modelos de probabilidade e inferência estatísticatarciana/mpie/aula1.pdf · 2 o tempo em que uma...

55
Modelos de Probabilidade e Inferˆ encia Estat´ ıstica Departamento de Estat´ ıstica Universidade Federal da Para´ ıba Prof. Tarciana Liberal (UFPB) Aula 1 03/14 1 / 49

Upload: others

Post on 14-Aug-2020

2 views

Category:

Documents


0 download

TRANSCRIPT

Modelos de Probabilidade e Inferencia Estatıstica

Departamento de Estatıstica

Universidade Federal da Paraıba

Prof. Tarciana Liberal (UFPB) Aula 1 03/14 1 / 49

Conceitos Fundamentais

Prof. Tarciana Liberal (UFPB) Aula 1 03/14 2 / 49

Conceitos Fundamentais

Prof. Tarciana Liberal (UFPB) Aula 1 03/14 3 / 49

Conceitos Fundamentais

Prof. Tarciana Liberal (UFPB) Aula 1 03/14 4 / 49

Conceitos Fundamentais

Prof. Tarciana Liberal (UFPB) Aula 1 03/14 5 / 49

Conceitos Fundamentais

Prof. Tarciana Liberal (UFPB) Aula 1 03/14 6 / 49

Conceitos Fundamentais

Prof. Tarciana Liberal (UFPB) Aula 1 03/14 7 / 49

Historia da Estatıstica no mundo

Prof. Tarciana Liberal (UFPB) Aula 1 03/14 8 / 49

Historia da Estatıstica no mundo

Prof. Tarciana Liberal (UFPB) Aula 1 03/14 9 / 49

Historia da Estatıstica no mundo

Prof. Tarciana Liberal (UFPB) Aula 1 03/14 10 / 49

Historia da Estatıstica no mundo

Prof. Tarciana Liberal (UFPB) Aula 1 03/14 11 / 49

Historia da Estatıstica no mundo

Prof. Tarciana Liberal (UFPB) Aula 1 03/14 12 / 49

Historia da Estatıstica no mundo

Prof. Tarciana Liberal (UFPB) Aula 1 03/14 13 / 49

Historia da Estatıstica no mundo

Prof. Tarciana Liberal (UFPB) Aula 1 03/14 14 / 49

Historia da Estatıstica no mundo

Prof. Tarciana Liberal (UFPB) Aula 1 03/14 15 / 49

Historia da Estatıstica no mundo

Prof. Tarciana Liberal (UFPB) Aula 1 03/14 16 / 49

Historia da Estatıstica no mundo

Prof. Tarciana Liberal (UFPB) Aula 1 03/14 17 / 49

Historia da Estatıstica no mundo

Prof. Tarciana Liberal (UFPB) Aula 1 03/14 18 / 49

Historia da Estatıstica no mundo

Prof. Tarciana Liberal (UFPB) Aula 1 03/14 19 / 49

Introducao

Prof. Tarciana Liberal (UFPB) Aula 1 03/14 20 / 49

IntroducaoA Teoria das Probabilidades e o ramo da matematica desenvolvidopara tratar com incertezas (aleatoriedade).

Muitos fenomenos tem a propriedade de a sua observacao, repetidasob condicoes especificadas, conduzir invariavelmente ao mesmoresultado.

Exemplos:1 O fluxo de corrente eletrica observavel em um circuito simples (Lei

de Ohm: I = E/R).2 O tempo em que uma bola atingira o solo apos cair atraves do

vacuo (Lei da Gravitacao: t =√

2d/g).3 O ındice de massa corporal (IMC) em um estudo sobre Cancer

(IMC = peso/altura2).

Para tais exemplos, modelos que estipulam que as condicoes sob asquais um experimento seja executado determinam o resultado doexperimento sao apropriados. Tais modelos sao chamados demodelos determinısticos.

Prof. Tarciana Liberal (UFPB) Aula 1 03/14 21 / 49

IntroducaoA Teoria das Probabilidades e o ramo da matematica desenvolvidopara tratar com incertezas (aleatoriedade).

Muitos fenomenos tem a propriedade de a sua observacao, repetidasob condicoes especificadas, conduzir invariavelmente ao mesmoresultado.

Exemplos:1 O fluxo de corrente eletrica observavel em um circuito simples (Lei

de Ohm: I = E/R).2 O tempo em que uma bola atingira o solo apos cair atraves do

vacuo (Lei da Gravitacao: t =√

2d/g).3 O ındice de massa corporal (IMC) em um estudo sobre Cancer

(IMC = peso/altura2).

Para tais exemplos, modelos que estipulam que as condicoes sob asquais um experimento seja executado determinam o resultado doexperimento sao apropriados. Tais modelos sao chamados demodelos determinısticos.

Prof. Tarciana Liberal (UFPB) Aula 1 03/14 21 / 49

IntroducaoA Teoria das Probabilidades e o ramo da matematica desenvolvidopara tratar com incertezas (aleatoriedade).

Muitos fenomenos tem a propriedade de a sua observacao, repetidasob condicoes especificadas, conduzir invariavelmente ao mesmoresultado.

Exemplos:1 O fluxo de corrente eletrica observavel em um circuito simples (Lei

de Ohm: I = E/R).2 O tempo em que uma bola atingira o solo apos cair atraves do

vacuo (Lei da Gravitacao: t =√

2d/g).3 O ındice de massa corporal (IMC) em um estudo sobre Cancer

(IMC = peso/altura2).

Para tais exemplos, modelos que estipulam que as condicoes sob asquais um experimento seja executado determinam o resultado doexperimento sao apropriados. Tais modelos sao chamados demodelos determinısticos.

Prof. Tarciana Liberal (UFPB) Aula 1 03/14 21 / 49

IntroducaoA Teoria das Probabilidades e o ramo da matematica desenvolvidopara tratar com incertezas (aleatoriedade).

Muitos fenomenos tem a propriedade de a sua observacao, repetidasob condicoes especificadas, conduzir invariavelmente ao mesmoresultado.

Exemplos:1 O fluxo de corrente eletrica observavel em um circuito simples (Lei

de Ohm: I = E/R).2 O tempo em que uma bola atingira o solo apos cair atraves do

vacuo (Lei da Gravitacao: t =√

2d/g).3 O ındice de massa corporal (IMC) em um estudo sobre Cancer

(IMC = peso/altura2).

Para tais exemplos, modelos que estipulam que as condicoes sob asquais um experimento seja executado determinam o resultado doexperimento sao apropriados. Tais modelos sao chamados demodelos determinısticos.

Prof. Tarciana Liberal (UFPB) Aula 1 03/14 21 / 49

IntroducaoA Teoria das Probabilidades e o ramo da matematica desenvolvidopara tratar com incertezas (aleatoriedade).

Muitos fenomenos tem a propriedade de a sua observacao, repetidasob condicoes especificadas, conduzir invariavelmente ao mesmoresultado.

Exemplos:1 O fluxo de corrente eletrica observavel em um circuito simples (Lei

de Ohm: I = E/R).2 O tempo em que uma bola atingira o solo apos cair atraves do

vacuo (Lei da Gravitacao: t =√

2d/g).3 O ındice de massa corporal (IMC) em um estudo sobre Cancer

(IMC = peso/altura2).

Para tais exemplos, modelos que estipulam que as condicoes sob asquais um experimento seja executado determinam o resultado doexperimento sao apropriados. Tais modelos sao chamados demodelos determinısticos.

Prof. Tarciana Liberal (UFPB) Aula 1 03/14 21 / 49

IntroducaoA Teoria das Probabilidades e o ramo da matematica desenvolvidopara tratar com incertezas (aleatoriedade).

Muitos fenomenos tem a propriedade de a sua observacao, repetidasob condicoes especificadas, conduzir invariavelmente ao mesmoresultado.

Exemplos:1 O fluxo de corrente eletrica observavel em um circuito simples (Lei

de Ohm: I = E/R).2 O tempo em que uma bola atingira o solo apos cair atraves do

vacuo (Lei da Gravitacao: t =√

2d/g).3 O ındice de massa corporal (IMC) em um estudo sobre Cancer

(IMC = peso/altura2).

Para tais exemplos, modelos que estipulam que as condicoes sob asquais um experimento seja executado determinam o resultado doexperimento sao apropriados. Tais modelos sao chamados demodelos determinısticos.

Prof. Tarciana Liberal (UFPB) Aula 1 03/14 21 / 49

IntroducaoExistem outros fenomenos cuja observacao, repetida sob condicoesespecificadas, nao conduz sempre ao mesmo resultado.

Exemplos:1 Lancamento de uma moeda.2 Jogo de futebol: SPORT x Nautico.3

Pode parecer impossıvel fazer qualquer afirmacao valida sob taisfenomenos, contudo a experiencia mostra que muitos fenomenosaleatorios exibem uma regularidade estatıstica que os torna passıveisde estudo.

Para tais fenomenos, modelos que estipulam que as condicoesdo experimento determinam apenas o comportamentoprobabilıstico do resultado observavel sao apropriados.

Tais modelos sao chamados modelos probabilısticos.

Prof. Tarciana Liberal (UFPB) Aula 1 03/14 22 / 49

IntroducaoExistem outros fenomenos cuja observacao, repetida sob condicoesespecificadas, nao conduz sempre ao mesmo resultado.

Exemplos:1 Lancamento de uma moeda.2 Jogo de futebol: SPORT x Nautico.3

Pode parecer impossıvel fazer qualquer afirmacao valida sob taisfenomenos, contudo a experiencia mostra que muitos fenomenosaleatorios exibem uma regularidade estatıstica que os torna passıveisde estudo.

Para tais fenomenos, modelos que estipulam que as condicoesdo experimento determinam apenas o comportamentoprobabilıstico do resultado observavel sao apropriados.

Tais modelos sao chamados modelos probabilısticos.

Prof. Tarciana Liberal (UFPB) Aula 1 03/14 22 / 49

IntroducaoA teoria da probabilidade oferece metodos de quantificacao daschances ou possibilidades de ocorrencia associadas aos diversosresultados de um experimento aleatorio.

Experimento Aleatorio: E qualquer acao ou processo cujo resultadoesta sujeito a incerteza. Isto e, um experimento aleatorio podefornecer diferentes resultados, embora seja repetido da mesmamaneira.

Pergunta: O que os experimentos aleatorios tem em comum?

Resposta:I Cada experimento pode ser repetido indefinidamente sob

condicoes essencialmente inalteradas.

I Embora nao possamos afirmar que resultado particular ocorrera,nos podemos descrever o conjunto de todos os resultadospossıveis do experimento.

Prof. Tarciana Liberal (UFPB) Aula 1 03/14 23 / 49

Introducao

Quando o experimento e executado repetidamente, sob asmesmas condicoes, os resultados individuais parecerao ocorrerde uma forma casual (acidental). No entanto, a medida que onumero de repeticoes aumenta, surgem certos padroes nafrequencia de ocorrencia dos resultados.

E esta regularidade (padrao) que torna possıvel construir um modelomatematico para analisar o experimento.

Prof. Tarciana Liberal (UFPB) Aula 1 03/14 24 / 49

Introducao

Prof. Tarciana Liberal (UFPB) Aula 1 03/14 25 / 49

IntroducaoObservacao 1.1: Cada resultado possıvel e denominado elemento deΩ e denotado por ω.

Exemplos de experimentos aleatorios:

E1: Jogue um dado e observe a face superior.

E2: Jogue uma moeda tres vezes e observe a sequencia decaras e coroas.

E3: Jogue uma moeda tres vezes e observe ao numero decaras obtidos.

E4: Jogue uma moeda ate obter a primeira cara e observe asequencia obtida.

E5: Jogue uma moeda ate obter a primeira cara e observe onumero de lancametos necessarios.

Prof. Tarciana Liberal (UFPB) Aula 1 03/14 26 / 49

IntroducaoExemplos de experimentos aleatorios:

E6: Um lote de 10 testes de farmacia contem 3 defeituosos.Os testes sao retirados um a um (sem reposicao) ate queo ultimo teste defeituoso seja encontrado. O numero totalde testes retirados do lote e contado.

E7: Avaliacao de uma nova maquina para realizacao deexames no Hospital Vida Saudavel. O tempo decorrido(em horas) ate a falha e registrado.

E8: Avaliacao de perdas na Energisa. O numero de ligacoesclandestinas em uma comunidade e anotado.

E9: Avaliacao do desempenho dos alunos de MPIE. A mediafinal e anotada.

E10: Em um estudo sobre obesidade infantil, escolhe-se dezcriancas cujos pesos sao anotados.

Prof. Tarciana Liberal (UFPB) Aula 1 03/14 27 / 49

Introducao

Exercıcio: Descreva um espaco amostral para cada um dosexperimentos descritos anteriormente.

Espacos amostrais:

E1: Ω =.

E2: Ω =

E3: Ω =.

E4: Ω =

E5: Ω =.

Prof. Tarciana Liberal (UFPB) Aula 1 03/14 28 / 49

Introducao

Exercıcio: Descreva um espaco amostral para cada um dosexperimentos descritos anteriormente.

Espacos amostrais:

E6: Ω =.

E7: Ω =.

E8: Ω =

E9: Ω =.

E10: Ω =.

Prof. Tarciana Liberal (UFPB) Aula 1 03/14 29 / 49

ExercıciosExercıcio: Descreva um espaco amostral para cada um dosexperimentos descritos abaixo.

(a) Uma moeda e lancada duas vezes e observam-se asfaces obtidas.

(b) Um dado e lancado duas vezes e a ocorrencia de facepar ou ımpar e observada.

(c) Uma urna contem 10 bolas azuis e 10 vermelhas comdimensoes rigorosamente iguais. Tres bolas saoselecionadas ao acaso com reposicao e as cores saoanotadas.

Prof. Tarciana Liberal (UFPB) Aula 1 03/14 30 / 49

Exercıcios(d) Dois dados sao lancados simultaneamente e estamos

interessados na soma das faces observadas.

(e) Em uma cidade, famılias com 3 criancas saoselecionadas ao acaso, anotando-se o sexo de cadauma.

(f) Uma maquina produz 20 medicamentos por hora,escolhe-se um instante qualquer e observa-se o numerode defeituosas na proxima hora.

(g) Uma moeda e lancada consecutivamente ate oaparecimento da primeira cara. As faces observadas saoanotadas.

Prof. Tarciana Liberal (UFPB) Aula 1 03/14 31 / 49

Introducao

Definicao 1.2: (Evento)

E qualquer subconjunto de resultados contidos no espaco amostral.

Observacao 1.2: Como regra geral, uma letra maiuscula sera usadapara denotar um evento.Observacao 1.3: Quando um experimento e realizado, diz-se queocorre o evento A se o resultado do experimento estiver contido em A.Observacao 1.4: O espaco amostral Ω e o evento certo e o conjuntovazio e o evento impossıvel.

IMPORTANTE: Escrevemos ω ∈ Ω para indicar que o elemento ωesta em Ω. Escrevemos A ⊂ Ω para indicar que A e umsubconjunto do espaco amostral.

Prof. Tarciana Liberal (UFPB) Aula 1 03/14 32 / 49

Uma revisao sobre a teoria dos conjuntos

Prof. Tarciana Liberal (UFPB) Aula 1 03/14 33 / 49

Uma revisao sobre a teoria dos conjuntos

Para apresentar os conceitos basicos de probabilidade, usaremosalgumas ideias da teoria de conjuntos.

Um conjunto e uma colecao de objetos, representados por letrasmaiusculas A, B, etc.

Existem tres maneiras de descrever que objetos estao contidosno conjunto A:

1 Fazer uma lista dos elementos de A: A = 1,2,3,4.2 Descrever o conjunto A por meio de palavras: A e formado pelas

notas dos alunos aprovados em Probabailidade I.

3 A = x |0 ≤ x ≤ 1; A e o conjunto de todos os numeros reais entre0 e 1.

Prof. Tarciana Liberal (UFPB) Aula 1 03/14 34 / 49

Uma revisao sobre a teoria dos conjuntos

Algumas Notacoes Importantes:

A notacao ω ∈ A significa que ω e um elemento de A.

A notacao ω /∈ A significa que ω nao pertence a A.

Para representar um conjunto, tambem usaremos anotacaoω : p(ω), onde p(ω) e uma proposicao concernete a ω,e o conjunto consiste de todos os elementos para os quais p(ω) everdadeira.

Exemplo: ω : ω = 2k ; k = 1,2, . . . e o conjunto de todos osinteiros positivos pares.

Prof. Tarciana Liberal (UFPB) Aula 1 03/14 35 / 49

IntroducaoExercıcio: Descreva o evento associado a cada experimento.

Eventos:

(E1) A =Um numero ımpar ocorre.

(E2) =Obtencao de faces iguais.

(E7) C =A maquina falha em menos de um dia.

(E8) D =Pelo menos quatro casas apresentam ligacoesclandestinas.

(E9) E =O Aluno passa na disciplina.

Prof. Tarciana Liberal (UFPB) Aula 1 03/14 36 / 49

Uma revisao sobre a teoria dos conjuntos

1.1 Algumas operacoes entre conjuntos

1 UNIAO: A ∪ B = w ∈ Ω : w ∈ A ou w ∈ B (ou ambos)A ∪ B sera formado por todos os elementos que estejam em A, ouem B, ou em ambos (adicao).

2 INTERSECAO: A ∩ B = w ∈ Ω : w ∈ A e w ∈ BA ∩ B sera formado por todos os elementos que estejam em A eem B (multiplicacao).

3 COMPLEMENTAR: Ac = w ∈ Ω : w /∈ AAc sera formado por todos os elementos de Ω que nao estejamem A.

4 DIFERENCA: A− B = w ∈ Ω : w ∈ A e w /∈ BA− B sera formado por todos os elementos de A, exceto os quetambem estejam em B (A− B = A ∩ Bc).

Prof. Tarciana Liberal (UFPB) Aula 1 03/14 37 / 49

Uma revisao sobre a teoria dos conjuntos

Observacao 1.8: As operacoes de uniao e intersecao podem serestendidas a mais de dois eventos.

A1 ∪ A2 ∪ . . . ∪ An oun⋃

i=1

Ai

A1 ∩ A2 ∩ . . . ∩ An oun⋂

i=1

Ai

IMPORTANTE: Uma representacao grafica utilizada para uma melhorvisualizacao das operacoes entre eventos e o diagrama de Venn.

Prof. Tarciana Liberal (UFPB) Aula 1 03/14 38 / 49

Uma revisao sobre a teoria dos conjuntos

Prof. Tarciana Liberal (UFPB) Aula 1 03/14 39 / 49

Uma revisao sobre a teoria dos conjuntos

Prof. Tarciana Liberal (UFPB) Aula 1 03/14 40 / 49

Uma revisao sobre a teoria dos conjuntos

Prof. Tarciana Liberal (UFPB) Aula 1 03/14 41 / 49

Uma revisao sobre a teoria dos conjuntos

Prof. Tarciana Liberal (UFPB) Aula 1 03/14 42 / 49

Uma revisao sobre a teoria dos conjuntos

Prof. Tarciana Liberal (UFPB) Aula 1 03/14 43 / 49

Uma revisao sobre a teoria dos conjuntosDefinicao 1.5: (Eventos disjuntos) Dois eventos sao disjuntos oumutuamente exclusivos se e somente se A ∩ B = ∅.

Prof. Tarciana Liberal (UFPB) Aula 1 03/14 44 / 49

Uma revisao sobre a teoria dos conjuntos

Prof. Tarciana Liberal (UFPB) Aula 1 03/14 45 / 49

Uma revisao sobre a teoria dos conjuntosDefinicao 1.6: (Espaco produto) Sejam Ω1 e Ω2 dois espacosamostrais. O espaco produto Ω = Ω1 × Ω2 e dado por:

Ω1 × Ω2 = (w1,w2) : w1 ∈ Ω1 e w2 ∈ Ω2

1,1 2,1 3,1 4,1 5,1 6,1

ExeperimentoExeperimento:: Dois dados são jogados e as faces são

observadas.

Espaço Amostral (Ω):

1,1

1,2

1,3

1,4

1,5

1,6

2,1

2,2

2,3

2,4

2,5

2,6

3,1

3,2

3,3

3,4

3,5

3,6

4,1

4,2

4,3

4,4

4,5

4,6

5,1

5,2

5,3

5,4

5,5

5,6

6,1

6,2

6,3

6,4

6,5

6,6

Prof. Tarciana Liberal (UFPB) Aula 1 03/14 46 / 49

Exercıcios1. Uma urna contem duas bolas brancas e tres bolas vermelha.Retira-se uma bola ao acaso da urna. Se for branca, lanca-se umamoeda; se for vermelha, ela e devolvida a urna e retira-se outra bola.Anota-se o resultado obtido. Obtenha o espaco amostral desseexperimento.

2. Dois dados sao lancados. Sejam os eventos: A=o primeiro numeroe maior que o segundo, B=o primeiro numero e igual ao dobro dosegundo e C=a soma dos dois numeros e maior ou igual a 8.Descreva os eventos: A, B, C, Ac ∪ B, B ∩ Cc , (Ac)c ∩ C e(A ∩ (B ∪ C))c .

Prof. Tarciana Liberal (UFPB) Aula 1 03/14 47 / 49

Exercıcios3. Considere os veıculos que trafegam pela BR-230 na altura daUFPB, no ponto em que podem continuar na BR-230(S), seguir emdirecao a UFPB(R) ou seguir em direcao ao centro (L). Observe adirecao de cada um de 3 veıculos sucessivamente:

1 Relacione todos os resultados do evento A em que todos osveıculos seguem na mesma direcao.

2 Relacione todos os resultados do evento B em que todos osveıculos seguem diferentes direcoes.

3 Relacione todos os resultados do evento C em que exatamentedois dos tres veıculos seguem para a UFPB.

4 Relacione todos os resultados do evento D em que exatamentedois veıculos seguem na mesma direcao.

5 Relacione os resultados em Dc , C ∪ D e C ∩ D.

Prof. Tarciana Liberal (UFPB) Aula 1 03/14 48 / 49

Introducao

Prof. Tarciana Liberal (UFPB) Aula 1 03/14 49 / 49