You are on page 1of 21

01/03/17

Estatstica
Microbiologia

Tpico 3 Introduo s distribuies de Probabilidade (cont.)

Rui Barros

Distribuio Normal (Guassiana)


Distribuio Normal reduzida (em Padro)
Distribuio Amostral de uma Estatstica
Teorema do Limite Central
Distribuio Binomial
Aproximao da Distribuio Binomial Dist. Normal
Distribuio de Poisson

Tpico 3 Introduo s distribuies de Probabilidade

Rui Barros

1
01/03/17

Introduo s Distrib. de Probabilidade

DISTRIBUIO AMOSTRAL DE UMA ESTATSTICA

Enquanto que numa populao as medidas de tendncia central e


variao so fixas e invariantes, so caractersticas da populao e
designam-se por parmetros, numa amostra estas medidas so
estimativas dos parmetros da populao e designam-se por
estatsticas.

Populao: grupo total de indivduos que contm todas as


observaes possveis.

Amostra: subconjunto da populao selecionado de tal modo que


representativo dessa populao

Introduo s Distrib. de Probabilidade

Na base da inferncia estatstica est a generalizao dos


resultados obtidos numa amostra para a populao da qual ela
retirada, da qual geralmente se desconhecem o valor dos parmetros.

Para inferir sobre um parmetro da populao lgico que se


comece por estudar o comportamento do estimador desse parmetro
- distribuio amostral.

2
01/03/17

Introduo s Distrib. de Probabilidade

Se considerarmos repetidas amostras na mesma populao, as

medidas estatsticas de tendncia central ou disperso como a mdia,

mediana, desvio padro, variam de amostra para amostra

disperso na populao grau de variao tamanho da amostra

Introduo s Distrib. de Probabilidade

Consideremos por exemplo a mdia:


i) se retirarmos uma amostra aleatria de indivduos de
uma populao
ii) medirmos a varivel de interesse
iii) calcularmos a mdia amostral

A mdia amostral obtida deste modo no em geral exatamente


igual ao valor da mdia na populao.
Se outras amostras aleatrias da mesma dimenso forem obtidas
da mesma populao, cada uma ter provavelmente uma mdia
diferente.

3
01/03/17

Introduo s Distrib. de Probabilidade

Populao
2, 4
=3

2, 4, 6, 8, 10,
12, 14
2, 14 =8

= 8
4, 8 =6

Introduo s Distrib. de Probabilidade

Exemplo: Uma populao tem uma distribuio de alturas normal com


mdia 1.60 metros e desvio padro 0.1 metros.
Se selecionarmos aleatoriamente uma amostra de 20 indivduos desta
populao e calcularmos a sua mdia amostral, o valor da mdia amostral vai
ter um valor que provavelmente diferente de 1.60 m.
Se selecionarmos aleatoriamente outra amostra de 20 indivduos, a mdia
amostral ter provavelmente um valor diferente do da primeira amostra e
diferente de 1.60 m.

Com vrias amostras diferentes poderamos ter valores to divergentes como


1.55, 1.72, 1.63, 1.49, ....

4
01/03/17

Introduo s Distrib. de Probabilidade

Os valores das mdias das diferentes amostras seguem uma distribuio chamada
distribuio amostral das mdias.

A variabilidade de distribuio do conjunto de mdias amostrais em torno da


verdadeira mdia (mdia da populao, ) vai ser:
Menor que a das observaes individuais
Diminuir com o aumento do tamanho da amostra
Vai depender de:
Disperso dos valores individuais na populao (s)
Tamanho da amostra (n)

Introduo s Distrib. de Probabilidade

Diferentes amostras de dimenso n da mesma populao

a) Amostragem de uma populao normal: N(,)


Se uma populao segue uma distribuio normal de mdia e desvio
padro ento:
as mdias amostrais seguem tambm uma distribuio normal com mdia
e desvio padro
denominado por erro padro da mdia ( , EPM ou SEM)

5
01/03/17

Introduo s Distrib. de Probabilidade

Introduo s Distrib. de Probabilidade

Exemplo: Os pesos de uma populao seguem uma distribuio Normal:

mdia = 70Kg
desvio padro = 10Kg

se considerarmos vrias amostras de dimenso 25 uma nova populao de mdias


amostrais ser gerada.

Essas mdias (amostrais) seguem uma distribuio normal de:

mdia

desvio padro

Ser esperado que aproximadamente 95% de tais mdias se encontrem entre 66


e 74Kg.

6
01/03/17

Introduo s Distrib. de Probabilidade

b) Se X no segue a distribuio normal

Introduo s Distrib. de Probabilidade

Teorema do Limite Central:

Quando a dimenso amostral n, suficientemente grande, a distribuio amostral da


mdia aproxima-se de uma distribuio normal, qualquer que seja a forma da
distribuio da populao.

Por outras palavras, se n for grande a distribuio amostral da estatstica

aproxima-se da distribuio normal padro N(0,1)

7
01/03/17

Introduo s Distrib. de Probabilidade

Exemplo:
Assuma que a presso arterial sistlica (PAS) numa populao saudvel tem uma
distribuio normal de:

mdia 120mmHg e desvio padro 10mmHg.

Estudou-se um grupo de 25 pessoas para as quais a mdia da PAS foi de


124mmHg.

Qual a probabilidade de encontrar uma mdia igual ou superior a esta numa


amostra de 25 indivduos?

Ou de outro modo, podemos perguntar: em amostras repetidas de 25 indivduos


selecionados aleatoriamente da populao,

Qual a proporo de amostras em que o valor mdio da PAS seria de 124mmHg ou


maior?

Introduo s Distrib. de Probabilidade

Resoluo:
A distribuio amostral da mdia de uma populao que segue a distribuio normal
tambm normal:

para amostras de dimenso n:

Substituindo vem

Com base nos valores da tabela da distribuio N(0,1), temos que:

P(Z > 2) = 0.023 P(X > 124)= 0.023

8
01/03/17

Introduo s Distrib. de Probabilidade

s questes:
Qual a probabilidade de encontrar uma mdia igual ou superior a 124mmHg
numa amostra de 25 indivduos?
Poder-se-ia responder:
A probabilidade de obtermos uma amostra com uma mdia superior a
124mmHg ser de 0.023.
P(X>124mmHg)=0.023
Ou de outro modo, poderamos concluir que se se retirassem amostras
repetidas de 25 indivduos, selecionados aleatoriamente da populao, a
proporo de amostras de dimenso 25 que teriam uma PAS mdia superior
a 124mmHg seria de 2.3%.

Introduo s Distrib. de Probabilidade

Exemplo:
O comprimento dos peixes de uma dada espcie segue uma distribuio Normal de
mdia 145cm e desvio padro 4cm.

a) Que proporo de peixes podemos esperar que tenham um comprimento entre


141cm e 149cm?
b) Se tirarmos amostras repetidas de 4 peixes, qual a proporo delas que ter um
comprimento mdio entre 141 e 149cm?
c) Quais os valores mdios do comprimento que limitam os 95% valores centrais
(2.5% em cada uma das caudas) em amostras de dimenso 16?
d) Qual ser a dimenso amostral necessria para que 95% das mdias amostrais
do comprimento estejam includas entre 1cm da mdia da populao?

9
01/03/17

Introduo s Distrib. de Probabilidade

a) Que proporo de peixes podemos esperar que tenham um comprimento entre


141cm e 149cm?

Concluso: Podemos esperar que 68.3% dos peixes tenham um comprimento entre 141
e 149cm.

Introduo s Distrib. de Probabilidade

b) Se tirarmos amostras repetidas de 4 peixes, qual a proporo delas que ter um


comprimento mdio entre 141 e 149cm?

A distribuio amostral da mdia ter:

Concluso: Podemos esperar que em 95.44% das amostras de 4 peixes o comprimento


mdio dos peixes estar entre 141 e 149cm.

10
01/03/17

Introduo s Distrib. de Probabilidade

c) Quais os valores mdios do comprimento que limitam os 95% valores centrais


(2.5% em cada uma das caudas) em amostras de dimenso 16?

Qual o valor de

A partir da tabela N(0,1) podemos determinar os valores de Z1 e Z2:

Introduo s Distrib. de Probabilidade

c) Quais os valores mdios do comprimento que limitam os 95% valores centrais


(2.5% em cada uma das caudas) em amostras de dimenso 16? (cont.)

Pelo que:

Resposta: Os valores 143.04cm e 146.96cm dividem a distribuio das mdias do


comprimento, em amostras de dimenso 16, numa parte central contendo 95% dos
valores e duas partes extremas contendo cada uma 2.5% dos valores.

11
01/03/17

Introduo s Distrib. de Probabilidade

d) Qual ser a dimenso amostral necessria para que 95% das mdias amostrais
do comprimento estejam includas entre 1cm da mdia da populao?

Para obter os 95% centrais de qualquer distribuio normal, usamos Z =


1.96. Substituindo na frmula do score z vem:

Resposta: Precisaramos de amostras de pelo menos 62 indivduos para garantir


que 95% das mdias amostrais do comprimento estejam entre 1cm da
mdia da populao.

Introduo s Distrib. de Probabilidade

Nota:

Estes exemplos mostram como a distribuio normal pode ser utilizada


para tirar concluses sobre:

a distribuio de valores individuais,


a distribuio das mdias amostrais
a determinao da dimenso de amostras.

12
01/03/17

Introduo s Distrib. de Probabilidade

DISTRIBUIO BINOMIAL

Permite calcular a probabilidade de um determinado acontecimento ocorrer x vezes


em n ensaios independentes.

Exemplos:
calcular a probabilidade de numa amostra de 10 elementos encontrar 5 fmeas, se
na populao a probabilidade de ser fmea de 0.4
calcular a probabilidade de em 20 bovinos, 3 estarem imunes a uma certa doena
vrica, se a probabilidade na populao for de 2%
calcular a probabilidade de em 30 alunos, 3 terem altura superior a 1.80 m
calcular a probabilidade de em 10 lanamentos de um dado ter mais do que 2
lanamentos com pontuao superior a 4.

Introduo s Distrib. de Probabilidade

Exemplo:

Considere um exame com 4 perguntas de escolha mltipla em que a


cada pergunta correspondem quatro respostas possveis.

Se um estudante responder ao acaso a cada uma das perguntas, qual a


probabilidade de obter uma nota positiva, isto , ter mais de 50% de
respostas corretas.

A probabilidade do estudante responder corretamente a cada pergunta


de 25%.

13
01/03/17

Introduo s Distrib. de Probabilidade

Se C for o acontecimento: responder corretamente e


E o acontecimento: responder erradamente, ento:

p = p(C) = 0.25 e 1 - p = P(E) = 0.75

A probabilidade de o estudante ter exatamente 2 em 4 respostas corretas (50%)


pode ser obtida a partir de:
0.25 x 0.25 x 0.75 x 0.75

No entanto, no existe apenas uma s maneira de obter 2 respostas corretas:

pode acertar na 1 e na 2, na 1 e na 3, na 1 e na 4, etc

Ou seja, o nmero de maneiras diferentes de obter 2 respostas corretas em 4 pode ser


obtido a partir de:

Introduo s Distrib. de Probabilidade

Ento a probabilidade de o estudante ter exactamente 50% de respostas correctas :

6 x (0.25 x 0.25 x 0.75 x 0.75) = 0.211

A probabilidade de acertar 3 respostas :

A probabilidade de acertar 4 respostas :

A probabilidade de o estudante obter uma nota positiva apenas por acaso ser:

P(x2) = P(x=2) + P(x=3) + P(x=4)


= 0.211 + 0.047 + 0.004 = 0.262

14
01/03/17

Introduo s Distrib. de Probabilidade

Em geral:

Na Distribuio Binomial a probabilidade de obter x sucessos em n


ensaios independentes dada por

em que p a probabilidade constante de sucesso em cada um dos ensaios


e:

Introduo s Distrib. de Probabilidade

Exemplo:

As probabilidades para a distribuio


Binomial com n=4 e p=0.25 so:

P(x=0) = 0.316
P(x=1) = 0.422
P(x=2) = 0.211
P(x=3) = 0.047
Distribuio binomial para n=4 e p=0.25
P(x=4) = 0.004

15
01/03/17

Introduo s Distrib. de Probabilidade

A mdia de uma distribuio dada por:

A mdia da distribuio Binomial pode ser obtida a partir de:

= n*p
No exemplo:
= 0x0.316 + 1x0.422 + 2x0.211 + 3x0.047 + 4x0.004 = 1

ou

= 4 x 0.25 = 1

Introduo s Distrib. de Probabilidade

A varincia de uma distribuio dada por:

A varincia da distribuio Binomial pode ser obtida a partir de:

2 = n*p(1- p)
No exemplo:

2 = 4 x 0.25 x (1 - 0.25) = 0.75

16
01/03/17

Introduo s Distrib. de Probabilidade

Ento para a distribuio Binomial em que:

n = 4 e p = 0.25

vem:

= 1 e = 0.866

Quando usamos propores em vez de contagens vem:

mdia: p desvio padro:

Introduo s Distrib. de Probabilidade


APROXIMAO DA DISTRIBUIO BINOMIAL
DISTRIBUIO NORMAL

Quando n (dimenso amostral) aumenta, a distribuio Binomial torna-se


mais simtrica e gradualmente assemelha-se distribuio Normal.
A aproximao da Distribuio Binomial Distribuio Normal pode ser
feita quando n grande e p suficientemente elevado.

Na prtica quando: np > 5 e n(1 - p) > 5


A Distribuio Normal com os parmetros:

= np 2 = np(1- p)
ser uma boa aproximao da Distribuio Binomial

17
01/03/17

Introduo s Distrib. de Probabilidade


APROXIMAO DA DISTRIBUIO BINOMIAL
DISTRIBUIO NORMAL
Exemplo:
O comprimento dos peixes de uma dada espcie segue uma distribuio
Normal de mdia 145cm e desvio padro 4cm.

a) Qual a probabilidade de um peixe desta populao ter um comprimento


acima de 149 cm ?

b) Qual a probabilidade de numa amostra de dimenso 5 encontrar 2


peixes com um comprimento acima de 149 cm ?

Introduo s Distrib. de Probabilidade

c) Qual a probabilidade de numa amostra de dimenso 100 encontrar pelo menos


20 peixes com um comprimento acima de 149 cm ?

ver slide anterior

Resposta: A probabilidade de numa amostra de dimenso 100 encontrar pelo


menos 20 peixes com um comprimento acima de 149 cm ser de 0.16.

18
01/03/17

Introduo s Distrib. de Probabilidade

DISTRIBUIO DE POISSON
Quando n grande e p pequena, as probabilidades calculadas pela distribuio
binomial so aproximadas a partir de:

que define a Distribuio de Poisson.

A distribuio de Poisson:

caracterizada pelo parmetro , que corresponde simultaneamente mdia e


varincia.
Nota:
mdia da distribuio = np a
varincia = n*p(1 - p) np =

Introduo s Distrib. de Probabilidade

A distribuio de Poisson pode ser usada para determinar:

a probabilidade de acontecimentos raros,

isto , d-nos a probabilidade de um resultado ocorrer um determinado


nmero de vezes, quando o nmero de ensaios grande e a probabilidade
de ocorrncia do acontecimento pequena.

19
01/03/17

Introduo s Distrib. de Probabilidade

Para uma varivel estar distribuda de acordo com a Distribuio de Poisson, tem de
ter duas propriedades:

1) A sua mdia deve ser pequena relativamente ao nmero mximo de


acontecimentos possvel numa unidade amostral.
2) A ocorrncia de um acontecimento deve ser independente de ocorrncias anteriores
na mesma unidade amostral.

Esta distribuio assimtrica positiva se a mdia pequena, mas torna-se mais


simtrica medida que a mdia aumenta, aproximando-se da distribuio Normal.

Introduo s Distrib. de Probabilidade

Exemplos:

- Nmero de novos casos de gripe registados numa semana, numa


cidade;
- Desintegraes radioactivas - n de tomos que se desintegram num
material radioactivo.

A distribuio de Poisson pode ser aplicada em situaes em que


acontecimentos discretos so contados no espao ou no tempo, ou
numa outra qualquer situao contnua.

20
01/03/17

Introduo s Distrib. de Probabilidade

Exemplo:
No estudo de um organismo aqutico, foi retirado um nmero elevado de
amostras de um lago.
Posteriormente foi contado para cada amostra, o nmero de organismos,
verificando-se que em mdia cada amostra continha 2 organismos.
Assumindo que o nmero de organismos segue uma distribuio de
Poisson:
Qual a probabilidade de a prxima amostra conter exactamente 3
organismos?

Introduo s Distrib. de Probabilidade

Fim de apresentao

21