Professional Documents
Culture Documents
1 Parte
Captulo I Probabilidades
Espao amostral. Acontecimentos. Acontecimentos elementares Resultados de um fenmeno aleatrio. Espao amostral Conjunto de todos os acontecimentos elementares ( ). O espao amostral pode ser: Discreto Se o nmero de acontecimentos elementares for finito ou infinito numervel. (eg. Lanamento do dado = {1, 2, 3, 4, 5, 6}; Totoloto = {1, 2, 3, 4, , 49})
Contnuo Se o nmero de acontecimentos elementos for infinito inumervel. (eg. Tempo que se demora a chegar ao Algarve menor que dois anos ={ }=[ ={ ]) }=] [; Tempo de vida de uma lmpada
Acontecimento A contido em B (
ou
Acontecimentos A e B disjuntos (
Acontecimentos incompatveis ( (
Os acontecimentos tm as seguintes propriedades: Propriedade Associativa Comutativa Distributiva Idempotncia Leis de Morgan Leis que complementam o estudo de acontecimentos. ( ) ( ) ( ) ( ) ( ) ( ) Operao interseco ( ) ( ) ( Operao unio ) ( )
Axiomas das probabilidades. Teoria Clssica de Laplace A probabilidade de um acontecimento a razo entre o nmero de casos favorveis a esse acontecimento e o nmero total de casos possveis, desde que os resultados sejam igualmente provveis. ( ) As principais leis das probabilidades so: 1. 2. 3. 4. ( ) ( ( ( ) ) ) ( ) ( ) ( ) ( ) ( ( ) ) ( )
( ) Desigualdade de Boole
( ( ( )
) )
( ( ( )
) )
( ) ( )
Diagrama de rvore
( | ) ( )
A
( ( | | ) )
B NB B NB
( (
) )
( ) ( | ) ( ) ( | )
( (
) )
( (
) ( | ) (
) | )
))
NA
( | )
Tabela de anlise combinatria Arranjos mltiplos Influncia da ordem Repetio de elementos Sim Sim ( Clculo ( ) ( ) Arranjos simples Sim No ) ( ) Permutaes Sim No Combinaes No No
Funo de distribuio. A funo distribuio representada por: ( ) E tem as seguintes propriedades, 1. 2. 3. 4. 5. Domnio . Contradomnio . ( ) ( ) . ento ( ) ( ) ( ). ( ). ( ). ( ).
Em funes de distribuio, se
Funes caractersticas de variveis aleatrias discretas e contnuas. Funo massa de probabilidade, para variveis discretas x1 ( ) p1 xn pn
Figura Exemplo de funo massa de probabilidade. Funo densidade de probabilidade A funo densidade de probabilidade representada por ( ) e tem como propriedades, 1. 2. ( ) ( ) . . , ento ( ) ( ) ( ) ( )
Se
A
Figura Exemplos de duas funes densidade de probabilidade: (A) representa representa ( ). (
B
) e (B)
A transformao de uma funo densidade de probabilidade em funo distribuio d-se da seguinte forma: ( ) ( )
Momentos e parmetros de ordem. Valor esperado A mdia ou valor esperado de dado como,
x o valor que a varivel grande pode tomar. Numa varivel discreta (no continua) o valor esperado igual ao somatrio da probabilidade vezes o valor. Numa varivel continua o valor esperado igual a u2 ( ) ( ) ( ) ( )
O valor esperado tem como propriedades, 1. 2. 3. Varincia A varincia de (representando a quantidade que esperamos errar se temos de adivinhar um valor Se ( ) Se ( ) ( ) ( ) e , ento ( ( ) , ento, ( ) ) ( ) ( ). . .
O coeficiente de variao o quociente do desvio padro pelo valor mdio e dado como,
Quantis
Figura
o quantil de ordem (
Ao nmero
da varivel aleatria
No caso de uma varivel discreta, o quantil de ordem No caso de uma varivel contnua, o quantil de ordem Ao quantil de ordem d-se o nome de mediana.
4.
5.
onde
Cada tentativa resulta em dois possveis resultados. A probabilidade de tal se suceder a probabilidade de no se suceder .
3.
A probabilidade de sucesso permanece igual em todas as tentativas e a probabilidade de insucesso dado por em todos eles.
4. 5.
As tentativas so independentes. Tem-se especial interesse em , o nmero de sucessos observados durante para . tentativas,
A distribuio de Bernoulli (distribuio binomial com apenas uma tentativa) designa-se por, ( )
Distribuio de Poisson Uma distribuio de Poisson designa sempre o nmero de eventos que ocorrem num perodo de tempo ou espao durante o qual uma mdia de destes eventos so esperados.
A distribuio de Poisson, bem como outras distribuies, providenciam uma simples e perspicaz aproximao s probabilidades normais quando Distribuies contnuas. Distribuio uniforme Uma distribuio uniforme caracterizada por, ( ) {( ) muito grande. ( )
Como
Se o valor esperado mudar: 1. 2. Subindo, o grfico desloca-se para a direita; Descendo, o grfico desloca-se para a esquerda.
Se o desvio padro mudar: 1. 2. Subindo, o grfico diminui de altura e aumenta de largura; Descendo, o grfico aumenta de altura e diminui de largura.
Para qualquer distribuio normal: 1. 2. O parmetro 2. referido utilizado para estimar se provvel ou no que tal acontecimento acontea, visto tratar-se da quase totalidade do acontecimento. Qui-quadrado Uma distribuio qui-quadrado com ( ) graus de liberdade, { ( )
( ),
caracterizada por,
) e independentes.
Soma de Exponenciais = Distribuio Gama (ou distribuio normal se Supondo que X1Xn so variveis aleatrias com distribuio ( )
( ) e independentes.
Soma de Qui-quadrados = Distribuio Qui-quadrados (ou distribuio normal se Supondo que X1Xn so variveis aleatrias com distribuio
( )
( )
e independentes.
Probabilidade da mdia e soma de normais Supondo que X1Xn so variveis aleatrias com distribuio ( ( ) ) e independentes, ento a diferena das mdias, ) ) e independentes, ento a soma, ) e independentes, ento a mdia,
Outras distribuies. Distribuio t-STUDENT Tendo duas variveis independentes e , tais que ( )e ( ). Ento a varivel aleatria,
Figura Distribuio t-STUDENT com diferentes graus de liberdade. Distribuio F-SNEDECOR Tendo duas variveis independentes e , tais que ( )e ( ). Ento a varivel aleatria,
).
O polgono de frequncias pode-nos dar frequncias absolutas ou frequncias relativas. Usamos frequncias absolutas em ordenadas quando: Estamos a estudar os dados de uma s amostra. Queremos comparar os dados de duas ou mais amostras com a mesma dimenso. Usamos frequncias relativas em ordenadas quando: Pretendemos uma avaliao aproximada das probabilidades. Estamos a comparar os dados de vrias amostras de dimenses distintas.
Figura Polgonos de frequncias com frequncias absolutas e relativas. Representao grfica de dados contnuos. A tabela de frequncias feita do seguinte modo:
Frequncia relativa
Para determinar os intervalos usa-se a regra de Sturges. Escolha do nmero de classes 1 O valor de
o
; ( ) ( )
2 O valor de
Excepo: Se por acaso existir um limite superior ou inferior finito para os valores admissveis da caracterstica, comea-se a construir os intervalos a partir desse valor. Medidas de localizao. Dados no agrupados Mdia Moda Quantil emprico Barreira inferior Barreira superior Amplitude inter-quartil A mediana o . Valor mais frequente ( ) ( ( ) ) Valor mais frequente ( ) Dados agrupados
Para construir um box-plot deste gnero: 1 Colocar os valores dados por ordem crescente; 2 Calcular
o o o o
3 Calcular a barreira superior e inferior. 4 Se se detectarem valores que no pertenam amplitude inter-quartil mas estejam dentro das barreiras, ento so valores adjacentes. 5 Se houver valores que no estejam dentro das barreiras, ento so outliers.
o
Figura Nvel de significncia e confiana representados na funo. O um parmetro necessrio de ser calculado: ( ) ( )
A tabela do F-SENDECOR lida ao contrrio para valores no existentes. Quantil 0,90 n = 3 m = 3 considerando na frmula de clculo n primeiro e depois m Quantil 0,10 n = 3 m = 3 considerando na frmula de clculo m primeiro e depois n
Teste de hipteses composta vs. Composta Teste unilateral esquerdo A natureza do teste dada consoante a hiptese nula. O teste ter um valor da estatstica de teste. Se este valor: pertencer regio de rejeio calculada, ento rejeito a hiptese nula. no pertencer regio de rejeio calculada, ento no rejeito a hiptese nula. Existem erros possveis de cometer:
O p-value ou nvel de significncia observado de uma estatstica de teste o valor mais pequeno de para qual o pode ser rejeitado. Se o p-value menor que Se o p-value maior que ento rejeito a hiptese considerada. ento aceito a hiptese considerada.