modelagem de sistemas computacionais revisão estatística aula 05 profa. priscila solís barreto
TRANSCRIPT
Modelagem de Sistemas Computacionais
Revisão Estatística
Aula 05
Profa. Priscila Solís Barreto
Estatística
“Uma metodologia desenvolvida para a coleta, a classificação, a apresentação, a análise e a interpretação de dados quantitativos e a utilização desses dados para a tomada de decisões”
População e Amostra
Amostra é um subconjunto da população
População de Montenegro70.000
Amostra 2.000
Notas da turma
Notas Frequencia
4 1
5 5
6 6
7 20
8 22
9 32
10 10
Tabela 1 – Notas da Turma
Fonte: Dados fictícios elaborados pelo autor
Cabeçalho
Corpo
Rodapé
Gráficos
Histograma
Barras
Coluna
Setores
Dada a amostra: 3 – 7 – 10 – 6 – 8 – 6 – 8 – 4 – 5 – 7 – 6 – 10 – 9 – 5 – 6 – 3
Qual o resultado aconteceu com maior frequencia?
Número frequencia
3 2
4 1
5 2
6 4
7 2
8 2
9 1
10 2
Média
8 + 4 + 6 + 9 + 10 + 5 = 42 = 7
6 6
• Dado o conjunto de números, 8, 4, 6, 9, 10, 5
Determine a média:
Determine o salário médio
Salários Fr
240 - 480 15
480 - 720 22
720 - 960 30
960 - 1200 18
1200 - 1440 15
Mediana = Md
8 – 0 – 7 – 4 – 7 – 10 – 6 – 5 Colocando em ordem crescente:
0 – 4 – 5 – 6 – 7 – 7 – 8 – 10
Md = 6+7 = 6,52
É o do meio Desde que colocados em ordem crescente
Calcule a Mediana
Alturas Frequencia (f)
Frequencia Acumulada
160 – 163
4 4
163 – 166
8 12
166 – 169
10 22
169 – 172
9 31
172 – 175
7 38
175 – 178
7 45
178 - 181
5 50
Total 50
Alturas Frequencia (f)
Frequencia Acumulada
160 – 163
4 4
163 – 166
8 12
166 – 169
10 22
169 – 172
9 31
172 – 175
7 38
175 – 178
7 45
178 - 181
5 50
Total 50
Moda = Mo
Resultado com maior frequencia
Moda = Mo
Idade Frequencia (f) Frequencia Acumulada
18 – 21 9 9
21 – 24 12 21
24 – 27 12 33
27 – 30 17 50
30 – 33 16 66
33 – 36 14 80
36 – 39 11 91
39 – 42 9 100
Total 100
Dado o conjunto abaixo, determine o desvio médio:
8 – 4 – 6 – 9 – 10 – 5
4 – 5 – 6 – 8 – 9 – 10 4+5+6+8+9+10 = 42
42/6 = 7
8 – 7 = 1 4 – 7 = 3 6 – 7 = 1 9 – 7 = 2
10 – 7 = 3 5 – 7 = 2
1+3+1+2+3+2 = 12
12/6 = 2
Salário Mínimo
Funcionários
1 – 2 1
2 – 3 4
3 – 4 6
4 – 5 5
5 – 6 6
6 – 7 10
7 – 8 9
8 – 9 6
9 – 10 3
Total 50
Média
1,5
2,5
3,5
4,5
5,5
6,5
7,5
8,5
9,5
1,5
10
21
22,5
33
65
67,5
51
28,5
300
Média dos salários é: 300/50 = 6
Média
1,5
2,5
3,5
4,5
5,5
6,5
7,5
8,5
9,5
-
6
6
6
6
6
6
6
6
6
4,5
3,5
2,5
1,5
0,5
0,5
1,5
2,5
3,5
20,5
88/50 = 1,76
Freq
1
4
6
5
6
10
9
6
3
50
Freq
4,5
14
15
7,5
3
5
13,5
15
10,5
88
Amostra (n-1) População n
22.000/8 = 2750
Func Salários
1 2800
1 2650
1 2920
1 2800
1 2878
1 2682
1 2700
1 2570
Total 22000
Média
2750
2750
2750
2750
2750
2750
2750
2750
Desvio
50
100
170
50
128
68
50
180
816
99808 / 8 = 12476 raiz quadrada = 111,70
Ao quadrado
50
100
170
50
128
68
50
180
816
Resultado
2500
10000
28900
2500
16384
4624
2500
32400
99808
Freq
1
1
1
1
1
1
1
1
Espaço Amostral (Espaço Amostral ()): conjunto de todos os resultados possíveis de um experimento aleatório.
4. Tempo de duração de uma lâmpada. = {t: t 0}
1. Lançamento de um dado. = {1, 2, 3, 4, 5, 6}
2. Exame de sangue (tipo sangüíneo) . = {A, B, AB, O}
3. Hábito de fumar. = {Fumante, Não fumante}
Exemplos:
Notação: A, B, C ...
(conjunto vazio): evento impossível
: evento certo
Alguns eventos:
A: sair face par A = {2, 4, 6}
B: sair face maior que 3 B = {4, 5, 6} C: sair face 1 C = {1}
EventosEventos: subconjuntos do espaço amostral
Exemplo: Lançamento de um dado.
Espaço amostral: = {1, 2, 3, 4, 5, 6}
A B: interseção dos eventos A e B. Representa a ocorrência simultânea dos eventos A e B.
Operações com eventosOperações com eventos
Sejam A e B dois eventos de um espaço amostral.
A B: união dos eventos A e B.Representa a ocorrência de pelo menos um dos eventos, A ou B.
O complementar de A é representado por Ac.
• A e B são disjuntos ou mutuamente exclusivos quando não têm elementos em comum, isto é,
A B =
• A e B são complementares se sua interseção é vazia e sua união é o espaço amostral, isto é,
A B = e A B =
•sair uma face par ou face 1A C = {2, 4, 6} {1} = {1, 2, 4, 6}
• sair uma face par e face 1 A C = {2, 4, 6} {1} =
• sair uma face par e maior que 3A B = {2, 4, 6} {4, 5, 6} = {4, 6}
• sair uma face par ou maior que 3A B = {2, 4, 6} {4, 5, 6} = {2, 4, 5, 6}
= {1, 2, 3, 4, 5, 6}
Eventos: A = {2, 4, 6}, B = {4, 5, 6} e C = {1}
Exemplo: Lançamento de um dado
• não sair face parAC = {1, 3, 5}
ProbabilidadeProbabilidade
• Medida da incerteza associada aos resultados do experimento aleatório• Deve fornecer a informação de quão verossímil é a ocorrência de um particular evento
Como atribuir probabilidade aos elementos do espaço amostral?
Duas abordagens possíveis:
1. Freqüências de ocorrências2. Suposições teóricas.
Exemplo: Lançamento de um dado
Admite-se que o dado é perfeitamente equilibrado
P(face 1) = ... = P(face 6) = 1/6.
ProbabilidadeProbabilidade
Atribuição da probabilidade:
1. Através das freqüências de ocorrências.• O experimento aleatório é repetido n vezes
• Calcula-se a freqüência relativa com que cada resultado ocorre.
Para um número grande de realizações, a freqüência relativa aproxima-se da
probabilidade.
2. Através de suposições teóricas.
•A probabilidade P(w) para cada ponto amostral de tal forma que:
.
1ii21
i
1 )P(w ...}) , w,({w P )( P
e 1 )P(w 0
No caso discretocaso discreto, todo experimento aleatório tem seu modelo probabilísticomodelo probabilístico especificado quando estabelecemos:
•O espaço amostral = {w1,w2, ... }
Ainda no caso discreto,
• Se A é um evento, então
Aw
j
j
)(w P (A) P
Ω de elementos de nº.
Ade elementos de nº. (A) P
• Se } w..., , w,{w Ω N21 e
N
1 )(w P i (pontos equiprováveis), então
Um jovem entre 20 e 24 anos é escolhido ao acaso em Sergipe.
Exemplo: A tabela a seguir apresenta dados relativos à distribuição de sexo e alfabetização em habitantes de Sergipe com idade entre 20 e 24 anos.
SexoAlfabetizado
TotalSim Não
Masc. 39.577 8.672 48.249
Fem. 46.304 7.297 56.601
Total 85.881 15.969 101.850Fonte: IBGE- Censo 1991
: conjunto de 101.850 jovens de Sergipe, com idade entre 20 e 24 anos.
Definimos os eventos
M: jovem sorteado é do sexo masculino; F : jovem sorteado é do sexo feminino;S : jovem sorteado é alfabetizado;N : jovem sorteado não é alfabetizado.
Temos ir para a tabela
0,157 101.850
15.969 P(N) 0,843
101.850
85.881 P(S)
0,526 101.850
56.601 P(F) 0,474
101.850
48.249 P(M)
•M S : jovem é alfabetizado e do sexo masculino
• Qual é a probabilidade do jovem escolhido ser alfabetizado ou ser do sexo masculino?
M S : jovem é alfabetizado ou é do sexo masculino
• Qual é a probabilidade do jovem escolhido ser alfabetizado e ser do sexo masculino?
0,928 101850
39577 - 48249 85881
em elementos de nº.
LM em elementos de nº. L)P(M
S)
S
389,0101850
39577
em elementos de nº.
LM em elementos de nº. L)P(M
S)
S
Sejam A e B eventos de . Então,
• Para qualquer evento A de , P(A) = 1 - P(Ac).
Regra da adição de probabilidadesRegra da adição de probabilidades
P(A B) = P(A) + P(B) – P(A B)
Conseqüências:
• Se A e B forem eventos disjuntos, então P(A B) = P(A) + P(B).
Probabilidade condicional:Probabilidade condicional: Dados dois eventos A e B, a probabilidade condicional de A dado que ocorreu B é denotada por P(A | B) e definida por
. 0 P(B) ,P(B)
B)P(A B)|P(A
PROBABILIDADE CONDICIONAL E PROBABILIDADE CONDICIONAL E INDEPENDÊNCIAINDEPENDÊNCIA
Da definição de probabilidade condicional, obtemos a regra do produto de probabilidades
B).|P(A P(B) B)P(A
Analogamente, se P(A) >0,
. A)|P(B P(A) B)P(A
0,82.
101.85048.249
101.85039.577
39.577 / 48.249 = 0,82.
Diretamente da tabelaDiretamente da tabela
temos P(S | M) =
• Qual é a probabilidade do jovem escolhido ser alfabetizado sabendo-se que é do sexo masculino?
P(M)
M)P(S M)|P(S
definiçãodefinição, Pela
SexoAlfabetizada
TotalSim Não
Masc. 39.577 8.672 48.249
Fem. 46.304 7.297 56.601
Total 85.881 15.969 101.850
A: 2ª bola sorteada é brancaC: 1ª bola sorteada é brancaP(A) = ???
Para representar todas as possibilidades, utilizamos, um diagrama conhecido como diagrama de árvores ou árvore de probabilidades.
Exemplo: Em uma urna, há 5 bolas: 2 brancas e 3 vermelhas. Duas bolas são sorteadas sucessivamente, sem reposição.
53
52 B
V
42
42
V
B
43
41
V
B
1Total
V V
VB
BV
BB
ProbabilidadesResultados
20
2
4
1
5
2
20
6
4
3
5
2
20
6
4
2
5
3
20
6
4
2
5
3
e 5
2
20
6
20
2)A(P
Temos
. 4
1)C|A(P
1Total
V V
VB
BV
BB
ProbabilidadeResultados
25
4
5
2
5
2
25
6
5
3
5
2
25
6
5
2
5
3
25
9
5
3
5
3
Considere agora que as extrações são feitas com reposição, ou seja, a 1a bola sorteada é reposta na urna antes da 2a extração. Nesta situação, temos
53
52 B
V
53
52
V
B
V
B
53
52
ou seja, o resultado na 2a extração independe do que ocorre na 1a extração.
e 5
2
25
6
25
4P(A) = P(branca na 2ª) =
Neste caso,
P(A | C) = P( branca na 2ª | branca na 1ª) = )A(P5
2
)A(P5
2P(A | Cc) = P(branca na 2ª | vermelha na 1ª) =
Independência de eventosIndependência de eventos: Dois eventos A e B são independentes se a informação da ocorrência (ou não) de B não altera a probabilidade de ocorrência de A, isto é,
P(B). P(A) B)P(A
Ainda temos a seguinte forma equivalente:
P(A), B)|P(A 0. P(B)
Exemplo: A probabilidade de João ser aprovado no vestibular é 1/4 e a de Maria é 3/4. Qual é a probabilidade de ambos serem aprovados?
A: João é aprovado
B: Maria é aprovada
P(A B) = P(A) x P(B) = 1/4 x 3/4 = 3/16