Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
Probabilidade
Teorema do Limite Central
Distribuição Normal de Probabilidade
• Distribuições Amostrais
• Definição:
• Uma distribuição amostral é a distribuição de probabilidade de uma
estatística da amostra que é formada quando amostras de tamanho n
são repetidamente colhidas de uma população. Se a estatística da
amostra é sua média, temos então uma distribuição amostral de
médias das amostras.
Distribuição Normal de Probabilidade
Distribuição Normal de Probabilidade
Distribuição Normal de Probabilidade
• O retângulo representa uma grande população e cada circulo
representa uma amostra de tamanho n. Uma vez que as entradas
amostrais podem diferir, as médias amostrais podem ser diferentes. A
média da Amostra 1 é 𝑥1ҧ , a média da Amostra 2 é 𝑥ҧ2 e assim por
diante. A distribuição amostral das médias de tamanho n será
representada por 𝑥1ҧ , 𝑥ҧ2 , 𝑥ҧ3 e assim por diante. Se as amostras forem
tiradas com reposição, um número infinito de amostras poderá ser
coletado da população.
Distribuição Normal de Probabilidade
• Teorema do Limite Central
• 1. Se amostras de tamanho n, onde n ≥ 30, forem tiradas de uma
população qualquer, com uma média 𝜇 e um desvio padrão 𝜎, então a
distribuição amostral de médias das amostras se aproximará de uma
distribuição normal. Quanto maior for o tamanho da amostra, melhor
será a aproximação.
• 2. Se uma aproximação for normalmente distribuída, a distribuição
amostral das médias das amostras será normalmente distribuída para
qualquer tamanho n da amostra.
Distribuição Normal de Probabilidade
• Em ambos os casos , a distribuição amostral de médias das amostras
tem uma média igual á média da população.
• 𝜇𝑥ҧ = 𝜇 Média
• E a distribuição amostral de médias das amostras tem uma variância
igual 1/n vezes a variância da população e um desvio padrão igual ao
desvio padrão da população dividido pela raiz quadrada de n.
𝜎2
• 𝜎𝑥2ҧ = Variância
𝑛
𝜎
• 𝜎𝑥ҧ = Desvio padrão
𝑛
Distribuição Normal de Probabilidade
• O desvio padrão da distribuição amostral de médias das amostras, 𝜎𝑥ҧ ,
é também chamado de erro padrão da média.
Distribuição Normal de Probabilidade
Distribuição Normal de Probabilidade
• Ex. A média das contas telefônicas dos moradores de Itabira é de R$
64,00 e seu desvio padrão é de R$ 9,00. Amostras aleatórias de 36
contas telefônicas são retiradas dessa população e a média de cada
uma delas é determinada. Obtenha a média e o erro padrão da média
da distribuição amostral e esboce um gráfico da distribuição amostral.
Distribuição Normal de Probabilidade
• Solução:
• A média da distribuição amostral é igual à média da população 𝜇𝑥ҧ = 𝜇
= 64
𝜎 9
• E o desvio padrão 𝜎𝑥ҧ = ∴ 𝜎𝑥ҧ = = 1,5
𝑛 36
Distribuição Normal de Probabilidade
Distribuição Normal de Probabilidade
• Ex. As alturas das árvores de carvalho branco completamente
desenvolvidas são normalmente distribuídas e possuem uma média
de 90 pés e um desvio padrão de 3,5 pés. Amostras de tamanho 4 são
retiradas aleatoriamente dessa população e a média de cada uma
delas. Obtenha a média e o erro padrão da média da distribuição
amostral. Esboce o gráfico da distribuição amostral.
Distribuição Normal de Probabilidade
Distribuição Normal de Probabilidade
• Solução:
• 𝜇𝑥ҧ = 𝜇 = 90 pés
𝜎 3,5
• 𝜎𝑥ҧ = ∴ 𝜎𝑥ҧ = = 1,75 pés
𝑛 4
Distribuição Normal de Probabilidade
Distribuição Normal de Probabilidade
• Probabilidade e o Teorema do Limite Central
𝑽𝒂𝒍𝒐𝒓 −𝒎é𝒅𝒊𝒂
•z=
𝒆𝒓𝒓𝒐 𝒑𝒂𝒅𝒓ã𝒐
ഥ
𝒙− 𝝁ഥ𝒙 ഥ
𝒙−𝝁
•z= ∴ z=
𝝈ഥ𝒙 𝝈/ 𝒏
Distribuição Normal de Probabilidade
• Uma companhia eletrônica fabrica resistores que têm uma resistência
média de 100 Ω e um desvio padrão de 10 Ω, os resistores estão
normalmente distribuídos. Encontre a probabilidade de uma amostra
aleatória de n = 25 resistores ter uma resistência média menor do 95 Ω.
• Solução:
• 𝜇𝑥ҧ = 𝜇 = 100 Ω
𝜎 10
• 𝜎𝑥ҧ = ∴ 𝜎𝑥ҧ = =2Ω
𝑛 25
ҧ
𝑥−𝜇 95 −100
• z = 𝜎/ 𝑛 ∴ z = 10/ 25 = - 2,5
• P( 𝑥ҧ < 95) = P(z < −2,5) = 0,0062
Distribuição Normal de Probabilidade
• Ex. O aluguel médio de um apartamento em um edifício administrado
profissionalmente é de R$ 780,00. Selecione ao acaso 9 desses
apartamentos. Qual é a probabilidade de que o aluguel médio seja menor
do que R$ 825,00? Suponha que os aluguéis estejam distribuídos
normalmente, com um desvio padrão de R$ 150,00.
• Solução:
• 𝜇𝑥ҧ = 𝜇 = 780,00
ҧ
𝑥−𝜇 825 −780
• z= ∴z= = 0,9
𝜎/ 𝑛 150/ 9
• P( 𝑥ҧ < 825) = P(z < 0,9) = 0,8159
• Conclusão: 81,59% das amostras com n = 9 terão uma média menor do que
R$825,00 e 18,41% das médias das amostras estarão fora desse intervalo.
Distribuição Normal de Probabilidade
• Ex. Os valores das contas a receber por uma administradora de
cartões de créditos estão normalmente distribuídos, com uma média
de R$ 2870,00 e um desvio padrão de R$ 900,00 por fatura.
• Determine a probabilidade de que 25 portador de cartão de crédito
selecionado ao acaso tenha:
• a) Uma conta maior do que R$ 2500,00
• b) Uma conta entre R$ 2600,00 e R$ 2700,00
Distribuição Normal de Probabilidade
• Solução:
• a) 𝜇𝑥ҧ = 𝜇 = 2870,00
ҧ
𝑥−𝜇 2500 −2870
• z = 𝜎/ 𝑛 ∴ z = 900/ 25 = - 2,06
• P(𝑥ҧ > 2500) = 𝑃(𝑧 > -2,06) = 0,0197 = 1-0,0191= 0,9803
• b) 𝜇𝑥ҧ = 𝜇 = 2870,00
ҧ
𝑥−𝜇 2600 −2870
• z= 𝜎/ 𝑛
∴ z1 = 900/ 25
= -1,5
2900 −2870
• z2 = 900/ 25 = 0,2
• P(2600 < 𝑥 < 2900) = 𝑃 −1,5 < 𝑧 < 0,2 = 0,5793 − 0,0668 =
0,5125
Distribuição Normal de Probabilidade
• Fator de correção finita
𝝈
• Fórmula para o erro padrão da média 𝝈𝒙ഥ =
𝒏
𝜎 𝑁 −𝑛
• 𝜎𝑥ҧ =
𝑛 𝑁 −1
• O Teorema do Limite Central baseia-se na hipótese de que a população
tenha infinitos elementos ( amostragem com reposição). A fórmula é
também válida se o tamanho da amostra for comparado com a da o
população. Porém, se a amostra for feita sem reposição e o tamanho da
amostra n for mais do 5% da população finita de tamanho N, haverá,
então, um número finito de amostras possíveis. Um fator de correção
finita deve ser usado para ajustar o erro padrão.
Distribuição Normal de Probabilidade
• Aproximações Normais para Distribuições Binomiais
• 𝑥ҧ - E ˂ µ ˂ 𝑥ҧ + E
• 162 – 5,3275 ˂ µ ˂ 162 +5,3275
• 156,6725 ˂ µ ˂ 167,3275
Intervalo de Confiança
• Ex. São selecionadas ao acaso 20 casas hipotecárias e determina a
atual taxa de juro que cada uma cobra. A taxa média amostral é de
6,93% ,com desvio padrão de 0,42%. Obtenha o intervalo de
confiança de 99% para a população da taxa média de juro para as
hipotecas. Suponha que as taxas de juro tenham distribuição
aproximadamente normal.
• Solução:
Intervalo de Confiança
σ
• E = tc
𝑛
2,861.0,42
• E= = 0,269
20
• 𝑥ҧ - E ˂ µ ˂ 𝑥ҧ + E
• 6,93 – 0,269 ˂ µ ˂ 6,93 + 0,269
• 6,661 ˂ µ ˂ 7,199
Intervalo de Confiança
Intervalo de Confiança
• Intervalos de Confiança para Variância e Desvio Padrão
• A distribuição qui-quadrado
• Definição
• A estimativa pontual para 𝜎 2 e 𝑠 2 e a estimativa pontual para
𝜎 é 𝑠, 𝑠 2 é a melhor estimativa não enviesada para 𝜎 2 .
Intervalo de Confiança
• Definição
• Se a variável aleatória x tiver uma distribuição normal , então a
distribuição de
2 (𝑛−1)𝑠 2
•𝜒 =
𝜎2
• Formará uma distribuição qui-quadrado para amostras de qualquer
tamanho n > 1. A seguir, constam diversas propriedades da
distribuição qui-quadrado.
Intervalo de Confiança
Intervalo de Confiança
• Existem dois valores críticos para cada intervalo de confiança. O valor
𝜒𝑅2 representa o valor crítico da cauda à direita, o valor 𝜒𝐿2 representa
o valor crítico da cauda à esquerda.
Intervalo de Confiança
Intervalo de Confiança
• Ex. Obtenha os valores críticos 𝜒𝑅2 e 𝜒𝐿2 para um intervalo de
confiança de 90% quando o tamanho da amostra é 20.
• Solução:
• g.l. = n – 1 ∴
• g.l. = 20 - 1 = 19
1 −𝑐 1 − 0,90
• Área à direita de 𝜒𝑅2 = ∴ 𝜒𝑅2 = = 0,05
2 2
1+𝑐 1+0,90
• Área à direita de 𝜒𝐿2 = ∴ 𝜒𝐿2 = = 0,95
2 2
Intervalo de Confiança
Intervalo de Confiança
Intervalo de Confiança
• Intervalos de Confiança para 𝝈𝟐 𝒆 𝝈.
• Definição
• Um intervalo de confiança c para a variância 𝜎 2
• e o desvio padrão 𝜎
• Intervalo de confiança para a 𝝈𝟐
𝒏 −𝟏 𝒔𝟐 𝟐 (𝒏 −𝟏)𝒔𝟐
• < 𝝈 <
𝝌𝟐𝑹 𝝌𝟐𝑳
• Intervalo de confiança para 𝜎.
Intervalo de Confiança
(𝒏 −𝟏)𝒔𝟐 (𝒏 −𝟏)𝒔𝟐
• <𝝈 <
𝝌𝟐𝑹 𝝌𝟐𝑳
• H0 : 𝜇 = 143260
• Há : 𝜇 ≠ 143260 (alegação)
Teste de Hipótese com uma Amostra
ҧ
𝑥−𝜇
• z= 𝛿
𝑛
135000−143260
• z= 30000 = -1,51, olhar tabela 0,0655
30
• Como o teste é bicaudal símbolo ≠
• P= 2x0,0655 = 0,1310
• 0,1310 > 0,05 , é impossível rejeitar H0 .
Teste de Hipótese com Duas Amostras
• Testando a diferença entre médias (amostras grandes e
independentes)
• Definição
• Para um teste de hipótese de duas amostras:
𝐻0 : 𝜇1 ≤ 𝜇2 𝐻0 : 𝜇1 ≥ 𝜇2 𝐻0 : 𝜇1 = 𝜇2
•ቊ ቊ ቊ
𝐻𝑎 : 𝜇1 > 𝜇2 𝐻𝑎 : 𝜇1 < 𝜇2 𝐻𝑎 : 𝜇1 ≠ 𝜇2