Conteúdo principal
Estatística e probabilidade
Unidade 9: Aula 1
Variáveis aleatórias discretas- Variáveis aleatórias
- Variáveis aleatórias discretas e contínuas
- Elaboração de uma distribuição de probabilidades de variável aleatória
- Elaboração de distribuições de probabilidade
- Exemplo de modelos de probabilidade: frozen yogurt
- Modelos de probabilidade
- Exemplos de distribuição de probabilidades discreta válida
- Exemplo de probabilidade com variável aleatória discreta
- Probabilidade com variáveis aleatórias discretas
- Média (valor esperado) de uma variável aleatória discreta
- Valor esperado
- Média (valor esperado) de uma variável aleatória discreta
- Valor esperado (básico)
- Variância e desvio-padrão de uma variável aleatória discreta
- Desvio-padrão de uma variável aleatória discreta
© 2023 Khan AcademyTermos de usoPolítica de privacidadeAviso de cookies
Exemplos de distribuição de probabilidades discreta válida
Exemplos resolvidos de identificação de distribuições de probabilidades discretas válidas.
Quer participar da conversa?
- Como posso fazer para traduzir (refazê-lo em português) esse vídeo? Gostaria de ajudar o pessoal que não entende inglês à estudar melhor. Obs: já tenho um canal no youtube para isso.(1 voto)
Transcrição de vídeo
anthony não está analisando suas estatísticas de basquete a tabela a seguir mostra o modelo probabilístico para os resultados de seus próximos dois arremessos livres então temos aqui a tabela e devemos responder essa pergunta este modelo probabilístico vale no bom agora você pode pausar do vídeo pensar um pouco a respeito disso depois volte aqui para conferir então vamos pensar sobre isso o que faz o modelo probabilístico ser válido bom existem dois pré requisitos o primeiro deles é que não pode haver probabilidade negativa então aqui temos essas três probabilidades e nenhuma delas e negativa até podemos ter uma probabilidade igual a zero mas nunca negativa então passou aqui no primeiro critério o próximo critério para ser válido é que a soma das probabilidades deve ser igual a 100% então vamos conferir isso 0,2 mas é de 1,5 0,7 mas r 1,1 0,8 80% então já não corresponde a 5% não satisfez o nosso segundo critério então a resposta para isso é que não não é um modelo válido vamos ver outro exemplo você é um alienígena você visitou terra e hábitos e 97 galinhas 47 vacas e 77 humanos então você selecionou aleatoriamente uma criatura terráqueo de sua mostra para fazer um experimento cada criatura tem igual probabilidade de ser selecionada cria o modelo probabilístico para mostrar com propenso você está em selecionar cada tipo de criatura terráquea coloque suas respostas como frações ou desse mais arredondados para o centésimo mais próximo então no exemplo anterior nós tínhamos que verificar a validade do modelo probabilístico agora nesse exemplo aqui nós temos que criar nosso próprio modelo probabilístico válido e como podemos fazer isso bom a probabilidade estimada de se pegar uma galinha deve ser uma fração nosso espaço mostrar será composto pela somatória de todas essas criaturas já que elas têm uma probabilidade igual de serem selecionados então vamos pensar daqui 97 mas 47 mas 77 então por exemplo qual seria a chance a probabilidade china uma galinha 97 sobre essa soma que vamos fazer essa soma rapidamente se um sobe 1 11 15 2 221 então as chances de que era uma galinha é daqui 97 sobre 221 então aqui está falando que podemos deixar entrar ações então vamos colocar daqui 97 sobre 221 e qual seria a chance de tirar do mapa vaca aqui em baixo seria o mesmo número só que temos apenas 47 vacas 47 sobre 221 chance de tirar um humano o mesmo número mas agora 77 em cima vamos conferir então se esse daqui o modelo probabilístico válido o primeiro critério que a probabilidade deve ser positiva então aqui temos três probabilidades todas positivas ok passamos no primeiro critério e o segundo critério é que se somarmos todas as probabilidades o resultado deve ser 100% então se conferimos aqui mas 77 sobre 221 vamos chegar em 221 sobre 221 que é igual a 1 ou seja 100% então sim conseguimos criar um modelo probabilístico válido