Upload
juliano
View
6
Download
0
Embed Size (px)
DESCRIPTION
Dados estatísticos
Citation preview
3 .Conceitos de probabilidade
3.1 Definição clássica
Seja S o conjunto de todos os resultados possíveis de um experimento,
também chamado de espaço amostral e N o número de elementos desse conjunto.
Supondo que cada elemento desse conjunto é equiprovável e mutuamente excludente,
e sendo A um evento ou um subconjunto de N, então a probabilidade do evento A
ocorrer é definida por :
P(A) = n/N, (3.1)
onde n é o número de elementos de A .
Eventos equiprováveis são eventos que tem a mesma chance de ocorrer.
Dois eventos são ditos excludentes quando a ocorrência de um exclui a possibilidade
da ocorrência do outro.
Exemplo 3.1
Seja um lançamento de um dado. Qual a probabilidade de em um lançamento sair o
número 5 ?
O número de elementos possíveis no experimento é N = 6, isto é, {1,2,3,4,5,ou 6}.
O evento A é sair o número 5, isto é, {5}
Nesse caso n = 1, pois n é o número de elementos de A e N=6 , logo P(A) = 1/6
Observa-se que os eventos são equiprováveis pois tem a mesma probabilidade de
ocorrência, e são excludentes já que saindo o número 3 exclui a possibilidade de ter
saído o 2 ou qualquer outro valor diferente do 3.
Exemplo 3.2
Qual a probabilidade de sair um número par no lançamento do dado?
1
O número de elementos possíveis é N = 6, isto é, {1,2,3,4,5,ou 6}.
O evento A é sair um número par no lançamento, que pode ser {2,4,ou 6}, logo n = 3.
P(A) = 3/6=0.5
3.2 Definição freqüencialista
Seja M o número máximo de vezes que um experimento ocorreu. Seja k o número de
vezes que um evento A ocorreu durante os M experimentos, então
P(A)= k/M (3.2)
Exemplo3.3
Se um dado foi lançado 120 vezes e o número 5 foi obtido 30 vezes, então a
probabilidade frequencialista é:
P(A)=30/120 =0.25
Pela definição clássica P(A)= 1/6 ~ 0.167
Exemplo 3.4
Os dados históricos de um processo produtivo indicam que de 8600 itens produzidos
214 estavam defeituosos. Qual a probabilidade de se produzir um item defeituoso?
No exemplo M = 8600 e k = 214, e a é o evento produzir um item defeituoso, logo
P( A ) = 214/8600
3.3 Definição axiomática
Seja A um evento em um espaço amostral S, então :
0 P(A) 1
2
P(A) =1 A é um evento certo
P(A) =0 A é um evento improvável.
3.4 Operação com eventos
Eventos excludentes
Se os eventos A e B são eventos mutuamente excludentes, a probabilidade de ocorrer
A ou B , isto é a probabilidade da união ,é dada por:
P( A ou B) = P(A U B) = P(A) +P(B)
Exemplo 3.5
No exemplo 2 a probabilidade de se obter um número par pode ser calculada da
seguinte forma:
P(número par) = P{2ou 4 ou 6}=P{2U4U6}
P{2U4U6} = P(2)+P(4)+P(6) = 1/6 +1/6 +1/6 = 3/6
3
S
AB
Eventos não excludentes
Se os eventos A e B não são mutuamente excludentes então eles podem ocorrer
simultaneamente, logo:
P(AUB) = P(A) + P(B) – P(AB)
Exemplo 3.6
Numa fábrica a probabilidade de uma máquina falhar por causa de um defeito
mecânico é 0.3 e de falhar por um defeito elétrico é 0.25. A probabilidade de falhar
por causa de defeitos elétrico e mecânico é 0.04.
Qual a probabilidade da máquina falhar por causa de defeito mecânico ou elétrico ?
Seja o evento A: { Falhar por defeito elétrico} e B:{ falhar por defeito mecânico}
P(A U B)= P(A)+P(B)-P(AB)= 0.25+0.3-0.04 = 0.51
Eventos independentes.
Os eventos A e B são ditos independentes se a probabilidade de ocorrência de A não é
afetada pela ocorrência ou não de B. Desse modo a probabilidade de ambos os
eventos ocorrerem é dada por:
P(A e B) = P(A B)= P(A).P(B)
4
S
A B
Exemplo 3.7
Em 1000 h de operação de um equipamento eletrônico a probabilidade de haver falha
devida a um resistor é 0.04 e de haver falha devida a um capacitor é 0.06.
a) Qual a probabilidade do equipamento falhar devido ao resistor e ao capacitor
simultaneamente?
a) P(AB) = P(A).P(B)= 0,04 x 0,06 = 0,0024
Evento complementar.
Seja A’ o evento complementar de A
P( A’) = 1 – P(A) ou P(A) + P(A’) =1
Exemplo 3.8
Em 1000 h de operação de um equipamento eletrônico a probabilidade de haver falha
devida a um resistor é 0.04 e de haver falha devida a um capacitor é 0.06.
Qual a probabilidade do equipamento não falhar por causa do resistor ou por causa do
capacitor?
A = { Equipamento falhar por causa do resistor}
B = { Equipamento falhar por causa do capacitor}
C = { Equipamento não falhar por causa do resistor ou capacitor}
C´= { Equipamento falhar por causa do resistor ou capacitor}
5
P(C´) = P(A) + P(B) – P(AB) = 0,04+ 0,06 – 0,0024 = 0,0976
P( C ) = 1-P( C´) = 0,9024
Porque seria errado aplicar 1- 0,0024, isto é 1- P(AB) ?
3.5. Probabilidade condicional
Dados dois eventos A e B denota-se por P(A/B) a probabilidade de ocorrer A dado que
B ocorreu, então
P(A/B) = P(AB)/P(B)
6
4. Distribuição de probabilidades
Distribuição de probabilidades servem para descrever a probabilidades de eventos
4.1 Variáveis aleatórias discretas
As principais distribuição de probabilidades discretas são: Binomial, Poisson,
Hipergeométrica, Geométrica
São variáveis que podem assumir alguns valores dentro de uma escala.
Exemplos :
número de pessoas numa sala de aula ( assume apenas valores inteiros e positivos
ou zero)
número de peças defeituosas
número de defeitos observados
4.1.1 Distribuição Binomial
Sejam n provas ou experimentos independentes com reposição. Cada prova
pode assumir um de dois resultados possíveis por exemplo : bom - ruím, ligado –
desligado, sucesso ou insucesso, bom ou defeituoso, etc. O resultado de cada prova é
um binômio. Seja p a probabilidade de sucesso em cada prova. Chamando de X a
variável aleatória correspondente ao número de sucessos em n provas então a
probabilidade de ocorrer k sucessos é dada por :
P( X = k) = C n,,k pk ( 1-p )n-k (4.1)
onde, C n,,k = n ! / [ p! ( n-p)!] , e n! = n ( n-1)(n-2)(n-3).....1
n!: fatorial de n, e por definição fatorial de 0 é 1, isto é,
0 ! =1
7
A palavra sucesso neste contexto não é necessariamente sinônimo de algo
bom, a palavra é em relação a ocorrência de um evento de interesse. Sucesso pode ser
a produção de um item defeituoso, ocorrência de um acidente, ou até mesmo eventos
bons como ganhar na loteria. Assim sucesso é a ocorrência de um evento de interesse.
Os valores esperados e a variância desta distribuição são:
E( X) = np
V(X) = np(1-p)
Exemplo 4.1.
Sabe-se que um processo produz 15% de peças defeituosas. Se retirarmos 5 peças ao
acaso, qual a probabilidade de encontrarmos 2 peças defeituosas?
No exemplo sucesso é encontrar 2 peças defeituosas então :
k= 2
p=0,15
n=5
P(X=2) = C5,2 0,.152x(1-0,15)3 = 0,1382
Qual a probabilidade de encontrarmos mais que uma peça defeituosa ?
P(X1) = 1- [P(X=0) + P(X=1)]
P(X=0) = C5,0 0.150 0.855 = 0,4437
P(X=1) = C5,0 0.151 0.854 = 0,.3915
P(X1) = 1- [P(X=0) + P(X=1)] = 1-[ 0,4437+0,.3915] = 0,1648
8
4.1.2. Distribuição Hipergeométrica
Seja X o número de o número de peças defeituosas numa amostra retirada sem
reposição de uma população finita de tamanho N.
Seja D o número de peças defeituosas na população .
n é o tamanho da amostra.
A probabilidade de encontrar k peças defeituosas na amostra de tamanho n é dada
por:
C D,k C(N-D),(n-k)
P(X=k) = _________________________
C N,n
E(X) = np, onde p = D/N
V(X) = np ( 1-p) ( N-n)/(N-1)
4.1.3 .Distribuição de Poisson
Seja X o número de sucessos no intervalo contínuo t que pode ser tempo, área,
volume, etc. Os sucessos são independentes uns dos outros. A taxa de acontecimento
de sucessos é e é constante em todo intervalo t. A probabilidade de encontrar k
sucessos é dada por:
e-t ( t)k
P( X = k ) = _____________________
k !
E(X) = t
9
V(X) = t
Exemplo 8.
Em uma inspeção de chapa de aço, foram retirados para inspeção 2m2. Se a média do
processo de fabricação for de 0,75 imperfeições / m2, qual a probabilidade de uma
chapa ser rejeitada , sbendo que o critério para rejeição é 2 ou mais imperfeições na
amostra.
= 0.75 imp/m2
t = 2m2
P( X2) = 1 – [ P(X=0) + P(X=1)]
e-1.5 ( 1.5)0
P( X = 0 ) = _____________________ = 0.2231
0 !
e-1.5 ( 1.5)1
P( X = 1 ) = _____________________ = 0.3347
1 !
P( X2) = 0.4422
5.Estimativas e testes de hipóteses
10
1.1 TESTE DE HIPÓTESE COM RESPEITO À MÉDIA
H0 : = 0
H1 : , > 0 , < 0
: verdadeira média
0 : valor suspeito para a verdadeira média
Caso 1 - Desvio Padrão Conhecido ( )
PROCEDIMENTO :
1. Coleta - se uma amostra de tamanho n
__
2. Calcula-se X
3. Estabelece-se o nível de significância
___
4. Calcula-se X - 0
Zcalc = ------------
/ n
5.Rejeita-se a hipótese H0 , se
Hipóteses alternativas Condição de Rejeição
< 0 Zcalc < - Z
> 0 Zcalc > Z
0 Z calc < - Z /2 ou Zcalc > Z /2
11
Onde Z é o valor tirado da tabela normal
Caso 2 - Desvio Padrão desconhecido
PROCEDIMENTO :
1. Coleta - se uma amostra de tamanho n
_
2. Calcula-se X e S
3. Estabelece-se o nível de significância
__
4. Calcula-se X - 0
t calc = ------------
S / n
5.Rejeita-se a hipótese H0 se;
Hipóteses alternativas Condição de Rejeição
< 0 tcalc < - t , n-1
> 0 tcalc > t , n-1
0 tcalc > t /2 , n-1 ou
- tcalc < - t /2 , n-1
Onde t é proveniente da tabela t-Student com n-1 graus de liberdade.( anexo 4)
5.2 TESTE DE HIPÓTESE COM RESPEITO A VARIÂNCIA.
12
H0 : 2 = 20
H1 : 2 20 , 2 > 2
0 , 2 < 20
2 : Verdadeira Variância
20 : Valor suspeito para a verdadeira variância
PROCEDIMENTO :
1. Coleta - se uma amostra de tamanho n
2. Calcula-se S
3. Estabelece-se o nível de significância
( n-1 ) S2
4.Calcula-se 2calc = -------------
20
5.Rejeita-se a hipótese H0 se;
hipóteses Condições de rejeição
2 < 20 2
calc < 21-, n-1
2 > 20 2
calc > 2 , n-1
2 20 2
calc > 2 /2 ,n-1 OU 2
calc < 21-/2, n-1
2n-1, é proveniente da distribuição Qui-quadrado com n-1 graus de liberdade e
probabilidade . ( anexo 5)
5.3. Estimativas
5.3.1 ESTIMATIVA DA VERDADEIRA MÉDIA
13
Caso 1 - Desvio Padrão Conhecido ( )
PROCEDIMENTO :
1. Coleta - se uma amostra de tamanho n
__
2. Calcula-se X
3.Estabelece-se o nível de significância
4.A verdadeira média ficará compreendida entre :
__ __
X - Z /2 / n < < X + Z /2 / n
CASO 2 - DESCONHECIDO
1. Coleta-se uma amostra de tamanho n
__
2. Calcula-se X
3. Calcula-se S
4. Estabelece-se o nível de confiança
5. A verdadeira média ficará compreendida entre :
__ __
X - t n-1, /2 S / n < < X + t n-1, /2 S/ n
14
5.3.2 ESTIMATIVA DA VERDADEIRA VARIÂNCIA
PROCEDIMENTO
1. Coleta-se uma amostra de tamanho n
2. Calcula-se S2
3. Estabelece-se o nível de confiança
4. A verdadeira variância ficará compreendida entre :
(n-1) S 2 (n-1) S2
------------------- < 2 < ----------------
2 /2, n-1 2 1- /2 , n-1
15