Termo-Estatística (2013) 5ª Aula. Prof. Alvaro Vannucci

Documentos relacionados
Física do Calor - 23ª Aula. Prof. Alvaro Vannucci

Termo-Estatística (2013) 2ª Aula. Prof. Alvaro Vannucci

Estatística. Disciplina de Estatística 2011/2 Curso de Administração em Gestão Pública Profª. Ms. Valéria Espíndola Lessa

Estatística: Probabilidade e Distribuições

Unidade I ESTATÍSTICA APLICADA. Prof. Mauricio Fanno

Distribuições Discretas

PROBABILIDADES PROBABILIDADE DE UM EVENTO EM UM ESPAÇO AMOSTRAL FINITO

Universidade Federal de Goiás Instituto de Matemática e Estatística

Estatística (MAD231) Turma: IGA. Período: 2018/2

DISTRIBUIÇÕES BERNOULLI E BINOMIAL

Distribuições Bernoulli e Binomial

3 a Lista de PE Solução

Probabilidade e Estatística Probabilidade Condicional

Probabilidade I. Departamento de Estatística. Universidade Federal da Paraíba. Prof. Tarciana Liberal (UFPB) Aula Distribuição Geométrica 08/14 1 / 13

AULA 15 - Distribuição de Bernoulli e Binomial

As restrições acima, sobre, são equivalentes a e. Combinandoas, poderemos escrever.

Termo-Estatística Licenciatura: 3ª Aula (06/03/2013)

Professora Ana Hermínia Andrade. Período

Daniel Queiroz VARIÁVEIS ALEATÓRIAS DISCRETAS

Principais distribuições discretas Distribuição de Bernoulli sucesso fracasso X = 1, se sucesso X = 0, se fracasso P(X) TOTAL 1 Exemplo 5:

Probabilidade e Estatística

Distribuição de Probabilidade. Prof. Ademilson

AULA 16 - Distribuição de Poisson e Geométrica

Estatística. Aula : Probabilidade. Prof. Ademar

Distribuição de Probabilidade Variáveis Aleatórias Discretas. Prof.: Joni Fusinato

Estatística Empresarial. Fundamentos de Probabilidade

PRINCIPAIS DISTRIBUIÇÕES DISCRETAS DE PROBABILIDADE

Estatística. Capítulo 4: Distribuições Teóricas de Probabilidades de Variáveis Aleatórias Discretas. Professor Fernando Porto

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

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

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

BIOESTATISTICA. Unidade IV - Probabilidades

Estatística (MAD231) Turma: IGA. Período: 2017/2

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

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

Probabilidade e Estatística

Estatística Planejamento das Aulas

1 Definição Clássica de Probabilidade

Estatística Planejamento das Aulas

Estimando probabilidades

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

Estatística aplicada a ensaios clínicos

Probabilidade I. Departamento de Estatística. Universidade Federal da Paraíba. Prof. Tarciana Liberal (UFPB) Aula Probabilidade I 07/16 1 / 23

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

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

Probabilidade e Estatística

Física do Calor - 22ª Aula. Prof. Alvaro Vannucci

Probabilidade em espaços discretos. Prof.: Joni Fusinato

3 a Lista de PE. Universidade de Brasília Departamento de Estatística

Estatística p/ TCE-PR Teoria e exercícios comentados Prof. Jeronymo Marcondes. Resolução prova Estatística p/ TCE-PR, área atuarial.

TEOREMAS LIMITE EM PROBABILIDADE RENATO ASSUNÇÃO DCC - UFMG

ESCOLA SUPERIOR DE TECNOLOGIA E GESTÃO

Probabilidade I. Departamento de Estatística. Universidade Federal da Paraíba. Prof. Tarciana Liberal (UFPB) Aula 3 03/14 1 / 20

PROBABILIDADE. ENEM 2016 Prof. Marcela Naves

Variáveis Aleatórias Discretas e Distribuição de Probabilidade

Matemática E Extensivo V. 5

Prof.: Joni Fusinato

COMPRIMENTO MÁXIMO ESPERADO PARA AS CADEIAS DE CARAS Carlos José Borge

Probabilidade Parte 2. Iva Emanuelly P. Lima

1 Distribuições Discretas de Probabilidade

2. EXERCÍCIOS PROPOSTOS SOBRE V.A. E DISTRIB.PROBAB.

3 NOÇÕES DE PROBABILIDADE

Aproximação da Distribuição Binomial pela Distribuição Normal

Probabilidade Parte 1. Camyla Moreno

Probabilidade I. Departamento de Estatística. Universidade Federal da Paraíba. Prof. Tarciana Liberal (UFPB) Aula 1 04/14 1 / 35

Modelos de Probabilidade e Inferência Estatística

MA12 - Unidade 18 Probabilidade Condicional

Revisão de Probabilidade

Lista de exercícios propostos de Distribuições Discretas Estatística I OBS: Os exercícios estão dispostos em ordem de dificuldade.

Aula 16 - Erivaldo. Probabilidade

O valor esperado de uma quantidade aleatória Paulo Cezar Pinto Carvalho IMPA e EMAp/FGV

Introdução à Probabilidade

AGA Análise de Dados em Astronomia I. 2. Probabilidades - parte 1

Distribuições Geométrica e Hipergeométrica

Introdução à Estatística

HIPERGEOMÉTRICA. Lucas Santana da Cunha Universidade Estadual de Londrina

AULA 08 Probabilidade

Modelos de Distribuição PARA COMPUTAÇÃO

Aula de hoje. administração. São Paulo: Ática, 2007, Cap. 3. ! Tópicos. ! Referências. ! Distribuição de probabilidades! Variáveis aleatórias

TEORIA DAS PROBABILIDADES

Métodos Quantitativos para a Gestão Ambiental Probabilidades e Distribuições Estatísticas Parte 1 (4/13) Luiz Carlos Estraviz Rodriguez

Escola Superior de Agricultura "Luiz de Queiroz", Departamento de Ciências Exatas. Probabilidades. Cristian Villegas

QUESTÕES DE CONCURSOS PÚBLICOS ENVOLVENDO PROBABILIDADE

Cálculo das Probabilidades e Estatística I

Efeito. Causas. Determinístico. Sistema Real. Probabilístico. Gravitação F = GM 1 M 2 /r 2. Aceleração clássica. v = at. Aceleração relativística

Material Teórico - Módulo Probabilidade Condicional. Lei Binomial da Probabilidade. Segundo Ano do Ensino Médio

Exercícios de Probabilidade

Tópicos. Conjuntos Fatorial Combinações Permutações Probabilidade Binômio de Newton triângulo de Pascal


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

Distribuições Bernoulli, Binomial e Poisson

Distribuição de Probabilidade. Prof.: Joni Fusinato

Aula 10 - Erivaldo. Probabilidade

EST012 - Estatística Econômica I Turma A - 1 o Semestre de 2019 Lista de Exercícios 3 - Variável aleatória

Experiência para o qual o modelo probabilístico é adequado. Efeito. Causas. Prof. Lorí Viali, Dr.

Estatística Aplicada

Se a bola retirada da urna 1 for branca temos, pelo princípio da multiplicação:

FACULDADE DE TECNOLOGIA DE GUARATINGUETÁ

EELT-7035 Processos Estocásticos em Engenharia. Variáveis Aleatórias. EELT-7035 Variáveis Aleatórias Discretas. Evelio M. G.

Transcrição:

Termo-Estatística (203) 5ª Aula Prof. Alvaro Vannucci

Na última apresentação vimos : Problema envolvendo bolas de bilhar em número de 6 - que queremos colocar nas 6 caçapas de uma mesa de bilhar. De quantas maneiras conseguimos fazer isto? Se todas forem distinguíveis, teremos 6 5 4 3 2 = 6! maneiras possíveis. No caso de se ter 0 bolas sendo 4 delas número 5 e 2 bolas número 6, o número de Combinações possíveis : 6! 6! 4! 2! 4!(6 4)! De forma que a expressão geral C n, p das possíveis Combinações será: p!( n p)! n!

Vimos também que, o cálculo da probabilidade de ocorrer um resultado (ou um conjunto de resultados) que satisfaça uma condição ou exigência E, é feito utilizando a expressão: Sempre lembrando que: ª) O cálculo de probabilidade que evento A ou evento B (independentes) ocorram, é dado por: P = P(A) + P(B) 2ª) O cálculo de probabilidade que evento A e evento B (independentes) ocorram, é dado por: P = P(A) P(B)

Distribuição de Densidade de Probabilidade Binomial Um Experimento Estatístico possui 3 aspectos em comum: Possui mais de um resultado ( cara ou coroa, por ex.). Cada resultado possível pode ser especificado com antecedência (vai dar cara ou coroa ). Cada resultado possui uma probabilidade específica dele ocorrer - ou não (probabilidade ½, no caso de cara ou coroa)

Como veremos, uma distribuição binomial descreve adequadamente Experimentos Estatísticos que possuem estas características, ou seja: O experimento é realizado em n repetidas tentativas. Cada tentativa realizada fornece um de apenas dois resultados possíveis - que estaremos designando por sucesso (p) ou fracasso (q = - p). A probabilidade de sucesso (p) mantêm-se a mesma durante todo o experimento. Cada nova tentativa é independente das tentativas realizadas anteriormente.

O problema dos sucessivos deslocamentos aleatórios (random - DRUNK - walk) será um bom exemplo para discutirmos a questão de Experimentos Estatísticos. Vamos considerar cada deslocamento (passo dado pela pessoa) como tendo sempre o mesmo comprimento L. E vamos chamar de p a probabilidade de passo para a direita e de q = -p a probabilidade de passo para a esquerda (em D) que podem ou não (rua inclinada, por ex.) ser iguais (/2).

Na figura abaixo, em D, vemos que a posição final será x = ml; sendo que m poderá ser maior, menor ou igual a zero. Pergunta: após N passos aleatórios, qual a probabilidade de ocorrer um deslocamento x = ml, com N m N? Ou seja, qual é a probabilidade de se ter o deslocamento (posição) final sendo dado por x = ml após N passos, sendo n para a direita e n 2 para a esquerda (tendo-se n + n 2 = N). Note que m = n - n 2 ; como n 2 = N - n m = n N + n = = 2n N ( se N é par/impar, possíveis m serão par/impar).

Agora, sendo p a probabilidade de um passo para a direita e de q = - p a probabilidade de um passo para a esquerda, a probabilidade de serem dado n passos para a direita e n 2 passos para a esquerda será: (p p p... p) (q q q... q) \\\ /// (n termos) (n 2 termos) = p n q n 2 Há muitas maneiras possíveis para que os passos sejam dados. Note, porém, que estes n e n 2 passos, por se tratarem de grandezas indistinguíveis, o número de possibilidades (combinações possíveis) será: N! n! n 2! N! n!( N n )! ; como no caso das bolas de bilhar

Desta forma, a probabilidade de que aconteça uma certa sequência de passos (p passos para a direita e q = - p passos para a esquerda), será fornecida multiplicando-se a probabilidade desta sequência (p n q n 2) pelo número de combinações possíveis, ou seja: P N, n N n!( N n! n N - n )! p q Que representa a probabilidade (P) de se obter sucesso n vezes de N tentativas em um experimento. Esta expressão corresponde à chamada Distribuição de Densidade de Probabilidade Binomial

Supor agora uma moeda sendo lançada 5 vezes seguidas, de forma independente. Qual a probabilidade de se obter 3 caras? Vamos resolver este problema de 2 modos diferentes. Inicialmente, vamos utilizar a expressão básica de cálculo de probabilidade: Precisamos saber o n o total de resultados possíveis e os que satisfazem a nossa exigência (3 caras em 5 lançamentos)

Qual seria o Número Total de resultados possíveis? Realizando os lançamentos: X O X O X O X O X O X O X O Temos então que o Número Total de resultados possíveis é 32

E qual seria o número de resultados favoráveis (que satisfaz a nossa exigência de 3 caras)? X O X O X O X O X O X O X O

(exigência de 3 caras em 5 lançamentos) X O X O X O X O X O X O X O

(exigência de 3 caras em 5 lançamentos) X O X O X O X O X O X O X O

(exigência de 3 caras em 5 lançamentos) X O X O X O X O X O X O X O

(exigência de 3 caras em 5 lançamentos) X O X O X O X O X O X O X O

(exigência de 3 caras em 5 lançamentos) X O X O X O X O X O X O X O

(exigência de 3 caras em 5 lançamentos) X O X O X O X O X O X O X O

(exigência de 3 caras em 5 lançamentos) X O X O X O X O X O X O X O

(exigência de 3 caras em 5 lançamentos) X O X O X O X O X O X O X O

(exigência de 3 caras em 5 lançamentos) X O X O X O X O X O X O X O 0 sucessos em 32 resultados possíveis: P = 0/32 = 3,3%

Construindo uma tabela com estes 0 resultados favoráveis: XXXOO XXOXO XXOOX XOXXO XOXOX XOOXX OXXXO OXXOX OXOXX OOXXX Agora, utilizando a expressão de Distribuição Binomial: P N, n N n!( N n! n N - n )! p q a probabilidade de sair cara 3 vêzes em 5 lançamentos será: P 5,3 ( N = 5 e n = 3; sendo p = ½ e q = - ½ = ½ ) 5! 3!(5 3)! 2 3 2 53 543! 3! 2! 8 4 5 ; ou 3,3 % 6 E veja que interessante: =0 =/32 (0/32 = 5/6)

Vejamos outro exemplo, agora com p q: Dois times de futebol, A e B, jogam entre si 6 vezes. Qual a probabilidade do time A ganhar 4 jogos (g,p,e). Neste caso temos: N = 6 ; n = 4; p = /3 e q = - /3 = 2/3 : P 6,4 6! 4!(6 4)! 3 4 2 3 64 654! 4! 2 8 4 9 20 243 ou 8,2%

Utilizando Tabelas e Gráficos Um lote de peças automotivas foi produzido pela fábrica com 30% delas defeituosas. Escolhendo aleatoriamente 5 peças para teste: a) quais as probabilidades de se retirar(em) 0,, 2, 3, 4 e 5 peça(s) defeituosa(s)? b) construa um gráfico da distribuição de probabilidade correspondente. Note que agora temos: N=5 ; n =(0,,2,3,4,5) ; p=0,3 ; q=0,7 Calculando para n = 0 : 5! 5,0 7 P 0,3 0 0, 5 0 0,68 0!(5 0)! 5! 5! P N, n! n N - n 0, 68 Igualmente: P 5, = 0,360, P 5,2 = 0,309, P 5,3 = 0,32, P 5,4 = 0,028, e P 5,5 = 0,002 N n!( N n )! p q

b) Construindo o histograma correspondente: 0 2 3 4 5 Peças Defeituosas (em 5 tentativas) Você esperava esta assimetria no formato? E se a probabilidade fosse p = ½ = 0,5?

Retomando o problema do Passeio Aleatório (Random-Walk) Supor a situação em que N=3 passos. a) Qual é a probabilidade de que 2 passos sejam dados para a direita e um para a esquerda (em qualquer ordem)? b) Qual é a probabilidade de que os 3 passos sejam para a direita?

Construindo uma tabela acerca das possibilidades: N = 3 (x = ml) Vemos que a probabilidade correspondente a serem dados 2 passos para direita e um para esquerda, ou os 3 passos para a direita, será 3/8 e /8, respectivamente.

Utilizando agora a expressão da Distribuição Binomial de Probabilidade, para estes 2 casos, teremos: º caso: 2 direita, esquerda P N, n N n!( N n! n N - n )! p q P 3,2 3! 2!(3 2)! 2 2 2 3 8 2º caso: 3 para direita P 3,3 3! 3!(3 3)! 2 3 2 0 8

Fazendo o mesmo para N=20 passos, dados aleatoriamente a partir do ponto x=0 (x=ml), tanto para a esquerda quanto para a direira (com probabilidades /2), e construindo um gráfico: Note que ao se realizar uma medida, o local de maior probabilidade (valor esperado) será em torno da origem (x=ml=0), correpondente a <n > = Np (= 20 x ½ ) = 0 passos p/ direita.