito: 1) a)61% b)38,8% c)50% d)50% ) a)46,6% b)78,33% 3) 66,6% 4) a) 73,58% b)49,05% c)56,60% 5) 60% 6) a) 78,75% b) 60% 7) a) 33,33% b) 55,55% c) 66,66% 8) 9) a) 8,33% b) 11,11% c) 41,67% 10) a) P(A) = 57,14% P(B) =8,57% P(C) =14,9% b) 4,86% e)7, %

8 Prof. Janete Pereira Amador 8 1 Introdução Muitas situações cotidianas podem ser usadas como experimento que dão resultados correspondentes a algum valor, e tais situações podem ser descritas por uma variável aleatória. A palavra aleatória indica que só conhecemos aquele valor depois do experimento ter sido realizado. Desta forma, defini-se variável aleatória como sendo uma função que associa números reais aos eventos de um espaço amostral, ou seja, os resultados do experimento aleatório são dados numéricos. Usa-se as letras maiúscula (X, Y, Z...) para designar as variáveis aleatórias, e minúsculas (x, y, z...) para indicar particulares valores dessas variáveis. As variáveis aleatórias podem ser discreta e contínuas e o seu comportamento pode ser descrito por uma distribuição de probabilidade. No caso discreto, a distribuição de probabilidade pode ser caracterizada por uma função de probabilidade, que indica diretamente as probabilidades associada a cada valor. No caso contínuo, a distribuição é caracterizada pela função densidade de probabilidade. Uma Variável Aleatória é uma variável (geralmente representada por X) que tem um valor numérico único (determinado aleatoriamente) para cada resultado de um experimento Exemplos de Variáveis Aleatórias X = número de ovos de lagarta em uma folha X =numero de plantas por hectare. X = número de alunos que não compareceram a aula de estatística hoje. X = altura de um aluno de sexo masculino selecionado aleatoriamente. X = variação do preço do dólar durante o plano real. A seguir vermos variáveis aleatórias discretas e suas principais distribuições e as variáveis aleatórias contínuas assim como suas principais distribuições Variáveis Aleatórias Discretas (VAD) Uma variável aleatória tem comportamento discreto quando ela admite um número finito de valores ou tem uma quantidade enumerável de valores (admite apenas valores inteiros). A definição de uma VAD só fica completa a partir do momento em que se define a função de probabilidade da variável aleatória X. Uma função de probabilidade é a função que associa a cada valor assumido pela variável aleatória a probabilidade do evento correspondente, ou seja: Seja X uma variável aleatória discreta. Portanto, o contradomínio de X será formado por um número finito ou enumerável de valores x 1 ; x ;...A cada possível resultado x i, associaremos um número p(x i ) = P(X = x i ), i = 1; ; 3;..., denominado probabilidade de xi. Ou seja Os números p(xi) devem satisfazer às seguintes condições: a) p( x i ) 0, i ;

9 Prof. Janete Pereira Amador 9 n b) p( i1 x i ) 1 Dessa forma função p, definida acima, é denominada função de probabilidade da variável aleatória X e a coleção de pares [xi; p(xi)] i = 1; ;..., é denominada distribuição de probabilidade de X. Uma distribuição de probabilidades é uma distribuição de freqüências relativas para os resultados de um espaço amostral; mostra a proporção das vezes em que a variável aleatória tende a assumir cada um dos diversos valores. Ex1: Lançam-se dois dados. Seja a v.a. X: soma das faces. Determinar a distribuição de probabilidade da variável aleatória X O espaço amostral do experimento corresponde a: 1,1 1, 1,3 1,4 1,5 1,6,1,,3,4,5,6 3,1 3, 3,3 3,4 3,5 3,6 S 4,1 4, 4,3 4,4 4,5 4,6 5,1 5, 5,3 5,4 5,5 5,6 6,1 6, 6,3 6,4 6,5 6,6 O contradomínio de X é dado por: x,3,4,5,6,7,8,9,10,11,1 A distribuição de probabilidade de X é dado por: A representação gráfica desta distribuição de probabilidade equivale a:.1 Grandezas Características As variáveis aleatórias podem ser caracterizadas por uma grandeza de tendência central (média, moda, mediana) e outra de dispersão. A medida caracterizada como grandeza de tendência central é uma média ponderada que recebe o nome particular de

10 Prof. Janete Pereira Amador 10 esperança matemática (ou valor esperado); as grandezas de dispersão são a variância e o desvio- padrão..1.1 Valor esperado E(X) Seja X uma VAD, seja p(x i ) = P(X=x i ) onde p é a função de probabilidade de X. Defini-se valor esperado ou esperança matemática de X anotado por E(X) da seguinte forma. n E(X) x p( x ) E(X) é a média ponderada dos valores de X, onde as ponderações são as probabilidades de cada x i. Diz-se também que E(X) é a media da distribuição de probabilidade da variável aleatória X, algumas vezes anotada por. Se X puder assumir n valores igualmente prováveis. Considere a variável aleatória definida no Ex1. Calcule a E(X). 11 E(X) x i1 E( X ) ( E( X ) 7 i 1 ) 36 (3 ) Variância V(X) (4 3 ) 36 i1 p( xi ) x1 p( x1) x p( x )... x11 p( x11)... (1 A variância de uma VAD pode ser definida como a média ponderada das diferenças ao quadrado entre cada resultado possível e sua média aritmética, sendo os pesos as probabilidades de cada um dos respectivos resultados. Assim a variância da variável aleatória discreta X pode ser expressa da seguinte maneira: V ( X ) n I 1 ( x i ) P( x ) onde : i X = variável aleatória discreta de interesse x i = i ésimo resultado de x P(x i ) = probabilidade de ocorrência do i ésimo resultado de x i= 1,,3...,n A formula mais usual para se calcular a variância corresponde a: x. p E( ) V ( X ) X. i i Algumas vezes a V(X) é anotada por. A raiz quadrada positiva da variância é denominada desvio padrão e é anotado por ( X ) V ( X ). Considere a variável aleatória definida no Ex1. Calcule a V(X) e o (X ) i i 1 ) 36

11 Prof. Janete Pereira Amador 11 V ( X ) x. p E( X ) i i V ( X ) ( V ( X ) 5,83 1 ) 36 (3 ) ( ) (1 1 ) (7) (7) 36 ( X ) V ( X ) 5,83 ( X ),415 Exercícios 1) Com os dados: Número de lagartas Número de parcelas Calcular a esperança e a variância ) A empresa Equilibrada S:A vende três produtos, cujos lucros e as probabilidades de venda estão anotadas a seguir: Produto Lucro unitário (US$) Probabilidade de venda (%) A 15 0 B 0 30 C Pede-se calcular: a) o lucro médio por unidade vendida: b) o desvio padrão: 3) Foi feita a verificação da colinesterase plasmática em 34 vacas leiteiras da raça holondesa. Obteve-se os seguintes resultados. Valores 1,6 1,8 1,5 1,9,1 1,3 1,7 N de vacas a) Determinar o valor médio de colinesterase plasmática b) A variância.3 Distribuições de Probabilidades para VAD Quando estudamos fenômenos observáveis o que se verifica é se este se adapta as condições de determinado modelo probabilístico conhecido, desta forma torna-se bem mais fácil descrever o comportamento do fenômeno. Assim nesta seção irmos estudar o modelo distribuição Binomial.3.1 Distribuição Binomial Consideramos n tentativas independentes, de um experimento aleatório. Cada tentativa admite dois resultados: sucesso com probabilidade p (quando ocorre o evento que estamos interessados) e fracasso com probabilidade q (quando o evento não ocorre), logo a probabilidade total de fracasso ou sucesso p q 1 sendo assim: a probabilidade de fracasso q 1 p

12 Prof. Janete Pereira Amador 1 Um experimento binomial deve satisfazer as seguintes condições: 1) O experimento deve comportar um número fixo de provas ) As provas devem ser independentes, isto é, o resultado de qualquer prova não afeta as probabilidades das outras provas. 3) Cada prova deve ter todos os resultados classificados em duas categorias. 4) As probabilidades devem permanecer constantes para cada prova A probabilidade de ocorrer k sucessos em n provas será: k C n = n! k! n k P(X = k) = k C n p k q n-k sendo k = 0, 1,, 3,, n, que é a fórmula do Binômio de Newton (p + q) n, daí o nome Binomial. Desta forma tem-se: n x Px! p q n. n x! x! para x = 1,,..., n com n número de provas x número de sucessos em n provas p probabilidade de sucesso em qualquer prova q probabilidade de falha (fracasso) em qualquer prova ( q 1 p ) Parâmetros da distribuição: Média, Variância e Desvio padrão da distribuição binomial Média ou valor esperado E(X)= n. p Variância V(X)= n. p. q Desvio padrão n. p. q Ex: Dado que 10% população são canhotos, suponha que se queira achar a probabilidade de obter exatamente três estudantes canhotos em uma turma de 15 estudantes. Isso se deve ao fato que algumas carteiras são adaptadas para estudantes canhotos, e a probabilidade resultante poderia afetar o número de tais carteiras a serem encomendadas para as salas de aulas. Calcule também a E(X), V(X) e o. Solução: Satisfazendo as condições para ocorrência de um experimento binomial verifica-se que: 1. O número de provas é fixo 15.. As provas são independentes, porque o fato de um estudante ser canhoto ou destro não afeta a probabilidade de outro estudante ser canhoto. 3. Cada prova tem duas categorias de resultado: o estudante é canhoto ou não é. 4. A probabilidade de um estudante ser canhoto (sucesso) é 0,1 e, assim, p =0,1 5. A probabilidade de falha (não-canhoto) é 0,9, logo q = 0,9. Calculando a probabilidade de 3 estudantes canhotos: n x Px! p x q n. n x! x!. sendo: n = 15; x =3; p = 0,1, q = 0,9

13 Prof. Janete Pereira Amador 13 P 3 15! 3.0,1.0,9 15 3!3! ! 0,001 0, , !3! P(3) 0,19 corresponde a probablidade de exatamente 3 estudantes serem canhotos Calculando a E(X) a V(X) e 15.0,1 1,5 ; 15.0,1.0,9 1, 35 e = 1,16 Exercícios 1) A probabilidade de que um animal de uma determinada população seja do sexo feminino é de 0,0. Se seis animais são selecionados qual, a probabilidade de que teremos exatamente quatro fêmeas. ) Se a probabilidade de ocorrência de uma determinada doença é de 30%, determinar a média e o desvio padrão da distribuição desta doença em um total de 800 indivíduos. 3) Num hospital 5 pacientes devem submeter-se a um tipo de operação, da qual 80% sobrevivem. Qual a probabilidade de que: a) todos sobrevivam; b) pelo menos dois sobrevivam; c) no máximo três não consigam sobreviver. 4) Em famílias com 8 filhos cada uma, quantas se esperaria que tivessem: a) exatamente meninos; b) nenhum menino; c) três meninos. 5) Em um lote de sementes de Araucária foi constatado, por análise de laboratório, que o poder germinativo era de 60%. Para produzir mudas foram colocadas 4 sementes em cada embalagem. Qual a probabilidade de ter pelo menos uma planta em cada embalagem. 6) A probabalidade de uma semente germinar é de 88%. Calcule a probabilidade de uma embalagem com 5 sementes germinar mais de 3 Variável Aleatória Contínua (VAC) Quando uma variável aleatória apresenta um grande número de resultados possíveis, ou quando a variável aleatória em questão é continua (pode assumir qualquer valor dentro de um intervalo definido de valores), não se pode usar distribuições discretas como a de Poisson ou Binomial para obter probabilidades. Como uma variável contínua inclui, em seus resultados, valores tanto inteiros como não inteiros, não pode ser adequadamente descrita por uma distribuição discreta. Sendo assim, abordagem mais conveniente é construir uma função densidade de probabilidade, ou curva de probabilidade, baseada na função matemática correspondente. Definição: É aquela que pode tomar qualquer valor em um determinado intervalo. Diz-se que X é uma VAC, se existir uma função f(x), denominada função densidade de probabilidade (fdp) de x que satisfaça às seguintes condições:

14 Prof. Janete Pereira Amador 14 a) f(x) 0 para todo o x; b) f ( x) dx 1; Observações: Seja X uma variável aleatória contínua com função densidade de probabilidade f(x). Sejam a < b, dois números reais. Define-se:, isto é, a probabilidade de que X assuma valores entre os números a e b é a área sob o gráfico de f(x) entre os pontos x = a e x = b. Neste caso, tem-se também: P(X = a) = 0, isto é, a probabilidade de que uma variável aleatória contínua assuma um valor isolado é igual a zero. Para variáveis contínuas só faz sentido falar em probabilidade em um intervalo, uma vez, que a probabilidade é definida como sendo a área sob o gráfico. f(x) não representa nenhuma probabilidade. Somente quando ela for integrada entre dois limites produzirá uma probabilidade. P(c < x < d) representa a área sob a curva, como exemplificado na figura abaixo da f.d.p. f, entre x = c e x = d. Ex: Seja X uma variável aleatória contínua. Com a seguinte função densidade de x para 0 x 1 f ( x) probabilidade verificar se a função é uma 0 para quisquer outros valores fdp da variável X. 1. f(x) 0 1 x 1 0. f ( x) dx xdx Como vemos f(x) é uma um fdp satisfazendo as condições. 1

15 Prof. Janete Pereira Amador Distribuições Contínuas de Probabilidade Em muitos problemas se torna matematicamente mais simples considerar um espaço amostral idealizado para uma variável X, no qual todos os números reais (em algum intervalo específico) passam ser considerados como resultados possíveis. Desta maneira somos levados as variáveis aleatórias contínuas, principalmente quando as observações referem-se a medidas como comprimento, peso, temperatura, etc. Entende-se por distribuição contínua de probabilidade a distribuição que estiver associada a uma variável aleatória contínua VAC. Assim se uma variável puder assumir um conjunto contínuo de valores de um certo conjunto de dados, então a distribuição de probabilidade P(X) é dita de probabilidade contínua. Desta forma, a seguir estudarmos as seguintes distribuições de probabilidade: Distribuição Normal Distribuição t de Student. Distribuição Qui-quadrado ( x Distribuição F de Snedecor Distribuição Normal É mais importantes distribuição de probabilidade contínua, sendo aplicada em inúmeros fenômenos e utilizada para o desenvolvimento teórico da inferência estatística. A distribuição normal serve também como aproximação para um grande número de distribuições. A variável aleatória X que tome todos os valores reais X, tem distribuição normal com parâmetros e se sua função densidade de probabilidade for dada por: f ( x 1 ) e x 1/, X A equação da curva Normal é especificada usando parâmetros: a média populacional, e o desvio padrão populacional, ou equivalentemente a variância populacional e devem satisfazer as seguintes condições: a) b) > 0 Denotamos Quando uma variável aleatória X tiver distribuição normal anotaremos. X N (, ) A distribuição normal é simétrica em torno da média o que implica que e média, a mediana e a moda são todas coincidentes. A distribuição Normal possui as seguintes características:

16 Prof. Janete Pereira Amador forma campanular, isto é, possui forma de sino, sendo simétrica em relação a média;. a variável aleatória pode assumir qualquer valor real; 3. a área total sob a curva é 1; porque essa área corresponde à probabilidade da variável aleatória assumir qualquer valor real; 4. é uma curva assintótica; 5. possui dois pontos de inflexão; A configuração da curva é dada por dois parâmetros: a média e a variância. Mudando a média, muda a posição da distribuição no sentido horizontal. Mudando a variância, muda a dispersão da distribuição fazendo com que o gráfico mais achatado ou mais alongado. Tias configurações estão representadas na figura a seguir: Na prática desejamos calcular probabilidades para diferentes valores de e. Para isso, a variável X cuja distribuição é N (, ) é transformada numa forma padronizada com distribuição N (0, 1) (distribuição normal padrão) pois tal distribuição é tabelada. Nesse caso a função densidade de probabilidade é dada por: f ( z) 1. e 1 z. Teorema: Se X tiver uma distribuição normal com média e variância x e se Z então Z terá distribuição normal padronizada. X N (, X ) ==> Z N(0,1) Esse teorema é usado da seguinte forma:

17 Prof. Janete Pereira Amador 17 P( x 1 < X < x ) = P(z 1 < Z < z ), onde: x1 x z1 z Desta forma a variável aleatória X transforma-se em variável normal reduzida Z, como podemos ver graficamente a seguir: 68,7% 95,45% 99,73% Vê-se que a nova origem é 0 e o desvio padrão é a unidade de medida. Essa transformação não altera a forma da distribuição, apenas refere-se a uma nova escala. A tabela da distribuição normal fornece a probabilidade de Z tomar um valor não superior a Z 0 : P(Z Z 0 ). Tal probabilidade é representada pela área hachurada na figura a seguir: A importância da distribuição normal padronizada reside no fato de que ela encontrase tabelada, facilitando o cálculo. Ex1: Determinar área sob a curva normal padronizada à esquerda de 1,7. Consultando a tabela, vemos que z = 1,7 corresponde área (probabilidade) 0,9573, ou seja, 95,73% da área sob a curva e acima do eixo da v.a. reduzida estão à esquerda de Z = 1,7. é o mesmo que dizermos que a probabilidade de Z ser menor que 1,7 é 0,9573: P(Z <1,7) = 0,9573. Ex: Determinar a área sob a curva normal padronizada abaixo de Z= - 0,53.

18 Prof. Janete Pereira Amador 18 Ex3: A concentração de um poluente em água liberada por uma fábrica tem distribuição N(8,,5). Qual a chance, de que num dado dia, a concentração do poluente exceda o limite regulatório de 10 ppm? Ex4: Sabe-se que as alturas das plantas de milho de uma certa variedade se distribuem normalmente com média de,0m e desvio padrão de 0,0m. Qual a percentagem esperada de plantas com altura compreendida entre,30 e,35m? Exercícios 1. Calcule as seguintes probabilidades: a) P(-,3 < Z < 0) = b) P( 1,50 < Z <,3) = c) P(1,4<Z<1,53) d) P(-1,53 < Z < 1,4) e) P(1,14 < Z < 1,0) f) P(-5 < Z < 1,39). As alturas dos alunos de uma determinada escola são normalmente distribuídos com =1,60 m e = 0,30 m. Encontre a probabilidade de 1 aluno medir: a) Entre 1,50 e 1,80 m; b) Mais de 1,75 m; c) Menos de 1,48m; 4. Determinado atacadista efetua suas vendas por telefone. Após alguns meses verificouse que os pedidos distribuem-se normalmente com média de 300 pedidos e variância de 144. Qual a probabilidade de um determinado mês a firma receber menos de 70 pedidos. 5. Suponha que a temperatura média do mês de julho em Santa Maria seja normalmente distribuída com média igual a 11 graus e variância de 9 graus. Calcular a probabilidade da temperatura: a) Ser inferior a 6,7 graus b) Ser superior a 5 graus c) Estar entre 8,8 e 13, graus.

1 Introdução. 2 Variáveis Aleatórias Discretas (VAD)

1 Introdução. 2 Variáveis Aleatórias Discretas (VAD) Prof. Janete Pereira Amador 1 1 Introdução Muitas situações cotidianas podem ser usadas como experimento que dão resultados correspondentes a algum valor, e tais situações podem ser descritas por uma variável

Leia mais

Variáveis Aleatórias - VA

Variáveis Aleatórias - VA Variáveis Aleatórias - VA cc ck kc kk 0 1 2 1/4 1/2 Prof. Adriano Mendonça Souza, Dr. Departamento de Estatística - PPGEMQ / PPGEP - UFSM - Introdução Se entende por VA ou V. indicadoras uma lista de valores

Leia mais

DISTRIBUIÇÕES ESPECIAIS DE PROBABILIDADE DISCRETAS

DISTRIBUIÇÕES ESPECIAIS DE PROBABILIDADE DISCRETAS VARIÁVEIS ALEATÓRIAS E DISTRIBUIÇÕES DE PROBABILIDADES 1 1. VARIÁVEIS ALEATÓRIAS Muitas situações cotidianas podem ser usadas como experimento que dão resultados correspondentes a algum valor, e tais situações

Leia mais

ESTATÍSTICA. x(s) W Domínio. Contradomínio

ESTATÍSTICA. x(s) W Domínio. Contradomínio Variáveis Aleatórias Variáveis Aleatórias são funções matemáticas que associam números reais aos resultados de um Espaço Amostral. Uma variável quantitativa geralmente agrega mais informação que uma qualitativa.

Leia mais

Introdução à Probabilidade

Introdução à Probabilidade A Teoria de Probabilidade é responsável pelo estudo de fenômenos que envolvem a incerteza (é impossível prever antecipadamente o resultado) e teve origem na teoria de jogos, servindo como ferramenta para

Leia mais

Efeito. Causas. Determinístico. Sistema Real. Probabilístico. Experiência para o qual o. modelo probabilístico é adequado.

Efeito. Causas. Determinístico. Sistema Real. Probabilístico. Experiência para o qual o. modelo probabilístico é adequado. Sistema Real Determinístico Probabilístico Causas Efeito X Causas Efeito Eperiência para o qual o modelo probabilístico é adequado. ❶ Não é possível prever um resultado particular, mas pode-se enumerar

Leia mais

Cálculo das Probabilidades e Estatística I

Cálculo das Probabilidades e Estatística I Cálculo das Probabilidades e Estatística I Prof a. Juliana Freitas Pires Departamento de Estatística Universidade Federal da Paraíba - UFPB juliana@de.ufpb.br Variáveis Aleatórias Ao descrever um espaço

Leia mais

Estatística. Probabilidade. Conteúdo. Objetivos. Definições. Probabilidade: regras e aplicações. Distribuição Discreta e Distribuição Normal.

Estatística. Probabilidade. Conteúdo. Objetivos. Definições. Probabilidade: regras e aplicações. Distribuição Discreta e Distribuição Normal. Estatística Probabilidade Profa. Ivonete Melo de Carvalho Conteúdo Definições. Probabilidade: regras e aplicações. Distribuição Discreta e Distribuição Normal. Objetivos Utilizar a probabilidade como estimador

Leia mais

EST029 Cálculo de Probabilidade I Cap. 4: Variáveis Aleatórias Unidimensionais

EST029 Cálculo de Probabilidade I Cap. 4: Variáveis Aleatórias Unidimensionais EST029 Cálculo de Probabilidade I Cap. 4: Variáveis Aleatórias Unidimensionais Prof. Clécio da Silva Ferreira Depto Estatística - UFJF Introdução Considere o experimento: Lançamento de uma moeda. Resultados

Leia mais

Probabilidade. Probabilidade e Estatística. Prof. Dr. Narciso Gonçalves da Silva

Probabilidade. Probabilidade e Estatística. Prof. Dr. Narciso Gonçalves da Silva Probabilidade e Estatística Prof. Dr. Narciso Gonçalves da Silva http://paginapessoal.utfpr.edu.br/ngsilva Probabilidade Probabilidade Experimento Aleatório Um experimento é dito aleatório quando satisfaz

Leia mais

PROBABILIDADE. Curso: Logística e Transportes Disciplina: Estatística Profa. Eliane Cabariti

PROBABILIDADE. Curso: Logística e Transportes Disciplina: Estatística Profa. Eliane Cabariti Curso: Logística e Transportes Disciplina: Estatística Profa. Eliane Cabariti PROBABILIDADE Dizemos que a probabilidade é uma medida da quantidade de incerteza que existe em um determinado experimento.

Leia mais

Chamamos de evento qualquer subconjunto do espaço amostral: A é um evento A Ω.

Chamamos de evento qualquer subconjunto do espaço amostral: A é um evento A Ω. PROBABILIDADE 1.0 Conceitos Gerais No caso em que os possíveis resultados de um experimento aleatório podem ser listados (caso discreto), um modelo probabilístico pode ser entendido como a listagem desses

Leia mais

Modelos Probabilísticos Teóricos Discretos e Contínuos. Bernoulli, Binomial, Poisson, Uniforme, Exponencial, Normal

Modelos Probabilísticos Teóricos Discretos e Contínuos. Bernoulli, Binomial, Poisson, Uniforme, Exponencial, Normal Modelos Probabilísticos Teóricos Discretos e Contínuos Bernoulli, Binomial, Poisson, Uniforme, Exponencial, Normal Distribuição de Probabilidades A distribuição de probabilidades de uma variável aleatória:

Leia mais

É o conjunto de resultados de uma experiência aleatória. E 1 : Joga-se uma moeda quatro vezes e observa-se o número de caras e coroas;

É o conjunto de resultados de uma experiência aleatória. E 1 : Joga-se uma moeda quatro vezes e observa-se o número de caras e coroas; Prof. Lorí Viali, Dr. viali@pucrs.br http://www.pucrs.br/famat/viali Eperiência na qual o resultado é incerto. E : Joga-se uma moeda quatro vezes e observa-se o número de caras e coroas; E : Joga-se uma

Leia mais

1 Variáveis Aleatórias

1 Variáveis Aleatórias Centro de Ciências e Tecnologia Agroalimentar - Campus Pombal Disciplina: Estatística Básica - 2013 Aula 5 Professor: Carlos Sérgio UNIDADE 3 - VARIÁVEIS ALEATÓRIAS DISCRETAS (Notas de aula) 1 Variáveis

Leia mais

VARIÁVEL ALEATÓRIA e DISTRIBUIÇÃO BINOMIAL

VARIÁVEL ALEATÓRIA e DISTRIBUIÇÃO BINOMIAL VARIÁVEL ALEATÓRIA e DISTRIBUIÇÃO BINOMIAL 1 Variável Aleatória Uma função X que associa a cada elemento w do espaço amostral W um valor x R é denominada uma variável aleatória. Experimento: jogar 1 dado

Leia mais

Variáveis Aleatórias. Prof. Luiz Medeiros Departamento de Estatística - UFPB

Variáveis Aleatórias. Prof. Luiz Medeiros Departamento de Estatística - UFPB Variáveis Aleatórias Prof. Luiz Medeiros Departamento de Estatística - UFPB Introdução Ao descrever o espaço amostral de um experimento aleatório, não especificamos que um resultado individual seja um

Leia mais

HEP-5800 BIOESTATÍSTICA. Capitulo 2

HEP-5800 BIOESTATÍSTICA. Capitulo 2 HEP-5800 BIOESTATÍSTICA Capitulo 2 NOÇÕES DE PROBABILIDADE, DISTRIBUIÇÃO BINOMIAL, DISTRIBUIÇÃO NORMAL Nilza Nunes da Silva Regina T. I. Bernal MARÇO DE 2012 2 1. NOÇÕES DE PROBABILIDADE 1. DEFINIÇÃO Considere

Leia mais

1 Definição Clássica de Probabilidade

1 Definição Clássica de Probabilidade Centro de Ciências e Tecnologia Agroalimentar - Campus Pombal Disciplina: Estatística Básica - 2013 Aula 4 Professor: Carlos Sérgio UNIDADE 2 - Probabilidade: Definições (Notas de aula) 1 Definição Clássica

Leia mais

UNIVERSIDADE FEDERAL DA PARAÍBA. Variáveis Aleatórias. Departamento de Estatística Luiz Medeiros

UNIVERSIDADE FEDERAL DA PARAÍBA. Variáveis Aleatórias. Departamento de Estatística Luiz Medeiros UNIVERSIDADE FEDERAL DA PARAÍBA Variáveis Aleatórias Departamento de Estatística Luiz Medeiros Introdução Como sabemos, características de interesse em diversas áreas estão sujeitas à variação; Essa variabilidade

Leia mais

Modelos básicos de distribuição de probabilidade

Modelos básicos de distribuição de probabilidade Capítulo 6 Modelos básicos de distribuição de probabilidade Muitas variáveis aleatórias, discretas e contínuas, podem ser descritas por modelos de probabilidade já conhecidos. Tais modelos permitem não

Leia mais

ELEMENTOS DE PROBABILIDADE. Prof. Paulo Rafael Bösing 25/11/2015

ELEMENTOS DE PROBABILIDADE. Prof. Paulo Rafael Bösing 25/11/2015 ELEMENTOS DE PROBABILIDADE Prof. Paulo Rafael Bösing 25/11/2015 ELEMENTOS DE PROBABILIDADE Def.: Um experimento é dito aleatório quando o seu resultado não for previsível antes de sua realização, ou seja,

Leia mais

Variáveis Aleatórias. Prof. Tarciana Liberal Departamento de Estatística - UFPB

Variáveis Aleatórias. Prof. Tarciana Liberal Departamento de Estatística - UFPB Variáveis Aleatórias Prof. Tarciana Liberal Departamento de Estatística - UFPB Introdução Ao descrever o espaço amostral de um experimento aleatório, não especificamos que um resultado individual seja

Leia mais

)XQGDPHQWRVGHSUREDELOLGDGHHHVWDWtVWLFD

)XQGDPHQWRVGHSUREDELOLGDGHHHVWDWtVWLFD )XQGDPHQWRVGHUREDELOLGDGHHHVWDWtVWLFD,QWURGXomR A história da estatística pode ser dividida em três fases. De acordo com PEANHA (00), a estatística inicialmente não mantinha nenhuma relação com a probabilidade,

Leia mais

ESTATÍSTICA EXPLORATÓRIA

ESTATÍSTICA EXPLORATÓRIA ESTATÍSTICA EXPLORATÓRIA Prof Paulo Renato A. Firmino praf62@gmail.com Aulas 07-08 Probabilidade Apanhado Geral Seguimos nossas discussões sobre a Incerteza Decidir usualmente envolve incerteza Uma presa

Leia mais

Unidade I ESTATÍSTICA APLICADA. Prof. Mauricio Fanno

Unidade I ESTATÍSTICA APLICADA. Prof. Mauricio Fanno Unidade I ESTATÍSTICA APLICADA Prof. Mauricio Fanno Estatística indutiva Estatística descritiva Dados no passado ou no presente e em pequena quantidade, portanto, reais e coletáveis. Campo de trabalho:

Leia mais

Prof.Letícia Garcia Polac. 26 de setembro de 2017

Prof.Letícia Garcia Polac. 26 de setembro de 2017 Bioestatística Prof.Letícia Garcia Polac Universidade Federal de Uberlândia UFU-MG 26 de setembro de 2017 Sumário 1 2 Probabilidade Condicional e Independência Introdução Neste capítulo serão abordados

Leia mais

Estatística I Aula 8. Prof.: Patricia Maria Bortolon, D. Sc.

Estatística I Aula 8. Prof.: Patricia Maria Bortolon, D. Sc. Estatística I Aula 8 Prof.: Patricia Maria Bortolon, D. Sc. MODELOS PROBABILÍSTICOS MAIS COMUNS VARIÁVEIS ALEATÓRIAS CONTÍNUAS Lembram o que vimos sobre V.A. contínua na Aula 6? Definição: uma variável

Leia mais

Variáveis Aleatórias. Prof. Tarciana Liberal Departamento de Estatística - UFPB

Variáveis Aleatórias. Prof. Tarciana Liberal Departamento de Estatística - UFPB Variáveis Aleatórias Prof. Tarciana Liberal Departamento de Estatística - UFPB Introdução Ao descrever o espaço amostral de um experimento aleatório, não especificamos que um resultado individual seja

Leia mais

Conceito de Estatística

Conceito de Estatística Conceito de Estatística Estatística Técnicas destinadas ao estudo quantitativo de fenômenos coletivos, observáveis. Unidade Estatística um fenômeno individual é uma unidade no conjunto que irá constituir

Leia mais

MOQ-12: PROBABILIDADES E PROCESSOS ESTOCÁSTICOS. VA s e Distribuições

MOQ-12: PROBABILIDADES E PROCESSOS ESTOCÁSTICOS. VA s e Distribuições Motivação: MOQ-2: PROBABILIDADES E PROCESSOS ESTOCÁSTICOS VA s e Distribuições Definimos anteriormente Espaço de Probabilidades como sendo a tripla (W,, P(.)), em que, dado um eperimento, W representa

Leia mais

UNIVERSIDADE FEDERAL DA PARAÍBA Departamento de Estatística. Probabilidade

UNIVERSIDADE FEDERAL DA PARAÍBA Departamento de Estatística. Probabilidade UNIVERSIDADE FEDERAL DA PARAÍBA Departamento de Estatística Probabilidade Disciplina: Cálculo das Probabilidades e Estatística I Prof. Tarciana Liberal Existem muitas situações que envolvem incertezas:

Leia mais

VARIÁVEIS ALEATÓRIAS E DISTRIBUIÇÕES DE PROBABILIDADE

VARIÁVEIS ALEATÓRIAS E DISTRIBUIÇÕES DE PROBABILIDADE VARIÁVEIS ALEATÓRIAS E DISTRIBUIÇÕES DE PROBABILIDADE.1 INTRODUÇÃO Admita que, de um lote de 10 peças, 3 das quais são defeituosas, peças são etraídas ao acaso, juntas (ou uma a uma, sem reposição). Estamos

Leia mais

Estatística Empresarial. Fundamentos de Probabilidade

Estatística Empresarial. Fundamentos de Probabilidade Fundamentos de Probabilidade A probabilidade de chuva é de 90% A probabilidade de eu sair é de 5% Conceitos Básicos Conceitos Básicos 1. Experiência Aleatória (E) Processo de obtenção de uma observação

Leia mais

FACULDADE DE TECNOLOGIA DE GUARATINGUETÁ

FACULDADE DE TECNOLOGIA DE GUARATINGUETÁ FACULDADE DE TECNOLOGIA DE GUARATINGUETÁ ESTATÍSTICA II Nota de aula 1 Prof. MSc. Herivelto T Marcondes dos Santos Fevereiro /2009 1 Modelos de probabilidade 1.1 Variável aleatória Definição: Sejam ε um

Leia mais

Teoria das Probabilidades

Teoria das Probabilidades Capítulo 2 Teoria das Probabilidades 2.1 Introdução No capítulo anterior, foram mostrados alguns conceitos relacionados à estatística descritiva. Neste capítulo apresentamos a base teórica para o desenvolvimento

Leia mais

3. Probabilidade P(A) =

3. Probabilidade P(A) = 7 3. Probabilidade Probabilidade é uma medida numérica da plausibilidade de que um evento ocorrerá. Assim, as probabilidades podem ser usadas como medidas do grau de incerteza e podem ser expressas de

Leia mais

Definição: É uma coleção bem definida de

Definição: É uma coleção bem definida de EST029 Cálculo de Probabilidade I Cap. 1: Introdução à Probabilidade Prof. Clécio da Silva Ferreira Depto Estatística - UFJF Conjuntos: Definição e notação Definição: É uma coleção bem definida de objetos,

Leia mais

CE Estatística I

CE Estatística I CE 002 - Estatística I Agronomia - Turma B Professor Walmes Marques Zeviani Laboratório de Estatística e Geoinformação Departamento de Estatística Universidade Federal do Paraná 1º semestre de 2012 Zeviani,

Leia mais

Métodos Estatísticos Básicos

Métodos Estatísticos Básicos Aula 6 - Introdução à probabilidade Departamento de Economia Universidade Federal de Pelotas (UFPel) Maio de 2014 Experimento Experimento aleatório (E ): é um experimento que pode ser repetido indenidamente

Leia mais

Fernando de Pol Mayer. Laboratório de Estatística e Geoinformação (LEG) Departamento de Estatística (DEST) Universidade Federal do Paraná (UFPR)

Fernando de Pol Mayer. Laboratório de Estatística e Geoinformação (LEG) Departamento de Estatística (DEST) Universidade Federal do Paraná (UFPR) Fernando de Pol Mayer Laboratório de Estatística e Geoinformação (LEG) Departamento de Estatística (DEST) Universidade Federal do Paraná (UFPR) Este conteúdo está disponível por meio da Licença Creative

Leia mais

Estatística. Capítulo 3 - Parte 1: Variáveis Aleatórias Discretas. Professor Fernando Porto

Estatística. Capítulo 3 - Parte 1: Variáveis Aleatórias Discretas. Professor Fernando Porto Estatística Capítulo 3 - Parte 1: Variáveis Aleatórias Discretas Professor Fernando Porto Lançam-se 3 moedas. Seja X o número de ocorrências da face cara. O espaço amostral do experimento é: W = {(c,c,c),(c,c,r),(c,r,c),(c,r,r),(r,c,c),(r,c,r),(r,r,c),(r,r,r)}

Leia mais

Probabilidade e Modelos Probabilísticos

Probabilidade e Modelos Probabilísticos Probabilidade e Modelos Probabilísticos 2ª Parte: modelos probabilísticos para variáveis aleatórias contínuas, modelo uniforme, modelo exponencial, modelo normal 1 Distribuição de Probabilidades A distribuição

Leia mais

Probabilidades- Teoria Elementar

Probabilidades- Teoria Elementar Probabilidades- Teoria Elementar Experiência Aleatória Experiência aleatória é uma experiência em que: não se sabe exactamente o resultado que se virá a observar, mas conhece-se o universo dos resultados

Leia mais

Curso de Farmácia Estatística Vital Aula 05 Comentários Adicionais. Prof. Hemílio Fernandes Depto. de Estatística - UFPB

Curso de Farmácia Estatística Vital Aula 05 Comentários Adicionais. Prof. Hemílio Fernandes Depto. de Estatística - UFPB Curso de Farmácia Estatística Vital Aula 05 Comentários Adicionais Prof. Hemílio Fernandes Depto. de Estatística - UFPB Um pouco de Probabilidade Experimento Aleatório: procedimento que, ao ser repetido

Leia mais

Processos Estocásticos. Variáveis Aleatórias. Variáveis Aleatórias. Luiz Affonso Guedes. Como devemos descrever um experimento aleatório?

Processos Estocásticos. Variáveis Aleatórias. Variáveis Aleatórias. Luiz Affonso Guedes. Como devemos descrever um experimento aleatório? Processos Estocásticos Luiz Affonso Guedes Sumário Probabilidade Funções de Uma Variável Aleatória Funções de Várias Momentos e Estatística Condicional Teorema do Limite Central Processos Estocásticos

Leia mais

Distribuições Amostrais

Distribuições Amostrais Distribuições Amostrais 1 Da população, com parâmetro, retira-se k amostras de tamanho n e calcula-se a estatística. Estas estatísticas são as estimativas de. As estatísticas, sendo variáveis aleatórias,

Leia mais

T o e r o ia a da P oba ba i b lida d de

T o e r o ia a da P oba ba i b lida d de Teoria da Probabilidade Prof. Joni Fusinato Teoria da Probabilidade Consiste em utilizar a intuição humana para estudar os fenômenos do nosso cotidiano. Usa o princípio básico do aprendizado humano que

Leia mais

3 NOÇÕES DE PROBABILIDADE

3 NOÇÕES DE PROBABILIDADE 3 NOÇÕES DE PROILIDDE 3.1 Conjuntos Um conjunto pode ser considerado como uma coleção de objetos chamados elementos do conjunto. Em geral denota-se conjunto por letras maiúsculas,, C,... e a sua representação

Leia mais

Estatística Aplicada. Prof. Carlos Alberto Stechhahn PARTE I ESPAÇO AMOSTRAL - EVENTOS PROBABILIDADE PROBABILIDADE CONDICIONAL.

Estatística Aplicada. Prof. Carlos Alberto Stechhahn PARTE I ESPAÇO AMOSTRAL - EVENTOS PROBABILIDADE PROBABILIDADE CONDICIONAL. Estatística Aplicada Administração p(a) = n(a) / n(u) PARTE I ESPAÇO AMOSTRAL - EVENTOS PROBABILIDADE PROBABILIDADE CONDICIONAL Prof. Carlos Alberto Stechhahn 2014 1. Noções de Probabilidade Chama-se experimento

Leia mais

Noções de Probabilidade

Noções de Probabilidade Noções de Probabilidade Joel M. Corrêa da Rosa 2011 A estatística descritiva é ferramenta indispensável para extrair informação em um conjunto de dados. Entretanto, a tomada de decisões está fortemente

Leia mais

TEORIA DAS PROBABILIDADES

TEORIA DAS PROBABILIDADES TEORIA DAS PROBABILIDADES 1.1 Introdução Ao estudarmos um fenômeno coletivo, verificamos a necessidade de descrever o próprio fenômeno e o modelo matemático associado ao mesmo, que permita explicá-lo da

Leia mais

Momentos: Esperança e Variância. Introdução

Momentos: Esperança e Variância. Introdução Momentos: Esperança e Variância. Introdução Em uma relação determinística pode-se ter a seguinte relação: " + " = 0 Assim, m =, é a declividade e a e b são parâmetros. Sabendo os valores dos parâmetros

Leia mais

Unidade III ESTATÍSTICA. Prof. Fernando Rodrigues

Unidade III ESTATÍSTICA. Prof. Fernando Rodrigues Unidade III ESTATÍSTICA Prof. Fernando Rodrigues Medidas de dispersão Estudamos na unidade anterior as medidas de tendência central, que fornecem importantes informações sobre uma sequência numérica. Entretanto,

Leia mais

PROBABILIDADES: VARIÁVEL ALEATÓRIA CONTÍNUA E DISTRIBUIÇÃO NORMAL

PROBABILIDADES: VARIÁVEL ALEATÓRIA CONTÍNUA E DISTRIBUIÇÃO NORMAL PROBABILIDADES: VARIÁVEL ALEATÓRIA CONTÍNUA E DISTRIBUIÇÃO NORMAL Aula 6 META Estudar o comportamento e aplicação das Variáveis Aleatórias Contínuas, bem como da Distribuição Normal. OBJETIVOS Ao final

Leia mais

Aula 07. Modelos Probabilísticos. Stela Adami Vayego - DEST/UFPR 1

Aula 07. Modelos Probabilísticos. Stela Adami Vayego - DEST/UFPR 1 ula 07 Modelos Probabilísticos Stela dami Vayego - DEST/UFPR 1 Probabilidade Universo do estudo (população) Hipóteses, conjeturas,... Modelos Probabilísticos Distribuições de Frequências Resultados ou

Leia mais

Probabilidade e Estatística

Probabilidade e Estatística Aula 3 Professora: Rosa M. M. Leão Probabilidade e Estatística Conteúdo: 1.1 Por que estudar? 1.2 O que é? 1.3 População e Amostra 1.4 Um exemplo 1.5 Teoria da Probabilidade 1.6 Análise Combinatória 3

Leia mais

Conteúdo: Aula 2. Probabilidade e Estatística. Professora: Rosa M. M. Leão

Conteúdo: Aula 2. Probabilidade e Estatística. Professora: Rosa M. M. Leão Aula 2 Professora: Rosa M. M. Leão Probabilidade e Estatística Conteúdo: 1.1 Por que estudar? 1.2 O que é? 1.3 População e Amostra 1.4 Um exemplo 1.5 Teoria da Probabilidade 1.6 Análise Combinatória 3

Leia mais

Os experimentos que repetidos sob as mesmas condições produzem resultados geralmente diferentes serão chamados experimentos aleatórios.

Os experimentos que repetidos sob as mesmas condições produzem resultados geralmente diferentes serão chamados experimentos aleatórios. PROBABILIDADE A teoria das Probabilidades é o ramo da Matemática que cria, desenvolve e em geral pesquisa modelos que podem ser utilizados para estudar experimentos ou fenômenos aleatórios. Os experimentos

Leia mais

Capítulo 3. Introdução à Probabilidade E à Inferência Estatística

Capítulo 3. Introdução à Probabilidade E à Inferência Estatística Capítulo 3 Introdução à Probabilidade E à Inferência Estatística definições e propriedades: Propriedade 5: A probabilidade condicional reflete como a probabilidade de um evento pode mudar se soubermos

Leia mais

VARIÁVEIS ALEATÓRIAS

VARIÁVEIS ALEATÓRIAS UNIVERSIDADE FEDERAL DE JUIZ DE FORA INSTITUTO DE CIÊNCIAS EXATAS DEPARTAMENTO DE ESTATÍSTICA VARIÁVEIS ALEATÓRIAS Joaquim H Vianna Neto Relatório Técnico RTE-03/013 Relatório Técnico Série Ensino Variáveis

Leia mais

PROBABILIDADE. ENEM 2016 Prof. Marcela Naves

PROBABILIDADE. ENEM 2016 Prof. Marcela Naves PROBABILIDADE ENEM 2016 Prof. Marcela Naves PROBABILIDADE NO ENEM As questões de probabilidade no Enem podem cobrar conceitos relacionados com probabilidade condicional e probabilidade de eventos simultâneos.

Leia mais

14/03/2014. Tratamento de Incertezas TIC Aula 1. Conteúdo Espaços Amostrais e Probabilidade. Revisão de conjuntos. Modelos Probabilísticos

14/03/2014. Tratamento de Incertezas TIC Aula 1. Conteúdo Espaços Amostrais e Probabilidade. Revisão de conjuntos. Modelos Probabilísticos Tratamento de Incertezas TIC-00.176 Aula 1 Conteúdo Espaços Amostrais e Probabilidade Professor Leandro Augusto Frata Fernandes laffernandes@ic.uff.br Material disponível em http://www.ic.uff.br/~laffernandes/teaching/2014.1/tic-00.176

Leia mais

Daniel Queiroz VARIÁVEIS ALEATÓRIAS DISCRETAS

Daniel Queiroz VARIÁVEIS ALEATÓRIAS DISCRETAS Daniel Queiroz VARIÁVEIS ALEATÓRIAS DISCRETAS INTRODUÇÃO O que é uma variável aleatória? Um tipo de variável que depende do resultado aleatório de um experimento aleatório. Diz-se que um experimento é

Leia mais

UNIVERSIDADE FEDERAL DA PARAÍBA

UNIVERSIDADE FEDERAL DA PARAÍBA UNIVERSIDADE FEDERAL DA PARAÍBA Probabilidade Departamento de Estatística UFPB Luiz Medeiros Introdução Encontramos na natureza dois tipos de fenômenos Determinísticos: Os resultados são sempre os mesmos

Leia mais

Intervalos de Confiança

Intervalos de Confiança Intervalos de Confiança INTERVALOS DE CONFIANÇA.1 Conceitos básicos.1.1 Parâmetro e estatística Parâmetro é a descrição numérica de uma característica da população. Estatística é a descrição numérica de

Leia mais

MAT 461 Tópicos de Matemática II Aula 5: Resumo de Probabilidade

MAT 461 Tópicos de Matemática II Aula 5: Resumo de Probabilidade MAT 461 Tópicos de Matemática II Aula 5: Resumo de Probabilidade Edson de Faria Departamento de Matemática IME-USP 26 de Agosto, 2013 Probabilidade: uma Introdução / Aula 5 1 Variáveis aleatórias Definição

Leia mais

Introdução aos Proc. Estocásticos - ENG 430

Introdução aos Proc. Estocásticos - ENG 430 Introdução aos Proc. Estocásticos - ENG 430 Fabrício Simões IFBA 16 de novembro de 2015 Fabrício Simões (IFBA) Introdução aos Proc. Estocásticos - ENG 430 16 de novembro de 2015 1 / 34 1 Motivação 2 Conceitos

Leia mais

Probabilidade - aula II

Probabilidade - aula II 2012/02 1 Interpretações de Probabilidade 2 3 Amostras Aleatórias e Objetivos Ao final deste capítulo você deve ser capaz de: Calcular probabilidades de eventos conjuntos. Interpretar e calcular probabilidades

Leia mais

Processos Estocásticos. Luiz Affonso Guedes

Processos Estocásticos. Luiz Affonso Guedes Processos Estocásticos Luiz Affonso Guedes Sumário Probabilidade Variáveis Aleatórias Funções de Uma Variável Aleatória Funções de Várias Variáveis Aleatórias Momentos e Estatística Condicional Teorema

Leia mais

Distribuições Discretas

Distribuições Discretas META: Estudar o comportamento das Variáveis Aleatórias Discretas, bem como das Distribuições Binomial e Poisson e suas aplicações. Entender o comportamento de uma Variável aleatória Contínua. OBJETIVOS:

Leia mais

Modelos de Probabilidade e Inferência Estatística

Modelos de Probabilidade e Inferência Estatística Modelos de Probabilidade e Inferência Estatística Departamento de Estatística Universidade Federal da Paraíba Prof. Tarciana Liberal (UFPB) Aula 2 03/14 1 / 31 Prof. Tarciana Liberal (UFPB) Aula 2 03/14

Leia mais

Introdução à probabilidade e estatística I

Introdução à probabilidade e estatística I Introdução à probabilidade e estatística I Variáveis Aleatórias Prof. Alexandre G Patriota Sala: 298A Email: patriota@ime.usp.br Site: www.ime.usp.br/ patriota Probabilidade Daqui por diante utilizaremos

Leia mais

PROBABILIDADE E ESTATÍSTICA. Profa. Dra. Yara de Souza Tadano

PROBABILIDADE E ESTATÍSTICA. Profa. Dra. Yara de Souza Tadano PROBABILIDADE E ESTATÍSTICA Profa. Dra. Yara de Souza Tadano yaratadano@utfpr.edu.br Aula 7 11/2014 Variáveis Aleatórias Variáveis Aleatórias Probabilidade e Estatística 3/41 Variáveis Aleatórias Colete

Leia mais

2 Conceitos Básicos de Probabilidade

2 Conceitos Básicos de Probabilidade CE003 1 1 Introdução No capítulo anterior, foram mostrados alguns conceitos relacionados à estatística descritiva. Neste capítulo apresentamos a base teórica para o desenvolvimento de técnicas estatísticas

Leia mais

Modelos Lineares Distribuições de Probabilidades Distribuição Normal Teorema Central do Limite. Professora Ariane Ferreira

Modelos Lineares Distribuições de Probabilidades Distribuição Normal Teorema Central do Limite. Professora Ariane Ferreira Distribuições de Probabilidades Distribuição Normal Teorema Central do Limite Professora Ariane Ferreira Modelos Probabilísticos de v.a. continuas Distribuição de Probabilidades 2 IPRJ UERJ Ariane Ferreira

Leia mais

1 Definição de Probabilidade 2 Principais Teoremas 3 Probabilidades dos Espaços Amostrais 4 Espaços Amostrais Equiprováveis. Francisco Cysneiros

1 Definição de Probabilidade 2 Principais Teoremas 3 Probabilidades dos Espaços Amostrais 4 Espaços Amostrais Equiprováveis. Francisco Cysneiros Probabilidade 1 Definição de Probabilidade 2 Principais Teoremas 3 Probabilidades dos Espaços Amostrais 4 Espaços Amostrais Equiprováveis Francisco Cysneiros Introdução 1 - Conceito Clássico Se uma experiência

Leia mais

Exemplos. Experimento Aleatório. E 1 : Joga-se uma moeda quatro vezes e observa-se o número de caras;

Exemplos. Experimento Aleatório. E 1 : Joga-se uma moeda quatro vezes e observa-se o número de caras; Prof. Lorí Viali, Dr. viali@mat.ufrgs.br http://www.ufrgs.br/~viali/ Eperimento Aleatório Eperiência para o qual o modelo probabilístico é adequado. Eemplos E : Joga-se uma moeda quatro vezes e observa-se

Leia mais

Aula 2. ESTATÍSTICA E TEORIA DAS PROBABILIDADES Conceitos Básicos

Aula 2. ESTATÍSTICA E TEORIA DAS PROBABILIDADES Conceitos Básicos Aula 2 ESTATÍSTICA E TEORIA DAS PROBABILIDADES Conceitos Básicos 1. DEFINIÇÕES FENÔMENO Toda modificação que se processa nos corpos pela ação de agentes físicos ou químicos. 2. Tudo o que pode ser percebido

Leia mais

Revisão de distribuições de probabilidades contínuas (Capítulo 6 Levine)

Revisão de distribuições de probabilidades contínuas (Capítulo 6 Levine) Revisão de distribuições de probabilidades contínuas (Capítulo 6 Levine) Statistics for Managers Using Microsoft Excel, 5e 2008 Pearson Prentice-Hall, Inc. Chap 6-1 Objetivos: Neste capítulo, você aprenderá:

Leia mais

Bioestatística F. Modelo Binomial. Enrico A. Colosimo

Bioestatística F. Modelo Binomial. Enrico A. Colosimo Bioestatística F Modelo Binomial Enrico A. Colosimo Departamento de Estatística Universidade Federal de Minas Gerais http://www.est.ufmg.br/~enricoc 2011 1 / 1 Variável aleatória discreta Definição Uma

Leia mais

Probabilidade - aula II

Probabilidade - aula II 25 de Março de 2014 Interpretações de Probabilidade Amostras Aleatórias e Objetivos Ao final deste capítulo você deve ser capaz de: Calcular probabilidades de eventos conjuntos. Interpretar e calcular

Leia mais

Noções sobre Probabilidade

Noções sobre Probabilidade Noções sobre Probabilidade Introdução Vimos anteriormente como apresentar dados em tabelas e gráficos, e também como calcular medidas que descrevem características específicas destes dados. Mas além de

Leia mais

Os experimentos que repetidos sob as mesmas condições produzem resultados geralmente diferentes serão chamados experimentos aleatórios.

Os experimentos que repetidos sob as mesmas condições produzem resultados geralmente diferentes serão chamados experimentos aleatórios. PROBABILIDADE Prof. Aurimenes A teoria das Probabilidades é o ramo da Matemática que cria, desenvolve e em geral pesquisa modelos que podem ser utilizados para estudar experimentos ou fenômenos aleatórios.

Leia mais

ICMS/PE 2014 Resolução da Prova de Estatística Professor Fábio Amorim. ICMS PE 2014: Resolução da prova de Estatística Prof.

ICMS/PE 2014 Resolução da Prova de Estatística Professor Fábio Amorim. ICMS PE 2014: Resolução da prova de Estatística Prof. ICMS/PE 2014 Resolução da Prova de Estatística Professor Fábio Amorim 1 de 6 Pessoal, segue a resolução das questões de Estatística da prova realizada pela SEFAZ-PE, para o cargo de Auditor Fiscal do Tesouro

Leia mais

Teoria das Probabilidades

Teoria das Probabilidades Experiência aleatória Observação de uma acção cujos resultados não são conhecidos a priori (conhecendo-se no entanto quais as possibilidades) Características: Possibilidade de repetição da experiência

Leia mais

ESTATÍSTICA BAYESIANA

ESTATÍSTICA BAYESIANA UNIVERSIDADE FEDERAL DE MINAS GERAIS INSTITUTO DE CIÊNCIAS EXATAS PET MATEMÁTICA Orientadora: Rosângela Helena Loschi ESTATÍSTICA BAYESIANA Marina Muniz de Queiroz INTRODUÇÃO A estatística clássica associa

Leia mais

Tipos de Modelo. Exemplos. Modelo determinístico. Causas. Efeito. Exemplos. Modelo probabilístico. Causas. Efeito. Determinístico.

Tipos de Modelo. Exemplos. Modelo determinístico. Causas. Efeito. Exemplos. Modelo probabilístico. Causas. Efeito. Determinístico. Tipos de Modelo Sistema Real Determinístico Prof. Lorí Viali, Dr. viali@mat.ufrgs.br http://www.mat.ufrgs.br/~viali/ Probabilístico Modelo determinístico Exemplos Gravitação F GM 1 M 2 /r 2 Causas Efeito

Leia mais

MAT 461 Tópicos de Matemática II Aula 8: Resumo de Probabilidade

MAT 461 Tópicos de Matemática II Aula 8: Resumo de Probabilidade MAT 461 Tópicos de Matemática II Aula 8: Resumo de Probabilidade Edson de Faria Departamento de Matemática IME-USP 28 de Agosto, 2013 Probabilidade: uma Introdução / Aula 8 1 Desigualdades de Markov e

Leia mais

PARTE 2. Profª. Drª. Alessandra de Ávila Montini

PARTE 2. Profª. Drª. Alessandra de Ávila Montini PARTE 2 Profª. Drª. Alessandra de Ávila Montini Conteúdo Introdução a Probabilidade Conceito de Experimento Conceito de Espaço Amostral Conceito de Variável Aleatória Principais Distribuições de Probabilidade

Leia mais

Probabilidade e Modelos Probabilísticos. Conceitos básicos, variáveis aleatórias

Probabilidade e Modelos Probabilísticos. Conceitos básicos, variáveis aleatórias robabilidade e Modelos robabilísticos Conceitos básicos, variáveis aleatórias 1 Incerteza e robabilidade Tomar decisões: Curso mais provável de ação: Se desejamos passear de barco e não sabemos nadar,

Leia mais

Cap. 4 - Probabilidade

Cap. 4 - Probabilidade Estatística para Cursos de Engenharia e Informática Pedro Alberto Barbetta / Marcelo Menezes Reis / Antonio Cezar Bornia São Paulo: Atlas, 2004 Cap. 4 - Probabilidade APOIO: Fundação de Apoio à Pesquisa

Leia mais

AULA 02 Distribuição de Probabilidade Normal

AULA 02 Distribuição de Probabilidade Normal 1 AULA 02 Distribuição de Probabilidade Normal Ernesto F. L. Amaral 20 de agosto de 2012 Faculdade de Filosofia e Ciências Humanas (FAFICH) Universidade Federal de Minas Gerais (UFMG) Fonte: Triola, Mario

Leia mais

Variáveis Aleatórias e Distribuições de Probabilidade

Variáveis Aleatórias e Distribuições de Probabilidade de Fernando de Pol Mayer Laboratório de Estatística e Geoinformação (LEG) Departamento de Estatística (DEST) Universidade Federal do Paraná (UFPR) Este conteúdo está disponível por meio da Licença Creative

Leia mais

Princípios de Bioestatística Conceitos de Probabilidade

Princípios de Bioestatística Conceitos de Probabilidade 1/37 Princípios de Bioestatística Conceitos de Probabilidade Enrico A. Colosimo/UFMG http://www.est.ufmg.br/ enricoc/ Depto. Estatística - ICEx - UFMG 2/37 Tipos de Fenômenos 1. Aleatório: Situação ou

Leia mais

Nessa situação, a média dessa distribuição Normal (X ) é igual à média populacional, ou seja:

Nessa situação, a média dessa distribuição Normal (X ) é igual à média populacional, ou seja: Pessoal, trago a vocês a resolução da prova de Estatística do concurso para Auditor Fiscal aplicada pela FCC. Foram 10 questões de estatística! Não identifiquei possibilidade para recursos. Considero a

Leia mais

Aula 16 - Erivaldo. Probabilidade

Aula 16 - Erivaldo. Probabilidade Aula 16 - Erivaldo Probabilidade Probabilidade Experimento aleatório Experimento em que não pode-se afirmar com certeza o resultado final, mas sabe-se todos os seus possíveis resultados. Exemplos: 1) Lançar

Leia mais

Variáveis aleatórias

Variáveis aleatórias Variáveis aleatórias Joaquim Neto joaquim.neto@ufjf.edu.br www.ufjf.br/joaquim_neto Departamento de Estatística - ICE Universidade Federal de Juiz de Fora (UFJF) Versão 3.0 Joaquim Neto (UFJF) ICE - UFJF

Leia mais

Variáveis Aleatórias Contínuas. Discente: Adaptado do seminário de André Luiz Cardoso de Sousa Docente: Prof. José Cláudio Faria

Variáveis Aleatórias Contínuas. Discente: Adaptado do seminário de André Luiz Cardoso de Sousa Docente: Prof. José Cláudio Faria Variáveis Aleatórias Contínuas Discente: Adaptado do seminário de André Luiz Cardoso de Sousa Docente: Prof. José Cláudio Faria Roteiro Variável Aleatória Contínua O que é? Exemplos Função Densidade de

Leia mais