Escolar Documentos
Profissional Documentos
Cultura Documentos
Resumo
Resumo
1.0 Introdução
O nosso cotidiano é repleto de escolhas e decisões que melhor se adequam à situação a qual
estamos. Sejam essas decisões e escolhas empíricas assim como não.
Assim, o trabalho faz a síntese de alguns tipos de escolhas que fazemos no dia-a-dia
(probabilísticas ou casuais) que em estatística faz parte do ramo probabilidade ao qual
norteará o trabalho bem como a correlação e regressão, as quais a primeira estuada a relação
de duas ou mais variáveis e a correlação faz o estudo do quão é eficiente ou significativa a
referida correlação através da recta de melhor ajuste chamada de recta de regressão.
1.1. Objectivos
1.1.1. Geral
Desenvolver os tópicos Distribuições Bidimensionais e Probabilidade;
1.1.2. Específicos
Descrever Distribuições Bidimensionais;
Conceituar Probabilidade e a lei de grandes números;
Mencionar os axiomas de probabilidades
2.0 Metodologia
Para a realização do presente trabalho recorreu-se á pesquisa bibliográfica que consiste na
consulta de informação em material já publicado e analisado.
3
Assim, de acordo com UNIPAN (2001), uma correlação é: linear positiva se os pontos do
diagrama têm como imagem uma recta ascendente;
a) Linear negativa se os pontos têm como imagem uma recta descendente;
b) Não-linear se os pontos têm como imagem uma curva.
Se os pontos apresentam-se dispersos, não oferecendo uma imagem definida, concluímos que
não há relação alguma entre as variáveis em estudo.
5
O modo mais prático para obtermos ré abrir, na tabela, colunas correspondentes aos valores
de , e
Logo
Daí r = 0,91, resultando que indica uma correlação linear positiva altamente significativa
entre as duas variáveis.
Para que uma relação possa ser descrita por meio do coeficiente de correlação de Pearsoné
imprescindível que ela se aproxime de uma função linear.
Uma maneira prática de verificarmos a linearidade da relação é a inspeção do diagrama de
dispersão: se a elipse apresenta saliências ou reentrâncias muito acentuadas, provavelmente
trata-se de correlação curvelínea.
Para podermos tirar algumas conclusões significativas sobre o comportamento simultâneo das
variáveis analisadas, é necessário que:
Se ≤1
Se 0,3< <0,3, a correlação é muito fraca e, praticamente, nada podemos concluir sobre a
relação entre as variáveis em estudo.
7
Onde:
Yi é a variável dependente;
Xi é a variável independente ou explicativa;
ei é o erro aleatório;
β0 é o coeficiente linear e β1 é o coeficiente de regressão ou coeficiente declividade), ambos
são parâmetros desconhecidos e a serem estimados;
n indica o tamanho da amostra e o índice refere-se à unidade de observação dos valores das
variáveis.
Os parâmetros β0 e β1 da equação poderão ser estimados a partir de valores amostrais das
variáveis Yi e Xi
8
Que significa derivar esta expressão parcialmente com respeito a cada um dos parâmetros β 0 e
β1. As estimativas e e que tornam mínima a SQE, são aquelas que anulam as
derivadas parciais, ou seja:
Observando o diagrama de dispersão, para os dados do exemplo, percebemos que uma recta
parece ajustar-se bem aos dados; sendo assim, tentaremos ajustar um modelo de regressão
linear para os mesmos.
Identifiquemos, agora, o modelo a ser ajustado para as variáveis X e Y.
ei é o erro aleatório;
β0 é o coeficiente linear;
β1 é o coeficiente de regressão ou coeficiente declividade ou coeficiente angular.
Os parâmetros β0, β1 da equação acima poderão ser estimados a partir de valores amostrais das
variáveis Yi e Xi, dados na tabela de dados do exemplo.
4.0 Probabilidade
4.1. Modelos
Segundo Morettin (2010), toda a vez que se emprega Matemática com a finalidade de estudar
algum fenómeno deve-se começar por construir um modelo matemático. Estes modelos
podem ser: determinísticos ou então probabilísticos.
Por isto é necessário ilustrar o conceito um grande número de vezes para que a ideia fique
bem clara. Convém lembrar que os exemplos dados são de fenómenos para os quais modelos
probabilísticos são adequados e que por simplicidade, são denominados de experimentos
aleatórios quando, de fato, o que deveria ser dito é “modelo não-determinístico aplicado a um
experimento”.
Definição
S ={1, 2, 3, 4, 5, 6};
= {cccc, ccck, cckc, ckcc, kccc, cckk, kkcc, ckck, kckc, kcck, ckkc, ckkk, kckk, kkck, kkkc,
kkkk};
Ao descrever um espaço amostral de um experimento, deve-se ficar atento para o que se está
observando ou mensurando. Deve-se falar em “um” espaço amostral associado a um
experimento e não de “o” espaço amostral. Deve-se observar ainda que nem sempre os
elementos de um espaço amostral são números.
b) Infinito. Quando não tem fim e este por sua vez pode ser:
Eventos
S é o evento certo;
∅ é o evento impossível.
a) Um resultado igual a 4;
b) Um resultado ímpar.
16
Exemplo
i) Uma moeda foi lançada 200 vezes e forneceu 102 caras. Então a frequência
relativa de “caras” é:
ii) Um dado foi lançado 100 vezes e a face 6 apareceu 18 vezes. Então a frequência
relativa do evento A = {face 6} é:
Suponha-se que se quer extrair duas peças ao acaso de um lote que contém 100 peças das
quais 80 peças são boas e 20 defeituosas, de acordo com os critérios (a) com reposição e (b)
sem reposição. Define-se os seguintes eventos: A = {A primeira peça é defeituosa} e B = {A
segunda peça é defeituosa}.
18
Definição
19
No exemplo acima então P (B I A) = , Pois se A ocorreu (isto é, se saiu defeituosa na
99
primeira retirada) existirão na urna 99 peças das quais 19 são defeituosas.
Definição: Segundo Morettin (2010), diz-se que os conjuntos A1, A2, ..., An eventos de um
mesmo espaço amostral S, formam uma partição deste espaço se
5.0 Conclusão
Durante a realização do trabalho, constatei que Uma correlação é uma relação entre duas
variáveis e esta pode ser correlação linear negativa se os pontos têm como imagem uma recta
descendente, não-linear se os pontos têm como imagem uma curva. De tal forma que:
Se r = +1, há uma correlação perfeita e positiva entre as variáveis;
Se r = -1, há uma correlação perfeita e negativa entre as variáveis;
Se r = 0, ou não há correlação entre as variáveis, ou a relação que porventura exista
não é linear.
A análise de regressão é uma das técnicas mais utilizadas para investigar e modelar o
relacionamento existente entre as diversas variáveis de um processo.