Prévia do material em texto
14/09/2023 1 Estatística aplicada a pesca Aula 7 – Probabilidade e estatística inferencial Prof. Luiza Prestes Universidade do Estado do Amapá – UEAP Curso de Engenharia de pesca Grupo de pesquisa EMOA Etapas da Análise Estatística Dados Observação inicial Pergunta da pesquisa Formulação da teoria Formulação de hipótesesIdentificação de variáveis Mensurando variáveis Coletando dados para testar a teoria Analisando dadosGráfico de dados Ajustando modelo “O processo de pesquisa observacional” Formulação de hipótesesIdentificação de variáveis Mensurando variáveis Coletando dados para testar a teoria Analisando dadosGráfico de dados Ajustando modelo “O processo de pesquisa” 14/09/2023 2 Introdução à Probabilidade - Experimentos Aleatórios 14/09/2023 3 14/09/2023 4 14/09/2023 5 7.2 - LEI DOS GRANDES NÚMEROS Lei dos Grandes Números Números • A lei dos grandes números foi primeiramente provada pelo matemático James Bernoulli na quarta parte de seu livro Ars Conjectandi publicado em 1713; • A lei dos grandes números é uma das principais leis assintóticas da estatística, sua ideia é bastante intuitiva, mas de grande importância. Antes de enunciarmos esta lei, vamos tentar analisar a ideia intuitiva dela: • Por exemplo, seja X uma variável aleatória que representa o lançamento de uma moeda honesta, no que X(cara)=1 e X(coroa)=0. Se lançarmos essa moeda n vezes então temos que a média aritmética dos valores observados tendem a 1/2, ou seja, tendem a Esperança de x ou E[X]. A lei dos grandes números nos diz que a média aritmética dos valores observados tendem a esperança da variável aleatória. • Um outro exemplo, é quando lançamos um dado equilibrado, com as faces numeradas de 1 a 6; • A probabilidade de obtermos o número 4 é de 1/6=0,16666…, pois os eventos são equiprováveis. Vamos simular os resultados no computador da seguinte forma; • Primeiramente lançamos os dados 100 vezes e anotamos quantas vezes a face 4 aparece nos resultados e por fim calculamos a proporção de vezes que a face 4 aparece; • Repetimos isto para 1000 e 10.000 lançamentos. Assim, obtemos os seguintes resultados: • Observe que quanto maior o número de lançamentos do dado, mais o resultado experimental se aproxima da probabilidade esperada. As probabilidades podem ser definidas de diferentes maneiras: • Definição clássica • Definição frequentista (Definição axiomática) • Definição subjetiva Um experimento, que ao ser realizado sob as mesmas condições não produz os mesmos resultados, é denominado? • O conjunto de todos os possíveis resultados de um experimento aleatório é denominado espaço amostral (). Pode conter um número finito ou infinito de pontos. Exemplo: {cara, coroa}, R, . . . • Os elementos do espaço amostral (pontos amostrais) são denotados por ὠ. Exemplo: ὠ 1 = cara, ὠ 2 = coroa. • Todo resultado ou subconjunto de resultados de um experimento aleatório, é um evento. Exemplo: A = “sair cara”, B = “sair face par”. 14/09/2023 6 Axiomas de probabilidade Vamos considerar probabilidade como sendo uma função P() que associa valores numéricos à um evento A do espaço amostral, e que satisfaz as seguintes condições: i) P(Ω) = 1; P(ᴓ) = 0 ii) 0 ≤ P(A) ≤ 1 iii) P(A Ս B) = P(A) + P(B) se, e se somente se A Ƞ B = ᴓ Os axiomas asseguram que as probabilidades podem ser interpretadas como frequências relativas. Em probabilidade, uma função X que associa a cada evento do espaço amostral um número real X(ὠ) € R, é denominada uma variável aleatória (V.A.) Uma variável aleatória pode ser classificada como discreta ou contínua, dependendo do domínio dos valores de X. Exemplo: o número de alunos em uma sala é uma variável aleatória (discreta), denotada por X (maiúsculo). Uma observação dessa variável é denotada pela respectiva letra minúscula, e.g., x = 50 alunos. Variáveis aleatórias • Dada a realização de um experimento aleatório qualquer, com um certo espaço de probabilidade, desejamos estudar a estrutura probabilística de quantidades associadas à esse experimento; • Note que antes da realização de um experimento, não sabemos seu resultado, entretanto seu espaço de probabilidade pode ser previamente estabelecido; • Dessa forma, podemos atribuir probabilidades aos eventos desse espaço amostral, dando origem ao conceito de variável aleatória; • Existem diversos modelos probabilísticos que procuram descrever vários tipos de variáveis aleatórias: são as distribuições de probabilidade de variáveis aleatórias (discretas ou contínuas); Variáveis aleatórias • A distribuição de probabilidades de uma V.A. X é, portanto, uma descrição das probabilidades associadas com os possíveis valores de X. Os valores que X assume determinam o suporte (S) da V.A.; Distribuição de probabilidade Denomina-se de distribuição de probabilidade de alguma variável aleatória, a regra geral que define: • função de probabilidade (fp) (V.A.s discretas), ou a • função densidade de probabilidade (fdp) (V.A.s contínuas) para a variável de interesse. Existem muitas distribuições de probabilidade, mas algumas merecem destaque por sua importância prática. Estas distribuições também são chamadas de modelos probabilísticos 14/09/2023 7 Exercício Leitura livro Morettin & Bussab Parte 2 (Cap 5, 6 e 7) Calcular utilizando dados mandi (usando o R) Summary ou Five numbers Gráfico de distribuição de frequência do comprimento Gráfico dispersão Avaliar assimetria e curtose visualmente no gráfico e baseado nos dados do summary Aos alunos que não possuem computador postarei até o final do dia como gerar esses dados e gráficos utilizando o Excel.