1) O documento discute a desigualdade de Chebyshev, que fornece limites para a probabilidade de uma variável aleatória estar dentro de um número específico de desvios-padrão da média.
2) Por exemplo, a desigualdade indica que a probabilidade de um valor estar entre 1 e 2 desvios-padrão da média é de pelo menos 68,26%.
3) A lei dos grandes números afirma que a frequência relativa de um evento em um grande número de experimentos tende à probabilidade teórica desse evento.
1) O documento discute a desigualdade de Chebyshev, que fornece limites para a probabilidade de uma variável aleatória estar dentro de um número específico de desvios-padrão da média.
2) Por exemplo, a desigualdade indica que a probabilidade de um valor estar entre 1 e 2 desvios-padrão da média é de pelo menos 68,26%.
3) A lei dos grandes números afirma que a frequência relativa de um evento em um grande número de experimentos tende à probabilidade teórica desse evento.
1) O documento discute a desigualdade de Chebyshev, que fornece limites para a probabilidade de uma variável aleatória estar dentro de um número específico de desvios-padrão da média.
2) Por exemplo, a desigualdade indica que a probabilidade de um valor estar entre 1 e 2 desvios-padrão da média é de pelo menos 68,26%.
3) A lei dos grandes números afirma que a frequência relativa de um evento em um grande número de experimentos tende à probabilidade teórica desse evento.
A mdia populacional denotada por /1 e o desvio padro populacional por o. Lembramos que numa distribuio de probabilidade normal a mdia esta no centro da distribuio e, como a distribuio normal simtrica, o valor de tem maior frequncia, dado que amdia igual amoda e amediana. Nesta distribuio, o desvio- padro (o) fornece a distancia entre a mdia (/1) e qualquer ponto na reta base logo abaixo na forma desino. A rea sob acurva 100%, sendo que 50% se concentra antes de /1 e 50% depois. A pergunta que surge , qual o percentual de ocorrncias (probabilidade) que fica entre amdia eo desvio-padro? Como mostra afigura acima, uma proporo constante da rea total sob a curva normal se encontrar entre a mdia e qualquer distncia da mdia do desvio-padro. De onde vem este resultado? Desigualdade de Chebyshev: A desigualdade de Chebyshev permite fazer afirmaes acerca da proporo de valores de dados que devem estar contidas entre umnmero especifico de desvio padro e amdia. Para entend-Ia precisa-se da mdia e avarincia de uma varivel aleatria X. Ao conhecermos adistribuio deprobabilidade de X, tambm saberemos sua mdia [E(x)] e sua varincia [cr 2 ]. No entanto, a reciproca no verdadeira. Isto , apartir da mdia e da varincia de X no se pode construir a distribuio de probabilidade de X. Porm, poderemos construir limites (superior einferior) teis para essas probabilidades. Este resultado obtido utilizando adesigualdade de Chebyshev. A nica restrio que se faz sobre X que sua varincia seja finita. Neste sentido, a desigualdade fornece limites para a probabilidade de X com varincia finita esteja dentro de certa distancia damdia. E ela se aplica mesmo seX no tiver sua distribuio deprobabilidade dada por uma normal. Como dito acima, adesigualdade deChebyshev afirma que seja qualquer varivel aleatria X commdia J .levarincia 0 2 finitas , ento: Onde k uma constante qualquer. Analogamente, pode-se escrever assim: Esta desigualdade ainda pode ser escrita emtermos da distncia do desvio-padro emrelao amdia. De forma anloga: Pr(lx- J .ll):skc) ~1 - 1/ k 2 Por esta desigualdade, independente da forma da distribuio de probabilidade, ser obtido ovalor das ocorrncias (prob) entre amdia eo desvio-padro, asaber: Pr(lx- J .ll)~10)=68,26% Pr(lx- J .ll)~20)=95,44% Prtjx- J .ll)~30)=99,74% Por exemplo, suponha que os artigos publicados em um site tenham em mdia 1000 caracteres, com desvio-padro de 200, ento pode-se afirmar que 95,44% dos valores esto entre 600 e 1400 (k=2). Lei dos grandes nmeros Probabilidade O estudo da probabilidade tem sua ligao inicial aos jogos de azar. Esses jogos possuem duas caractersticas comuns: aprimeira aincerteza de acontecer determinado evento e a segunda a regularidade em longo prazo, que permite prever o nmero de vezes que ocorrer determinado evento emuma srie de tentativas. No campo da cincia experimental existe um tipo semelhante de incerteza e regularidade em longo prazo. Assim incerto se o prximo nascimento dentro de um hospital ser uma criana do sexo feminino ou do sexo masculino, mas existe uma regularidade para prever para um grande nmero de nascimentos a porcentagem de meninos emeninas (50% meninos e50% meninas). Fenmenos como o acima mencionado, nos quais no possvel prever com exatido o resultado das manifestaes individuais, recebem o nome de fenmenos casuais. Embora no seja possvel definir o termo "acaso", o que importa na individualizao dos fenmenos casuais o carter errtico das flutuaes encontradas emsequncias de resultados obtidos essencialmente sob as mesmas condies e, consequentemente, a impossibilidade depredio exata de suas manifestaes individuais. Lei dos grandes nmeros "Quando um experimento se repete um grande nmero de vezes, a probabilidade (na definio pela frequncia relativa) de umevento tende para aprobabilidade terica". A lei afirma que a aproximao pela frequncia relativa tende a melhorar quando o nmero de observaes aumenta Essa lei reflete uma noo bastante simples apoiada pelo senso comum: Uma estimativa probabilstica baseada apenas em umas poucas observaes pode apresentar grande divergncia, mas com um nmero crescente de observaes a estimativa tende aser cada vez com menor erro (preciso). Por exemplo, se fizermos uma pesquisa se fizermos uma pesquisa sobre a populao de um estado brasileiro e observamos apenas alguns cidados (amostra), os resultados podem conter grande erro, porm se analisarmos vrias pessoas em vrias cidades diferentes dentro deste estado (selecionados ao acaso), os resultados das amostras estaro muito prximos dos verdadeiros valores da populao e quanto maior a amostra (maior nmero de pessoas entrevistadas) maior ser esta aproximao. Sejam J Y1, J X " 2 , .XSvariveis aleatrias independentes eidenticamente distribudas. __ 1 n 2. .~Yn == - 2:x, Seja E (. 1(,i) =J-l'e l-l'a:r(Xi) =" <00. Defina-se amdia ri i=l . Ento, para cada >O, Definio formal Lei Fraca dos Grandes Nmeros:X-nconverge emprobabilidade para P. Ou seja, }~ p ( I }( n - ; tI <c) =1 Lei Forte dos Grandes Nmeros: Xnconverge quase certamente para o seu valor . p (linI I ~) ( n- { li <c) =1 esperado (esperanajJ . Ou seja, '"n--too . Tanto para aLei Fraca quanto para aLei Forte dos Grandes nmeros, tivemos a suposio deuma varincia finita. Embora esta suposio seja verdadeira (e desejvel) namaioria das aplicaes ela , emverdade, uma suposio mais forte do que o necessrio. Ambas as leis semantm semesta suposio. A nica condio necessria que E( X i) =11, <00 ,