Conteúdo do Curso
Probability Theory Mastering
1. Declarações Adicionais da Teoria da Probabilidade
3. Estimativa dos Parâmetros Populacionais
4. Teste de Hipóteses Estatísticas
Probability Theory Mastering
Variáveis Aleatórias Absolutamente Contínuas e Discretas
Primeiramente, vamos entender o que é uma variável aleatória.
Variável aleatória é uma variável que pode assumir diferentes valores de acordo com o resultado de um evento ou experimento aleatório.
Por exemplo, são variáveis aleatórias os seguintes valores: o número de caras que saiu durante várias jogadas de moeda, o número de acidentes em um certo trecho de estrada por um certo tempo, o resultado de uma pesagem na balança, o tempo de espera pelo ônibus, etc.
Se observarmos atentamente os exemplos de variáveis aleatórias discutidos acima, podemos entender que elas podem assumir o valor discreto (0, 1, 2, ...), e algumas podem assumir valores completamente diferentes.
Assim, podemos distinguir dois tipos de variáveis aleatórias - discretas e absolutamente contínuas.
Nota
Se falarmos sobre definições matemáticas estritas, variáveis aleatórias contínuas e absolutamente contínuas são duas classes diferentes, mas na prática, as variáveis contínuas são raras, então chamaremos as variáveis absolutamente contínuas simplesmente de contínuas.
Random Variables
Discrete random variables | Continuous random variables |
---|---|
Number of tails that fell out | The result of weighing on the scales |
Number of accidents on the road | Bus waiting time |
Number of hits on the target during shots | The height of a person |
Assim, a principal diferença entre variáveis aleatórias discretas e contínuas é o intervalo de valores que elas podem assumir; variáveis discretas assumem apenas um número específico e contável de valores, enquanto variáveis contínuas podem assumir qualquer valor dentro de um determinado domínio.
Por exemplo, o número de incidentes na estrada pode ser igual a zero, igual a um, e assim por diante, igual a qualquer número natural, e nós podemos contar esse número de incidentes. Ao mesmo tempo, o peso de uma pessoa pode assumir qualquer valor dentro de uma certa faixa, e nós não podemos simplesmente contar todas as variantes possíveis do peso de uma pessoa.
Para descrever variáveis aleatórias discretas, utiliza-se a função massa de probabilidade (FMP): ela se parece com uma tabela que contém todos os valores possíveis de uma variável aleatória e a probabilidade correspondente a esse valor. Por exemplo, vamos olhar para a FMP mais simples que descreve o resultado de um lançamento de uma moeda correta.
Experiment Result
Experiment result | Head | Tail |
---|---|---|
Probability | 0.5 | 0.5 |
Vamos analisar o exemplo do uso da PMF em Python: usaremos a distribuição Binomial descrita no curso Fundamentos da Teoria da Probabilidade.
O resultado do código acima pode ser representado da seguinte forma:
Probability Distribution
Number of heads | 0 | 1 | 2 | 3 | 4 | 5 |
---|---|---|---|---|---|---|
Probability | 0.0312 | 0.1562 | 0.3125 | 0.3125 | 0.1562 | 0.0312 |
Nota
A soma de todas as probabilidades na tabela da função massa de probabilidade (PMF) sempre é igual a 1.
Por outro lado, como podemos representar variáveis aleatórias contínuas se não podemos simplesmente pegar e anotar a série de distribuição, já que não podemos listar todos os possíveis valores dessas variáveis? Responderemos a esta pergunta no próximo capítulo.
Escolha variáveis aleatórias discretas da lista:
Selecione algumas respostas corretas
Tudo estava claro?
Conteúdo do Curso
Probability Theory Mastering
1. Declarações Adicionais da Teoria da Probabilidade
3. Estimativa dos Parâmetros Populacionais
4. Teste de Hipóteses Estatísticas
Probability Theory Mastering
Variáveis Aleatórias Absolutamente Contínuas e Discretas
Primeiramente, vamos entender o que é uma variável aleatória.
Variável aleatória é uma variável que pode assumir diferentes valores de acordo com o resultado de um evento ou experimento aleatório.
Por exemplo, são variáveis aleatórias os seguintes valores: o número de caras que saiu durante várias jogadas de moeda, o número de acidentes em um certo trecho de estrada por um certo tempo, o resultado de uma pesagem na balança, o tempo de espera pelo ônibus, etc.
Se observarmos atentamente os exemplos de variáveis aleatórias discutidos acima, podemos entender que elas podem assumir o valor discreto (0, 1, 2, ...), e algumas podem assumir valores completamente diferentes.
Assim, podemos distinguir dois tipos de variáveis aleatórias - discretas e absolutamente contínuas.
Nota
Se falarmos sobre definições matemáticas estritas, variáveis aleatórias contínuas e absolutamente contínuas são duas classes diferentes, mas na prática, as variáveis contínuas são raras, então chamaremos as variáveis absolutamente contínuas simplesmente de contínuas.
Random Variables
Discrete random variables | Continuous random variables |
---|---|
Number of tails that fell out | The result of weighing on the scales |
Number of accidents on the road | Bus waiting time |
Number of hits on the target during shots | The height of a person |
Assim, a principal diferença entre variáveis aleatórias discretas e contínuas é o intervalo de valores que elas podem assumir; variáveis discretas assumem apenas um número específico e contável de valores, enquanto variáveis contínuas podem assumir qualquer valor dentro de um determinado domínio.
Por exemplo, o número de incidentes na estrada pode ser igual a zero, igual a um, e assim por diante, igual a qualquer número natural, e nós podemos contar esse número de incidentes. Ao mesmo tempo, o peso de uma pessoa pode assumir qualquer valor dentro de uma certa faixa, e nós não podemos simplesmente contar todas as variantes possíveis do peso de uma pessoa.
Para descrever variáveis aleatórias discretas, utiliza-se a função massa de probabilidade (FMP): ela se parece com uma tabela que contém todos os valores possíveis de uma variável aleatória e a probabilidade correspondente a esse valor. Por exemplo, vamos olhar para a FMP mais simples que descreve o resultado de um lançamento de uma moeda correta.
Experiment Result
Experiment result | Head | Tail |
---|---|---|
Probability | 0.5 | 0.5 |
Vamos analisar o exemplo do uso da PMF em Python: usaremos a distribuição Binomial descrita no curso Fundamentos da Teoria da Probabilidade.
O resultado do código acima pode ser representado da seguinte forma:
Probability Distribution
Number of heads | 0 | 1 | 2 | 3 | 4 | 5 |
---|---|---|---|---|---|---|
Probability | 0.0312 | 0.1562 | 0.3125 | 0.3125 | 0.1562 | 0.0312 |
Nota
A soma de todas as probabilidades na tabela da função massa de probabilidade (PMF) sempre é igual a 1.
Por outro lado, como podemos representar variáveis aleatórias contínuas se não podemos simplesmente pegar e anotar a série de distribuição, já que não podemos listar todos os possíveis valores dessas variáveis? Responderemos a esta pergunta no próximo capítulo.
Escolha variáveis aleatórias discretas da lista:
Selecione algumas respostas corretas
Tudo estava claro?