Distribuies de Probabilidade

0
1
2
3
4
5
6
7
1 2 3 4 5 6 7 8 9 10 11
Normal
Exemplos: Temperatura do ar
0
2
4
6
8
10
12
14
16
18
20
1 2 3 4 5 6 7 8 9 10 11
Assimetrica Positiva
Exemplos: Precipitao
0
2
4
6
8
10
12
14
16
18
20
1 2 3 4 5 6 7 8 9 10 11
Assimtrica Negativa
Exemplos: Temperatura de uma nuvem
0
2
4
6
8
10
12
1 2 3 4 5 6 7 8 9 10 11
Exemplos: Insolao
0
2
4
6
8
10
12
1 2 3 4 5 6 7 8 9 10 11
Exemplos: Concentrao de aerossis, gotculas
0
1
2
3
4
5
6
7
8
9
10
1 2 3 4 5 6 7 8 9 10 11
Varivel Aleatria
A varivel aleatria uma varivel que tem um valor
nico (determinado aleatoriamente) para cada
resultado de um experimento. A palavra aleatria
indica que em geral s conhecemos aquele valor
depois do experimento ser realizado (Triola, 1998).
Exemplos:
nmero de alunos que no compareceram a aula de
estatstica num determinado dia;
altura de um adulto do sexo masculino selecionado
aleatoriamente.
Varivel aleatria discreta: aquela que
assume valores inteiros e finitos.
Varivel aleatria contnua: aquela que
pode assumir inmeros valores num intervalo
de nmeros reais e medida numa escala
contnua.
Distribuio de Probabilidades
A distribuio de probabilidades associa uma
probabilidade a cada resultado numrico de
um experimento, ou seja, d a probabilidade
de cada valor de uma varivel aleatria.
Por exemplo, no lanamento de um dado cada
face tem a mesma probabilidade de
ocorrncia que 1/6.
Como os valores das distribuies de probabilidades so
probabilidades, e como as variveis aleatrias devem tomar
um de seus valores, temos as duas regras a seguir que se
aplicam a qualquer distribuio de probabilidades:
1) A soma de todos os valores de uma distribuio de
probabilidades deve ser igual a 1
P(x) = 1, onde x toma todos os valores possveis
2) A probabilidade de ocorrncia de um evento deve ser
0 sP (x) s 1 para todo x
No exemplo do lanamento de um dado, como todas as faces
tm a mesma probabilidade de ocorrncia que 1/6, logo
temos que P(x) = 1, ou seja:
P(x) = 1/6 + 1/6 + 1/6 + 1/6 + 1/6 + 1/6 = 1
A distribuio de probabilidades pode ser
representada por um histograma de
probabilidades, similar ao histograma de
freqncias aonde a escala vertical
representa probabilidades, em lugar das
freqncias relativas.
Da mesma forma que antes, podemos calcular
algumas caractersticas da distribuio:
Mdia =x P(x)
Varincia o
2
=[(x-)
2
P(x)] = [x
2
P(x)] -
2
Desvio-Padro o=([x
2
P(x)] -
2
)
1/2
Mdia: indica o valor mdio que esperaramos ter
se pudssemos repetir as provas infinitamente.
No obtemos o valor que esperamos ocorrer com
maior freqncia.
Desvio Padro: indica quanto a distribuio de
probabilidades se dispersa em torna da mdia.
Um grande desvio-padro reflete disperso
considervel, enquanto que um desvio-padro
menor traduz menor variabilidade, com valores
relativamente mais prximos da mdia.
A mdia de uma varivel aleatria discreta o
resultado mdio terico de um nmero infinito
de provas
Sendo que o valor esperado de uma varivel
aleatria discreta denotado por E (Esperana) e
representa o valor mdio dos resultados:
E = x P(x)
onde E=. Isto , a mdia de uma varivel
aleatria discreta coincide com seu valor
esperado.
Clculo da mdia, varincia e desvio-padro para uma
distribuio de probabilidades.
X P(x) x P(x) x
2
x
2
P(x)
0 0,210 0,000 0 0,000
1 0,367 0,367 1 0,367
2 0,275 0,550 4 1,100
3 0,115 0,345 9 1,035
4 0,029 0,116 16 0,464
5 0,004 0,020 25 0,100
6 0 0,000 36 0,000
7 0 0,000 49 0,000
=x P(x) = 1,398 = 1,4
o
2
=[x
2
P(x)] -
2
= 3,066-1,398
2
=1,111596 = 1,1
o=(1,111596)
1/2
= 1,054323 = 1,1
=x P(x) = 1,398 = 1,4
o
2
=[x
2
P(x)] -
2
= 3,066-1,398
2
=1,111596 = 1,1
o=(1,111596)
1/2
= 1,054323 = 1,1
Emprego das distribuies de
probabilidade tericas
Compacidade: representao de um grande volume de dados. Uma
distribuio terica bem ajustada srie de dados pode caracterizar
as propriedades da mesma.
Alisamento e interpolao: os dados reais esto sujeitos a
variaes na amostragem que podem levar a falha de dados ou a
dados errneos nas distribuies empricas. Logo pode-se verificar
se um dado real e de pode ocorrer ou no, para tanto podemos
calcular a probabilidade de ocorrncia.
Extrapolao: estimar a probabilidade de eventos extremos a
variao de um conjunto de dados particular exige a suposio de
eventos ainda no observados. Isso pode ser realizado com a
imposio de um modelo de probabilidade (isto , uma distribuio
terica) ajustado a srie de dados.
Distribuio Discreta e Contnua
A distribuio discreta descreve quantidades aleatrias
(dados de interesse) que podem assumir valores
particulares e os valores so finitos. Por exemplo, a
ocorrncia de tempestades com granizo.
A distribuio contnua representa quantidades
aleatrias contnuas que podem tomar um nmero
infinito de valores. Por exemplo: A temperatura, a
presso, a precipitao ou qualquer elemento medido
numa escala contnua uma varivel aleatria
contnua.
Distribuio de Probabilidade
Quando conseguimos calcula as probabilidade
de ocorrncia de todos os possveis valores de
uma varivel aleatria.
O que implica que podemos calcular a
probabilidade de uma determinada varivel
aleatria ocorrer
Distribuies contnuas
A maioria das variveis atmosfricas podem
assumir valores contnuos.
Por exemplo: A temperatura, a precipitao, a
altura geopotencial, e a velocidade do vento.
Existem duas funes associadas a cada
varivel contnua X:
1) funo densidade de probabilidade, f(X);
2) funo cumulativa de probabilidade, ou
funo de distribuio de probabilidade, F(X).
Logo a Funo f(x) relaciona a probabilidade
de ocorrncia de um valor da varivel
aleatria:
P(X = x) = f(x)
Por exemplo no lanamento de dado:
P(X=3) = f(3) = 1/6
Por outro lado, temos que a funo f(X)
aquela cuja integral de X = a at X = b (b > a)
d a probabilidade de que X assuma valores
compreendidos no intervalo (a, b), ou seja,
( ) ( )
}
= s s
b
a
dX X f b X a P
J a funo cumulativa de probabilidade F(b)
tal que:
( ) ( ) ( )
}

= s =
b
dX X f b X ob b F Pr
Exemplo:
Se a nossa funo densidade de probabilidade
fosse descrita por uma distribuio
exponencial, teramos que:
com x > 0
J a funo cumulativa de probabilidade
( ) dX e X f
X

=
( )
}

= =
x
X X
e dX e X F
0
1

Qualquer funo definida no campo real s

pode ser considerada como uma funo
densidade de probabilidade caso as seguintes
condies sejam satisfeitas:
1) f(X) > 0 para todo X e
2)
Dessa maneira, a probabilidade de uma varivel
X assuma os valores no intervalo (a,b) :
( )
}

= = 1 dX X X F
( ) ( ) ( ) ( )
}
= = s s
b
a
a F b F dX X f b X a P
Distribuies
Contnuas
Normal
Gama
Valores Extremos
Exponencial
Discretas
Binomial
Poisson
Geomtrica
Distribuio Normal
Uma varivel aleatria contnua
representada por uma distribuio normal se
a sua distribuio for:
Simtrica
A forma grfica similar a um sino
Distribuio Normal
( )
( )
2
2
2
X
e
2
1
X f
o

t o
=
+ < < x para
onde a mdia e;
o desvio-padro da populao

o
A funo densidade pode ser compreendia como
uma extenso natural do histograma.
Cada para de parmetros (; o) define uma
distribuio normal distinta;
0
0,02
0,04
0,06
0,08
0,1
0,12
0,14
0,16
0,18
0,2
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18