Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
tendência central)
Medidas de Posição (ou medidas de tendência
central): Essas medidas estabelecem valores em
torno dos quais os dados se distribuem. Dizemos
ainda que esse nome é dado pelo fato dos dados
observados tenderem, em geral, a se concentrar em
torno de valores centrais.
Exemplo:
TM
média
PDF Editor
mediana
moda.
TM
PDF Editor
Se os dados que foram distribuídos (dados
classificados) em tabelas com c classes de
intervalos, então a média é:
Intervalo
de classe
1-2 1.5 17
2-3 2.5 26
3-4 3.5 6
4-5 4.5 12 TM
5-6 5.5 29
PDF Editor
6-7 6.5 20
7-8 7.5 0
8-9 8.5 1
Mediana (dados não classificados)
TM
PDF Editor
Mediana dados classificados
TM
PDF Editor
Medidas de tendência central
TM
PDF Editor
Medidas de tendência central
TM
PDF Editor
Medidas de tendência central
TM
PDF Editor
Medidas de Variabilidade
TM
PDF Editor
Medidas de Variabilidade
TM
PDF Editor
TM
PDF Editor
TM
PDF Editor
TM
PDF Editor
TM
PDF Editor
Exemplo
TM
PDF Editor
TM
PDF Editor
TM
PDF Editor
Variância e covariância
TM
PDF Editor
Distribuição Normal Univariado–N (, 2)
• A variável aleatória x tem distribuição normal com
média população μ e variância população 2, e
escrevemos : X N (, 2) , se tiver a função
densidade de probabilidade que apresentamos de
seguida:
𝟏 𝟏 𝒙−𝝁 𝟐
−
𝒇 𝒙 = 𝒆 𝟐 𝝈 ,𝒙 ∈ ℝTM
𝟐𝝅𝝈𝟐
PDF Editor
em que e = 2, 71828… é numero de Napier
e = 3, 14159…
TM
PDF Editor
As razões da importância da
distribuição normal
Um modelo adequada para representar
muitos dos fenómenos do mundo real,
(exemplo: altura, o peso, resultado teste e
etc.)
Usa-se na na inferência estatística (média e
TM
variância etc.)
PDF Editor
Um modelo para representar quantidade
que sejam a soma de um grande número.
Características da função densidade de
probabilidade normal
1. Tem forma de sino e um único máximo
para X =
2. Simétrica relativamente a um eixo vertical
que passa por X = (média)
3. Tem pontos de inflexão para X = e
aproxima-se assimptoticamente do eixo das
TM
abcissas, isto é,
PDF Editor
𝒂
6. Aproximadamente 68% da população difere da
média menos de 1 desvio padrão.
TM
PDF Editor
7. Aproximadamente 95% da população difere da
média menos de 2 desvio padrão.
TM
PDF Editor
8. Aproximadamente 97,7% da população difere da
média menos de 3 desvio padrão.
TM
PDF Editor
Distribuição normal estandarizada
A distribuição N(, 2), onde = 0 e = 1 é
chamada distribuição normal estandarizada.
Se X N (, 2), e tomamos:
𝒙−𝝁
𝒁= , 𝒁∈ℝ
𝝈
(tem-se que x = Z + , E(X) = e Var (X) = 2)
então Z N (0,1)
TM
Uma variável aleatória Z com distribuição normal
reduzida, Z ∼ N (0,1), tem f.d.p. dada por:
PDF Editor
𝟏 𝟏
− 𝒁𝟐
𝒇 𝒙 = 𝒆 𝟐 ,𝒁 ∈ℝ
𝟐𝝅
Tabulação da distribuição normal
Suponha que X N (, 2) e que se pretende calcular
𝟏 𝒙−𝝁 𝟐
𝟏 𝒃 −𝟐 𝝈
P(a ≤ X ≤ b ) = 𝟐 𝒂
𝒆 𝒅𝒙
𝟐𝝅𝝈
𝒂−𝝁 𝒃−𝝁
P(a ≤ X ≤ b ) = ≤𝒁≤ TM
𝝈 𝝈
PDF Editor
referentes à variaável aleatória X, a partir da tabela que
nos dá as probabilidadeds da variável aleatória Z.
TM
PDF Editor
p = P(Z≤ Zp) é representa o quantil de ordem p. As
tabelas foram obtidas no excel.
Exemplo:
Concidere a variável aleatória Z N (0,1).
Determina a probabilidade P(Z<–1,05).
Solução:
P(Z<–1,05)= 0, 14686, onde
0, 14686 é o valor da célula localizada na
intersecção da linha –1,0 com a coluna –0,05
“Note que – 1,05 = –1,0 – 0,05”
TM
De forma análoga:
PDF Editor
P(Z<1,08) = 0, 85993.
P(Z>1,08) = 1 – P(Z<1,08) = 1 – 0, 85993 = 0, 14007
P(0,50< z < 1,09) = P(z < 1,09) – P (z < 0, 50)
= 0,86214 – 0,51994 .= 0,3422
P(Z<1,267) = …?
P(Z<1,267) não faz parte da tabela, então começamos
por obter da tabela:
P(Z<1,26) = 0,8962 e P(Z<1,27) = 0,8980
0,8980 − 0,8962 𝑃 𝑧 < 1,267 − 0,8962
=
1,27 − 1,26 1,27 − 1,26
P(Z<1,267) = 0,8975
Exemplo: TM
PDF Editor
a valor de Zp tais que:
a. P(Z< Zp) = 0,3336
b. P(Z< Zp)= 0,94408
c. P(Z> Zp) = 0,0436
d. P(Zp< Z < 1,64)= 0, 6480
e. P(–Zp< Z < Zp)= 0,5284
Solução
a. P(Z< Zp) = 0,3336; logo zp = – 0,43.
b. P(Z< Zp)= 0,94408; logo zp = 1,59.
c. Devido à simetria da curva normal, então
P(Z> Zp) = P(Z< -Zp) = 0,0436; logo –zp = –1,71
logo, zp = 1,71 TM
PDF Editor
0, 64 80 = 0,9495 - P(Z< Zp), logo P(Z< Zp) = 0,3015
Zp=– 0,52.
e. P(–Zp< Z < Zp)= 0,5284
P(–Zp< Z < Zp)= 1 – 2P(Z < –Zp) = 0,5284
Assim, P(Z < –Zp) = 0,2358
Logo, Zp = 0,72.
TM
PDF Editor
Distribuição
Qui – Quadrado – X2(v)
New Text
A distribuição qui–quadrado
Tem um papel fundamental na inferência
estatística, proprocionando os elementos
necessário para fazer inferências sobre a
variância de uma população a partir de uma
amostra. TM
PDF Editor
sejam o quadrado de outras quantidades
com distribuição normal estandarizada
Definição
A distribuição qui–quadrado, com v (inteiro
positivo) graus de liberdade, escrever: x2(v)
A variável aleatória X x2(v) “indica: X tem
distribuição qui–quadrado com v graus
de liberdades” pode tomar qualquer valor
real positivo. TM
PDF Editor
Média “E(X) = v.
Variância V(X) = 2v.
Aproximação Normal
Se X x2(v), então, quando v aumenta, a
função de distribuição da v.a
𝟐
𝒁+ 𝟐𝒗−𝟏
𝒁 = 𝟐𝑿 − 𝟐𝒗 − 𝟏 Ou 𝒙 =
𝟐
em que Z ∼ N (0,1)
PDF Editor
JUVINAL DOS REIS SOARES
TURMA : A/V
A PASIENSIA MAK XAVE BA SUSESU