Modelagem de Sistemas Computacionais Revisão Estatística Aula 05 Profa. Priscila Solís Barreto.
Transcript of Modelagem de Sistemas Computacionais Revisão Estatística Aula 05 Profa. Priscila Solís Barreto.
Modelagem de Sistemas Computacionais
Revisão Estatística
Aula 05
Profa. Priscila Solís Barreto
Estatística
“Uma metodologia desenvolvida para a coleta, a classificação, a apresentação, a análise e a interpretação de dados quantitativos e a utilização desses dados para a tomada de decisões”
População e Amostra
Amostra é um subconjunto da população
População de Montenegro70.000
Amostra 2.000
Notas da turma
Notas Frequencia
4 1
5 5
6 6
7 20
8 22
9 32
10 10
Tabela 1 – Notas da Turma
Fonte: Dados fictícios elaborados pelo autor
Cabeçalho
Corpo
Rodapé
Gráficos
Histograma
Barras
Coluna
Setores
Dada a amostra: 3 – 7 – 10 – 6 – 8 – 6 – 8 – 4 – 5 – 7 – 6 – 10 – 9 – 5 – 6 – 3
Qual o resultado aconteceu com maior frequencia?
Número frequencia
3 2
4 1
5 2
6 4
7 2
8 2
9 1
10 2
Média
8 + 4 + 6 + 9 + 10 + 5 = 42 = 7
6 6
• Dado o conjunto de números, 8, 4, 6, 9, 10, 5
Determine a média:
Determine o salário médio
Salários Fr
240 - 480 15
480 - 720 22
720 - 960 30
960 - 1200 18
1200 - 1440 15
Mediana = Md
8 – 0 – 7 – 4 – 7 – 10 – 6 – 5 Colocando em ordem crescente:
0 – 4 – 5 – 6 – 7 – 7 – 8 – 10
Md = 6+7 = 6,52
É o do meio Desde que colocados em ordem crescente
Calcule a Mediana
Alturas Frequencia (f)
Frequencia Acumulada
160 – 163
4 4
163 – 166
8 12
166 – 169
10 22
169 – 172
9 31
172 – 175
7 38
175 – 178
7 45
178 - 181
5 50
Total 50
Alturas Frequencia (f)
Frequencia Acumulada
160 – 163
4 4
163 – 166
8 12
166 – 169
10 22
169 – 172
9 31
172 – 175
7 38
175 – 178
7 45
178 - 181
5 50
Total 50
Moda = Mo
Resultado com maior frequencia
Moda = Mo
Idade Frequencia (f) Frequencia Acumulada
18 – 21 9 9
21 – 24 12 21
24 – 27 12 33
27 – 30 17 50
30 – 33 16 66
33 – 36 14 80
36 – 39 11 91
39 – 42 9 100
Total 100
Dado o conjunto abaixo, determine o desvio médio:
8 – 4 – 6 – 9 – 10 – 5
4 – 5 – 6 – 8 – 9 – 10 4+5+6+8+9+10 = 42
42/6 = 7
8 – 7 = 1 4 – 7 = 3 6 – 7 = 1 9 – 7 = 2
10 – 7 = 3 5 – 7 = 2
1+3+1+2+3+2 = 12
12/6 = 2
Salário Mínimo
Funcionários
1 – 2 1
2 – 3 4
3 – 4 6
4 – 5 5
5 – 6 6
6 – 7 10
7 – 8 9
8 – 9 6
9 – 10 3
Total 50
Média
1,5
2,5
3,5
4,5
5,5
6,5
7,5
8,5
9,5
1,5
10
21
22,5
33
65
67,5
51
28,5
300
Média dos salários é: 300/50 = 6
Média
1,5
2,5
3,5
4,5
5,5
6,5
7,5
8,5
9,5
-
6
6
6
6
6
6
6
6
6
4,5
3,5
2,5
1,5
0,5
0,5
1,5
2,5
3,5
20,5
88/50 = 1,76
Freq
1
4
6
5
6
10
9
6
3
50
Freq
4,5
14
15
7,5
3
5
13,5
15
10,5
88
Amostra (n-1) População n
22.000/8 = 2750
Func Salários
1 2800
1 2650
1 2920
1 2800
1 2878
1 2682
1 2700
1 2570
Total 22000
Média
2750
2750
2750
2750
2750
2750
2750
2750
Desvio
50
100
170
50
128
68
50
180
816
99808 / 8 = 12476 raiz quadrada = 111,70
Ao quadrado
50
100
170
50
128
68
50
180
816
Resultado
2500
10000
28900
2500
16384
4624
2500
32400
99808
Freq
1
1
1
1
1
1
1
1
Espaço Amostral (Espaço Amostral ()): conjunto de todos os resultados possíveis de um experimento aleatório.
4. Tempo de duração de uma lâmpada. = {t: t 0}
1. Lançamento de um dado. = {1, 2, 3, 4, 5, 6}
2. Exame de sangue (tipo sangüíneo) . = {A, B, AB, O}
3. Hábito de fumar. = {Fumante, Não fumante}
Exemplos:
Notação: A, B, C ...
(conjunto vazio): evento impossível
: evento certo
Alguns eventos:
A: sair face par A = {2, 4, 6}
B: sair face maior que 3 B = {4, 5, 6} C: sair face 1 C = {1}
EventosEventos: subconjuntos do espaço amostral
Exemplo: Lançamento de um dado.
Espaço amostral: = {1, 2, 3, 4, 5, 6}
A B: interseção dos eventos A e B. Representa a ocorrência simultânea dos eventos A e B.
Operações com eventosOperações com eventos
Sejam A e B dois eventos de um espaço amostral.
A B: união dos eventos A e B.Representa a ocorrência de pelo menos um dos eventos, A ou B.
O complementar de A é representado por Ac.
• A e B são disjuntos ou mutuamente exclusivos quando não têm elementos em comum, isto é,
A B =
• A e B são complementares se sua interseção é vazia e sua união é o espaço amostral, isto é,
A B = e A B =
•sair uma face par ou face 1A C = {2, 4, 6} {1} = {1, 2, 4, 6}
• sair uma face par e face 1 A C = {2, 4, 6} {1} =
• sair uma face par e maior que 3A B = {2, 4, 6} {4, 5, 6} = {4, 6}
• sair uma face par ou maior que 3A B = {2, 4, 6} {4, 5, 6} = {2, 4, 5, 6}
= {1, 2, 3, 4, 5, 6}
Eventos: A = {2, 4, 6}, B = {4, 5, 6} e C = {1}
Exemplo: Lançamento de um dado
• não sair face parAC = {1, 3, 5}
ProbabilidadeProbabilidade
• Medida da incerteza associada aos resultados do experimento aleatório• Deve fornecer a informação de quão verossímil é a ocorrência de um particular evento
Como atribuir probabilidade aos elementos do espaço amostral?
Duas abordagens possíveis:
1. Freqüências de ocorrências2. Suposições teóricas.
Exemplo: Lançamento de um dado
Admite-se que o dado é perfeitamente equilibrado
P(face 1) = ... = P(face 6) = 1/6.
ProbabilidadeProbabilidade
Atribuição da probabilidade:
1. Através das freqüências de ocorrências.• O experimento aleatório é repetido n vezes
• Calcula-se a freqüência relativa com que cada resultado ocorre.
Para um número grande de realizações, a freqüência relativa aproxima-se da
probabilidade.
2. Através de suposições teóricas.
•A probabilidade P(w) para cada ponto amostral de tal forma que:
.
1ii21
i
1 )P(w ...}) , w,({w P )( P
e 1 )P(w 0
No caso discretocaso discreto, todo experimento aleatório tem seu modelo probabilísticomodelo probabilístico especificado quando estabelecemos:
•O espaço amostral = {w1,w2, ... }
Ainda no caso discreto,
• Se A é um evento, então
Aw
j
j
)(w P (A) P
Ω de elementos de nº.
Ade elementos de nº. (A) P
• Se } w..., , w,{w Ω N21 e
N
1 )(w P i (pontos equiprováveis), então
Um jovem entre 20 e 24 anos é escolhido ao acaso em Sergipe.
Exemplo: A tabela a seguir apresenta dados relativos à distribuição de sexo e alfabetização em habitantes de Sergipe com idade entre 20 e 24 anos.
SexoAlfabetizado
TotalSim Não
Masc. 39.577 8.672 48.249
Fem. 46.304 7.297 56.601
Total 85.881 15.969 101.850Fonte: IBGE- Censo 1991
: conjunto de 101.850 jovens de Sergipe, com idade entre 20 e 24 anos.
Definimos os eventos
M: jovem sorteado é do sexo masculino; F : jovem sorteado é do sexo feminino;S : jovem sorteado é alfabetizado;N : jovem sorteado não é alfabetizado.
Temos ir para a tabela
0,157 101.850
15.969 P(N) 0,843
101.850
85.881 P(S)
0,526 101.850
56.601 P(F) 0,474
101.850
48.249 P(M)
•M S : jovem é alfabetizado e do sexo masculino
• Qual é a probabilidade do jovem escolhido ser alfabetizado ou ser do sexo masculino?
M S : jovem é alfabetizado ou é do sexo masculino
• Qual é a probabilidade do jovem escolhido ser alfabetizado e ser do sexo masculino?
0,928 101850
39577 - 48249 85881
em elementos de nº.
LM em elementos de nº. L)P(M
S)
S
389,0101850
39577
em elementos de nº.
LM em elementos de nº. L)P(M
S)
S
Sejam A e B eventos de . Então,
• Para qualquer evento A de , P(A) = 1 - P(Ac).
Regra da adição de probabilidadesRegra da adição de probabilidades
P(A B) = P(A) + P(B) – P(A B)
Conseqüências:
• Se A e B forem eventos disjuntos, então P(A B) = P(A) + P(B).
Probabilidade condicional:Probabilidade condicional: Dados dois eventos A e B, a probabilidade condicional de A dado que ocorreu B é denotada por P(A | B) e definida por
. 0 P(B) ,P(B)
B)P(A B)|P(A
PROBABILIDADE CONDICIONAL E PROBABILIDADE CONDICIONAL E INDEPENDÊNCIAINDEPENDÊNCIA
Da definição de probabilidade condicional, obtemos a regra do produto de probabilidades
B).|P(A P(B) B)P(A
Analogamente, se P(A) >0,
. A)|P(B P(A) B)P(A
0,82.
101.85048.249
101.85039.577
39.577 / 48.249 = 0,82.
Diretamente da tabelaDiretamente da tabela
temos P(S | M) =
• Qual é a probabilidade do jovem escolhido ser alfabetizado sabendo-se que é do sexo masculino?
P(M)
M)P(S M)|P(S
definiçãodefinição, Pela
SexoAlfabetizada
TotalSim Não
Masc. 39.577 8.672 48.249
Fem. 46.304 7.297 56.601
Total 85.881 15.969 101.850
A: 2ª bola sorteada é brancaC: 1ª bola sorteada é brancaP(A) = ???
Para representar todas as possibilidades, utilizamos, um diagrama conhecido como diagrama de árvores ou árvore de probabilidades.
Exemplo: Em uma urna, há 5 bolas: 2 brancas e 3 vermelhas. Duas bolas são sorteadas sucessivamente, sem reposição.
53
52 B
V
42
42
V
B
43
41
V
B
1Total
V V
VB
BV
BB
ProbabilidadesResultados
20
2
4
1
5
2
20
6
4
3
5
2
20
6
4
2
5
3
20
6
4
2
5
3
e 5
2
20
6
20
2)A(P
Temos
. 4
1)C|A(P
1Total
V V
VB
BV
BB
ProbabilidadeResultados
25
4
5
2
5
2
25
6
5
3
5
2
25
6
5
2
5
3
25
9
5
3
5
3
Considere agora que as extrações são feitas com reposição, ou seja, a 1a bola sorteada é reposta na urna antes da 2a extração. Nesta situação, temos
53
52 B
V
53
52
V
B
V
B
53
52
ou seja, o resultado na 2a extração independe do que ocorre na 1a extração.
e 5
2
25
6
25
4P(A) = P(branca na 2ª) =
Neste caso,
P(A | C) = P( branca na 2ª | branca na 1ª) = )A(P5
2
)A(P5
2P(A | Cc) = P(branca na 2ª | vermelha na 1ª) =
Independência de eventosIndependência de eventos: Dois eventos A e B são independentes se a informação da ocorrência (ou não) de B não altera a probabilidade de ocorrência de A, isto é,
P(B). P(A) B)P(A
Ainda temos a seguinte forma equivalente:
P(A), B)|P(A 0. P(B)
Exemplo: A probabilidade de João ser aprovado no vestibular é 1/4 e a de Maria é 3/4. Qual é a probabilidade de ambos serem aprovados?
A: João é aprovado
B: Maria é aprovada
P(A B) = P(A) x P(B) = 1/4 x 3/4 = 3/16