E(X)

Propaganda
Monitoramento e Controle
Ambiental
Programa de Pós-Graduação em Meio
Ambiente (PPG-MA) - UERJ
UERJ –
© Oscar Luiz Monteiro de Farias
1
Estatística e Geoestatística
no
Monitoramento Ambiental
UERJ –
© Oscar Luiz Monteiro de Farias
2
Métodos Estatísticos...
• Métodos Estatísticos são necessários em MA porque em
geral não é possível caracterizar-se uma situação pela
observação direta.
• Amostragem – método para obtenção de informações
sobre parâmetros de interesse em localizações ou
instantes de tempo específicos.
• Alternativa à obtenção de informações sobre os
parâmetros em todo o universo.
• O uso de métodos estatísticos permite, a partir de
informações parciais, inferir informações sobre o todo.
UERJ –
© Oscar Luiz Monteiro de Farias
3
Métodos Estatísticos...
• Conjunto de dados univariável (univariate data set)
• Conjunto de dados multivariável (multivariate data set)
Ex.: quando se deseja analisar a concentração de
vários contaminantes diferentes em uma dada área.
• O conjunto de dados denomina-se amostra.
Ele pode ser visto como um subconjunto dos valores
possíveis que poderiam ser gerados caso coletássemos
informações em todo o universo (área total, no caso).
• Referimo-nos ao conjunto de todos os valores possíveis
como população.
UERJ –
© Oscar Luiz Monteiro de Farias
4
Métodos Estatísticos...
• Estatística Descritiva ou Exploratória – é usada
para descrever as características básicas dos
dados em estudo.
• consiste em computar uma ou mais estatísticas
resumo para uma amostra.
• A estatística resumo é um número único que
caracteriza um conjunto de dados de algum
modo.
• Freqüentemente inclui um ou mais gráficos.
UERJ –
© Oscar Luiz Monteiro de Farias
5
Métodos Estatísticos...
• Estatística Inferencial – neste casos usa-se o conjunto
de dados (sample data set) para se inferir algo sobre a
população.
• É uma boa prática se considerar a estatística descritiva
ou exploratória, antes de se considerar a estatística
inferencial.
• Métodos estatísticos espaciais – incluem informações
relacionadas à localização física da amostra.
• Em problemas ambientais pode ser necessário o uso de
métodos estatísticos espaço-temporais, em que, além
das coordenadas espaciais é essencial o registro das
coordenadas temporais.
UERJ –
© Oscar Luiz Monteiro de Farias
6
Métodos Estatísticos...
• Em avaliação e MA o objetivo não se limita em
caracterizar um local, mas em usar a
informação para a tomada de decisões.
• Tomar decisões sempre incorpora algum grau
de risco (p. ex. o risco de se tomar a decisão
errada).
UERJ –
© Oscar Luiz Monteiro de Farias
7
Amostras e população...
• Uma amostra é um conjunto de observações
individuais obtidas no processo de amostragem.
• Cada observação pode representar múltiplos aspectos
de informação, como, p.ex., a concentração de um ou
mais contaminantes.
• Este conjunto de números é chamado de dados (data).
• Antes da coleta dos dados é necessário considerar a
sua quantidade e o local de onde serão extraídos, bem
como o método de monitoramento utilizado.
UERJ –
© Oscar Luiz Monteiro de Farias
8
Amostras e população...
• Facilidade de acesso, tecnologia disponível, custos
associados à coleta física das amostras e à posterior
análise de laboratório podem limitar ou restringir a
quantidade e a qualidade da informação obtida no
processo de amostragem.
• Isto pode afetar a confiabilidade das conclusões
fundamentadas na análise estatística dos dados.
• É sempre importante saber-se de antemão como os
dados serão utilizados (quais as questões que serão
respondidas e quão confiáveis as respostas deverão
ser), antes da coleta de qualquer dado.
UERJ –
© Oscar Luiz Monteiro de Farias
9
Amostras e população...
Considere, p. ex., a concentração de um
elemento químico X em um terreno ...
 Existe uma concentração de X (dada por um
valor numérico) em cada ponto do terreno, mas
este conjunto (de números) não é diretamente
observável (são incontáveis).
 Esse conjunto de números é denominado
população.
 Se escolhermos um número p de pontos para
mensurar
a concentração de X, teremos p 10
UERJ –
© Oscar Luiz Monteiro de Farias

Amostras e população...
• A validade das conclusões fundamentadas no
uso de métodos estatísticos depende da criteriosa
observação de algumas premissas. P.ex. Amostra
Randômica (Random Sampling) – significa que a
seleção de uma amostra é conduzida de tal forma
que qualquer subconjunto (com tamanho fixo de
amostra = n) da população tem igual
probabilidade de ser selecionado.
UERJ –
© Oscar Luiz Monteiro de Farias
11
Suporte da Amostra...
• Os valores dos dados freqüentemente
representam propriedades associadas a um dado
volume de matéria ou a uma determinada área.
Este volume ou área é denominado suporte da
amostra.
• P.ex. a porosidade de um solo é determinada
pela relação poros/volume. Poros grandes e
fraturas de solo em rochas não podem ser
detectados em núcleos de solo com suporte de
pequeno volume.
UERJ –
© Oscar Luiz Monteiro de Farias
12
Suporte da Amostra...
• A condutividade hidráulica e concentrações
químicas são valores médios em um dado
volume. Este volume monitorado é o suporte da
amostra.
• Em sensoriamento remoto o suporte da amostra
é o tamanho da área real que é representado em
um pixel.
UERJ –
© Oscar Luiz Monteiro de Farias
13
Variáveis Randômicas...
• Considere todos os valores possíveis para a
concentração de um dado contaminante nas
diversas localizações de uma região.
UERJ –
© Oscar Luiz Monteiro de Farias
14
Variáveis Randômicas...
• Se não existe informação sobre estes valores
para a região em questão, pode-se somente
especificar um domínio de valores possíveis.
• Até que uma localização específica na região
seja escolhida não temos um número único, mas
uma população de valores. O conceito de
variável randômica ajuda a lidar com a
incerteza.
• Ex. dado de 6 faces não viciado.
UERJ –
© Oscar Luiz Monteiro de Farias
15
Variáveis Randômicas...
• Uma variável randômica é caracterizada por
duas coisas:
i) o conjunto de valores possíveis de serem
assumidos pela variável;
ii) o conjunto de probabilidades de ocorrência
de cada um desses valores (distribuição de
probabilidade).
UERJ –
© Oscar Luiz Monteiro de Farias
16
Variáveis Randômicas...
• Uma variável randômica é discreta quando, ao
se plotar os seus possíveis valores ao longo da
reta real, sempre existe um espaço entre dois
pontos consecutivos.
• Uma variável randômica é contínua quando o
conjunto de possíveis valores é um intervalo ou
a união de vários intervalos.
UERJ –
© Oscar Luiz Monteiro de Farias
17
Variáveis Randômicas...
• Em algumas aplicações os atributos são
mensurados sem considerar a localização. Uma
população alvo é identificada e amostras
sistemáticas ou randômicas são coletadas.
• Em outras aplicações é útil se considerar a
localização. Por exemplo, se adicionalmente aos
parâmetros (e.g. renda) relativos a uma
população de famílias, um dos objetivos é
estudar o padrão espacial da distribuição da
renda.
UERJ –
© Oscar Luiz Monteiro de Farias
18
Distribuição de freqüência
• Freqüência é o número de vezes que um valor
especificado ocorre em uma amostra ou
população finita.
• Freqüência relativa é a freqüência dividida pelo
tamanho da amostra (população).
• A freqüência relativa é uma estimativa da
probabilidade de ocorrência de um evento dado.
UERJ –
© Oscar Luiz Monteiro de Farias
19
Distribuição de freqüência
• Considere um estacionamento com 100 carros
(população). Destes, 30 são vermelhos, 40 brancos e
30 de outras cores. A probabilidade de que uma
amostra contenha carros vermelhos será de 0.3;
brancos, 0.4 e de outras cores, 0.3.
• Em ciências ambientais conhece-se os valores de
parâmetros para uma amostra, mas não para a
população.
• Pode-se, todavia, representar a população através de
uma variável randômica que pode seguir
aproximadamente um modelo de distribuição de
probabilidade discreto conhecido.
UERJ –
© Oscar Luiz Monteiro de Farias
20
Distribuição de probabilidade...
• Dada uma amostra, se computarmos as
freqüências relativas para cada valor possível
assumido pela variável randômica, teremos uma
estimativa da distribuição de probabilidade da
variável randômica.
• Para variáveis randômicas discretas pode-se
construir um gráfico de barras, com a abcissa
mostrando os valores da variável[x] e a
coordenada, as freqüências relativas[f(x)].
UERJ –
© Oscar Luiz Monteiro de Farias
21
Distribuição de probabilidade...
O conjunto de pares ordenados (x, f(x)) é uma
função probabilidade ou distribuição de
probabilidade da variável randômica discreta X,
se i)f
para
cada
( x)≥
0 possível valor X=x,
ii ) ∑ f ( x)= 1
x
iii) P( X=x )=f ( x )
UERJ –
© Oscar Luiz Monteiro de Farias
22
Distribuição Cumulativa
• A distribuição cumulativa F(x) de uma variável
randômica discreta X com distribuição de
probabilidade f(x) é dada por:
F ( x )=P( X ≤ x )= ∑ f (t ),para− ∞ <x<∞
t≤ x
UERJ –
© Oscar Luiz Monteiro de Farias
23
Análise Combinatorial (i)
Fonte:
http://www.campusitabaiana.ufs.br/matematica/att
achments/267_Matem%C3%A1tica%20Discret
a%20Aula%203.pdf
 Arranjos, Permutações e Combinações
 Arranjo: Considere n objetos e p locais
disponíveis para guardá-los, sendo exatamente
1 objeto em cada local = arranjo de n objetos
tomados p a p = Apn.
 Permutação:
o número
for
UERJ
–
© Oscar Quando
Luiz Monteiro
de Farias de objetos 24
Análise Combinatorial (ii)
1
…
2
1
2
…
…
i
j
…
p-1
n-1
n
p
Apn = n(n − 1)(n − 2). . .(n − (p − 1)) =
[n(n − 1)(n − 2). . .(n − (p − 1)) (n-p)!]/(n-p)!=n!/(np)!
UERJ –
© Oscar Luiz Monteiro de Farias
25
Análise Combinatorial (iii)
Exemplo 1: Considerando os dígitos
1,2,3,4,5, quantos números de 2
algarismos distintos podem ser
formados?
Apn = n!/(n-p)! = 5!/(5-2)!=5x4=2

Exemplo 2: Considere os
algarismos 1,2,3,4,5. Quantos
números distintos, superiores a 100 e

UERJ –
© Oscar Luiz Monteiro de Farias
26
Análise Combinatorial (iv)
(a) Se o número é par, a última posição L3 pode
ser preenchida com 2 ou 4. Há, portanto, 2
maneiras de preencher a posição L3. Tomemos,
por exemplo, o algarismo 2. Então para
preenchermos as posições L1 e L2 temos os
algarismos 1,3,4,5, isto é, um arranjo de 4
tomados 2 a 2. Logo, existem 2.A24 maneiras
diferentes de preencher as 3 posições, isto é, 2.
4!/2! = 2.4.3 = 24 números pares maiores do
que 100 e menores do que 1000 formados com
UERJos
– algarismos
© Oscar Luiz
Monteiro
27
1,2,3,4
e 5.de Farias
Análise Combinatorial (v)
(b) Já se o número é ímpar, a posição
P3 pode ser preenchida com 1,3 ou 5.
Então, existem 3 maneiras de
preencher L3. Digamos que tomamos
o algarismo 1. Então restam os
algarismos 2,3,4,5 para preenhcer as
posições L1 e L2, novamente um
arranjo A24 = 12. Assim, existem
UERJ –
2 © Oscar Luiz Monteiro de Farias
28
Análise Combinatorial (vi)

Arranjos com Repetição: Caso sejam
permitidas repetições de elementos, podemos na
posição L1 escolher n elementos, na posição L2
também n elementos, e assim sucessivamente
até a posição Lp. Logo, o número de arranjos
com repetição de n elementos tomados p a p,
denotado por ARpn = np.
UERJ –
© Oscar Luiz Monteiro de Farias
29
Análise Combinatorial (vii)

Exemplo: Qual o total de placas de carro que
podem ser construídas constando de 7 símbolos,
sendo os 3 primeiros constituídos por letras e os
4 últimos por dígitos?
Considerando-se o alfabeto com 26 letras,
podemos escolher os 3 primeiros símbolos de
AR326 maneiras diferentes e os 4 últimos de
AR410. Logo, pelo princípio do produto, temos
um total de AR326.AR410 = 263.104, isto é,
podem ser construídas 175.760.000 placas.
UERJ –
© Oscar Luiz Monteiro de Farias
30
Análise Combinatorial (viii)
Uma permutação simples de n objetos é qualquer
agrupamento ordenado desses objetos. Assim, uma
permutação de n objetos é um arranjo de n objetos
tomados n a n. Denotando o número de permutações
de n objetos por Pn, segue que Pn = Ann = n!/(n−n)!=n!

Exemplo: Quantas são as maneiras de 6 carros serem
estacionados em 6 vagas?
Claramente é o arranjo de 6 carros tomados 6 a 6, ou
seja, uma permutação de 6 carros. Assim, o número de
maneiras é P6 = 6! = 720.

UERJ –
© Oscar Luiz Monteiro de Farias
31
Análise Combinatorial (ix)

De quantas maneiras 12 moças e 12 rapazes
podem formar pares para uma dança?
A primeira moça tem 12 possibilidades para
escolher um par. A segunda, 11, e assim
sucessivamente de modo que a 12a terá apenas
1 escolha. Assim, pelo princípio multiplicativo,
existem P12 = 12! = 479.001.600 maneiras
desses pares serem formados.
UERJ –
© Oscar Luiz Monteiro de Farias
32
Análise Combinatorial (x)

Combinações Simples: Se temos n elementos e
desejamos escolher p deles, mas a ordem com o
que fazemos tais escolhas não for importante,
dizemos que queremos a combinação simples
de n elementos tomados p a p. Usamos a
notação Cpn para designar a combinação de n
elementos tomados p a p. Claramente Apn =
PpCpn, ou seja, Cpn=n!/(n-p)!p!=(pn)
UERJ –
© Oscar Luiz Monteiro de Farias
33
Análise Combinatorial (xi)
Exemplo: Quantos subconjuntos de 3
elementos possui um conjunto A de 5
elementos?
Como a ordem dos elementos no conjunto não
importa, basta tomarmos a combinação C35 =
5!/(5-3)!3! = 10.
 Exemplo: Quantos triângulos diferentes podem
ser traçados utilizando-se 14 pontos de um
plano, não havendo 3 pontos alinhados?
Como não
há 3 pontos alinhados, basta
UERJ –
© Oscar Luiz Monteiro de Farias
34

Algumas distribuições discretas







Uniforme - exemplo
Bernouilli - exemplo
Binomial
Geometric - exemplo
Hypergeometric - exemplo
Poisson - exemplo
Negative Binomial - exemplo
UERJ –
© Oscar Luiz Monteiro de Farias
35
Exemplos de Binomial (i)
Example: The probability that a student is
accepted to a prestigious college is 0.3. If 5
students from the same school apply, what is
the probability that at most 2 are accepted?
Solution: To solve this problem, we compute 3
individual probabilities, using the binomial
formula. The sum of all these probabilities is
the answer we seek. Thus,
UERJ –
© Oscar Luiz Monteiro de Farias
36
Exemplos de Binomial (ii)




i is the observed number of successes
n is the number of trials
p is the probability of success for each trial
q =1- p, is the probability of fail for each trail
Suppose a treatment is successful 75% of the time
(probability of
success = .75). This treatment is used in 4 patients
UERJ –
© Oscar Luiz Monteiro de Farias
37
Exemplos de Binomial (ii)
i is the observed number of successes
n is the number of trials
p is the probability of success for each trial
q=1−p
Suppose a treatment is successful 75% of the
time (probability of success = .75). This
treatment is used in 4 patients (n = 4). What is
the probability of seeing 2 successes in these 4
patients? Let X
UERJ –
© Oscar Luiz Monteiro de Farias
38
Distribuição de probabilidade...
• Para variáveis randômicas contínuas grupa-se
os membros da população dentro de classes ou
intervalos de valores para o atributo em estudo.
Para se obter a freqüência relativa, o número de
vezes em que o valor do atributo cai dentro de
um intervalo é dividido pelo tamanho da
amostra. Cada freqüência relativa é dividida
pelo tamanho do intervalo, fornecendo um valor
f(y). O gráfico “valor do atributo x f(y)” fornece
um histograma.
UERJ –
© Oscar Luiz Monteiro de Farias
39
Distribuição de probabilidade...
• Histogramas podem ser construídos para
amostras e populações de tamanho finito, mas
não para populações de tamanho infinito.
• Em particular, não é possível se construir
histogramas para variáveis randômicas
contínuas ou para variáveis randômicas
discretas que podem assumir um número
infinito de valores possíveis.
UERJ –
© Oscar Luiz Monteiro de Farias
40
UERJ –
© Oscar Luiz Monteiro de Farias
41
A) Histograma da freqüência medida; B) distribuição cumulativa da freqüência – para os
dados de argila da tabela anterior. A linha contínua é a curva teórica baseada em uma
distribuição normal com a mesma média e variância estimada a partir dos dados.
UERJ –
© Oscar Luiz Monteiro de Farias
42
Função densidade de probabilidade (fdp)...
• Pode ser pensada como a versão contínua de um
histograma.
• A função f(x) é uma fdp (probability density function pdf) para a variável randômica contínua X, definida
sobre o conjunto dos números reais R, se
i ) f ( x )≥ 0,∀ x ∈ ℜ
∞
ii ) ∫
f ( x ) dx= 1
−∞
b
iii) P(a<x<b )= ∫ f ( x )dx
a
UERJ –
© Oscar Luiz Monteiro de Farias
43
Função densidade de probabilidade...
• A maioria das variáveis randômicas possuem
duas características numéricas importantes: i) a
média (); ii) a variância (2).
 = Square root (2) é o desvio padrão.
• A média () é também chamada de valor
esperado (expected value) - E(X) - da variável
randômica X. Pode ser pensada como o ponto
de equilíbrio do gráfico de uma fdp.
• A variância indica o quanto os valores possíveis
estão dispersos relativamente à média.
UERJ –
© Oscar Luiz Monteiro de Farias
44
Média ou Valor Esperado...
• Seja X uma variável randômica com
distribuição de probabilidade f(x). A média ou
valor esperado de X é:
μ=E( X )= ∑ xf ( x )
se X é discreta,
x
∞
μ=E( X )= ∫ xf ( x )dx
se X é contínua.
−∞
Média ponderada pela probabilidade f(x) dos possíveis valores de
UERJ –
© Oscar Luiz Monteiro de Farias
45
Variância
A variância de X, denotada por Var(X) ou
simplesmente Var X, ou 2 , é a média ponderada
pela probabilidade f(x) dos quadrados dos valores
dos desvios de X de E(X) = µ, i.e.,
Var X = E(X – µ)2 = Var(X)=2=E(X-E(X))2
UERJ –
© Oscar Luiz Monteiro de Farias
46
Média ou Valor Esperado...
Quando um dado é lançado, cada uma das faces
1, 2, 3, 4, 5, 6 ( xi's) tem a probabilidade 1/6
(p(xi)'s) de ocorrer. O valor esperado da face é:
µ = E(X) = (1 x 1/6) + (2 x 1/6) + (3 x 1/6) + (4 x
1/6) + (5 x 1/6) + (6 x 1/6) = 3.5
Neste caso, E(X) é 3.5, que não é um valor
possível para X.
UERJ –
© Oscar Luiz Monteiro de Farias
47
Média ou Valor Esperado...
• Exemplo: Considere um lote contendo 7 componentes, dos
quais 4 estão em bom estado e três apresentam defeitos. Uma
amostra de três componentes é selecionada por um inspetor.
Encontre o valor esperado do número de componentes em bom
estado encontrados na amostra.
• Solução: Seja X o número de componentes em bom estado na
amostra. A distribuição de probabilidade de X é dada por
( )( )( )
4
3
7
f (x)= . / ,x=0,1,2,3.
x 3− x 3
UERJ –
© Oscar Luiz Monteiro de Farias
48
Média ou Valor Esperado...
daí, segue-se que: f(0)=1/35; f(1)=12/35;
f(2)=18/35; f(3)=4/35; Portanto,
µ=E(X)=(0).(1/35)+(1).(12/35)+(2).(18/35)+
(3).(4/35)=12/7=1.7
UERJ –
© Oscar Luiz Monteiro de Farias
49
Média ou Valor Esperado...
• Seja X uma variável randômica com
distribuição de probabilidade f(x). A média ou
valor esperado da variável randômica g(X) é:
μ g( X ) =E [ g ( X )]= ∑ g ( x) f ( x)
se X é discreta, e
x
∞
μ g( X ) =E [ g ( X )]=
UERJ –
∫
g ( x )f ( x )dx
se X é contínua.
−∞
© Oscar Luiz Monteiro de Farias
50
Cumulative density function (cdf)
12
x
F ( x )= ∫ f ( y)dy
10
−∞
8
Column 1
Column 2
Column 3
6
4
2
0
UERJ –
Row 1
Row 2
Row 3
© Oscar Luiz Monteiro de Farias
Row 4
51
Cumulative density function (cdf)
c
P( x ≤ c )=F( c )=
∫
f ( y )dy
−∞
P( x 1 ≤ x ≤ x 2 )=F ( x 2 )− F ( x 1 )
UERJ –
© Oscar Luiz Monteiro de Farias
52
Cumulative density function (cdf)
• A distribuição cumulativa ou função de
densidade cumulativa F(x) de uma variável
randômica contínua X com função de densidade
de probabilidade f(x) é dada por:
x
F ( x ) =P( X ≤ x )= ∫ f ( t ) dt, para− ∞ <x<∞
−∞
P( a≤ ≺x≤ b)=F (b)− F ( a)
UERJ –
© Oscar Luiz Monteiro de Farias
53
Algumas distribuições contínuas



Normal (curva de Gauss, Gaussiana ou bell
curve)
T de Student
Chi squared
UERJ –
© Oscar Luiz Monteiro de Farias
54
Fdp – curva normal (curva de Gauss)
Fonte: http://www.comfsm.fm/~dleeling/statistics/normal_curve.gif
UERJ –
© Oscar Luiz Monteiro de Farias
55
Características da curva normal



Simétrica, em forma de sino
Contínua, assim, qualquer intervalo [a, b]
pertencente aos números Reais possui uma
probabilidade diferente de zero.
Dois parâmetros: µ e Tem-se, na realidade,
uma família de distribuições, com a forma de
cada distribuição determinada por µ e 
UERJ –
© Oscar Luiz Monteiro de Farias
56
Fdp – curva normal (de Gauss)
N(y,0,1)
• Onde  é a média da população e  é o desvio
padrão da população.
• Variações na média deslocam a curva para a esquerda
ou para a direita.
• Variações no desvio padrão achatam ou espicham a
curva.
UERJ –
© Oscar Luiz Monteiro de Farias
57
UERJ –
© Oscar Luiz Monteiro de Farias
58
UERJ –
© Oscar Luiz Monteiro de Farias
59
UERJ –
© Oscar Luiz Monteiro de Farias
60
Utilidade da curva normal


Muitas coisas são normalmente distribuídas, ou
muito próximas a isto. Ex.: altura, peso e
inteligência; erros de medidas.
Há uma forte conexão entre o tamanho da
amostra N e o grau pelo qual a distribuição da
amostra se aproxima da forma normal. Para N
grande (>=30) várias distribuições de amostras
podem ser aproximadas por uma curva normal.
UERJ –
© Oscar Luiz Monteiro de Farias
61
Curva normal...
• A distribuição de amostragem da média da amostra é
aproximadamente normal, ainda que a distribuição da
população da qual a amostra é coletada não seja
normal.
• A distribuição normal maximiza a entropia da
informação entre todas as distribuições com média e
variância conhecida, o que a torna a escolha natural
para a distribuição de dados sumarizados em termos da
média e variância da amostra.
• Na teoria da probabilidade a distribuição normal
aparece como a distribuição limite de várias famílias
de distribuição (discretas e contínuas).
UERJ –
© Oscar Luiz Monteiro de Farias
62
Uso da tabela normal
UERJ –
© Oscar Luiz Monteiro de Farias
63
Distribuição Normal...
x
P( x 1 <=X<=x 2 )= ∫
2
x1
x
2
1
− ( 1/ 2)[ ( x− μ)/ σ ]
n( x,μ,σ ) dx=
e
dx
∫
σ√
2π x
2
1
• Fazendo a seguinte transformação de
coordenadas:
X − μ , teremos:
Z=
σ
x
2
1
− ( 1/2) [ ( x− μ) / σ ]
P( x 1 <=X<=x 2 )=
e
dx
∫
σ√
2π x
2
1
UERJ –
© Oscar Luiz Monteiro de Farias
64
Distribuição Normal
z
2
1
− (1/ 2) z
P( z 1 <=Z<=z 2 )=
e
dz
∫
2π z
√
2
1
z
2
P( z 1 <=Z<=z 2 )= ∫ n( z;0,1 ) dz
z1
UERJ –
© Oscar Luiz Monteiro de Farias
65
Exemplo 1
• Dada uma distribuição normal com µ=50 e =10,
encontre a probabilidade de que X assuma valores
entre 45 e 62.
• Solução: Z=(X-µ)/ . Assim, os valores z
correspondentes a 45 e 62 são:
z1=(45-50)/10=-0.5 e z2=(62-50)/10=1.2
P(45<=X<=62) = P(-0.5<=z<=1.2) =
P(z<=1.2)- P(z<=-0.5) = 0.8849-0.3085=0.5764.
UERJ –
© Oscar Luiz Monteiro de Farias
66
Exemplo 2
• Dada uma distribuição normal com µ=40 e =6,
encontre o valor de x tal que: a) 45% da área
esteja à esquerda; b) 14% da área esteja à direita.
• Solução: P(z<=z*)=0.45. Da tabela normal
segue-se que z*=-0.13. Daí X = *z +µ = 6 *(0.13)+40
X=39.22
P(z>z´)=0.14 e P(z<z´)=0.86 e z´=1.08
X = *z +µ = 6 *(1.08)+40 = 46.48
UERJ –
© Oscar Luiz Monteiro de Farias
67
Exemplo 3
• Um certo tipo de bateria dura em média 3.0 anos, com
um desvio padrão de 0.5 anos. Assumindo que o tempo
de vida das baterias tenha uma distribuição normal,
encontre a probabilidade de que uma dada bateria dure
menos que 2.3 anos.
• Solução: Devemos encontrar P(X<2.3); Isto se
consegue através da transformada Z=(X-µ)/
Z=(2.3-3)/0.5=-1.4
P(X<2.3)=P(Z<-1.4)=0.0808.
UERJ –
© Oscar Luiz Monteiro de Farias
68
UERJ –
© Oscar Luiz Monteiro de Farias
69
UERJ –
© Oscar Luiz Monteiro de Farias
70
Distribuição log-normal...
• Em alguns casos os histogramas exibem forte
assimetria. Tal fato é comum no estudo de
concentrações químicas e em outros atributos.
• Contudo a distribuição pode tornar-se próxima
da normal quando se aplica a transformação Ln
(natural log) à variável randômica não-normal
X, i.e., Y = Ln X.
• Diz-se que a variável X tem uma distribuição
log-normal.
UERJ –
© Oscar Luiz Monteiro de Farias
71
Distribuição log-normal...
μ= exp( μ y + 0. 5σ y )
2
2
σ = exp(2μ y +σ y )[exp(σ y )− 1]
2
2
• A exponencial da média aritmética do dado log
transformado Ln z é a média geométrica:
G=
√∏
n
n
i=1
UERJ –
n
1
xi = exp[ ∑ ln x i ]
n i=1
© Oscar Luiz Monteiro de Farias
72
Exemplo
A tabela a seguir fornece 60 valores de concentração de
chumbo no solo (z). Os valores são plotados na fig.A e
estendem-se por um amplo domínio. Um histograma
(fig.B), construído usando-se intervalos de classe de 20
(mg/Kg) mostra uma preponderância de pequenos valores
nas classes 0-20, 20-40 e 40-60. Contudo existem valores
maior que 100 e pelo menos dois deles superiores a 250.
Fazendo-se y = ln z (fig. C) os valores mostram-se mais
uniformemente distribuídos, como se nota pelo histograma
da transformada (fig. D). Isto não significa
necessariamente que a distribuição é log-normal. Mas
testes seriam necessários para comprovar isto.
UERJ –
© Oscar Luiz Monteiro de Farias
73
UERJ –
© Oscar Luiz Monteiro de Farias
74
UERJ –
© Oscar Luiz Monteiro de Farias
75
UERJ –
© Oscar Luiz Monteiro de Farias
76
UERJ –
© Oscar Luiz Monteiro de Farias
77
UERJ –
© Oscar Luiz Monteiro de Farias
78
Variância x suporte da amostra
• Quanto menor o suporte da amostra observa-se
que a variância assume valores maiores.
UERJ –
© Oscar Luiz Monteiro de Farias
79
Curva normal...
• A importância da distribuição normal como um
modelo de fenômenos quantitativos nas ciências
naturais e comportamentais deve-se ao teorema
do limite central:
• Se X é a média de uma amostra randômica de
tamanho n coletada de uma população com
média  e variância finita 2, então a forma
limite da distribuição de
X− μ
quando n

Z=
σ / √n
é uma distribuição normal padrão n(z,0,1).
UERJ –
© Oscar Luiz Monteiro de Farias
80
Tamanhos de amostra e intervalos de
confidência
• Uma variável randômica normal é completamente
caracterizada quando são conhecidas as suas média (µ )
e variância ().
• Uma questão comum em MA e amostragem é: qual o
tamanho da amostra para se estimar adequadamente
estes dois parâmetros?
• O tamanho da amostra ou número de localizações (n)
necessários para estimar a média depende da tolerância
ou erro d que estejamos dispostos a admitir na
estimativa e também no grau de confidência de que o
erro seja realmente menor do que d.
UERJ –
© Oscar Luiz Monteiro de Farias
81
Distribuição de amostragem
• A distribuição de probabilidade de uma estatística é denominada
uma distribuição de amostragem (sampling distribution).
• A distribuição de probabilidade de X é chamada distribuição de
amostragem da média.
• A distribuição de amostragem de X com tamanho de amostra n é
a distribuição que resulta quando um experimento é conduzido
inúmeras vezes (sempre com tamanho de amostra n) e os diversos
valores de X resultam .
• Esta distribuição de amostragem descreve a variabilidade das
médias das amostras em torno da média da população μ.
UERJ –
© Oscar Luiz Monteiro de Farias
82
A Propriedade reprodutiva
• Teorema: Se X1, X2, ......, Xn são variáveis randômicas
independentes tendo distribuição normal com médias
μ1, μ2, ......, μn e variâncias σ1, σ2, ...... σn ,
respectivamente, então a variável randômica
Y=a1 X 1 +a 2 X 2 + .. .+a n X n
tem uma distribuição normal com média
μY =a 1 μ1 +a 2 μ2 + . . .. .+a n μn
e variância
2 2
2 2
σ Y =a 1 σ 1 +a 2 σ 2 +
2
UERJ –
2 2
. .. . .+a n σ n
© Oscar Luiz Monteiro de Farias
83
Distribuição de amostragem das médias
• Supor que uma amostra randômica com n observações é
selecionada de uma população normal com média μ e variância
σ2. Cada observação Xi, i=1,2,...,n, da amostra randômica terá a
mesma distribuição normal da população que está sendo
amostrada. Pelo teorema anterior...
X 1 +X 2 + . . .+X n
μ+μ+. . .+μ
X=
, mas μ X =
=μ
n
n
2
2
2
2
σ
+σ
+
.
.
.+σ
σ
σ 2X =
=
n
n
UERJ –
© Oscar Luiz Monteiro de Farias
84
i) Variância da pop. é conhecida
• Deseja-se estimar a média (µ) de uma variável
randômica normal assumindo-se que o desvio
padrão () é conhecido.
• Pode-se mostrar que a média da amostra é
também normalmente distribuída ( X =µ) e a
2
variância da amostra
σ
σx =
n
2
UERJ –
© Oscar Luiz Monteiro de Farias
85
Distribuição de amostragem
• A distribuição de probabilidade de uma estatística é denominada
uma distribuição de amostragem (sampling distribution).
• A distribuição de probabilidade de X é chamada distribuição de
amostragem da média.
• A distribuição de amostragem de X com tamanho de amostra n é
a distribuição que resulta quando um experimento é conduzido
inúmeras vezes (sempre com tamanho de amostra n) e os diversos
valores de X resultam .
• Esta distribuição de amostragem descreve a variabilidade das
médias das amostras em torno da média da população μ.
UERJ –
© Oscar Luiz Monteiro de Farias
86
X− μ
Z=
σ / √n
X− μ
P(− z α ≤
≤ z α )= 1− α
σ /√
n
Usando o teorema do limite central, onde
teremos:
2
UERJ –
2
© Oscar Luiz Monteiro de Farias
87
P( μ− z α σ / √
n≤ X ≤ μ+z α σ / √
n)= 1− α
2
Onde
2
(I)
P( z≤ z α /2 )= 1− α /2
Mas, pode-se reescrever (I) como:
P( X− z α σ / √
n≤ μ≤ X +z α σ / √
n )= 1− α
2
2
(II)
O que representa um intervalo de confiança (1-)*100%
para .
UERJ –
© Oscar Luiz Monteiro de Farias
88
Exemplo 3.3
• Suponha que uma amostra randômica de tamanho 16
foi selecionada a partir de uma população com
distribuição normal e que a média da amostra seja
igual a 22.4. Assuma que o desvio padrão da
população -  - é 3.2. Deseja-se obter intervalos de
confidência de 95% e de 99% para a média
(desconhecida) µ.
• Solução: Neste caso pode-se usar a eq. (II), pois o
desvio padrão é conhecido. 1-=0.95. Logo =0.05 e
/2=0.025. A partir de uma tabela normal encontra-se
z0.025=1.96.
UERJ –
© Oscar Luiz Monteiro de Farias
89
Exemplo 3.3
Assim o intervalo de confidência de 95%
corresponde a:
22.4 – (1.96*3.2)/4<µ< 22.4 + (1.96*3.2)/4 ou
22.4 -1.568 <µ< 22.4 + 1.568
• Para o intervalo de confidência de 99%:
1-=0.99, logo =0.01 e /2=0.005.
A partir de uma tabela normal tem-se:
22.4 – (2.576*3.2)/4<µ< 22.4 + (2.576*3.2)/4
UERJ –
© Oscar Luiz Monteiro de Farias
90
Agora seja o erro tolerável d=
Ou ainda,
z α /2 σ 2
n=[
]
d
z α /2 σ
√n
Assim, para um dado nível de confiança e uma dada
tolerância d, pode-se prever o tamanho da amostra.
Note que os cálculos para computar o intervalo de
confiança e o tamanho da amostra dependem de duas
premissas importantes: i) a variável randômica seja
normal; ii) o desvio padrão seja conhecido.
UERJ –
© Oscar Luiz Monteiro de Farias
91
Exemplo 3.4
• Suponha que se deseje obter intervalos de confidência
de 95% e 99% para a média de uma população
uniformemente distribuída, em que o desvio padrão da
população é 3.2. Desejando-se o máxima tolerância
d=0.75, qual deverá ser o tamanho da amostra?
2
z α /2 σ 2
1 . 96∗ 3 . 2
n≥
= 69 . 93 Logo n=70
n≥ [
]
0. 75
d
[
[
]
]
2
2 .57∗ 3 .2
n≥
= 120 .23
0 . 75
UERJ –
© Oscar Luiz Monteiro de Farias
Logo n=121
92
Algumas conclusões
• I) Se o tamanho da amostra é fixo (e o desvio padrão
da população - - é conhecido), então quanto maior o
nível de confidência, maior será o intervalo de
confidência.
• II) Dada a informação (média da amostra, tamanho da
amostra e desvio padrão da população), existe um
intervalo de confidência para cada escolha do nível de
confidência.
• III) Um maior nível de confidência corresponde a uma
amostra de tamanho maior, permanecendo constantes
as demais condições.
UERJ –
© Oscar Luiz Monteiro de Farias
93
Uso da distribuição t de Student
• Na equação (II) nem sempre a média e o desvio
padrão são conhecidos.
• Após a coleta de dados, então um intervalo
similar ao da equação (II) pode ser calculado:
P( X−
st α
2,n− 1
n
√
≤ μ≤ X +
st α
2,n − 1
n
√
)= 1− α (III)
Onde t/2,n-1 é obtido a partir de uma t-table ou função
spreadsheet. t/2,n-1 se aproxima de z/2, à medida que
n cresce. [t/2,n-1 > z/2].
UERJ –
© Oscar Luiz Monteiro de Farias
94
Porque usar a t de Student
Se X1, X2, …, Xi, …, Xn, é uma amostra
randômica de N(µ, σ),
X 1 +X 2 + . . .+X n
X=
,
n
S2=(Xi-X)2/(n-1),
Então a distribuição de t = (X – µ)/S/√n
é chamada de distribuição t de Student com
n-1 graus de liberdade .
UERJ –
© Oscar Luiz Monteiro de Farias
95
Exemplo 3.5
• Suponha que uma amostra randômica de tamanho 16
foi selecionada a partir de uma população com
distribuição normal e que a média da amostra seja 22.4
e o desvio padrão da amostra 3.2. Deseja-se obter
intervalos de confidência de 95% e 99% para a média
da população.
• Solução: Neste caso usa-se a t-table ao invés da tabela
normal, pois o desvio padrão da população não é
conhecido. 1-=0.95, logo =0.05 e /2=0.025.
t0.025,15= 2.131
UERJ –
© Oscar Luiz Monteiro de Farias
96
Exemplo 3.5
22.4 – (2.131*3.2)/4<µ< 22.4 + (2.131*3.2)/4
Para 1-=0.99, logo =0.01 e /2=0.005
t0.005,15= 2.947, resultando em:
22.4 – (2.947*3.2)/4<µ< 22.4 + (2.947*3.2)/4
• Nota-se que o intervalo de confidência 99% é maior
que o intervalo de confidência 95%, mas cada um
destes dois é maior do que as suas contrapartes,
quando o desvio padrão  da população é conhecido.
• Quando o tamanho da amostra é maior ou igual a 30,
os valores da t-table aproximam-se dos valores na
tabela normal.
UERJ –
© Oscar Luiz Monteiro de Farias
97
Exemplo 3.6
• Em aplicações reais, o desvio padrão da população
pode não ser conhecido e, mesmo assim, deseja-se
prever o tamanho da amostra para um dado nível de
confidência para a média da população, i.e., deseja-se
fixar o nível de confidência e a tolerância.
• O problema deve ser resolvido em vários passos.
 define-se um tamanho de amostra baseado em outras
considerações, tais como custo da amostragem,
facilidade da amostragem, etc.)
Seleciona-se a amostra e computa-se o seu desvio
padrão - s -.
UERJ –
© Oscar Luiz Monteiro de Farias
98
Exemplo 3.6
Usa-se s como se fosse o desvio padrão da população e
computa-se o tamanho da amostra.
Se o valor projetado para o novo tamanho da amostra é
maior que o tamanho da amostra anterior, deve-se
coletar uma nova amostra (cuidado! em geral não se
pode adicionar novas observações à amostra anterior;
tal procedimento não resultaria em uma amostra
randômica).
Continua-se o processo descrito em  até que o novo
tamanho projetado da amostra seja próximo ao
tamanho da amostra anterior.
UERJ –
© Oscar Luiz Monteiro de Farias
99
Exemplo 3.6
Usa-se, então, a média da última amostra
coletada e o desvio padrão desta última
amostra, juntamente com valor (n-1) da t-table,
para gerar-se o desejado intervalo de
confidência.
 Não há garantia alguma de que este processo
páre rapidamente.
 Conclusão: estimar o desvio padrão  é mais
complexo que estimar-se a média µ.
UERJ –
© Oscar Luiz Monteiro de Farias
100
Exemplo 3.7
• A partir dos dados da tabela 3.1 (percentuais de argila),
encontramos a média da amostra = 35.3 e o desvio
padrão da amostra = 6.38. O tamanho da amostra é n=36.
Os níveis de confidência são especificados em 95% e
99%.
Para 1-=0.95, logo =0.05 e /2=0.025.
t0.025, 35=2.030 e assim o intervalo de confidência é:
35.3 – (2.030*6.38)/6<µ< 35.3 + (2.030* 6.38)/6
35.3-2.158 ≤µ≤35.3+2.158
Para 1-=0.99, logo =0.01 e /2=0.005
t0.005,35= 2.738, resultando em:
35.3 – (2.738*6.38)/6<µ< 35.3 + (2.738* 6.38)/6
UERJ –
© Oscar Luiz Monteiro de Farias
101
Exemplo 3.7+
• Pode-se pensar que estes intervalos de confidência são
muito largos (elevada tolerância) e deseja-se obter mais
amostras. Qual deveria ser o tamanho da amostra para se
obter uma tolerância de 0.8, com um nível de confidência
de 95%?
• Para 1-=0.95, logo =0.05 e /2=0.025, t0.025, 35=2.030
2
z α /2 σ 2
2 . 030∗ 6 . 38
n>=[
] n≥
= 262 . 09 Usar n=263
0 .8
d
2
2 .738∗ 6 .38
n≥
≈ 477
nível de confidência = 99%
0.8
[
[
UERJ –
]
]
© Oscar Luiz Monteiro de Farias
102
Exemplo 3.7++
Para completar a análise deveria se selecionar
uma amostra randômica do tamanho
especificado (263 p/
pcomputar a média e o
desvio padrão da amostra, e então computar a
tolerância, para comparar com a escolha de
d=0.8.
UERJ –
© Oscar Luiz Monteiro de Farias
103
Observações
• Assumiu-se que a população possuía uma
distribuição normal.
• Foi essencial para os resultados a hipótese de
que as amostras são randômicas.
• Existem meios de se testar se uma distribuição é
normal.
UERJ –
© Oscar Luiz Monteiro de Farias
104
How to Test for Normality
1. First, use a large enough random sample size
for the normality test. To accurately verify
whether or not a distribution is normal, you
should have at least 50 data points.
2. Next, compute the average (mean), median,
range, and standard deviation of the sample.
Call these numbers A, M, R, and D.
3. Check
if Oscar
the average
anddethe
median
UERJ
–
©
Luiz Monteiro
Farias
are
105
Covariância...
• Covariância é a medida do quanto duas variáveis
randômicas mudam conjuntamente.
• Se duas variáveis randômicas X e Y tendem a variar
juntas (i.e., quando uma delas está acima do valor
esperado, então a outra tende a estar também acima do
seu valor esperado) então a covariância entre as duas
variáveis será positiva.
• Por outro lado, se uma delas tende a estar acima do seu
valor esperado e, outra, abaixo do seu valor esperado,
a covariância entre as duas variáveis será negativa.
UERJ –
© Oscar Luiz Monteiro de Farias
106
Covariância...
• Definição: A covariância entre duas variáveis
randômicas X e Y, assumindo valores reais, com
valores esperados E(X)=µ e E(Y)= é definida
por:
COV(X,Y)=E((X-µ)(Y- )), onde E é o operador
valor esperado.
COV(X,Y)=E(X.Y-X.-µ.Y+µ.)
COV(X,Y)=E(X.Y)-E(X). -µ.E(Y) +µ.
COV(X,Y)= E(X.Y)-µ. = E(X.Y)- E(X). E(Y)
UERJ –
© Oscar Luiz Monteiro de Farias
107
Coeficiente de correlação de Person
Cov ( X,Y )
ρ=
,− 1≤ ρ≤ 1
σx.σ y
Se ||=1, então X e Y são
linearmente dependentes.
• A covariância pode ser estimada pela covariância da
amostra:
n
1
s xy=
( x i − x̄ )( y i − ̄ y )
∑
n− 1 i=1
• O coeficiente de correlação da amostra é uma forma
s xy
normalizada da covariância da amostra:
r=
UERJ –
© Oscar Luiz Monteiro de Farias
sx s y
108
Coeficiente de correlação
• O coeficiente de correlação indica a intensidade
e a direção de uma relação linear entre duas
variáveis randômicas.
UERJ –
© Oscar Luiz Monteiro de Farias
109
Distribuição normal multivariada
• A distribuição normal é completamente determinada
pela sua média µ e pela sua variância  .
• Uma distribuição normal multivariada é
completamente determinada pelo vetor das médias ⃗μ
e pela matriz de variâncias e covariâncias. Ex. para 3
variáveis randômicas:
s 21
s12
s13
S= s 21
s 22
s 23
s 31
s32
s 23
(
UERJ –
)
© Oscar Luiz Monteiro de Farias
110
Regressão Linear
UERJ –
© Oscar Luiz Monteiro de Farias
111
Download