ESTATISTICA_02.ppt
-
Upload
charles-moreira -
Category
Documents
-
view
5 -
download
0
Transcript of ESTATISTICA_02.ppt
![Page 1: ESTATISTICA_02.ppt](https://reader035.fdocumentos.com/reader035/viewer/2022062719/55cf9cb9550346d033aad2ea/html5/thumbnails/1.jpg)
ESTATÍSTICA (II)
Prof. Airton A. CASTAGNA
Docteur Ingénieur
![Page 2: ESTATISTICA_02.ppt](https://reader035.fdocumentos.com/reader035/viewer/2022062719/55cf9cb9550346d033aad2ea/html5/thumbnails/2.jpg)
PROBABILIDADECONCEITUAÇÃO
Todos nós temos, ainda que inconsciente, um conceito de probabilidade.Intuitivamente as pessoasTomam decisões em função dos fastos que têm maior probabilidade de ocorrer.Vejamos os seguintes exemplos:1) Num confronto direto entre o Barcelona e o Arapiraca, há uma chance enorme de o Barcelona sair vitorioso. Ao se fazer uma aposta, esta deverá ser no Barcelona;
![Page 3: ESTATISTICA_02.ppt](https://reader035.fdocumentos.com/reader035/viewer/2022062719/55cf9cb9550346d033aad2ea/html5/thumbnails/3.jpg)
PROBABILIDADECONCEITUAÇÃO
2) Se, numa família, há muitos casos de doenças cardíacas, então há uma chance maior para que membros dessa família venham a sofrer com doenças cardíacas;
3) Se estamos fazendo controle de qualidade numa fábrica e uma máquina está produzindo muitos pregos fora do padrão pré-estabelecido, existe uma grande chance que estas máquina continue a produzir pregos fora do padrão.
Mas, também intuitivamente sabemos que estas probabilidades podem não ocorrer, isto é, há incerteza quanto ao resultado real.
![Page 4: ESTATISTICA_02.ppt](https://reader035.fdocumentos.com/reader035/viewer/2022062719/55cf9cb9550346d033aad2ea/html5/thumbnails/4.jpg)
PROBABILIDADECONCEITUAÇÃO
1’) O Arapiraca, ainda que improvável, pode vencer o Barcelona;
2’) Não obstante o histórico familiar, uma pessoa originária de uma família com doenças cardíacas pode nunca apresentar tais problemas;
3’) Os pregos fora do padrão podem ser mera casualidade e a máquina estar funcionando bem.
Se for possível quantificar a incerteza associada a cada fator, as decisões a serem tomadas tonar-
se-ão mais fáceis.
![Page 5: ESTATISTICA_02.ppt](https://reader035.fdocumentos.com/reader035/viewer/2022062719/55cf9cb9550346d033aad2ea/html5/thumbnails/5.jpg)
PROBABILIDADECONCEITUAÇÃO
Os modelos probabilísticos são aplicados em situações que envolvem algum tipo de incerteza ou de variabilidade aleatória.
Exemplos:
a) Lançamento de dados
não viciados;
b) Diâmetros de pregos;
c)Número de jornais restantes
numa banca.
![Page 6: ESTATISTICA_02.ppt](https://reader035.fdocumentos.com/reader035/viewer/2022062719/55cf9cb9550346d033aad2ea/html5/thumbnails/6.jpg)
PROBABILIDADEMODELO PROBABILÍSTICO
Nos casos em que os resultados de um experimento aleatório podem ser listados (caso discreto) um modelo probabilístico pode ser entendido como a listagem desses resultados, acompanhados de suas respectivas probabilidades.
CONTRUÇÃO DE UM MODELO PROBABILÍSTICO
Definição doexperimento
Definição dos resultados possíveis
do experimento
Definição de uma regra que obtenha a probabilidade decada resultado ocorrer.
![Page 7: ESTATISTICA_02.ppt](https://reader035.fdocumentos.com/reader035/viewer/2022062719/55cf9cb9550346d033aad2ea/html5/thumbnails/7.jpg)
PROBABILIDADEMODELO PROBABILÍSTICO
O conjunto de todos os possíveis resultados do
experimento é chamado de espaço amostral e é
representado pela letra grega Ω.
Exemplos:
a) Lançamento de um dado – Ω = 1,2,3,4,5,6;
b) Carta de baralho ao acaso (naipe) – Ω = copas, espadas, ouros, paus;
c) Número de cartas distribuídas anualmente pelos Correios – Ω = 1,2,3,...;
d) Diâmetro de um prego produzido, em mm – Ω = d, tal que d>0.
![Page 8: ESTATISTICA_02.ppt](https://reader035.fdocumentos.com/reader035/viewer/2022062719/55cf9cb9550346d033aad2ea/html5/thumbnails/8.jpg)
PROBABILIDADEMODELO PROBABILÍSTICO
Um espaço amostral é dito discreto quando ele for
finito ou infinito enumerável; é dito contínuo
quando for infinito, formado por intervalos de
números reais.
Elementos para tomada de decisão podem estar vinculados a um conjunto de resultados (ou evento) associados ao experimento aleatório.
Ex.: o diâmetro de um eixo metálico, em mm, que sai de uma linha de produção, se pertencer a A = 49,0 ≤ d ≤ 51,0 então se decide que é adequado.
![Page 9: ESTATISTICA_02.ppt](https://reader035.fdocumentos.com/reader035/viewer/2022062719/55cf9cb9550346d033aad2ea/html5/thumbnails/9.jpg)
PROBABILIDADEMODELO PROBABILÍSTICO
Chamamos de evento a qualquer subconjunto do
espaço amostral:
A é um evento ⇔ A Ω⊆
(a) União:A ∪ B
(b) interseção:A ∩ B
(c) complementar:
A
A AA
Ω Ω Ω
B B
![Page 10: ESTATISTICA_02.ppt](https://reader035.fdocumentos.com/reader035/viewer/2022062719/55cf9cb9550346d033aad2ea/html5/thumbnails/10.jpg)
PROBABILIDADEMODELO PROBABILÍSTICO
OPERAÇÕES ENTRE EVENTOS
Operação Conjunto Evento
a) UniãoA ∪ B
reúne os elementosde ambos os
conjuntos
ocorre quando ocorrerpelo menos um deles (A,
B ou ambos)
b) InterseçãoA ∩ B
formado somentepelos elementos que
estão em A e B
ocorre quando ocorrerambos os eventos (A e
B)
c) Complementar
A
formado peloselementos que não
estão em A
ocorre quando nãoocorrer o evento A (não
A)
![Page 11: ESTATISTICA_02.ppt](https://reader035.fdocumentos.com/reader035/viewer/2022062719/55cf9cb9550346d033aad2ea/html5/thumbnails/11.jpg)
PROBABILIDADEMODELO PROBABILÍSTICO
EVENTOS MUTUAMENTE EXCLUSIVOSEventos são ditos mutuamente exclusivos se e
somente se eles não puderem ocorrer simultaneamente.
A e B são mutuamente exclusivos ⇔ A ∩ B= ∅
A
B
Ω
![Page 12: ESTATISTICA_02.ppt](https://reader035.fdocumentos.com/reader035/viewer/2022062719/55cf9cb9550346d033aad2ea/html5/thumbnails/12.jpg)
PROBABILIDADEDEFINIÇÃO – CLÁSSICA
![Page 13: ESTATISTICA_02.ppt](https://reader035.fdocumentos.com/reader035/viewer/2022062719/55cf9cb9550346d033aad2ea/html5/thumbnails/13.jpg)
PROBABILIDADEAXIOMAS E PROPRIEDADES
![Page 14: ESTATISTICA_02.ppt](https://reader035.fdocumentos.com/reader035/viewer/2022062719/55cf9cb9550346d033aad2ea/html5/thumbnails/14.jpg)
Probabilidade do evento complementar
P(A) = 1− P(A)
A
A
Ω
PROBABILIDADEAXIOMAS E PROPRIEDADES
![Page 15: ESTATISTICA_02.ppt](https://reader035.fdocumentos.com/reader035/viewer/2022062719/55cf9cb9550346d033aad2ea/html5/thumbnails/15.jpg)
Regra da soma das probabilidades
P(A ∪ B) = P(A) + P(B) − P(A∩ B)
ΩA
BA ∩ B
Se A e B mutuamente exclusivos, então:P(A ∪ B) = P(A) + P(B)
PROBABILIDADEAXIOMAS E PROPRIEDADES
![Page 16: ESTATISTICA_02.ppt](https://reader035.fdocumentos.com/reader035/viewer/2022062719/55cf9cb9550346d033aad2ea/html5/thumbnails/16.jpg)
PROBABILIDADEPROBABILIDADE DE EVENTOS
![Page 17: ESTATISTICA_02.ppt](https://reader035.fdocumentos.com/reader035/viewer/2022062719/55cf9cb9550346d033aad2ea/html5/thumbnails/17.jpg)
PROBABILIDADEAXIOMAS E PROPRIEDADES
![Page 18: ESTATISTICA_02.ppt](https://reader035.fdocumentos.com/reader035/viewer/2022062719/55cf9cb9550346d033aad2ea/html5/thumbnails/18.jpg)
Probabilidade condicional. ExemploSeja o lançamento de 2 dados não viciados e aobservação das faces voltadas para cima. Calcule aprobabilidade de ocorrer faces iguais, sabendo-se que a soma é menor ou igual a 5.
E1 = faces iguais = (1, 1), (2, 2), (3, 3), (4, 4), (5, 5), (6, 6); e
E2 = soma das faces é menor ou igual a 5 = (1, 1), (1, 2), (1, 3), (1, 4), (2, 1), (2, 2), (2, 3), (3, 1), (3,2), (4, 1).
Ω
PROBABILIDADEAXIOMAS E PROPRIEDADES
![Page 19: ESTATISTICA_02.ppt](https://reader035.fdocumentos.com/reader035/viewer/2022062719/55cf9cb9550346d033aad2ea/html5/thumbnails/19.jpg)
PROBABILIDADEAXIOMAS E PROPRIEDADES
![Page 20: ESTATISTICA_02.ppt](https://reader035.fdocumentos.com/reader035/viewer/2022062719/55cf9cb9550346d033aad2ea/html5/thumbnails/20.jpg)
PROBABILIDADEDEFINIÇÃO – EXPERIMENTAL
n→∞ n→∞
![Page 21: ESTATISTICA_02.ppt](https://reader035.fdocumentos.com/reader035/viewer/2022062719/55cf9cb9550346d033aad2ea/html5/thumbnails/21.jpg)
PROBABILIDADEDEFINIÇÃO – EXPERIMENTAL
Exemplo: Um fabricante de lâmpadas fluorescentes precisa definir o tempo de garantia de um de seus modelos. Estima-se que durem 5.000 horas, mas não se tem certeza do comportamento na prática. Assim é temerário fixar uma garantia.Definiu-se um experimento aleatório que consiste em ligar a lâmpada e registrar o tempo em horas que ela funciona. O espaço amostral é formado pelo conjunto de todos os valores maiores que zero:Ω = t, tal que t ≥ 0Seja o evento:At = a lâmpada funcionar até o tempo t.
![Page 22: ESTATISTICA_02.ppt](https://reader035.fdocumentos.com/reader035/viewer/2022062719/55cf9cb9550346d033aad2ea/html5/thumbnails/22.jpg)
PROBABILIDADEDEFINIÇÃO – EXPERIMENTAL
![Page 23: ESTATISTICA_02.ppt](https://reader035.fdocumentos.com/reader035/viewer/2022062719/55cf9cb9550346d033aad2ea/html5/thumbnails/23.jpg)
PROBABILIDADEAXIOMAS E PROPRIEDADES
![Page 24: ESTATISTICA_02.ppt](https://reader035.fdocumentos.com/reader035/viewer/2022062719/55cf9cb9550346d033aad2ea/html5/thumbnails/24.jpg)
PROBABILIDADEAXIOMAS E PROPRIEDADES
Eventos independentesDois ou mais eventos são independentes quandoa ocorrência de um dos eventos não influencia aprobabilidade da ocorrência dos outros. Nesse caso:
P(A|B) = P(A) e P(B|A) = P(B)
A e B são independentes
P(A∩B) = P(A).P(B)
![Page 25: ESTATISTICA_02.ppt](https://reader035.fdocumentos.com/reader035/viewer/2022062719/55cf9cb9550346d033aad2ea/html5/thumbnails/25.jpg)
PROBABILIDADEEXEMPLO
Uma caixa contém 4 cartões amarelos e 8 vermelhos. Se retiramos, ao acaso, dois cartões, um após o outro, sem reposição:
a)Qual é a probabilidade que ambos sejam amarelos?Designando de A1 o evento que representa o cartão amarelo na i-ésima extração, e V1 o evento que representa o cartão vermelho na i-ésima extração (i= 1, 2), temos o seguinte espaço amostral:
Ω = (A1, A2), (A1, V2), (V1, A2), (V1, V2)
A probabilidade de interesse é P(A1, A2), que também pode ser expressa como P(A1∩A2). Aplicando a regra do produto
P(A1∩A2) = P(A1) * P(A2/A1), calculamos:
![Page 26: ESTATISTICA_02.ppt](https://reader035.fdocumentos.com/reader035/viewer/2022062719/55cf9cb9550346d033aad2ea/html5/thumbnails/26.jpg)
PROBABILIDADEEXEMPLO
![Page 27: ESTATISTICA_02.ppt](https://reader035.fdocumentos.com/reader035/viewer/2022062719/55cf9cb9550346d033aad2ea/html5/thumbnails/27.jpg)
PROBABILIDADEEXEMPLO
4 amarelos8 vermelhos(total = 12)
A
3 amarelos8 vermelhos(total = 11)
A
V
V4 amarelos7 vermelhos(total = 11)
A
V1ª. extração 2ª. extração
![Page 28: ESTATISTICA_02.ppt](https://reader035.fdocumentos.com/reader035/viewer/2022062719/55cf9cb9550346d033aad2ea/html5/thumbnails/28.jpg)
PROBABILIDADEEXEMPLO
![Page 29: ESTATISTICA_02.ppt](https://reader035.fdocumentos.com/reader035/viewer/2022062719/55cf9cb9550346d033aad2ea/html5/thumbnails/29.jpg)
PROBABILIDADEEXEMPLO
![Page 30: ESTATISTICA_02.ppt](https://reader035.fdocumentos.com/reader035/viewer/2022062719/55cf9cb9550346d033aad2ea/html5/thumbnails/30.jpg)
PROBABILIDADEEXEMPLO (II)Realize o exercício anterior, mas com amostragem feita com reposição
4 amarelos8 vermelhos(total = 12)
A
4 amarelos8 vermelhos(total = 12)
A
V
V4 amarelos8 vermelhos(total = 12)
A
V1ª. extração 2ª. extração
![Page 31: ESTATISTICA_02.ppt](https://reader035.fdocumentos.com/reader035/viewer/2022062719/55cf9cb9550346d033aad2ea/html5/thumbnails/31.jpg)
PROBABILIDADE
TEOREMA DA PROBABILIDADE TOTALImagine que você emprega peças vindas de 4 fornecedores distintos, com 4 desempenhos de qualidade também diferentes. Você conhece a proporção de peças “não conformes” de cada um dos fornecedores (p1, p2, p3 e p4). Pense num lote formado por peças dos 4 fornecedores. Se você selecionar um das peças deste lote qual é a probabilidade dela ser “não conforme”?
v vPeças
do lote
Peças “não conformes”
![Page 32: ESTATISTICA_02.ppt](https://reader035.fdocumentos.com/reader035/viewer/2022062719/55cf9cb9550346d033aad2ea/html5/thumbnails/32.jpg)
PROBABILIDADE
Seria fácil calcular se você soubesse qual era a origem da peça, mas você não sabe. O teorema da probabilidade total é que permite solucionar este problema.Considere o espaço amostral particionado em k eventos, E1, E2, E3, ..., Ek, satisfazendo as seguintes condições:a)Ei⋂Ej = , para todo i ≠ j (eventos mutuamente exclusivos);b)E1UE2UE3U...Uk = Ω (eventos exaustivos), ec)P(Ei) > 0 para i = 1, 2, ... , k.
Partição do espaço amostral em eventos mutuamente exclusivos.
EEE
E1
E2E3
E4E5
E6
E7
F
F ⋂ E5
![Page 33: ESTATISTICA_02.ppt](https://reader035.fdocumentos.com/reader035/viewer/2022062719/55cf9cb9550346d033aad2ea/html5/thumbnails/33.jpg)
PROBABILIDADE
![Page 34: ESTATISTICA_02.ppt](https://reader035.fdocumentos.com/reader035/viewer/2022062719/55cf9cb9550346d033aad2ea/html5/thumbnails/34.jpg)
PROBABILIDADE
Naturalmente, algumas P(F/Ei) poderão assumir valor zero por não
haver interseção entre F e Ei. O teorema da probabilidade total pode ser interpretado fisicamente como
uma medida do peso de cada um dos eventos Ei na contribuição para
formar o evento F.
![Page 35: ESTATISTICA_02.ppt](https://reader035.fdocumentos.com/reader035/viewer/2022062719/55cf9cb9550346d033aad2ea/html5/thumbnails/35.jpg)
PROBABILIDADE – EXEMPLO (III)
Os eventos Ei representam as procedências das peças (fornecedores 1, 2, 3 e 4), e o evento F representa peça não conforme. Note que os eventos Ei são mutuamente exclusivos, pois uma peça não pode vir de mais de um fabricante e que o evento F tem interseção com todos eles pois todos os fornecedores produzem peças não conformes.
![Page 36: ESTATISTICA_02.ppt](https://reader035.fdocumentos.com/reader035/viewer/2022062719/55cf9cb9550346d033aad2ea/html5/thumbnails/36.jpg)
PROBABILIDADE – EXEMPLO (III)
Suponha a mesma probabilidade para todos os fornecedores, isto é:
P(E1) = P(E2) = P(E3) = P(E4) = 0,25 e as probabilidades de não conformidade de cada fabricante sejam: p1 = P(F/E1) = 0,1; p2 =
P(F/E2) = 0,1; p3 = P(F/E3) = 0,2; p4 = P(F/E4) = 0,4 ; então, usando o teorema:
P(F) = (0,25 * 0,1) + (0,25 * 0,1) + (0,25 * 0,2) + (0,25 * 0,4)
P(F) = 0,2
![Page 37: ESTATISTICA_02.ppt](https://reader035.fdocumentos.com/reader035/viewer/2022062719/55cf9cb9550346d033aad2ea/html5/thumbnails/37.jpg)
PROBABILIDADE
![Page 38: ESTATISTICA_02.ppt](https://reader035.fdocumentos.com/reader035/viewer/2022062719/55cf9cb9550346d033aad2ea/html5/thumbnails/38.jpg)
PROBABILIDADE – EXEMPLO (IV)