Anda di halaman 1dari 24

Prof. Lorí Viali, Dr.

viali@mat.ufrgs.br
http://www.ufrgs.br/~viali/

Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - De partame nto de Estatística Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - De partame nto de Estatística

Experimento Aleatório Exemplos

E1: Joga-se uma moeda quatro vezes


e observa-se o número de caras;
Experiência para o qual o modelo
E2: Joga-se uma moeda quatro vezes
probabilístico é adequado.
e observa-se a seqüência de caras e
coroas;

Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - De partame nto de Estatística Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - De partame nto de Estatística

E3: Uma lâmpada nova é ligada e E5: Jogam-se dois dados e observa-
conta-se o tempo gasto até queimar; se o par de valores obtido;

E4: Joga-se uma moeda até que uma E6: Jogam-se dois dados e observa-se
cara seja obtida. Conta-se o número a soma dos pontos obtido;
de lançamentos necessários;

Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - De partame nto de Estatística Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - De partame nto de Estatística

1
Espaço Amostra(l) Exemplos
S1 = {0, 1, 2, 3, 4}

É o conjunto de todos os resultados S2 = { cccc, ccck, cckc, ckcc,


kccc, cckk, kkcc, ckkc,
possíveis de uma experiência aleatória.
kcck, ckck, kckc, kkkc,
kkck, kckk, ckkk, kkkk}

Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - De partame nto de Estatística Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - De partame nto de Estatística

S5 = { (1, 1), (1, 2),(1,3), (1, 4), (1, 5), (1, 6)


S3 = { t ∈ R / t ≥ 0 } (2, 1), (2, 2), (2, 3), (2, 4), (2, 5), (2, 6)
(3, 1), (3, 2), (3, 3), (3, 4), (3, 5), (3, 6)

S4 = { 1, 2, 3, ... } (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) }

S6 = { 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12 }

Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - De partame nto de Estatística Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - De partame nto de Estatística

Eventos Exemplo:

Seja S = { 1, 2, 3, 4, 5, 6 }
o espaço amostra, obtido no lançamento
de um dado.
Um evento é um
subconjunto de um espaço amostra. Então são eventos:
A = { 1, 3, 5} B={6}
C = { 4, 5, 6} D= ∅ E=S
Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - De partame nto de Estatística Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - De partame nto de Estatística

2
Ocorrência de um Evento Combinação de Eventos

Sejam A e B eventos de um espaço S.


Seja E um experimento com
Diremos que ocorre o evento: A união B,
espaço amostra associado S. Diremos A soma B ou A mais B, se e só se A
que o evento A ocorre se realizado E o ocorre ou B ocorre.
resultado é um elemento de A. A∪B

Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - De partame nto de Estatística Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - De partame nto de Estatística

Sejam A e B eventos de um espaço Sejam A e B eventos de um espaço


S. Diremos que ocorre o evento: A S. Diremos que ocorre o evento: A
produto B, A vezes B ou A interseção menos B, A diferença B, se e só se A
B, se e só se A ocorre e B ocorre. ocorre e B não ocorre.

A∩B A-B

Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - De partame nto de Estatística Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - De partame nto de Estatística

Eventos mutuamente excludentes


Sejam A e B eventos de um espaço Dois eventos A e B são
S. Diremos que ocorre o evento: mutuamente excludentes se não
Complementar de A (não A) se e só se puderem ocorrer juntos.
A não ocorre.

A’ = AC = A

Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - De partame nto de Estatística Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - De partame nto de Estatística

3
Conceitos de Probabilidade Clássico

♣ Clássico Número de casos favoráveis


P(A) = -----------------------------------
♥ Freqüencial Número de casos possíveis

♠ Axiomático

Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - De partame nto de Estatística Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - De partame nto de Estatística

Exemplo: Solução:

Casos favoráveis = 1
Qual a probabilidade de ganhar

na Mega Sena com um cartão de seis Casos possíveis:


⎛ 60 ⎞
dezenas? ⎜⎜ ⎟⎟ = 50 063 860
⎝6⎠
Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - De partame nto de Estatística Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - De partame nto de Estatística

Freqüência Relativa

P(Mega Sena) =
Número de favoráveis
= = Número de vezes que A ocorre
Número de possíveis frA = ------------------------------------------
1 1 Número de vezes que E é repetido
= = = 0,000002%
⎛ 60 ⎞ 50063860
⎜⎜ ⎟⎟
⎝6⎠

Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - De partame nto de Estatística Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - De partame nto de Estatística

4
Exemplo:

Um dado é lançado 120 vezes e


fr6 =
apresenta “FACE SEIS” 18 vezes. número de vezes que " f_seis" ocorre
=
Então, a freqüência relativa de número de vezes que o dado é jogado
18
“FACE SEIS” é: = = 0,15 = 15%
120

Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - De partame nto de Estatística Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - De partame nto de Estatística

Conceito Freqüencial Conceito Axiomático


P(A) é um número real que deve
satisfazer as seguintes propriedades:
P(A) = lim frA
n →∞
(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 - De partame nto de Estatística Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - De partame nto de Estatística

Conseqüências dos Axiomas Probabilidade Condicionada

(1) P(∅) = 0 Motivação


(2) P( A) = 1 - P(A)
Considere uma urna com 50 fichas,
(3) P(A - B) = P(A) - P(A∩B) onde 40 são pretas e 10 são brancas.
(4) P(AUB) = P(A) + P(B) - P(A∩B)

Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - De partame nto de Estatística Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - De partame nto de Estatística

5
Suponha que desta urna são Então: P(A) = 10/50 = 0,20 = 20%
retiradas “duas” fichas, ao acaso e sem P(B) = ?/49
reposição:
Neste caso, não se pode avaliar
Sejam os eventos: P(B), pois para isto é necessário saber
A = { a primeira ficha é branca} se A ocorreu ou não, isto é, se saiu
B = { a segunda ficha é branca} ficha branca na primeira retirada.

Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - De partame nto de Estatística Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - De partame nto de Estatística

Independência
Nesse caso, pode-se calcular
P(B/A), isto é, a probabilidade de B Dois eventos A e B são
ocorrer dado que A ocorreu, ou a independentes se a probabilidade
probabilidade de B condicionada a
de um ocorrer não altera a
ocorrência de A. Essa probabilidade
vale, então: P(B/A) = 9/49, pois se A probabilidade do outro ocorrer,
ocorreu então existem 9 bolas brancas isto é:
na urna, de um total de 49.
Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - De partame nto de Estatística Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - De partame nto de Estatística

Se: (1) P(A/B) = P(A) ou

(2) P(B/A) = P(B) ou ainda


(3) P(A∩B) = P(A).P(B)

Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - De partame nto de Estatística Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - De partame nto de Estatística

6
Variável Aleatória
x = X ( s)
KKK X
s CKK
0 Uma função X que associa a cada
KKC
1
KCK elemento de S (s ∈ S) um número real
CCK 2
CKC x = X(s) é denominada variável
3
KCC
CCC ℜ
X(S) aleatória.
S
Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - De partame nto de Estatística Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - De partame nto de Estatística

Conjunto de Valores Tipos de Variável Aleatória

O conjunto formado por todos os


Conforme o conjunto de valores
valores “x”, isto é, a imagem da
variável aleatória X, é denominado de – X(S) – uma variável aleatória
conjunto de valores de X. poderá ser discreta ou contínua.
X(S) = { x ∈ ℜ / X(s) = x }

Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - De partame nto de Estatística Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - De partame nto de Estatística

Variável Aleatória Discreta (VAD) Variável Aleatória Contínua (VAC)

Se o conjunto de valores for finito Se o conjunto de valores for

ou então infinito enumerável (contável) infinito não enumerável então a

a variável é dita discreta. variável é dita contínua.

Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - De partame nto de Estatística Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - De partame nto de Estatística

7
A função de Probabilidade (fp)
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) = 1
Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - De partame nto de Estatística Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - De partame nto de Estatística

A Distribuição de Probabilidade Exemplo:

A coleção dos pares [xi, f(xi)] Suponha que uma moeda

para i = 1, 2, 3, ... é denominada de equilibrada é lançada três vezes. Seja

distribuição de probabilidade da X = “número de caras”. Então a

distribuição de probabilidade de X é:
VAD X.

Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - De partame nto de Estatística Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - De partame nto de Estatística

Representação de uma Distribuição


f
KKK X de Probabilidade
CKK 1/8 Através de:
0
KKC
KCK 1 3/8
uma tabela
CCK 2 3/8
CKC uma expressão analítica (fórmula)
3 1/8
KCC
[0;1]
CCC
ℜ f (x )
um diagrama
S x
Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - De partame nto de Estatística Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - De partame nto de Estatística

8
Tabela Expressão Analítica

Seja X = “número x f(x) Considere X = “soma do par”, no


0 1/16 lançamento de dois dados equilibrados,
de caras”, obtidas no
1 4/16 então:
lançamento de 4
2 6/16
moedas honestas. Então f : X(S) → ℜ
3 4/16
a distribuição de X é a x → (x - 1)/36 se x ≤ 7
4 1/16
dada ao lado. Σ 1 (12 - x +1)/36 se x > 7

Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - De partame nto de Estatística Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - De partame nto de Estatística

Diagrama Caracterização de uma VAD

0,18 (a) Expectância, valor esperado


0,16

μ = E( X) = ∑ x.f (x ) = ∑ x.P( X = x )
0,14
0,12

0,10
0,08

0,06
(b) Desvio padrão
0,04

σ= ∑ f (x ) (x − μ) = ∑ x2 f ( x) − μ
0,02 2 2
0,00
2 3 4 5 6 7 8 9 10 11 12

Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - De partame nto de Estatística Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - De partame nto de Estatística

Exemplo: Cálculos
x f(x) x.f(x) x2f(x)
Calcular o valor esperado e a 0 1/16 0 0
1 4/16 4/16 4/16
variabilidade da variável X = “número
2 6/16 12/16 24/16
de caras” no lançamento de quatro
3 4/16 12/16 36/16
moedas honestas. 4 1/16 4/16 16/16
Σ 1 32/16 80/16
Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - De partame nto de Estatística Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - De partame nto de Estatística

9
Resultados:
(a) Expectância ou valor esperado
32
μ = E ( X ) = ∑ x .f ( x ) = = 2 caras
16
(b) Desvio padrão

80
σ = ∑ x 2 f ( x) − μ 2 = − 22 = 5 − 4 = 1
16

Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - De partame nto de Estatística Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - De partame nto de Estatística

Experimento:
Conjunto de Valores
Quando existem apenas duas
situações: A ocorre ou A não ocorre, X(S) = {0, 1, 2, 3, ..., n}
pode-se determinar a probabilidade de
A não ocorrer como sendo q = 1 – p. A Função de Probabilidade (fp)
A VAD definida por X = “número
de vezes que A ocorreu nas ‘n’ ⎛n⎞
repetições de E” é denominada f (x ) = P(X = x ) = ⎜ ⎟ p x q n − x
⎜ x⎟
BINOMIAL. ⎝ ⎠
Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - De partame nto de Estatística Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - De partame nto de Estatística

A função de probabilidade Características:


Expectância ou Valor Esperado
⎛n⎞
0,18

0,16
E( X ) = ∑ x.f ( x ) = ∑ x.⎜ ⎟ px q n − x = np
⎜x⎟
⎝ ⎠
0,14

0,12

0,10
Variância
0,08

0,06
V( X ) = E (X 2 ) - E(X) 2 =

n ( n − 1) p 2 + np − ( np) 2 =
0,04
0,02

0,00
0 2 4 6 8 10 12 14 16 18 20 22 24
= − n p 2 + np = np (1 − p ) = npq
Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - De partame nto de Estatística Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - De partame nto de Estatística

10
Exemplo:
Suponha que uma amostra de 10 Como se tratam de 10 pessoas a
pessoas é entrevistada (com reposição) para variável X é Binomial com p =10%,
saber se comprariam um determinado assim a distribuição é:
produto que tem uma aceitação de 10%.
⎛10 ⎞
Seja X = “o número de pessoas na amostra f (x ) = P(X = x ) = ⎜⎜ ⎟⎟ (0,1)x . (0,9)10− x
que compraria o produto”. Determine a ⎝x⎠
distribuição de X. para x = 0, 1, 2, ..., 10
Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - De partame nto de Estatística Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - De partame nto de Estatística

Seja X uma variável aleatória com


conjunto de valores X(S). Se o
conjunto de valores for infinito não
enumerável então a variável é dita
contínua.

Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - De partame nto de Estatística Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - De partame nto de Estatística

A função densidade de probabilidade A distribuição de probabilidade

É a função que associa a cada


A coleção dos pares
x ∈ X(S) um número f(x) que deve
satisfazer as seguintes propriedades: (x, f(x)) é denominada de distribuição

f(x) ≥ 0 de probabilidade da VAC X.

∫ f (x).dx
Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - De partame nto de Estatística Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - De partame nto de Estatística

11
Exemplo:
Seja X uma VAC. Determine o Para determinar o valor de “c”,
valor de “c” para que f(x) seja uma devemos igualar a área total a um, isto é,
função densidade de probabilidade (fdp). devemos fazer:

⎧⎪c.x2 se −1 ≤ x ≤ 1
1
∫-1 f(x)dx =1
f (x) = ⎨
⎪⎩0 c. c. ∫-1 c. x 2 dx = 1
1

Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - De partame nto de Estatística Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - De partame nto de Estatística

Tem-se: Graficamente:

∫-1 c. x dx = c ∫-11 x 2 dx =
1 2 1,5

1,0
1 1
⎡ 3⎤ ⎡ 3 3⎤
= c ⎢ x ⎥ = c ⎢ 1 − -1 ⎥ = 2
⎣ 3 ⎦ -1 ⎣ 3 3 ⎦ -1 f (x) = 3x
0,5

2
0,0
2 3
= c =1⇒ c = -1,5 -1,3 -1,0 -0,8 -0,5 -0,2 0,0 0,3 0,5 0,8 1,0 1,3 1,5

3 2 -1 ≤ X ≤ 1
Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - De partame nto de Estatística Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - De partame nto de Estatística

Cálculo da Probabilidade
b
P ( a < X < b ) = ∫ a f ( x ) dx P ( a < X < b ) = ∫a f ( x ) dx
b

y
Isto é, a probabilidade de que X
assuma valores entre os números “a” e
a b x “b” é a área sob o gráfico de f(x) entre
a < X < b os pontos x = a e x = b.
Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - De partame nto de Estatística Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - De partame nto de Estatística

12
Observações: Exemplo:
Seja X uma VAC. Determine a
Se X é uma VAC, então: probabilidade de X assumir valores no
a intervalo [-0,5; 0,5].
P (X = a ) = ∫ a f ( x ) dx = 0
P (a < X < b ) = P (a ≤ X < b ) = ⎧3 x2
⎪ se − 1 ≤ x ≤ 1
= P (a < X ≤ b ) = P (a ≤ X ≤ b ) f (x ) = ⎨ 2
⎪0
⎩ c. c.
Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - De partame nto de Estatística Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - De partame nto de Estatística

Características:
A probabilidade solicitada é dada pela (a) Expectância, valor esperado
integral da função no intervalo, isto é:
3x2
μ = E ( X ) = ∫ x .f ( x )dx
P ( − 0 , 5 < X < 0 , 5 ) = ∫- 0,5
0,5
dx =
2
0,5
3 0,5 2 3 ⎡x3⎤ (b) Desvio padrão
= ∫ x = =
2 ⎢⎣ 3 ⎥⎦
dx
2 - 0,5
- 05
σ = ∫ f ( x ) ( x − μ) dx = ∫ x 2 f ( x ) dx − μ
2 2
1
= [ (0,5) − (-0,5) ] = 12 , 50 %
3 3

2
Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - De partame nto de Estatística Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - De partame nto de Estatística

Exemplo: A Expectância
μ = E ( X ) = ∫-1 x.f(x)dx =
1
Determinar a expectância e o desvio
padrão da variável X dada por: 3x2 1 3
3
.dx = ∫-1 x dx =
1
= ∫-1 x .
2 2
1 1
3 ⎡x4⎤ 3 ⎡ 1 4 -1 4 ⎤
⎧3 x2 = = − =
se − 1 ≤ x ≤ 1 2 ⎢⎣ 4 ⎥⎦ 2 ⎢⎣ 4 4 ⎥⎦ -1

f (x ) = ⎨ 2 -1
1
⎪0 3 ⎡1 1 ⎤
⎩ c. c. = − = 0
2 ⎢⎣ 4 4 ⎥⎦ -1
Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - De partame nto de Estatística Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - De partame nto de Estatística

13
O Desvio Padrão

σ = E (X 2) − E (X )
2
O desvio padrão de X será, então:
2
3x 3 1 4
E ( X 2 ) = ∫- 1 x 2 . dx = ∫ x dx =
1

2 2 -1
3 ⎡ x5⎤
1
3 ⎡ 1 5 -1 5 ⎤
1
σ = E (X 2) − E (X )2 =
= = − ⎥ =
2 ⎢⎣ 5 ⎥⎦ 2 ⎢⎣ 5 5 ⎦ -1 = 0 , 60 − 0 = 0 , 77
-1

3 ⎡1 1⎤ 3
= + ⎥ = = 0 , 60
2 ⎢⎣ 5 5⎦ 5

Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - De partame nto de Estatística Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - De partame nto de Estatística

A Função de Distribuição (Acumulada) Exemplo:

É a função F(x) definida por: Considerando a função abaixo como


a fdp de uma VAC X, determinar F(x).
F(x) = P(X ≤ x) = ∫−∞ f (u)du
x

⎧ 3 x2
A F(x) é a integral da f(x) até um ⎪ se − 1 ≤ x ≤ 1
f (x) = ⎨ 2
ponto genérico “x”. ⎪0
⎩ c. c.

Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - De partame nto de Estatística Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - De partame nto de Estatística

A F(x) é uma função definida em Vamos determinar o valor da


todo o intervalo real da seguinte forma: integral em “u”:
2
⎧ 0 se x < -1 x 3 3 x
F( x ) = ∫− ∞ u du = ∫−1 u 2 du =
⎪ 2 2
⎪ x3
2
F( x ) = ⎨ ∫−1 u du se − 1 ≤ x ≤ 1 x
⎪ 2 3 ⎡ u3 ⎤ 1 3
+1
= ⎢ ⎥ = [u 3]−1 = x
x
⎪⎩1 se x > 1
2⎣ 3 ⎦ 2 2
−1

Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - De partame nto de Estatística Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - De partame nto de Estatística

14
Gráfico:
Assim a Função de Distribuição 1,0
x3 + 1
Acumulada (FDA) é: F(x) =
2 0,8

⎧ 0 se x < - 1 0,6

⎪ 0,4

⎪ 3 +1
F( x ) = ⎨ x se − 1 ≤ x ≤ 1 0,2

⎪ 2 0,0
⎪ 1 se x > 1
-1,5 -1,0 -0,5 0,0 0,5 1,0 1,5


Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - De partame nto de Estatística Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - De partame nto de Estatística

Cálculo de Probabilidade com a FDA


Usando a FDA, teremos sempre
O uso da FDA é bastante prático três casos possíveis:
no cálculo das probabilidades, pois não
P(X ≤ x) = F(x)
é necessário integrar, já que ela é uma
P(X > x) =1− F(x)
função Integral. P(x1 < X < x2) = F(x2) − F(x1)

Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - De partame nto de Estatística Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - De partame nto de Estatística

Normal (Gauss-Moivre-Laplace)
t (Student)
χ2 (Qui-quadrado)
F (Snedecor - Fisher)

Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - De partame nto de Estatística Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - De partame nto de Estatística

15
Uma variável aleatória X tem uma
distribuição normal se sua fdp for do
tipo:
2
1 ⎛ x −μ ⎞
1 − .⎜ ⎟
f (x ) = .e 2 ⎝ σ ⎠ , x ∈ ℜ
2π .σ
com - ∞ < μ < ∞ e σ > 0

Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - De partame nto de Estatística Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - De partame nto de Estatística

Gráficos: Cálculo da Probabilidade:


N(0; 1) 2
1 ⎛ u −μ ⎞
0,8
N(0; 0,5) 1 − .⎜ ⎟
2⎝ σ ⎠
P ( X ≤ x ) = ∫−∞ du = ?
x
N(0; 2) .e
0,6
N(2; 1) 2 π .σ
0,4
A normal não é integrável através do
0,2
TFC (Teorema Fundamental do Cálculo),
0,0
isto é, não existe F(x) tal que F’(x) = f(x).
-6 -5 -4 -3 -2 -1 0 1 2 3 4 5 6

Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - De partame nto de Estatística Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - De partame nto de Estatística

Solução: A Normal Padrão


A curva escolhida é a
Utilizar integração numérica. Como N(0, 1), isto é, com μ = 0 e σ = 1. Se X
é uma N(μ, σ), então:
não é possível fazer isto com todas as
X−μ
curvas, escolheu-se uma para ser Z=
σ
tabelada (integrada numericamente).
Será uma N(0; 1).
Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - De partame nto de Estatística Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - De partame nto de Estatística

16
A Distribuição N(0, 1)

A fdp da variável Z é dada por: 0,4

2 0,3

1 −z .
ϕ ( z) = .e 2 , z ∈ℜ 0,2


0,1

uma vez que μ = 0 e σ = 1. 0,0


-4,0 -3,0 -2,0 -1,0 0,0 1,0 2,0 3,0 4,0

Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - De partame nto de Estatística Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - De partame nto de Estatística

Tabelas ou Planilhas: FDA da N(0; 1)

O que é tabelado ou obtido na 1,0

0,8
Planilha é a FDA da variável Z, isto é:
Φ ( z)
0,6

P ( Z ≤ z) = ∫- ∞ ϕ(u )du =
z
0,4

−u .
2 0,2 z
1
= ∫- ∞ .e 2 du = Φ (z ) = F( z)
z
0,0
2π -4,0 -3,0 -2,0 - 1,0 0,0 1,0 2,0 3,0 4,0

Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - De partame nto de Estatística Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - De partame nto de Estatística

Utilização da Tabela (Planilha) Planilha


Área à esquerda (abaixo) de “z” É possível
fornecer um valor
P(Z ≤ z) = Φ(z) = Leitura direta padronizado “z”.
Área à direita (acima) de “z”
Ou um valor
P(Z > z) = 1 - P(Z ≤ z) = 1- Φ(z) = Φ(−z) não padronizado
Área entre dois valores de “z” “x”. Nesse caso, a
planilha padroniza
P(z1 < Z < z2) = Φ(z2) − Φ(z1) o valor fornecido.
Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - De partame nto de Estatística Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - De partame nto de Estatística

17
Exemplo:
(a) P(X ≤ 40)
Uma VAC tem distribuição normal
X − μ 40 − 50
de média 50 e desvio padrão 8. P (X ≤ 40) = P( ≤ )=
σ 8
Como a curva é
Determinar: = P( Z ≤ −1,25) = 10,56%
simétrica, tem-se:
(a) P(X ≤ 40) (b) P(X > 65) Φ ( − z ) = 1 − Φ ( z)
X − μ 65 − 50
P( X > 65) = P( > )=
(b) P(X > 65) σ 8
= P( Z > 1,88) = 1 − P( Z < 1,88) =
(c) P(45 < X < 62) = 1− Φ(1,88) = Φ( −1,88) = 3,01%
Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - De partame nto de Estatística Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - De partame nto de Estatística

A função Inversa
(c) P(45 < X < 62)
Uma VAC tem distribuição normal
P( 45 < X < 62) =
de média 50 e desvio padrão 8.
45 − 50 X − μ 62 − 50
= P( < < )= Determinar:
8 σ 8
= P ( −0, 62 < Z < 1,50) = (a) P(X ≤ x) = 5%
= Φ (1,50) − Φ ( −0,62) = (b) P(X > x) = 1%
= 93,32% − 26,76% = 66,56%
Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - De partame nto de Estatística Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - De partame nto de Estatística

Planilha
Para resolver este tipo de exercício Nesse caso, é
é preciso utilizar a função inversa, isto fornecido uma
área, por exemplo,
pode ser feito direto na Planilha. Só que 99%.
agora devemos entrar com uma Nesse caso, a
planilha faz a
probabilidade para obter um valor de
mudança de z para
“z” ou “x”. Lembrar que a planilha só x, Acima fornece
fornece áreas (valores) à esquerda. z, abaixo x.
Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - De partame nto de Estatística Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - De partame nto de Estatística

18
Graficamente, tem-se:
Em (a) temos P(X ≤ x) = 5%:
0,05

0,04

X − μ x − 50
P( X ≤ x ) = P ( ≤ )=
0,03

0,02
σ 8
5% = P ( Z ≤ z ) = Φ (z ) = 5%
0,01
P(X ≤ x) = 5% x − 50
0,00
onde z =
26 34 42 50 58 66 74
8
x
Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - De partame nto de Estatística Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - De partame nto de Estatística

Se Φ ( z ) = 5 %, então Assim:
x − 50
Φ −1 [ Φ ( z )] = Φ −1 ( 5 %) Como z = , tem − se :
8
z = Φ −1 ( 0 , 05 ) ⇒ Função Inversa x − 50
− 1, 645 = z = ⇒
8
Obtendo na planilha, o valor (z) que x = 50 − 1 , 645 . 8 = 36 , 84

corresponde a uma área à esquerda de Poderia ter sido utilizado a função


INV.NORM(5%, 50; 8 ) que forneceria o
5% = 0,05, tem-se: z = -1,645.
valor de x = 36,84 diretamente.
Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - De partame nto de Estatística Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - De partame nto de Estatística

0,05
0,05
Em (b) temos P(X > x) = 1%.
Nesse caso, basta entrar com uma área 0,04
0,04
de 99%, lembre-se, a planilha e a tabela, P(X > x) = 1%
0,03
só fornecem a área à esquerda: 0,03

0,02
0,02

Entra com a área


1%
0,01
0,01
(branca) de 99%.
0,00
0,00
26 34 42 50 58 66 74
x
Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - De partame nto de Estatística Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - De partame nto de Estatística

19
Uma variável aleatória X tem uma
distribuição “t” ou de Student se sua
fdp for do tipo:
υ +1

⎛ υ + 1 ⎞ ⎛⎜ x ⎞⎟
2 2
Γ ⎜ ⎟⎜1 +
⎝ 2 ⎠⎝ υ ⎟⎠
f (x ) =
⎛ υ ⎞
πυ . Γ ⎜ ⎟
⎝ 2 ⎠
para x ∈ ℜ
Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - De partame nto de Estatística Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - De partame nto de Estatística

Gráficos:
A função Γ é a uma generalização 0,40
fdp de
da função fatorial e poderá ser obtida 0,30 t(1)
com o recurso da planilha. No entanto, 0,20
t(5)
será necessário obter apenas valores da t t(25)
0,10
e áreas que a planilha fornece sem a
0,00
necessidade de utilizarmos essa fórmula. -6 -5 -4 -3 -2 -1 0 1 2 3 4 5 6

Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - De partame nto de Estatística Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - De partame nto de Estatística

Caracterização:
Expectância ou Valor esperado: O que é tabelado é a função inversa
(percentis), em relação a área à direita
μ = E (X ) = 0
(unilateral) de cada curva (uma para cada
Variância: linha), ou a soma das caudas (bilateral), isto
υ é, a tabela retorna um valor “t” tal que
Var(X) =
υ- 2 P(Τ ≥ t) = α (unilateral) ou P(|T| ≥ t) = α
O valor υ é denominado de “Grau de liberdade” (Bilateral).
Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - De partame nto de Estatística Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - De partame nto de Estatística

20
Na planilha, entrando com o valor 2, por
As duas opções podem ser exemplo, e um grau de liberdade (gl) de 30
obtém-se a área de 5,46%, soma das duas
colocadas em uma mesma tabela. Pode-
caudas. Se caudas for = 1 a resposta seria
se ler uma área (α) de cima para baixo e 2,73%.
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 - De partame nto de Estatística Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - De partame nto de Estatística

Na planilha, entrando com uma área de


5% e um gl de 30 a resposta é 2,04, isto é,
P(-2,04 < T < 2,04) = 95%.

Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - De partame nto de Estatística Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - De partame nto de Estatística

Uma variável aleatória X tem uma


Expectância ou Valor esperado
distribuição Qui-Quadrado se sua fdp
for do tipo: μ = E (X ) = υ
⎧ υ −1 − x Variância
⎪ x 2 e 2
⎪ υ se x > 0

σ = Var(X) = 2υ
2
f (x ) = ⎨ 2 ⎛ υ ⎞
⎪ 2 Γ ⎜⎝ 2 ⎟⎠
⎪ O valor υ é denominado de
⎪⎩ 0 se x ≤ 0 “Grau de liberdade”
Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - De partame nto de Estatística Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - De partame nto de Estatística

21
0,60 χ 2(1) O que é tabelado é a função inversa,
χ 2(2) em relação a área à direita de cada curva
0,40
χ 2(3)
(uma para cada linha), isto é, dado um
χ 2(5)
0,20 valor de área na cauda direita (α), a
χ 2(5)
tabela retorna um valor “x” tal que
0,00
0,0 1,0 2,0 3,0 4,0 5,0 6,0 7,0 8,0 P(χ 2 ≥ x) = α
Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - De partame nto de Estatística Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - De partame nto de Estatística

0,995 0,990 0,975 0,950 0,900


1 0,000 0,000 0,001 0,004 0,016
2 0,010 0,020 0,051 0,103 0,211
3 0,072 0,115 0,216 0,352 0,584
4 0,207 0,297 0,484 0,711 1,064
5 0,412 0,554 0,831 1,145 1,610
6 0,676 0,872 1,237 1,635 2,204
7 2 (2) ≥ 0,211]
0,989 P[χ1,239 1,690= 90%
2,167 2,833
8 1,344 1,647 2,180 2,733 3,490
9 1,735 2,088 2,700 3,325 4,168
10 2,156 2,558 3,247 3,940 4,865 Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - De partame nto de Estatística

Se formos calcular P[χ2(1) > 4], Se fosse solicitado P[χ2(1) > x] = 5%,
teríamos com o uso da planilha: 4,55%. A
então, utilizando a função inversa, teríamos o
função direta fornece a área à direita nesse
caso, ao contrário, da normal que é à valor de x = 3,84, isto é, P[χ2(1) > 3,84] = 5%.
esquerda.

Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - De partame nto de Estatística Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - De partame nto de Estatística

22
Uma variável aleatória X tem uma Expectância ou Valor esperado
distribuição “F” ou de Snedecor se sua
m m é o grau de
μ = E( X ) =
fdp for do tipo: m−2 liberdade do
⎧ ⎛ m + n ⎞ m2 n2 m2 −1 m+ n
numerador e n do
⎟m n x (n + mx ) 2

⎪ Γ⎜ Variância denominador.
⎪⎪ ⎝ 2 ⎠ se x > 0
f (x ) = ⎨ ⎛ m ⎞ ⎛n ⎞
⎪ Γ⎜ ⎟Γ ⎜ ⎟ 2(m + n - 2) m 2
⎝ 2 ⎠ ⎝ 2⎠ σ = Var(X) = m(n - 2)(n - 4)
2

⎪⎩0 se x ≤ 0
Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - De partame nto de Estatística Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - De partame nto de Estatística

1,0
O que é tabelado é a percentil 95% ou
F(1, 3)
0,8
F(2, 5) 99% - área à direita de cada curva (uma para
0,6 F(5, 10) cada par de valores – numerador,
0,4 F(20, 20)
denominador) igual a 5% e 1%, isto é, “x”
tal que P[F(m, n) ≥ x] = 5%
0,2
ou
P[F(m, n) ≥ x] = 1%.
0,0
0 3 6 9 12 15

Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - De partame nto de Estatística Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - De partame nto de Estatística

1 2 3 4 5 6 7 1 2 3 4 5 6 7
1 161,45 199,50 215,71 224,58 230,16 233,99 236,77 1 4052,18 4999,34 5403,53 5624,26 5763,96 5858,95 5928,33
2 18,51 19,00 19,16 19,25 19,30 19,33 19,35 2 98,50 99,00 99,16 99,25 99,30 99,33 99,36
3 10,13 9,55 9,28 9,12 9,01 8,94 8,89
P[F(5,7) ≥ 3,97] = 5% 3 34,12P[F(5, ≥ 7,46]
30,82 7)29,46 28,71= 1%
28,24 27,91 27,67
4 7,71 6,94 6,59 6,39 6,26 6,16 6,09 4 21,20 18,00 16,69 15,98 15,52 15,21 14,98
5 6,61 5,79 5,41 5,19 5,05 4,95 4,88 5 16,26 13,27 12,06 11,39 10,97 10,67 10,46
6 5,99 5,14 4,76 4,53 4,39 4,28 4,21 6 13,75 10,92 9,78 9,15 8,75 8,47 8,26
7 5,59 4,74 4,35 4,12 3,97 3,87 3,79 7 12,25 9,55 8,45 7,85 7,46 7,19 6,99
8 5,32 4,46 4,07 3,84 3,69 3,58 3,50 8 11,26 8,65 7,59 7,01 6,63 6,37 6,18
9 5,12 4,26 3,86 3,63 3,48 3,37 3,29 9 10,56 8,02 6,99 6,42 6,06 5,80 5,61
10 4,96 4,10 3,71 3,48 3,33 3,22 3,14 10 10,04 7,56 6,55 5,99 5,64 5,39 5,20
11 4,84 3,98 3,59 3,36 3,20 3,09 3,01 11 9,65 7,21 6,22 5,67 5,32 5,07 4,89
12 4,75 3,89 3,49 3,26 3,11 3,00 2,91 12 9,33 6,93 5,95 5,41 5,06 4,82 4,64

23
Se formos calcular P[F(1, 2) > 4], Se fosse solicitado P[F(1, 2) > x] =
teríamos com o uso da planilha: 18,35%. A 18,35%, então, utilizando a função inversa,
função direta fornece, nesse caso, também a teríamos o valor de x = 4, isto é, P[F(1, 2) > 4]
área à direita. = 18,35%.

Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - De partame nto de Estatística Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - De partame nto de Estatística

Pafnut(i/y) Lvovic(h) Tchebycheff Esta desigualdade fornece a


(Tchebichev ou Chebyshev) (1821 –1894) probabilidade de que os valores de
uma VAD/VAC estejam em um
P(|X - μ| ≥ kσ) ≤ 1/k2
ou
intervalo simétrico em torno da
média de amplitude igual a “k”
P(|X - μ| < kσ) ≥ 1 - 1/k2
desvios padrões.
Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - De partame nto de Estatística Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - De partame nto de Estatística

Assim se k = 2, por exemplo, a


desigualdade estabelece que o
percentual de valores da variável
aleatória que está compreendida no |X - μ| < 2σ
intervalo μ ± 2σ é de pelo menos
1 - 1/4 = 75%. 1 - 1/4 = 75%.
Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - De partame nto de Estatística Prof. Lorí Viali, Dr. – UFRGS – Instituto de Matemática - De partame nto de Estatística

24

Anda mungkin juga menyukai