Aula T4
-
Upload
joana-vieira -
Category
Documents
-
view
219 -
download
0
Transcript of Aula T4
7/23/2019 Aula T4
http://slidepdf.com/reader/full/aula-t4 1/17
!"#$%#!&
!
Rui Barros
Introdução às distribuições de Probabilidade
Métodos Estatísticos
Bioengenharia | Microbiologia2013 - 2014
Tópico 3
Rui Barros
Tópico 3
Distribuição Normal (Guassiana)
Distribuição Normal reduzida (em Padrão)Distribuição Amostral de uma Estatística
Teorema do Limite CentralDistribuição Binomial
Aproximação da Distribuição Binomial à Dist. Normal
Distribuição de Poisson
Introdução às distribuições de Probabilidade
7/23/2019 Aula T4
http://slidepdf.com/reader/full/aula-t4 2/17
!"#$%#!&
(
Introdução às Distrib. de Probabilidade
A Estatística Inferencial permite inferir sobre uma
população a partir de uma amostra, no entanto a
generalização dos resultados de uma amostra para a
população envolve conceitos probabilísticos.
Introdução às Distrib. de Probabilidade
Populaçãoé o conjunto de todos os elementos ou resultados sob
investigação.
Amostraé qualquer subconjunto da população.
7/23/2019 Aula T4
http://slidepdf.com/reader/full/aula-t4 3/17
!"#$%#!&
%
Introdução às Distrib. de Probabilidade
Exemplo:
• Qual a probabilidade de em 5 empresas haver 3 PME´s?
• Qual a probabilidade de um pescador pescar um peixe-
espada com peso inferior a 0,5Kg?
• Qual a probabilidade de numa pergunta de escolha múltipla,o aluno ter positiva por sorte?
Introdução às Distrib. de Probabilidade
Exemplo:Dados de 200 produtos recolhidos do mercado e verificado a suaproveniência.
Esta tabela ilustra uma distribuição de probabilidade - isto é a
correspondência que atribui probabilidade de produto ser
selecionado e ser origem Nacional ou Internacional.
Proveniência frequência absoluta frequência relativa(%)
Nacional 120 120/200 =60%
Internacional 80 80/200=40%
Total 200 100%
7/23/2019 Aula T4
http://slidepdf.com/reader/full/aula-t4 4/17
!"#$%#!&
)
Introdução às Distrib. de Probabilidade
Variável aleatória:
é uma quantidade que pode assumir um qualquer valor de um conjunto de valores
mutuamente exclusivos, com uma dada probabilidade.
As variáveis aleatórias podem ser discretas ou contínuas.
O termo “aleatório” é utilizado com o significado de que o verdadeiro valor só é conhecido
até que o evento decorra.
Introdução às Distrib. de Probabilidade
Mas o que significa então uma distribuição de probabilidades?
indica a probabilidade de todos os valores possíveis de uma
variável aleatória.
7/23/2019 Aula T4
http://slidepdf.com/reader/full/aula-t4 5/17
!"#$%#!&
&
Introdução às Distrib. de Probabilidade
Tipo de distribuições
baseada em:
• frequência empírica dos dados observados (ver tabela).
• probabilidades teórica (descrita por um modelo matemático)
Se a distribuição de probabilidades de uma variável aleatória X for conhecida, é
possível calcular a probabilidade de a variável X poder tomar um determinado valor
ou gama de valores.
Introdução às Distrib. de Probabilidade
Distribuições de probabilidades discretas (x = 0, 1, 2,..., n)exemplo:
- Distribuição Binomial- Distribuição Poisson
Distribuições de probabilidades contínuas ( x IR)exemplo:
- Distribuição Normal (Gaussiana)
- Distribuição t
- Distribuição Qui-Quadrado- Distribuição F
Tipo de distribuições
7/23/2019 Aula T4
http://slidepdf.com/reader/full/aula-t4 6/17
!"#$%#!&
"
Introdução às Distrib. de Probabilidade
Distribuições de probabilidades discretas (x = 0, 1, 2,..., n)
- podemos calcular probabilidades correspondentes a todos os possíveis
valores da variável aleatória.
Distribuições de probabilidades contínuas ( x IR)
- apenas calculamos a probabilidade da variável aleatória tomar valores em
intervalos.
Introdução às Distrib. de Probabilidade
As funções de probabilidade são definidas de modo a que a frequência
esperada de observações entre dois valores é dado pela área debaixo da
curva, entre estes 2 valores:
7/23/2019 Aula T4
http://slidepdf.com/reader/full/aula-t4 7/17
!"#$%#!&
*
Introdução às Distrib. de Probabilidade
Numa distribuição de probabilidade contínua:
• Apenas é possível calcular a probabilidade de obter valores entre dois limites.
• Não se calcula a probabilidade de uma variável apresentar um valor exato:
P(X=3)!0
• O que caracteriza uma função de densidade de probabilidade, é o facto de a
área abaixo da curva entre dois valores x1 e x2 ser igual à probabilidade da variável
aleatória seguindo essa distribuição contínua assumir um valor entre x1 e x2.
Introdução às Distrib. de Probabilidade
Há uma enorme variedade de funções de densidade de probabilidade, mas
uma das mais importante em análise estatística é a função densidade de
probabilidade Normal ou Gaussiana.
Para muitas variáveis biológicas, o polígono de frequências pode ser
aproximado por essa curva que é simétrica em relação à média da
distribuição, e em forma de sino.
7/23/2019 Aula T4
http://slidepdf.com/reader/full/aula-t4 8/17
!"#$%#!&
+
Introdução às Distrib. de Probabilidade
DISTRIBUIÇÃO NORMAL (GAUSSIANA)
Uma variável aleatória que segue a distribuição Normal pode tomar qualquer valor
real (não só inteiros, como a Binomial ou Poisson).
Esta distribuição de probabilidades é descrita por uma curva em forma de sino
simétrica em torno da média, simbolizada por µ.
A cada par de valores de , e desvio padrão, , corresponde uma curva normal.
Parâmetros da distribuição NORMAL: e
Introdução às Distrib. de Probabilidade
7/23/2019 Aula T4
http://slidepdf.com/reader/full/aula-t4 9/17
!"#$%#!&
,
Introdução às Distrib. de Probabilidade
Distribuição Normal (Gaussiana):
O desvio padrão, , é a distância na horizontal entre a média e o ponto de
inflexão da curva.
A média, , e o desvio padrão, , são os parâmetros da distribuição normal.
Introdução às Distrib. de Probabilidade
A probabilidade de uma variável aleatória x que segue a distribuição Normal
tomar um valor entre a e b (a < b) é dada por:
Uma função como a descrita pela curva na Figura anterior (com a área de baixo
da curva igual a 1) designa-se por uma função densidade de probabilidade
7/23/2019 Aula T4
http://slidepdf.com/reader/full/aula-t4 10/17
!"#$%#!&
!$
Introdução às Distrib. de Probabilidade
Alguns intervalos e percentagens numa distribuição Normal
(gaussiana):
!
O intervalo [ - , + ] contém aproximadamente 68% dos valores
!
O intervalo [ - 2 , + 2 ] contém aproximadamente 95% dos valores
! O intervalo [ - 3 , + 3 ] contém aproximadamente 99.7% dos valores
Introdução às Distrib. de Probabilidade
Alguns intervalos e percentagens numa distribuição Normal
(gaussiana):
7/23/2019 Aula T4
http://slidepdf.com/reader/full/aula-t4 11/17
!"#$%#!&
!!
Introdução às Distrib. de Probabilidade
Por outro lado:
• 50% dos elementos encontram-se no intervalo µ ± 0.674 #
#
•
95% dos elementos encontram-se no intervalo µ ± 1.96#
•
99% dos elementos encontram-se no intervalo µ ± 2.57
Introdução às Distrib. de Probabilidade
7/23/2019 Aula T4
http://slidepdf.com/reader/full/aula-t4 12/17
!"#$%#!&
!(
Introdução às Distrib. de Probabilidade
A cada par de valores de e corresponde uma curva normal.
Para sabermos a probabilidade de uma observação estar entre dois valores a e b não
precisamos de calcular o integral entre a e b de f(x).
Este problema fica resolvido, porque quando a média de uma distribuição normal é
diferente de zero e o desvio padrão diferente de 1, podemos sempre efetuar a
transformação z, obtendo o que designámos por distribuição normal padrão
(reduzida), N(0,1).
Para calcular as probabilidades de uma distribuição normal de média e desvio
padrãoσ, basta fazermos a transformação z e consultarmos a tabela da distribuição
padrão reduzida ou padrão.
Introdução às Distrib. de Probabilidade
Como calcular as probabilidades de uma distribuição normal de média e desvio
padrãoσ?
Procede-se à transformação z e consultamos a tabela da distribuição padrão
reduzida ou padrão.
7/23/2019 Aula T4
http://slidepdf.com/reader/full/aula-t4 13/17
!"#$%#!&
!%
Introdução às Distrib. de Probabilidade
Introdução às Distrib. de Probabilidade
A distribuição será tanto mais achatada, quanto maior for o valor de , de
modo que três curvas correspondentes a três distribuições com o mesmo valor
médio, são simétricas, relativamente ao mesmo ponto, diferindo no grau de
achatamento (σ1>σ2>σ3).
7/23/2019 Aula T4
http://slidepdf.com/reader/full/aula-t4 14/17
!"#$%#!&
!)
Introdução às Distrib. de Probabilidade
Introdução às Distrib. de Probabilidade
Exemplo:
Uma população apresenta uma média de peso corporal, , de 70 Kg, e
desvio padrão, , de 10 Kg.
Qual a probabilidade de um indivíduo desta população ter um peso
superior a 80 Kg ?
Qual a probabilidade de um indivíduo desta população ter um peso
inferior a 50 Kg ?
7/23/2019 Aula T4
http://slidepdf.com/reader/full/aula-t4 15/17
!"#$%#!&
!&
Introdução às Distrib. de Probabilidade
Exemplo:
Uma população apresenta uma média de peso corporal, , de 70 Kg,
e desvio padrão, , de 10 Kg.
Qual a probabilidade de um indivíduo desta população ter um peso
entre 50 e 80 Kg ?
Introdução às Distrib. de Probabilidade
Exemplo:
O comprimento de uma planta de uma dada espécie segue uma
distribuição Normal de média 145 cm e desvio padrão 4 cm.
Qual o valor do comprimento das plantas acima do qual existem 5% dasplantas ?
O valor de z para o qual P(Z>z1)>0.05: z1 = 1.645 (ver tabela)
X1 = ? : P(x > X1) = 0.05
Substituindo em
7/23/2019 Aula T4
http://slidepdf.com/reader/full/aula-t4 16/17
!"#$%#!&
!"
Introdução às Distrib. de Probabilidade
Qual o valor do comprimento dos plantas acima do qual existem 95% dosplantas ?
X2 = ? : P(x > X2) = 0.95
O valor de z para o qual P(Z > z2) = 0.95$P(Z < z2) = 0.05
z2 é simétrico do valor z : P(Z > z1) = 0.05$
z2 = -1.645 (ver tabela)
Substituindo em
Introdução às Distrib. de Probabilidade
Quais os valores médios do comprimento que limitam os 95% valores
centrais (2.5% em cada uma das caudas)?
X3, X4 = ? : P(X3 < x < X4) = 0.95
P(x > X3) = 0.025 e P(x < X4) = 0.025O valor de z para o qual P(Z > z4) = 0.025: z4 = 1.96O valor de z para o qual P(Z < z3) = 0.025: z3 =-z4= -1.96
Substituindo:
7/23/2019 Aula T4
http://slidepdf.com/reader/full/aula-t4 17/17
!"#$%#!&
Introdução às Distrib. de Probabilidade
Fim de apresentação