Universidade Federal do Rio Grande do Norte - Departamento de Estatstica Disciplina: EST0062 Probabilidade Bsica I - Notas de aula Prof.

Idemauro Antonio Rodrigues de Lara Aula prtica com auxlio do software R

O software R possui uma srie de funes (modelos) de probabilidade implementadas. Para saber os cdigos das funes e mais detalhes voc pode acessar no menu do programa: Ajuda Manuais em Pdf An introduction to R Probability distributions. Basicamente dada a funo desejada (R name) e seus parmetros (additional arguments) podemos associar os seguintes prexos:

d: calcula a funo pontual, isto , f (x) (no ponto x); p: calcula a funo de distribuio acumulada, isto , F (x) = P (X x); q: calcula um quantil desejado, isto , o n x tal que P (X x) > q ; r: gera amostras aleatrias de uma distribuio de probabilidade.
Voc tambm pode solicitar ajuda, por exemplo digite: ?rnorm. Voc ver uma janela contendo a documentao relativa a funo (modelo, detalhes e exemplos).

Modelos Discretos
1. Exemplo com uma distribuio binomial, considere X b(10; 1/4). 1.1 Calcular P (X = 4)

dbinom(4,10,1/4) [1] 0.145998

1.2 Calcular P (X 4)

pbinom(4,10,1/4) [1] 0.9218731

1.3 Encontrar o terceiro quartil da distribuio

qbinom(3/4,10,1/4) [1] 3
1.4 Construir o grco da distribuio de probabilidade da v.a. X e de sua respectiva funo de distribuio acumulada.

x<-0:10 fx<-dbinom(x,10,1/4) Fx<-pbinom(x,10,1/4) par(mfrow=c(1,2)) plot(fx,xlab="x",col="blue",type="h",xlim=c(0,10), main="f(x)=P(X=x)") plot(Fx,xlab="x", col="red",type="S",xlim=c(0,10), main="F(x)")

2
Funo de probabilidade
1.0

Funo de distribuio

0.25

0.20

0.15

0.10

Fx 0 2 4 x 6 8 10 0.2 0 0.4

fx

0.00

0.05

0.6

0.8

4 x

10

Figura 1: Grcos da Distribuio de X b(10, 1/4) 1.5 Gerar uma amostra aleatria de 50 valores de X b(10, 1/4).

a1<-rbinom(50,10,1/4)
2. Considere Y Poisson(5). 2.1 Calcule P (Y = 3), P (Y 4) e P (Y > 7). 2.2 Construa grcos para a funo de probabilidade e para a funo de distribuio acumulada. 3. Explorar a sintaxe de outros modelos discretos: distribuio hipergeomtrica (hyper ) e binomial negativa (nbinom ).

Modelos Contnuos
No R h a possibilidade de voc especicar a funo de densidade de probabilidade e resolver integrais numericamente. (no faz soluo analtica como vimos atravs do software Maple ). Assim como no caso discreto h alguns modelos j implementados. Lembre-se de que agora o prexo d retornar a imagem da funo (para calcular probabilidade precisamos usar a funo de distribuio acumulada!). 1. Suponha que X exp(2). Pede-se o grco da f.d.p. e calcular P (0, 8 < X < 1, 9), P (X > 2). Soluo 1 - especicar a funo

f1<-function(x) 2*exp(-2*x) f1 function(x) 2*exp(-2*x)

Grco de f (x)

plot(f1,0,10) integrate(f1,0.8,1.9) 0.1795257 with absolute error < 2e-15 integrate(f2,0,2) 1-0.9816844 [1] 0.0183156
Soluo 2 - usar a funo implementada Para construo do grco da f.d.p.:

plot(function(x)dexp(x,2),col=1,0,10,xlab="x", ylab="f(x)" )

Funo de densidade de probabilidade

2.0 densidade 0.0 0 0.5 1.0 1.5

4 x

10

Figura 2: Grco da f.d.p. de X exp(2) analogamente para a sua funo de distribuio:

F(x) 0.0 2 0.2 0.4

0.6

0.8

1.0

1 x

Figura 3: Grco da funo de distribuio acumulada de X exp(2)

plot(function(x)pexp(x,2),col=1,-2,5,xlab="x", ylab="F(x)" )
Para clculo de probabilidades:

pexp(1.9,2)- pexp(0.8,2) [1] 0.1795257 1-pexp(2,2) [1] 0.01831564

2. Distribuio normal 2.1 Seja Z N (0, 1). Esboce os grcos.

par(mfrow=c(1,2)) plot(dnorm,-3,3, xlab="z", ylab="f(z)", col=4) plot(pnorm,-3,3, xlab="z", ylab="F(z)", col=4)

0.4

0.3

F(z) 3 2 1 0 z 1 2 3 0.0 3 0.2 0.4

f(z)

0.0

0.1

0.2

0.6

0.8

1.0

0 z

Figura 4: Grco da f.d.p. e da funo de distribuio de Z N(0, 1) 2.2 Seja Z N (0, 1). Calcule P (1, 2 < Z < 1, 2), P (Z 2, 3), P (Z > 1, 45). Encontre os quartis da distribuio.

2.3 Gerar uma amostra aleatria n = 1000 de Z N(0, 1). Construir o histograma. Agora construa o histograma para os quadrados desses valores. Qual a distribuio da v.a. Y = Z 2 ?

2.4 Seja X1 N(100, 64) e X2 N(80, 64). Esboce no mesmo eixo essas densidades.

plot(function(x)dnorm(x,100,8),col=1,50,130,xlab="x",ylab="densidade") plot(function(x)dnorm(x,80,8),col=2,50,130,add=T) legend(110,0.05, c("N(100,8)","N(80,8)"),fill=1:2) #insere a legenda

0.05

N(100,8) N(80,8)

densidade

0.00

0.01

0.02

0.03

0.04

60

80 x

100

120

Figura 5: Funes de densidade: mdias diferentes e desvios-padro iguais. 2.5 Ainda nesse contexto, calcule P (X1 > 85) e P (X2 85).

2.6 Gerar 200 amostras aleatrias de X1 N(100, 64). Obter as estatsticas descritivas. Construir o histograma e adicionar a linha de tendncia. Idem para X2 N(80, 64).

7 2.7 Exemplo distribuies com a mesma mdia e desvios-padro diferentes.

s1=9/sqrt(10) s2=9/sqrt(25) s3=9/sqrt(100) plot(function(x) plot(function(x) plot(function(x) legend(105,0.35,

dnorm(x,100,s1),ylim=c(0,0.45),90,110,col=1,xlab="x",ylab="f(x)" dnorm(x,100,s2),90, 110, col=2, add=T) dnorm(x,100,s3),90, 110, col=3, add=T) c("N(100; 2,84)", "N(100; 1,80)", "N(100; 0,90)"), fill=1:3)

0.4

N(100; 2,84) N(100; 1,80) N(100; 0,90)

densidade

0.0 90

0.1

0.2

0.3

95

100 x

105

110

Figura 6: Funes de densidade: mesma mdia e desvios-padro diferentes.

8 3. Distribuio gama 3.1 Variando os parmetros de forma e escala. Cdigos no R.

plot(function(x)dgamma(x,3,3),col=1,0,5,xlab="x",ylab="f(x)") plot(function(x)dgamma(x,4,3),col=2,0,5,add=T) plot(function(x)dgamma(x,3,1),col=3,0,5,add=T) legend(3,0.4, c("gamma(3,3)","gamma(4,3)","gamma(3,1)"),fill=1:3)

f(x)

0.4

0.6

0.8

gamma(3,3) gamma(4,3) gamma(3,1) 0.2 0.0 0

2 x

Figura 7: Funes de densidade gama.

9 3.2 Variando apenas o parmetro de forma. Comandos no R.

plot(function(x)dgamma(x,2,1),col=1,0,5,xlab="x",ylab="f(x)") plot(function(x)dgamma(x,3,1),col=2,0,5,add=T) plot(function(x)dgamma(x,6,1),col=3,0,5,add=T) legend(3,0.3, c("gamma(2,1)","gamma(3,1)","gamma(6,1)"),fill=1:3)

0.3

gamma(2,1) gamma(3,1) gamma(6,1)

f(x)

0.0 0

0.1

0.2

2 x

Figura 8: Funes de densidade gama com variao do parmetro de escala.

10 4. Distribuio Qui-Quadrado 4.1 Grcos

plot(function(x)dchisq(x,1),col=1,0,7, ylim=c(0,1), xlab="x",ylab="f(x)") plot(function(x)dchisq(x,2),col=2,0,7,add=T) plot(function(x)dchisq(x,6),col=3,0,7,add=T) legend(4,1,c("Qui(1)","Qui(2)","Qui(6)"),fill=1:3)

1.0

Qui(1) Qui(2) Qui(6) 0.8 f(x) 0.0 0 0.2 0.4 0.6

3 x

Figura 9: Funes de densidade qui-quadrado.

11 4.2 Calcule P (2 > 14, 70) (7)

1 -pchisq(14.7,7) [1] 0.04004312

4.3 Calcule a tal que P (2 > a) = 0, 05 (13)

a<- qchisq(0.95,13) a [1] 22.36203

5. Explorar a sintaxe de outros modelos contnuos tais como uniforme (unif ), lognormal (lnorm ), t Student (t ), logstica (logis ), Weibull (weibull ), F (f ).