Escolar Documentos
Profissional Documentos
Cultura Documentos
Trabalho de BIO-ESTATISTICA
DISCENTES:
Milena Jossamo
Argencia Guifutela
Docente :
Eng.
Geralmente, nem sempre se cumprem os requisitos exigidos para a utilização dos testes
paramétricos (teste t, teste F, etc.), e por isso necessitamos outra série de provas para as
quais não se exige que a distribuição populacional tenha uma forma determinada, nem
que seus parâmetros cumpram certas condições numéricas como se exige nos testes
paramétricos. Estas provas se conhecem com a denominação de testes não paramétricos e
podem ser aplicadas a escalas nominais, ordinais ou de intervalo.
Dentro dos testes não paramétricos, um dos mais utilizados é o teste Qui-quadrado (2),
já que nos permite comparar estados nominais por meio de frequências observadas das
que seriam de esperar, se fossem verdadeiras as condições hipotéticas do que se compara.
Situação
Medicação Total
Curado Não curado
Sim 90 10 100
Não 60 40 100
Total 150 50 200
Os passos a seguir para testar a associação entre a medicação e a cura das duas variáveis
são:
1. Estabelecer as hipóteses
𝑯𝟎: A cura é independente da medicação, ou seja,
não há associação entre a cura e a medicação
Situação
Medicação Total
Curado Não curado
Sim 90 (75) 10 (25) 100
Não 60 (75) 40 (25) 100
Total 150 50 200
Assim,
2 2 2 2
𝜒 =
2
+++= 24
Consideremos os dados do exemplo que se segue, para testar a igualdade das proporções
de acasalamentos fecundos (e não fecundos) em três raças bovinas:
1. Estabelecer as hipóteses
A hipótese nula de homogeneidade que a proporção de cada tipo de acasalamento é a
mesma para todas as raças, pode ser formalmente estabelecida como:
= = 60 𝐺𝑖𝑟 𝑖𝑛𝑓𝑒𝑐𝑢𝑛𝑑𝑜: = = 20
Para 𝑔𝑙 = (3 − 1) × (2 − 1) = 2
Temos: (21−𝛼, 𝑔𝑙) = 𝜒(20,95, 2) = 5,991
Distribuições Contínuas
Apresentaremos agora alguns dos modelos mais importantes para variáveis aleatórias
contínuas.
Distribuição Uniforme
A distribuição uniforme é a distribuição de probabilidades contínua mais simples de
conceituar. No modelo uniforme, a probabilidade de gerar qualquer ponto em um
intervalo contido no espaço amostral é proporcional ao tamanho do intervalo.
Definição: Suponha que X seja uma v.a. contínua que tome todos os valores no
intervalo [a, b], no qual a e b sejam ambos finitos. Se a dp de X for dada por
Generalidades e definição
A distribuição exponencial é uma distribuição contínua utilizada para modelar o tempo
entre ocorrências de eventos num processo de Poisson.
Na realidade, a taxa constante de ocorrência de eventos prevista no processo de Poisson,
tal como uma chamada telefônica ou uma falha em uma máquina, raramente é uma
pressuposição razoável no ciclo completo de vida de um componente. Entretanto, pode
ser que num intervalo de tempo determinado essa taxa seja constante e a modelagem
nesse intervalo pode ser feita pela distribuição exponencial.
A distribuição geométrica modela o número de experimentos de Bernoulli necessários
para que um processo discreto mude de estado. A distribuição exponencial pode ser vista
como a contrapartida contínua da distribuição geométrica, modelando o tempo decorrido
para que um processo
Variáveis Aleatórias
• Ao descrever um espaço amostral de um experimento, não necessariamente o resultado
é um número.
• Contudo em muitas situações experimentais, estamos interessados na mensuração em
forma de número.
• Uma maneira de solucionar esse problema é atribuir um número real x a todo elemento
de S.
Isto é, x = X(s) em que X é uma função do
espaço amostral em S.
Definição: Sejam E um experimento e S o espaço
associado ao experimento. Uma função X, que associe a cada elemento s ∈ S um número
real X(s)
é denominada variável aleatória (v.a).
Função de Probabilidade
Definição: Seja X uma variável aleatória discreta. A cada possível resultado xi
associaremos um número pi = P(X = xi), denominado probabilidade da variável aleatória
X assumir o valor xi , satisfazendo as seguintes condições: i) 0 ≤ p(xi) ≤ 1 ∀i ii) Pp(xi) =
1. A função P é denominada função de probabilidade
. Exemplo Considere o experimento do lançamento de duas moedas. Seja a variável
aleatória o número de caras obtidas. Construa a função de probabilidade X Solução: X
assume os seguintes valores X = {0, 1, 2}. Temos que
Função de Distribuição
Definição: Dada uma variável aleatória discreta X, definimos F(x) a função de
distribuição acumulada ou, simplesmente, função de distribuição (f.d) de X, dada por:
F(x) = P(X ≤ x) ⇒ F(x) = X xi≤x P(X = xi) Exemplo Considerando o exemplo anterior, a
função de probabilidade de X é denotada por: