Primeira Lista de Exercícios-Tácio Cavalcante Xavier e Sarah

Emmylle Paulino Perazzo

2022-07-06

1) Explique de maneira intuitiva o que ´e “Probabilidade”. Apresente um exemplo. É a

chance de um evento acontecer
Ex: sair cara ou coroa em uma moeda tem probabilidade de 50% cada
2) Quais sã o as formas de conceituar ou definir “Probabilidade “e como calcular a
probabilidade de um certo evento (aleató rio) em cada uma delas? Apresente um
exemplo para cada forma.
Forma clá ssica: calcula de forma analítica as chances de determinado fenô meno acontecer)
é calculada como sendo o nú mero de vezes que um fenô meno ocorre dividido pelo nú mero
de vezes que ele poderia ocorrer. Como exemplo temos a face 1 de um dado cair ser ⅙.
Forma frequentista: calcula probabilidades como a frequência relativa de um evento
simples do espaço amostral que nã o é equiprová vel. É calculado como sendo o nú mero
total do evento sobre o nú mero de pessoas da amostra. Como exemplo tem-se a quantidade
de pessoas que nã o usam ó culos em uma sala nem determinado colégio.
3) Como podem ser classificadas as Variá veis (Aleató rias)? Apresente um exemplo de
cada tipo de variá vel. Uma variá vel Aleató rias pode ser classificada em
quantitativa(discreta ou continua) ou qualitativa(nominal ou ordinal), como por
exemplo:
Discreta: a chance de um cliente voltar a fazer negó cio com uma empresa de 0 a 10 onde 0 é
imprová vel e 10 prová vel. Continua: tempo assistido de televisã o por dia. Nominal:
numeraçã o das camisas dos jogadores de futebol. Ordinal: classe social.
4) Apresente a definiçã o e um exemplo de funçã o de probabilidade (f.p.). Funçã o ou
distribuiçã o de probabilidade de uma experiência aleató ria é a funçã o que a cada
evento possível faz corresponder a probabilidade de o evento ocorrer.
Como exemplo considere o experimento do lançamento de duas moedas. Seja a
variá vel aleató ria o nú mero de caras obtidas. Construindo a funçã o de probabilidade
X temos que:
X assume os seguintes valores = {0, 1, 2} e a funçã o é :
knitr::include_graphics("E:/Users/HD/Downloads/IMG1.png")
5)Apresente a definiçã o e um exemplo de funçã o densidade de probabilidade (f.d.p.).
knitr::include_graphics("E:/Users/HD/Downloads/IMG2.png")

knitr::include_graphics("E:/Users/HD/Downloads/IMG3.png")

Como por exemplo. X: corrente de um fio de cobre f(x)=0,05 para x>0

6) Descreva situaçõ es ou experimentos aleató rios em que o fenô meno (dados) a ser
estudado/investigado pode ser representado por uma Distribuiçã o Bernoulli.
Experimentos que admitem apenas dois resultados, como por exemplo: O resultado
de um exame médico para detecçã o de uma doença é positivo ou negativa. O aluno
passa ou nã o em MPIE; Um entrevistado concorda ou nã o com a afirmaçã o feita; No
lançamento de um dado ocorre ou nã o face 6; No lançamento de uma moeda ocorre
cara ou coroa.

7) Qual ou quais sã o os parâ metros da Distribuiçã o Bernoulli que deve(m) ser

conhecidos para que seja possível calcular a probabilidade de algum evento de
interesse? Apresente a f.p. desta distribuiçã o e dê um exemplo de cá lculo de
 probabilidade usando a mesma. Calcule manualmente e usando o R. Na Distribuiçã o
Bernolli as situaçõ es tem alternativas dicotô micas e podem ser representadas
genericamente por resposta do tipo sucesso-fracasso. Associaremos p, a
probabilidade de sucesso, ao evento que nos interessa e 1-p, será a probabilidade de
fracasso. E sua funçã o de probabilidade é dada por:
knitr::include_graphics("E:/Users/HD/Downloads/IMG4.png")

Como por exemplo. Em uma prova objetiva de 5 opçõ es, qual seria a probabilidade de um
aluno acertar uma questã o chutando? X: acertar a questã o. P(X=1)=1/5
p <- dbinom(1,1,0.2)
p

## [1] 0.2

8)O que é espaço paramétrico? Apresente um ou mais exemplos.

Espaço paramétrico é uma combinaçã o de características que define a distribuiçã o
conjunta da variá vel aleató ria de interesse.
knitr::include_graphics("E:/Users/HD/Downloads/IMG5.jpg")

9) Qual é o espaço paramétrico associado à Distribuiçã o Bernoulli? [0,1]

 10) Descreva situaçõ es ou experimentos aleató rios em que o fenô meno (dados) a ser
estudado/investigado pode ser representado por uma Distribuiçã o Binomial.
Nú mero de acertos em um campeonato de lançamento de dados e nú mero de
pessoas que se consideram ricas em uma pesquisa demográ fica.

11) Qual ou quais sã o os parâ metros da Distribuiçã o Binomial que deve(m) ser
conhecido(s) para que seja possível calcular a probabilidade de algum evento de
interesse? Apresente a f.p. desta distribuiçã o e dê um exemplo de cá lculo de
probabilidade usando a mesma. Calcule manualmente e usando o R. Notaçã o,
X~B(n,p), para indicar que v.a. X tem distribuiçã o Binomial com parâ metros n e p. E
sua funçã o de probabilidade é dada por:
knitr::include_graphics("E:/Users/HD/Downloads/IMG6.png")

Como por exemplo. Um aluno marca ao acaso as respostas em um teste mú ltipla-escolha

com 10 questõ es e cinco alternativas por questã o. Qual é a probabilidade de ele acertar
exatamente 4 questõ es? P(X=4)=(10!/4!.9!)(0,2)4(0,8)6=0,088
p <- dbinom(4,10,0.2)
p

## [1] 0.08808038

12) Quais sã o os espaços paramétricos associados à Distribuiçã o Binomial? 0<p<1 e n ≥

0

13) Descreva situaçõ es ou experimentos aleató rios em que o fenô meno (dados) a ser
estudado/investigado pode ser representado por uma Distribuiçã o Normal.
variá veis da á rea bioló gica podem ser descritas pelo modelo normal, como por
exemplo o peso de recém-nascidos é uma variá vel aleató ria contínua.

14) Qual ou quais sã o os parâ metros da Distribuiçã o Normal que deve(m) ser
conhecido(s) para que seja possível calcular a probabilidade de algum evento de
interesse? Apresente a f.d.p. desta distribuiçã o e dê um exemplo de cá lculo de
probabilidade de algum evento usando a mesma. Calcule manualmente e usando o
R. a média μ , e o desvio padrã o σ^2
knitr::include_graphics("E:/Users/HD/Downloads/IMG7.png")
Como por exemplo. Numa oficina mecâ nica segue uma distribuiçã o normal com, em média,
2 clientes novos cheguem a cada meia hora podendo variar entre 1 e 3 clientes. Qual a
probabilidade de que cheguem mais que 3 clientes nos pró ximos 30 minutos.
P(X>3)=P(Z>1/1)=1-P(Z<1)=1- 0.841= 0.159
p <- 1-pnorm(1)
p

## [1] 0.1586553

15) Quais sã o os espaços paramétricos (ou o espaço bidimensional) associados a

Distribuiçã o Normal?
μ ∈ ℝ e σ^2 ∈ ℝ>0
16)Defina Partiçã o do Espaço Amostral e apresente um exemplo.
knitr::include_graphics("E:/Users/HD/Downloads/IMG8.png")
No lançamento de um dado, o espaço amostral é representado pelas faces enumeradas 1, 2,
3, 4, 5 e 6.
17)Apresente o Teorema da Probabilidade Total juntamente com uma aplicaçã o prá tica.
knitr::include_graphics("E:/Users/HD/Downloads/IMG9.png")

Suponha que duas fá bricas forneçam lâ mpadas para o mercado. As lâ mpadas da fá brica X
trabalham por mais de 5 000 horas em 99% dos casos, enquanto as lâ mpadas de Y
trabalham por mais de 5 000 horas em 95% dos casos. Sabe-se que a fá brica X fornece 60%
das lâ mpadas. Qual é a chance de que a lâ mpada comprada irá funcionar por mais de 5 000
horas? Aplicando a lei da probabilidade total, nó s temos:
knitr::include_graphics("E:/Users/HD/Downloads/IMG10.png")

Assim, cada lâ mpada comprada tem uma chance de 97,4% para o trabalho por mais de 5
000 horas
18)Apresente o Teorema de Bayes juntamente com uma aplicaçã o prá tica.
knitr::include_graphics("E:/Users/HD/Downloads/IMG11.png")

Seja um teste de drogas 99% sensível e 99% específico. Isto é, o teste produzirá 99% de
resultados verdadeiros positivos para usuá rios de drogas e 99% de resultados verdadeiros
negativos para nã o-usuá rios de drogas. Suponha que 0,5% das pessoas sã o usuá rias de
drogas. Se um indivíduo selecionado aleatoriamente testar positivo, qual a probabilidade
de ele ser usuá rio de drogas? Isto é, qual a probabilidade de nã o se cometer um falso
positivo?
knitr::include_graphics("E:/Users/HD/Downloads/IMG12.png")

Mesmo com a aparente precisã o do teste, se um indivíduo testar positivo, é mais prová vel
que ele nã o seja do que ele seja usuá rio de drogas. Isto porque o nú mero de nã o-usuá rios é
muito maior que o nú mero de usuá rios de drogas. Entã o, o nú mero de falsos positivos
supera o nú mero de positivos verdadeiros. Para usar nú meros concretos, se 1000
indivíduos forem testados, espera–se que 995 nã o sejam usuá rios e 5 sejam usuá rios de
drogas. Para os 995 nã o-usuá rios de drogas, sã o esperados falsos positivos. Para os 5
usuá rios de drogas, sã o esperados positivos verdadeiros. Isto é, dos 15 resultados
positivos, apenas 5 (ou 33%) sã o genuínos. Isto ilustra a importâ ncia da probabilidade
condicional e como políticas podem ser equivocadas se as probabilidades condicionais
forem negligenciadas.
A importâ ncia da especificidade pode ser observada calculando–se que, mesmo se a
sensibilidade for aumentada para 100% e a especificidade permanecer em 99%, a
probabilidade do indivíduo ser um usuá rio de drogas subirá apenas de 33,2% para 33,4%.
Entretanto, se a sensibilidade for mantida em 99% e a especificidade for aumentada para
99,5%, entã o a probabilidade do indivíduo ser um usuá rio de droga sobe para cerca de
49,9%
19)Fale sobre como funciona uma inferência estatística sob o paradigma frequentista ou
clá ssico e apresente um problema prá tico com a resoluçã o a partir da inferência clá ssica. A
inferência frequentista (ou inferência clá ssica) é que ela é aplicá vel apenas em termos de
probabilidade de frequência; isto é, em termos de amostras repetidas de uma populaçã o.
Sejam as variá veis aleató rias X1,X2,…,XnX1,X2,…,Xn independentes identicamente
distribuídas (iid) com E(Xi)=μ e um plano amostral do tipo AAS, onde por simplicidade será
considerada a equivalência EAAS≡E.
knitr::include_graphics("E:/Users/HD/Downloads/IMG13.png")
20)Fale um pouco sobre o que você entende ou como funciona uma inferência sob o
paradigma bayesiano.
Na inferência bayesiana estuda-se a estimaçã o dos parâ metros considerando uma dada
distribuiçã o que o parâ metro em questã o segue.