ME-310 Probabilidade II Lista 1
|
|
- Rachel Terra Lobo
- 5 Há anos
- Visualizações:
Transcrição
1 ME-3 Probabilidade II Lista. Seja F (a, b) a função da distribuição acumulada conjunta de v.a. X e Y. Sabendo F, calcule P(X > a, Y > b) e P(a < X < a 2, Y b). 2. A distribuição conjunta de X e Y é dada por p(x, y), onde p(, ) /9, p(2, ) /3, p(3, ) /9 p(, 2) /9, p(2, 2), p(3, 2) /8 p(, 3), p(2, 3) /6, p(3, 3) /9. (a) Calcule as distribuições marginais de X e Y. (b) As v.a. X e Y são independentes? (c) Calcule a distribuição condicional de X dado que Y. 3. A densidade conjunta das v.a. X e Y é dada por c(x + 2y), se < x <, < y < f(x, y), caso contrário. Verifique se X e Y são independentes. Calcule: (a) o valor de c; (b) a densidade de X; (c) P(X < Y ); (d) P(X + Y < ).. A densidade conjunta das v.a. X e Y é dada por cxe f(x, y) (x+y), se x >, y >, caso contrário. (a) Calcule o valor de c. (b) Calcule a densidade condicional de Y dado que X x. (c) Verifique se X e Y são independentes. 5. Sejam X e Y v.a. independentes, X U(; 2) e Y U( ; 3). Calcule a densidade de X + Y. 6. Sejam X e Y v.a. independentes, X U(, ) e Y exp(λ). Calcule a densidade de X/Y. 7. Sejam X, X 2, X 3 v.a. i.i.d. exponenciais com parâmetro λ. Calcule: (a) P(maxX, X 2, X 3 } a); (b) P(minX, X 2, X 3 } a); (c) densidade de Z minx, X 2, X 3 }. 8. O número dos clientes que entram numa loja durante uma hora tem distribuição de Poisson com parâmetro λ 2. Cada cliente compra alguma coisa
2 com probabilidade / e não compra nada com probabilidade 3/ independentemente dos outros. Se entre 2: e 3: entraram exatamente clientes, qual é a probabilidade que pelo menos 2 compraram alguma coisa? Se entre 3: e : exatamente 8 clientes não compraram nada, qual é a probabilidade que pelo menos 2 compraram alguma coisa? 9. Um casal combina a se encontrar por volta de 2:3. O homem chega num momento distribuído uniformemente entre 2:5 e 2:5, a mulher chega num momento distribuído uniformemente entre 2: e 3:. Qual é a probabilidade de que primeiro a chegar terá de esperar mais de 5 minutos? Qual é a probabilidade de que o homem vai chegar primeiro?. A densidade conjunta das v.a. X e Y é dada por x + y, se < x <, < y < f(x, y), caso contrário. Calcule a densidade condicional de X dado que Y y.. Sejam X e X 2 v.a. independentes, X i tem distribuição de Poisson com parâmetro λ i, i, 2. Seja Z X + X 2. Calcule a distribuição condicional de X dado que Z n. 2. A distrbuição conjunta de X, Y e Z é dada por p(, 2, 3) p(2,, ) p(2, 2, ) p(2, 3, 2) /. Calcule E(XY Z) e E(XY + XZ + Y Z). 3. Sejam X, Y e Z v.a. i.i.d. que assumem valores e 2 com prob. /2. Ache a distribuição de XY Z e X 2 + Y Z.. Sejam X Poisson(λ) e Y U(, ), independentes. Ache a distribuição de X + Y. 5. Seja f(x, y) c(y x), se < x < y <,, caso contrário. Ache o valor de c e as distribuições marginais de X e Y. As v.a. X e Y são independentes? 6. Um dado honesto é lançado vezes. Qual é a probabilidade de obter duas vezes 6, cinco vezes 5 e três vezes? 2
3 Probabilidade 2 - ME3 - Lista September, 22 Lembrando:. Probabilidade conjunta P (a < X a 2, b < Y b 2 ) F (a, b ) + F (a 2, b 2 ) F (a, b 2 ) F (a 2, b ) 2. Soma de v.a. independentes (por convolução) f X+Y (a) f x(a y) f y (y)dy f x(x) f y (a x)dx 3. Probabilidade conjunta: f(x, y)dxdy. Densidade condicional: f X/Y (x, y) f(x,y) f(y) 5. Densidade marginal: f(x) f(x, y)dy 6. V.a. independentes: f(x, y) f(x) f(y) 7. I.i.d: independentes e identicamente distribuídas (mesma distribuição e cada uma é independente das demais) 8. Esperança: E(g(x, y, z)) x X y Y z Z g(x, y, z) p(x, y, z)
4 ) Seja F (a, b) a função da distribuição acumulada conjunta da v.a. X e Y. Sabendo F(x,y), calcule a)p (X > a, Y > b) Resp. a) P (Ω) P (X > a, Y > b}. X > a, Y > b} c ) P (X > a, Y > b}) + P (X > a, Y > b} c ) P (X > a, Y > b) + P (X a Y b) P (X a Y b) P (X a) + P (Y b) P (X a, Y b) F (a, ) + F (, b) F (a, b) unindo as duas equações temos que: P (X > a, Y > b) (F (a, ) + F (, b) F (a, b)) + F (a, b) F (a, ) F (, b) b)p (a < X < a 2, Y b) Resp. b) vamos enumerar o que sabemos: P (a < X < a 2 ) P (X < a 2 ) P (X a ) lim ɛ P (X a 2 ɛ) P (X a ) lim ɛ F (a 2 ɛ, ) F (a, ) F (a 2, ) F (a, ) P (a < X < a 2 ) P (a < X < a 2, Y b. Y < b}) P (a < X < a 2, Y b) + P (a < X < a 2, Y < b) P (a < X < a 2, Y < b) limp (X < a 2, Y b ɛ) limp (X a, Y ɛ ɛ b ɛ) lim limp (X a 2 δ, Y b ɛ) limp (X a, Y b ɛ) ɛ δ ɛ lim limf (a 2 δ, b ɛ) limf (a, b ɛ) F (a 2, b) F (a, b) ɛ δ ɛ Unindo essas informações temos que F (a 2, ) F (a, ) P (a < X < a 2, Y b) + F (a 2, b) F (a, b) P (a < X < a 2, Y b) F (a 2, ) F (a, ) F (a 2, b) + F (a, b) Obs.: foi usado a notação de limite só para chamar a atenção nas desigualdades e lembrar que apesar de no caso contínuo não fazer diferença se estamos usando ou <, nas variáveis discretas (ou quando procuramos pela melhor aproximação de uma variável normal em uma tabela de distribuição normal ) isso pode fazer uma diferença signicante! Se a pergunta foi 'tenho mesmo que usar esses limites?', a resposta é 'não', quando estiver trabalhando com variáveis contínuas pode passar direto para o passo nal e nem se preocupar com limites. 2
5 2) A distribuicão conjunta de X e Y é dada por p(x, y), onde: p(, ) /9; p(2, ) /3; p(3, ) /9 p(, 2) /9; p(2, 2) ; p(3, 2) /8 p(, 3) ; p(2, 3) /6; p(3, 3) /9 a) Calcule as distribuicões marginais de X e Y. Resp. a) Lembre-se que P (Y y) x3 x P (X x, Y y). P (Y ) p(, ) + p(2, ) + p(3, ) P (Y 2) p(, 2) + p(2, 2) + p(3, 2) P (Y 3) p(, 3) + p(2, 3) + p(3, 3) P (X ) p(, ) + p(, 2) + p(, 3) P (X 2) p(2, ) + p(2, 2) + p(2, 3) P (X 3) p(3, ) + p(3, 2) + p(3, 3) b) As v.a. X e Y são independentes? Resp. b) Para que sejam independentes é necessário que P (X x, Y y) P (X x) P (Y y) para todos x e y, portanto basta mostrar um par que não obedece esta restrição para provar que as v.a. não são independentes: Pegue, por exemplo X 2 e Y 2 temos que P (X 2, Y 2) p(2, 2), mas P (X 2) y3 y P (X 2, Y y) e P (Y 2) x3 x P (X x, Y 2) Como P (X 2, Y 2) 2 P (X 2) P (Y 2), temos que as v.a. X e Y não são independentes c) Calcule a distribuicão condicional de X dado que Y. Resp. c) 5 9 Pela denição temos: P (X x/y y) P (Xx,Y y) P (Y y) p(x,y) P (Y y) Primeiro vamos calcular P (Y ) x3 x P (X x, Y ) Agora podemos calcular P (X x/y ) 5 se x 3 5 se x 2 5 se x 3 p(x,y) P (Y ) /9 5/9 se x /3 5/9 se x 2 /9 5/9 se x 3 3
6 3) A densidade conjunta das v.a. X e Y e dada por f(x, y) c (x + 2 y) se < x < e < y < : caso contrário *) Verique se X e Y são independentes. Resp. *) vamos calcular as marginais: f(x) + f(x, y)dy c (x+2 y)dy c (x y+y2 ) y y c (x + ) se < x < caso contrário f(y) + f(x, y)dx c ( y) se < y < caso contrário Disso, vericamos se f(x, y) c 2 (x + ) ( y) se < x < e < y < caso contrário Então concluímos que não são independentes a) o valor de c Resp. a) c c 2 3 b) a densidade de X; + f(x, y)dxdy c (x + 2 y)dx c ( x y x)x x c (x + 2 y) se < x < e < y < caso contrário f(x) f(y) c (x + 2 y)dxdy c (x + )dx Resp. b) f(x) + f(x, y)dy 2 3 (x + 2 y)dy 2 3 (x y + y2 ) y y 2 3 (x + ) se < x < caso contrário c) P (X < Y ); Resp. c) P (X < Y ) + y x y) xy x dy y2 dy 5 3 y3 3 d) P (X + Y < ) Resp. d) f(x, y)dxdy y y y (x + 2 y)dxdy 2 3 ( x
7 P (X + Y < ) P (X < Y ) + y f(x, y)dxdy y 2 3 (x + 2 y)dxdy 2 3 ( x x y)x y x dy 2 3 ( ( y) ( y) y)dy 2 ( y)3 3 ( 6 + y 2 2 y3 3 )y y 2 3 ( ) 3 não são indepen- Observe que não podemos aplicar a equação 2 pois as v.a. dentes. ) A densidade conjunta das v.a. X e Y e dada por f(x, y) c x e (x+y) se x > e y > caso contrário (a) Calcule o valor de c. usando a denição temos que c x e y e x dxdy c c ( +x e ) x c logo c f(x, y)dxdy c x e (x+y) dxdy x e x dx c x e x dx e y dy (b) Calcule a densidade condicional de Y dado que X x. Usando a denição f X/Y (x, y) f(x,y) f(y) e f(y) f(y) f(x, y)dx x e (x+y) dx f X/Y (x, y) f(x,y) f(y) f(x,y) f(y) x e (x+y) e y (c) Verique se X e Y são independentes. f(x, y)dx temos: e y se y > caso contrário x e x se x > caso contrário Basta calcular f(x) f(x, y)dy x e (x+y) dy x e x e y se x > e y > Como f(x, y) caso contrário são conjuntos independentes x e x se x > caso contrário f(x) f(y) temos que X e Y 5) Sejam X e Y v.a. independentes,x U(, 2) e Y U(, 3). Calcule a densidade de X + Y. Lembrando V U(a, b) f V (v) b a I a v b} se v < a v a e F V (v) b a se a v b se b > b b a se a v b caso contrário 5
8 O Objetivo desta questão é atentar para problemas decorrentes de trabalhar com intervalos, ou seja, devemos considerar apenas intervalos válidos. Para isso considere Z X + Y queremos encontrar f Z (z). temos que: f X (x) 2 I x 2} f Y (y) I y 3} (pessoalmentee acho essa representação mais simpática, não ocupa duas linhas do caderno, esse I só nos diz que fora do intervalo a função vale ) Podemos usar diretamente a equação 2: f Z f X+Y (a) f x(x) f y (a x)dx 2 2 I a x 3}dx vamos tentar tirar alguma informação dos intervalos possíveis: a x 3 x 2 a 5 (soma das variáveis X e Y) 2 I x 2} I a x 3}dx. se a então x estará limitado da seguinte forma: a x 3 a + x a 3 com máximo 2 x 2 e mínimo x, mas além disso, x está limitado pelo intervalo constante x 2, unindo essas duas informações para a então x a+ f Z (a) 2 +a f Y (a x)dx 8 ( + a) 2. se a 3 então x estará limitado em: a x 3 a + x a 3 com máximo x e mínimo 2 x 2, porém estes dois intervalos contém integralmente a outra restrição x 2, como, quem restringe o valor é o menor intervalo de cada lado, para o caso a 3 temos x 2 f Z (a) 2 2 f Y (a x)dx 8 (2) 3. se 3 a 5 x estará limitado em: a x 3 a + x a 3 com máximo 5 x 2 e mínimo x, e como sempre também estará limitado a x 2, o intervalo que limita superiormente é 2 x e o inferior x a 3 logo a 3 x 2 f Z (a) 2 2 a 3 f Y (a x)dx 5 a 8 (2 (a 3)) 8 5 a 8 se 3 a < 5 +a Com isso temos nossa f Z (a) 8 se a < se a < 3 caso contrário *) Poderíamos ter usado a outra forma da equação 2 para chegar ao mesmo resultado: 6
9 f Z (a) 2 I a y 2} I y 3}dy 8 3 I a y 2}dy denovo isso nos fornece dados importantes a y 2 a 2 y a y 3 y 5 Trabalhando no mesmo intervalo, temos:. se a então y estará limitado da seguinte forma: a y 2 a 2 y a com máximo y e mínimo x 3, mas além disso, y está limitado pelo intervalo constante y 3, unindo essas duas informações temos y a f Z (a) 2 a f X(a y)dy 8 ( + a) 2. se a 3 então y estará limitado em: a y 2 a 2 y a com máximo 3 y e mínimo y e tambeme stá limitado por y 3, observe que desta vez é o intervalo com a que limita tanto inferiormente quanto superiormente f Z (a) 2 a a 2 f X(a y)dy 8 (2) 3. se 3 a 5 y estará limitado em: a y 2 a 2 y a com máximo 5 y 3 e mínimo 3 y, e como sempre também estará limitado a y 3, o limitante inferior é dado por a 2 e o superior pela constante 3 a 2 y 3 f Z (a) 2 3 a 2 f X(a y)dy 5 a 8 (3 (a 2)) 8 Ou seja, são iguais! 6. Sejam X e Y v.a. independentes, X U(, ) e Y exp(λ). Calcule a densidade de Z X/Y. Resp. 6) Queremos f Z (z) df Z(z) dz F Z (z) P (Z z) P (X/Y z) P (X z Y ) x<zy f(x) f(y)dxdy ( λ e λzy )dy + e λz λz λz f Z (z) df Z(z) com z dz λz 2 e λz z zy λ e λx dxdy e λz λz 2 f(x, y)dxdy x<zy zy λ e λx dxdy 7
10 7. SejamX, X 2, X 3 v.a. i.i.d. exponenciais com parâmetro λ. Calcule: (a) P (maxx, X 2, X 3 } a) Resp. a) P (maxx, X 2, X 3 } a) P (X a, X 2 a, X 3 a) iid P (X a) 3 ( e a ) 3 (b) P (minx X 2 X 3 } a) Resp. b) P (minx X 2 X 3 } a) P (X a, X 2 a, X 3 a) iid ( P (X a)) 3 e 3 a (c) densidade de Z minx, X 2, X 3 } Resp. c) f Z (z) df Z(z) dz de 3 a dz dp (minxx2x3} a) dz 3 e 3 a se a caso contrário d( P (minxx2x3} a)) dz 8. O número dos clientes que entram numa loja durante uma hora tem distribuição de Poisson com parâmetro λ 2. Cada cliente compra alguma coisa com probabilidade / e não compra nada com probabilidade 3/ independentemente dos outros. Se entre 2: e 3: entraram exatamente clientes, qual é a probabilidade que pelo menos 2 compraram alguma coisa? Se entre 3: e : exatamente 8 clientes não compraram nada, qual e a probabilidade que pelo menos 2 compraram alguma coisa? Resp. 8) #clientes que entram na loja: E P oisson(2) cada cliente compra com prob / C Bernoulli(/) independentes Entre 2 e 3 horas entram exatamente clientes. O número de clientes entraram e que compraram alguma coisa é Y P oisson(2 E(C)) P oisson(3), basta então P (Y 2) P (Y ) P (Y ) e 3 3! e 3 3! Sabemos exatamente quantos não compraram (8 entre 3:-:), então se entrarem X nesse intervalo, sabemos que exatamente X 8 compraram alguma coisa, para isso, basta calcular P (E ) P (E ) P (E ) e λ λ! e λ λ! e 2 ( + 2) dp (minxx2x3} a) dz 8
11 9. Um casal combina de se encontrar por volta de 2:3. O homem chega num momento distribuído uniformemente entre 2:5 e 2:5, a mulher chega num momento distribudo uniformemente entre 2: e 3:. Uma observação aqui é o cuidado com a representação das horas, podemos por exemplo representar como minutos, ou frações de hora. Eu acho que é mais fácil trabalhar com minutos e depois converter, da seguinte maneira: seja H a variável aleatória que representa a hora que o Homem vai chegar ao local e D H U(5, 5). Dessa forma : H D h min seja M a variável aleatória que representa a hora que a Mulher vai chegar ao local e D M U(, 6). Dessa forma : M D M min Por causa das propriedades da uniforme: f DH (h) 3 I h (5,5) f DM (m) 6 I m (,6) a) Qual e a probabilidade de que primeiro a chegar terá de esperar mais de 5 minutos? P (H M > 5. M H > 5) P (H M > 5) + P (M H > 5) Calculando cada parcela temos: P (M H > 5) P (M > 5+H) P (D M > 5+D H ) f(m, h)dmdh m>5+h m>5+h f D M (m) f DH (h)dmdh 3 5+h I h (5,5) I m (,6) dmdh h dmdh h5 h h5 (6 5 h)dh 6 3, 25 P (H M > 5) P (H > 5+M) P (D H > 5+D M ) f(m, h)dmdh h>5+m h>5+m f D M (m) f DH (h)dmdh m I h (5,5) I m (,6) dhdhm m dhdm 2 m3 6 3 m m (5 5 m)dm 6 3, 25 **) observe que não integramos até 6 pois para valores maiores que 3, a segunda integral se torna por causa do problema de intervalos discutido na questão 5 assim a resposta é:p (H M > 5. M H > 5) P (H M > 5) + P (M H > 5) 2 9
12 b) Qual e a probabilidade de que o homem vai chegar primeiro? P (M H > ) P (M > H) P (D M > D H ) f(m, h)dmdh m>h m>h f D M (m) f DH (h)dmdh h I h (5,5) I m (,6) dmdh h 2 m m5 (6 h)dh h dmdh 6 3. A densidade conjunta das v.a. X e Y e dada por f(x; y) x + y; se < x < e < y <. Calcule a densidade condicional caso contrário de X dado que Y y. Resp. )f X/Y (x/y) f(x,y) f(y) x+y x+y (x+y)dx x+ 2 I <x<,<y<. Sejam X e X 2 v.a. independentes, X i tem distribuição de Poisson com parâmetro λ i, i, 2. Seja Z X + X 2. Calcule a distribuição condicional de X dado que Z n. Resp. ) X P oisson(λ ) f X (x ) e λ λ x x! X 2 P oisson(λ 2 ) f X2 (x 2 ) e λ 2 λ x 2 2 x 2! P (x k/x+y n) e λ λ k k! e λ 2 λ n k 2 (n k)! e (λ +λ 2 ) (λ +λ 2 ) n n! P (Xk,X+Y n) P (X+Y n) λk λn k 2 (λ +λ 2) n n k P (Xk,Y n k) P (X+Y n) indep. P (Xk) P (Y n k) P (X+Y n) *) Na página 39 do Ross temos que se X, Y P oisson(λ,2 ) e Z X + Y então Z P oisson(λ + λ 2 ) 2. A distribuicão conjunta de X, Y e Z é dada por p(, 2, 3) p(2,, ) p(2, 2, ) p(2, 3, 2) : Calcule E(XY Z) e E(XY + XZ + Y Z). Resp. 2) a) temos que g(x, y, z) x y z com isso e a equação 8 temos: 2 3 x X y Y z Z g(x, y, z) p(x, y, z)
13 b) pela propriedade linear da esperança temos: E(XY +XZ +Y Z) E(XY )+ E(XZ) + E(Y Z), disso E(XY +XZ+Y Z) E(XY )+E(XZ)+E(Y Z) Sejam X, Y e Z v.a. i.i.d. que assumem valores e 2 com prob. 2. Ache a distribuicão de XY Z e X2 + Y Z. Resp. 3) todas as 3-uplas possíveis são: (,, ), (, 2, ), (2,, ), (2, 2, ), (,, 2), (, 2, 2), (2,, 2), (2, 2, 2) observe que a probabilidade de X,Y,Z é 2 tanto para quanto para 2 dado que g(x, Y, Z) X Y Z P (g(x, y, z) ) 8 P (g(x, y, z) 2) 3 8 P (g(x, y, z) 3) P (g(x, y, z) ) 3 8 P (g(x, y, z) 5) P (g(x, y, z) 6) P (g(x, y, z) 7) P (g(x, y, z) 8) 8 nesse caso, temos h(x, Y, Z) X 2 + Y Z P (h(x, y, z) ) P (h(x, y, z) 2) P (X, Y, Z ) 8 P (h(x, y, z) 3) P (x, y 2, z ) + P (X, Y, Z 2) 2 8 P (h(x, y, z) ) P (h(x, y, z) 5) P (x 2, y, z ) + P (X, Y 2, Z 2) 2 8 P (h(x, y, z) 6) P (x 2, y 2, z ) + P (X 2, Y, Z 2) 2 8 P (h(x, y, z) 7) P (h(x, y, z) 8) P (x 2, y 2, z 2) 8
14 . Sejam X P oisson(λ) e Y U(, ), independentes. Ache a distribuicão de Z X + Y. Resp. ) f Z (z) P (X + Y z) P (X z Y ) P (Y k) P (X z k)dk P (X z k)dk P (Y k, X z k)dk λ (z k) e λ (z k)! Mas pela denição de Poisson, se X P oisson(λ) então f X (x) com isso, a integral se torna f Z (z) λ (z k) e λ (z k)! parte inteira de z 5. Seja f(x, y) dk λ(z k) e λ (z k)! I z k Z} λ z e λ z!, em que z denota a c(y x) se < x < y < caso contrário a) Ache o valor de c e as distribuicões marginais de X e Y. Resp. a) f(x, y)dxdy c 6 c c 6 b) As v.a. X e Y são independentes? Resp. b) Não, pois f(y) y 6(y x)dx 6y2 6 y2 2 3y2 y (y x)dxdy c (y2 y2 2 )dy c ( 3 6 ) f(x) y2 6(y x)dy 6 x 2 6xy y yx 6( 2 x2 2 x+x2 ) 6( x2 2 x 2 ) f(x, y) f(x) f(y) 6. Um dado honesto e lançado vezes. Qual e a probabilidade de obter duas vezes 6, cinco vezes 5 e três vezes? Resp. 6) Usaremos a distribuição multinomial (Ross ), cada uma com probabilidade de sucesso de um sexto P (X 2, X 2 5, X 3 3)! 2!5!3! dk λx e λ x! se x N caso contrario 2
15 Este solucionário foi feito para a disciplina ME3-2Sem 22. Caso encontre algum erro, por favor peça alteração informando o erro em nosso grupo de discussão: 22 Bons estudos, Eric. 3
Probabilidade 2 - ME310 - Lista 4
Probabilidade - ME30 - Lista 4 November 4, 05 Lembrando:. Geratriz de momentos: M X (t) = E(e t X ) = + et x f(x) dx, observe que dm X (t) = + x et x f(x) dx = dm X (0) = + x et 0 f(x) dx = + x f(x) dx
Leia maisProbabilidade 2 - ME310 - Lista 0
Probabilidade 2 - ME310 - Lista 0 August 30, 2012 Lembrando: 1) Conjuntos disjuntos: A B = = P (A B) = 0 2) Conjuntos independentes: P (A B) = P (A) P (B) 3) Podemos dividir qualquer conjunto em dois conjuntos
Leia maisProbabilidade 2 - ME310 - Lista 2
Probabilidade - ME3 - Lista September 4, Lembrando:. Estatística de ordem, pg 38 Ross: f xj (x) = n! (n j)!(j )! F (x)j ( F (x)) n j f(x). Distribuição de probabilidade conjunta de funções de variáveis
Leia maisME-310 Probabilidade II Lista 0
ME-310 Probabilidade II Lista 0 1. Sejam A e B eventos disjuntos tais que P(A) = 0.1 e P(B) = 0.. Qual é a probabilidade que (a) A ou B ocorra; (b) A ocorra, mas B não ocorra; (c) repita (a) e (b) se os
Leia maisME-310 Probabilidade II Lista 2
ME-3 Probabilidade II Lista 2. Uma máquina funciona enquanto pelo menos 3 das 5 turbinas funcionam. Se cada turbina funciona um tempo aleatório com densidade xe x, x >, independentemente das outras, calcule
Leia maisProbabilidade 2 - ME310 - Lista 0
Probabilidade 2 - ME310 - Lista 0 17 de agosto de 2018 Lembrando: 1) Conjuntos disjuntos: A B = = P (A B) = 0 2) Conjuntos independentes: P (A B) = P (A) P (B) A = (A B). (A B c ) só uma forma de deixar
Leia maisProbabilidade 2 - ME310 - Lista 2
Probabilidade - ME3 - Lista November, 5 Lembrando:. Estatística de ordem, pg 38 Ross: f xj (x) = n! (n j)!(j )! F (x)j ( F (x)) n j f(x). Distribuição de probabilidade conjunta de funções de variáveis
Leia maisPar de Variáveis Aleatórias
Par de Variáveis Aleatórias Luis Henrique Assumpção Lolis 7 de abril de 2014 Luis Henrique Assumpção Lolis Par de Variáveis Aleatórias 1 Conteúdo 1 Introdução 2 Par de Variáveis Aleatórias Discretas 3
Leia maisAula 11. Variáveis Aleatórias Contínuas Bidimensionais
Aula. Variáveis Aleatórias Contínuas Bidimensionais Resumo de caso unidimensional Caso Discreto p p 2 p 3 Caso Contínuo f(x) x x 2 x 3 i p i + f x dx X x x 2 x 3 P p p 2 p 3 Caso bidimensional Caso Discreto
Leia maisProcessos Estocásticos. Variáveis Aleatórias. Variáveis Aleatórias. Luiz Affonso Guedes. Como devemos descrever um experimento aleatório?
Processos Estocásticos Luiz Affonso Guedes Sumário Probabilidade Funções de Uma Variável Aleatória Funções de Várias Momentos e Estatística Condicional Teorema do Limite Central Processos Estocásticos
Leia maisProcessos Estocásticos. Variáveis Aleatórias. Variáveis Aleatórias. Variáveis Aleatórias. Variáveis Aleatórias. Luiz Affonso Guedes
Processos Estocásticos Luiz Affonso Guedes Sumário Probabilidade Funções de Uma Variável Aleatória Funções de Várias Momentos e Estatística Condicional Teorema do Limite Central Processos Estocásticos
Leia maisProcessos Estocásticos. Luiz Affonso Guedes
Processos Estocásticos Luiz Affonso Guedes Sumário Probabilidade Variáveis Aleatórias Funções de Uma Variável Aleatória Funções de Várias Variáveis Aleatórias Momentos e Estatística Condicional Teorema
Leia maisProbabilidade II. Departamento de Estatística. Universidade Federal da Paraíba
Probabilidade II Departamento de Estatística Universidade Federal da Paraíba Prof. Tarciana Liberal (UFPB) Aula Distribuições Condicionais 11/13 1 / 19 Em estudo feito em sala perguntamos aos alunos qual
Leia maisEscola Superior de Agricultura Luiz de Queiroz Universidade de São Paulo. Módulo I: Cálculo Diferencial e Integral Funções de Duas ou Mais Variáveis
Escola Superior de Agricultura Luiz de Queiroz Universidade de São Paulo Módulo I: Cálculo Diferencial e Integral Funções de Duas ou Mais Variáveis Professora Renata Alcarde Sermarini Notas de aula do
Leia maisCE085 - Estatística Inferencial
CE085 - Estatística Inferencial Revisão: Probabilidade Básica Prof. Wagner Hugo Bonat Laboratório de Estatística e Geoinformação - LEG Curso de Bacharelado em Estatatística Universidade Federal do Paraná
Leia maisDistribuições Multidimensionais de Probabilidade para Variáveis Discretas e Contínuas Distribuições Marginais. Aula 9
Distribuições Multidimensionais de Probabilidade para Variáveis Discretas e Contínuas Distribuições Marginais Aula 9 Variáveis Aleatórias Discretas Variável aleatória discreta função definida em um espaço
Leia maisLEEC Probabilidades e Estatística 1 a Chamada 13/06/2005. Parte Prática C (C) M 1% 9% 10% (M) 4% 86% 90% 5% 95% 100%
. Definição dos acontecimentos: M T-shirt tem manchas C T-shirt tem costuras defeituosas D T-shirt é defeituosa A Preço da t-shirt é alterado a) PM) = % PC) = 5% PM C) = % LEEC Probabilidades e Estatística
Leia maisMAE-219: Introdução à Probabilidade e Estatística I
MAE-219: Introdução à Probabilidade e Estatística I Prof. Pedro Morettin e Prof. Nelson I. Tanaka Gabarito - Lista de Exercícios 6 1o. Semestre de 216 1 Questão 1 X: Número de caras nos dois primeiros
Leia maisVariáveis Aleatórias Bidimensionais &Teoremas de Limite 1/22
all Variáveis Aleatórias Bidimensionais & Teoremas de Limite Professores Eduardo Zambon e Magnos Martinello UFES Universidade Federal do Espírito Santo DI Departamento de Informática CEUNES Centro Universitário
Leia mais5 a Lista de PE Solução
Universidade de Brasília Departamento de Estatística 5 a Lista de PE Solução. Sejam X A e X B o números de jogos que o time ganha contra times da classe A e da classe B respectivamente. Claramente X A
Leia maisMAT Cálculo Diferencial e Integral para Engenharia IV
MAT456 - Cálculo Diferencial e Integral para Engenharia IV Parte A: Equações Diferenciais de 1 a Ordem o Semestre de 018-3 a Lista de exercícios 1) Os gráficos de duas soluções de y = x + y podem se cruzar
Leia maisCálculo II. Derivadas Parciais
Cálculo II Derivadas Parciais (I) (II) Definição Se f é uma função de duas variáveis, suas derivadas parciais são as funções f x e f y definidas por f x ( x, y) lim h 0 f ( x h, y) f( x,
Leia maisAULA 11 - Valor esperado e suas propriedades
AULA 11 - Valor esperado e suas propriedades Susan Schommer Introdução à Estatística Econômica - IE/UFRJ O valor esperado de uma variável aleatória Como forma de resumir o comportamento de uma variável
Leia maisExercícios propostos:
INF 16 Exercícios propostos: 1. Sabendo-se que Y=X-5 e que E(X)= e V(X)=1, calcule: a)e(y); b)v(y); c)e(x+y); d)e(x + Y ); e)v(x+y); Resp.: 1; 9; 5; 15; 81. Uma urna contém 5 bolas brancas e 7 bolas pretas.
Leia maisVariáveis Aleatórias Contínuas
Variáveis Aleatórias Contínuas Bacharelado em Administração - FEA - Noturno 2 o Semestre 2017 MAE0219 (IME-USP) Variáveis Aleatórias Contínuas 2 o Semestre 2017 1 / 35 Objetivos da Aula Sumário 1 Objetivos
Leia maisNotas de Aula. tal que, para qualquer ponto (x, y) no plano xy, temos: p XY
UNIVERSIDDE FEDERL D BHI INSTITUTO DE MTEMÁTIC DEPRTMENTO DE ESTTÍSTIC v. demar de Barros s/n - Campus de Ondina 40170-110 - Salvador B Tel:(071)247-405 Fax 245-764 Mat 224 - Probabilidade II - 2002.2
Leia maisSME0801- Probabilidade II Distribuições conjuntas. Primeiras definições e propriedades
SME0801- Probabilidade II Distribuições conjuntas. Primeiras definições e propriedades Pablo Martin Rodriguez SME ICMC USP Bacharelado em Estatística 20 Mar 2017 Vetores aleatórios Definição Sejam X 1,
Leia maisAula 4. Aula de hoje. Aula passada
Aula 4 Aula passada Função de distribuição Bernoulli Sequência de v.a. Binomial, Geométrica, Zeta Valor esperado Variância Distribuição conjunta Independência de v.a. Aula de hoje Valor esperado condicional
Leia maisPROBLEMA 1 O retorno mensal de certo investimento de risco pode ser modelado pela variável aleatória R com função de probabilidade dada abaixo :
Módulo básico - Tópicos de Estatística e obabilidade ONS 006/007 - ofa. Mônica Barros LISTA DE EXERCÍCIOS # PROBLEMA O retorno mensal de certo investimento de risco pode ser modelado pela variável aleatória
Leia maisVetor de Variáveis Aleatórias
Vetor de Variáveis Aleatórias Luis Henrique Assumpção Lolis 14 de abril de 2014 Luis Henrique Assumpção Lolis Vetor de Variáveis Aleatórias 1 Conteúdo 1 Vetor de Variáveis Aleatórias 2 Função de Várias
Leia maisTE802 Processos Estocásticos em Engenharia
TE802 Processos Estocásticos em Engenharia Vetores Aleatórios 10 de setembro de 2017 Modelos Probabiĺısticos para N Variáveis Aleatórias F X1,...,X n (x 1,...,x n) = P[X 1 x 1,..., X n x n] (x 1,...,x
Leia maisMatemática 2. Teste Final. Atenção: Esta prova deve ser entregue ao fim de 1 Hora. Deve justificar detalhadamente todas as suas respostas.
Matemática 2 Lic. em Economia, Gestão e Finanças Data: 4 de Julho de 2017 Duração: 1H Teste Final Atenção: Esta prova deve ser entregue ao fim de 1 Hora. Deve justificar detalhadamente todas as suas respostas.
Leia maisEstatística Matemática I
Estatística Matemática I Roseli Aparecida Leandro e Clarice G.B. Demétrio Março de 2011 Depto. de Ciências Exatas, ESALQ/USP e-mail: raleandr@esalq.usp.br 1 Variáveis aleatórias Sejam E um experimento
Leia maisComplementos de Análise Matemática
Instituto Politécnico de Viseu Escola Superior de Tecnologia Ficha prática n o 3 - Equações Diferenciais 1. Determine as equações diferenciais das seguintes famílias de linhas: (a) y = cx (b) y = cx 3
Leia maisEstatística Descritiva e Exploratória
Gledson Luiz Picharski e Wanderson Rodrigo Rocha 9 de Maio de 2008 Estatística Descritiva e exploratória 1 Váriaveis Aleatórias Discretas 2 Variáveis bidimensionais 3 Váriaveis Aleatórias Continuas Introdução
Leia maisProbabilidade II Lista 1 - Vetores Aleatórios
Probabilidade II Lista - Vetores Aleatórios Exercício. Duas moedas equilibradas são lançadas de forma independente. Dena as v.a's X : número de caras nos dois lançamentos e Y : função indicadora de faces
Leia maisRevisão de integrais simples. Definimos a soma S n = f(t i ) x i. chamada como soma. de Riemann de f sobre [a, b] i=1
Revisão de integrais simples Definimos a soma S n = n i=1 f(t i ) x i chamada como soma de Riemann de f sobre [a, b] 1 Definição: Se a sequencia {S n } das somas de Riemann da função f converge quando
Leia maisInferência para CS Modelos univariados contínuos
Inferência para CS Modelos univariados contínuos Renato Martins Assunção DCC - UFMG 2014 Renato Martins Assunção (DCC - UFMG) Inferência para CS Modelos univariados contínuos 2014 1 / 42 V.A. Contínua
Leia mais3 a Lista de PE Solução
Universidade de Brasília Departamento de Estatística 3 a Lista de PE Solução. Se X representa o ganho do jogador, então os possíveis valores para X são,, 0, e 4. Esses valores são, respectivamente, correspondentes
Leia maisRicardo Ehlers Departamento de Matemática Aplicada e Estatística Universidade de São Paulo
Geração de Números Aleatórios Ricardo Ehlers ehlers@icmc.usp.br Departamento de Matemática Aplicada e Estatística Universidade de São Paulo 1 / 61 Simulando de Distribuições Discretas Assume-se que um
Leia mais{ C(1 x 2 ), se x ( 1, 1), f(x) = Cxe x/2, se x > 0, x + k, se 0 x 3; 0, c.c. k, se 1 < x 2; kx + 3k, se 2 < x 3;
Universidade de Brasília Departamento de Estatística 4 a Lista de PE 1. Seja X uma variável aleatória com densidade { C(1 x 2 ), se x ( 1, 1), 0, se x / ( 1, 1). a) Qual o valor de C? b) Qual a função
Leia maisRevisão de Estatística (Aplicada a Análise de Desempenho) Profa. Jussara M. Almeida 1 o Semestre de 2014
Revisão de Estatística (Aplicada a Análise de Desempenho) Profa. Jussara M. Almeida 1 o Semestre de 2014 Por quê? Modelagem probabilística Avaliação dos resultados Qual a probabilidade do tempo de residência
Leia mais3 3. Variáveis Aleatórias
ÍNDICE 3. VARIÁVEIS ALEATÓRIAS...49 3.. VARIÁVEIS ALEATÓRIAS UNIDIMENSIONAIS...49 3.2. VARIÁVEIS DISCRETAS FUNÇÃO DE PROBABILIDADE E FUNÇÃO DISTRIBUIÇÃO DE PROBABILIDADE...50 3.2.. Função de probabilidade...50
Leia maisProbabilidades e Estatística TODOS OS CURSOS
Duração: 90 minutos Grupo I Probabilidades e Estatística TODOS OS CURSOS Justifique convenientemente todas as respostas o semestre 07/08 0/07/08 :0 o Teste C 0 valores. Um relatório anual estabelece que
Leia maisSumário. 2 Índice Remissivo 11
i Sumário 1 Principais Distribuições Contínuas 1 1.1 Distribuição Uniforme................................. 1 1.2 A Distribuição Normal................................. 2 1.2.1 Padronização e Tabulação
Leia maisAULA 8. DISTRIBUIÇÕES DE VARIÁVEIS CONTÍNUAS Uniforme, Exponencial e Normal 19/05/2017
AULA 8 DISTRIBUIÇÕES DE VARIÁVEIS CONTÍNUAS Uniforme, Exponencial e Normal 19/05/2017 As funções de distribuição (acumulada) e de densidade para v.a. contínuas = =. Se a densidade f(x)for continua no seu
Leia maisModelagem e Análise de Sistemas de Computação Aula 19
Modelagem e Análise de Sistemas de Computação Aula 19 Aula passada Intro a simulação Gerando números pseudo-aleatórios Aula de hoje Lei dos grandes números Calculando integrais Gerando outras distribuições
Leia maisa) o time ganhe 25 jogos ou mais; b) o time ganhe mais jogos contra times da classe A do que da classe B.
Universidade de Brasília Departamento de Estatística 5 a Lista de PE. Um time de basquete irá jogar uma temporada de 44 jogos. desses jogos serão disputados contra times da classe A e os 8 restantes contra
Leia maiscanal para sinais contínuos
Processos estocásticos, Entropia e capacidade de canal para sinais contínuos 24 de setembro de 2013 Processos estocásticos, Entropia e capacidade de canal para1 sin Conteúdo 1 Probabilidade de sinais contínuos
Leia mais12 AULA. ciáveis LIVRO. META Estudar derivadas de funções de duas variáveis a valores reais.
1 LIVRO Diferen- Funções ciáveis META Estudar derivadas de funções de duas variáveis a valores reais. OBJETIVOS Estender os conceitos de diferenciabilidade de funções de uma variável a valores reais. PRÉ-REQUISITOS
Leia maisDERIVADAS PARCIAIS. y = lim
DERIVADAS PARCIAIS Definição: Seja f uma função de duas variáveis, x e y (f: D R onde D R 2 ) e (x 0, y 0 ) é um ponto no domínio de f ((x 0, y 0 ) D). A derivada parcial de f em relação a x no ponto (x
Leia mais1 Derivadas Parciais de Ordem Superior Em duas variáveis Em três variáveis. 1.3 Derivadas de Ordem
Contents 1 Derivadas Parciais de Ordem Superior 1 1.1 Em duas variáveis..................................... 1 1. Em três variáveis...................................... 1 1.3 Derivadas de Ordem...................................
Leia maisTeorema do Limite Central
Teorema do Limite Central Bacharelado em Economia - FEA - Noturno 1 o Semestre 2014 MAE0219 (IME-USP) Teorema do Limite Central 1 o Semestre 2014 1 / 47 Objetivos da Aula Sumário 1 Objetivos da Aula 2
Leia maisModelos de Distribuição PARA COMPUTAÇÃO
Modelos de Distribuição MONITORIA DE ESTATÍSTICA E PROBABILIDADE PARA COMPUTAÇÃO Distribuições Discretas Bernoulli Binomial Geométrica Hipergeométrica Poisson ESTATÍSTICA E PROBABILIDADE PARA COMPUTAÇÃO
Leia maisRespostas da Série de Exercícios Funções Multivariadas e outras. Lista 3A
Respostas da Série de Exercícios Funções Multivariadas e outras Problema 1 Lista 3A Observar que N1 e N2 são números inteiros de tal forma que N1+N2 5 isto é: N1=1,...4 e N2=1,..5-N1. Cada par de valores
Leia maisNota: Turma: MA 327 Álgebra Linear. Terceira Prova. Boa Prova! Primeiro Semestre de T o t a l
Turma: Nota: MA 327 Álgebra Linear Primeiro Semestre de 26 Terceira Prova Nome: RA: Questões Pontos Questão 1 Questão 2 Questão 3 Questão 4 Questão 5 T o t a l Boa Prova! Questão 1. 2. Pontos) Seja U um
Leia mais(x,y) x Exemplo: (x, y) ou f x. x = f x = 2xy. y = f y
1 DEFINIÇÃO DE Chamamos de derivada parcial quando temos uma função que envolve mais de uma variável e queremos derivar em relação a uma delas. De forma geral, basta derivarmos em relação à variável de
Leia mais2. podemos solucionar problemas não somente probabilisticas, mas tambem qualquer
Aula 3 (21/3/211, 23/3/211). Métodos de Monte Carlo I. Introdução. 1 Teoria ão temos no momento a definição exata de metodos de Monte Carlo. o nosso curso metodos de Monte Carlo vamos chamar metodos computacionais
Leia maisNoções de Simulação. Ciências Contábeis - FEA - Noturno. 2 o Semestre MAE0219 (IME-USP) Noções de Simulação 2 o Semestre / 23
Noções de Simulação Ciências Contábeis - FEA - Noturno 2 o Semestre 2013 MAE0219 (IME-USP) Noções de Simulação 2 o Semestre 2013 1 / 23 Objetivos da Aula Sumário 1 Objetivos da Aula 2 Motivação 3 Geração
Leia maisMB-210 Probabilidade e Estatística
Instituto Tecnológico de Aeronáutica Divisão de Engenharia Mecânica-Aeronáutica MB-210 Probabilidade e Estatística Profa. Denise Beatriz Ferrari www.mec.ita.br/ denise denise@ita.br 2o. semestre/2013 Variáveis
Leia maisObjetivos. fim de servir de entrada na simulação de um modelo.
Geração de variáveis aleatórias Objetivos Geração de amostras para uma distribuição em específico a fim de servir de entrada na simulação de um modelo. Ilustrar algumas técnicas usadas para geração de
Leia maisCálculo das Probabilidades e Estatística I
Cálculo das Probabilidades e Estatística I Prof a. Juliana Freitas Pires Departamento de Estatística Universidade Federal da Paraíba - UFPB juliana@de.ufpb.br Variáveis Aleatórias Ao descrever um espaço
Leia maisProbabilidades e Estatística TODOS OS CURSOS
Duração: 90 minutos Grupo I Probabilidades e Estatística TODOS OS CURSOS Justifique convenientemente todas as respostas 2 o semestre 206/207 05/07/207 :30 o Teste C 0 valores. Uma peça de certo tipo é
Leia maisVetor de Variáveis Aleatórias
Vetor de Variáveis Aleatórias Luis Henrique Assumpção Lolis 25 de junho de 2013 Luis Henrique Assumpção Lolis Vetor de Variáveis Aleatórias 1 Conteúdo 1 Vetor de Variáveis Aleatórias 2 Função de Várias
Leia maisAnálise de Dados e Simulação
Universidade de São Paulo Instituto de Matemática e Estatística http:www.ime.usp.br/ mbranco Simulação de Variáveis Aleatórias Contínuas. O método da Transformada Inversa Teorema Seja U U (0,1). Para qualquer
Leia maisMatemática para a Economia II - 7 a lista de exercícios Prof. Juliana Coelho
Matemática para a Economia II - 7 a lista de exercícios Prof. Juliana Coelho - Cacule a integral dupla I fx, y) dxdy onde f e R são dados abaixo. R a) fx, y) x + y e R [, ] [, ]; b) fx, y) x + xy + e R
Leia maisSEGUNDA CHAMADA CALCULO 2 2/2017
9/11/017 SEGUNDA CHAMADA CALCULO /017 PROF: RENATO FERREIRA DE VELLOSO VIANNA Questão 1,5 pontos). Resolva os problemas de valor inicial: y + 4y + 4y = e x {, y = xyy + 4), a) = y0) = 0, b) = y0) = 5.
Leia maisGrupo I. (a) A função de probabilidade marginal de X, P (X = x), é dada por
Probabilidades e Estatística + Probabilidades e Estatística I Solução do Exame de 2 a chamada 3 de Fevereiro de 2003 LEFT + LMAC Grupo I (a) A função de probabilidade marginal de X, P (X = x), é dada por
Leia maisVARIÁVEIS ALEATÓRIAS
UNIVERSIDADE FEDERAL DE JUIZ DE FORA INSTITUTO DE CIÊNCIAS EXATAS DEPARTAMENTO DE ESTATÍSTICA VARIÁVEIS ALEATÓRIAS Joaquim H Vianna Neto Relatório Técnico RTE-03/013 Relatório Técnico Série Ensino Variáveis
Leia maisResumo com exercícios resolvidos dos assuntos:
www.engenhariafacil.weebly.com (0)- Considerações iniciais: Resumo com exercícios resolvidos dos assuntos: Máximos e mínimos absolutos e Multiplicador de Lagrange -Grande parte das funções não possui máximos
Leia maisProbabilidade Lista 6 - Variáveis Aleatórias Contínuas e Vetores Aleatórios
Probabilidade Lista - Variáveis Aleatórias Contínuas e Vetores Aleatórios Exercício. Uma v.a. X tem distribuição triangular no intervalo [0, ] se sua densidade for dada por 0, x < 0 cx, 0 x /2 c( x), /2
Leia mais1o sem profa. daniela m. vieira. (a) f(x, y) = 3x y no conjunto A de todos (x, y) tais que x 0, y 0, y x 3, x + y 4 e
mat51 - cálculo várias variáveis i - licenciatura 1o sem 011 - profa daniela m vieira SÉTIMA LISTA DE EXERCÍCIOS (1) Estude a função dada com relação a máximo e mínimo no conjunto dado (a) f(x, y) = x
Leia maisNome: N. o : f(u) du para todo o x (V) d) Se F (x) tiver pontos de descontinuidade, então X é discreta (F)
ESTATÍSTICA I 2. o Ano/Gestão 1. o Semestre Época Normal Duração: 2 horas 1. a Parte Teórica N. o de Exame: RESOLUÇÃO 09.01.2015 Este exame é composto por duas partes. Esta é a 1 a Parte Teórica (Cotação:
Leia maisProbabilidade Aula 11
0303200 Probabilidade Aula 11 Magno T. M. Silva Escola Politécnica da USP Junho de 2017 A maior parte dos exemplos dessa aula foram extraídos de Jay L. Devore, Probabilidade e Estatística para engenharia
Leia maisDISTRIBUIÇÕES DE PROBABILIDADE CONJUNTAS DISTRIBUIÇÕES CONJUNTAS ROTEIRO DISTRIBUIÇÃO CONJUNTA. Estatística Aplicada à Engenharia
ROTEIRO DISTRIBUIÇÕES DE PROBABILIDADE CONJUNTAS 1. Distribuições conjuntas 2. Independência 3. Confiabilidade 4. Combinações lineares de variáveis aleatórias 5. Referências Estatística Aplicada à Engenharia
Leia maisAula 1 - Revisão de Probabilidade e Estatística
Aula 1 - Revisão de Probabilidade e Estatística Matheus Rosso e Camila Steffens 1 de Março de 2018 Conteúdos 1. Introdução à probabilidade 2. Probabilidade condicional e independência 3. Variáveis aleatórias
Leia maisUniversidade Estadual de Montes Claros Departamento de Ciências Exatas Curso de Licenciatura em Matemática. Notas de Aulas de
Universidade Estadual de Montes Claros Departamento de Ciências Exatas Curso de Licenciatura em Matemática Notas de Aulas de Cálculo Rosivaldo Antonio Gonçalves Notas de aulas que foram elaboradas para
Leia maisPROVA DE ESTATÍSTICA e PROBABILIDADES SELEÇÃO - MESTRADO/UFMG /2012
PROVA DE ESTATÍSTICA e PROBABILIDADES SELEÇÃO - MESTRADO/UFMG - 0/0 Instruções:. Cada questão respondida corretamente vale (um) ponto.. Cada questão respondida incorretamente vale - (menos um) ponto. 3.
Leia mais2 Conceitos de Teoria da Probabilidade
2 Conceitos de Teoria da Probabilidade Neste capítulo, enunciaremos algumas denições e resultados de teoria de probabilidade. justicativa deste capítulo reside no fato que u objetivo nal é estimar momentos
Leia maisCAPÍTULO 5: VARIÁVEIS ALEATÓRIAS BIDIMENSIONAIS Todas as coisas aparecem e desaparecem por causa da concorrência de causas e condições. Nada nunca existe inteiramente só, tudo está em relação com todo
Leia maisTeoria das Filas aplicadas a Sistemas Computacionais. Aula 09
Teoria das Filas aplicadas a Sistemas Computacionais Aula 09 Universidade Federal do Espírito Santo - Departamento de Informática - DI Laboratório de Pesquisas em Redes Multimidia - LPRM Teoria das Filas
Leia maisIntegrais Múltiplos. Slide 1. c 2000, 1998 Maria Antónia Carravilla FEUP
Integrais Múltiplos Slide 1 Transparências de apoio à leccionação de aulas teóricas Versão 2 c 2000, 1998 Integrais Múltiplos 1 Integrais Duplos Generalização do conceito de integral a subconjuntos limitados
Leia maisLista de Exercícios #2 Assunto: Variáveis Aleatórias Discretas
1. ANPEC 2018 Questão 3 Considere um indivíduo procurando emprego. Para cada entrevista de emprego (X) esse indivíduo tem um custo linear (C) de 10,00 Reais. Suponha que a probabilidade de sucesso em uma
Leia maisUniversidade Federal de Viçosa Centro de Ciências Exatas Departamento de Matemática
Universidade Federal de Viçosa Centro de Ciências Exatas Departamento de Matemática 3 a Lista MAT 146 - Cálculo I 218/I APLICAÇÃO DE DERIVADAS: OTIMIZAÇÃO Otimização é outra aplicação de derivadas. Em
Leia maisSeja (X,Y) uma v.a. bidimensional contínua ou discreta. Define-se valor esperado condicionado de X para um dado Y igual a y da seguinte forma:
46 VALOR ESPERADO CONDICIONADO Seja (X,Y) uma v.a. bidimensional contínua ou discreta. Define-se valor esperado condicionado de X para um dado Y igual a y da seguinte forma: Variável contínua E + ( X Y
Leia maisINTRODUÇÃO À INFERÊNCIA ESTATÍSTICA
UFPE - Universidade Federal de Pernambuco Departamento de Estatística Disciplina: ET-406 Estatística Econômica Professor: Waldemar A. de Santa Cruz Oliveira Júnior INTRODUÇÃO À INFERÊNCIA ESTATÍSTICA Podemos
Leia maisAula 5. Processo de Poisson. Exemplos.
Aula 5. Processo de Poisson. Exemplos. Exemplo 1. Processo de Poisson com diferentes tipos de eventos. Consideramos um processo de Poisson com intensidade λ. Suponha que em cada instante de ocorrência
Leia maisTE802 Processos Estocásticos em Engenharia
TE802 Processos Estocásticos em Engenharia Duas Variáveis Aleatórias 29 de agosto de 2017 Duas Variáveis Aleatórias Função Distribuição Acumulada Conjunta: F X,Y (x,y) = P[X x, Y y] Propriedades: (a) 0
Leia maisAvaliação e Desempenho Aula 5
Avaliação e Desempenho Aula 5 Aula passada Revisão de probabilidade Eventos e probabilidade Independência Prob. condicional Aula de hoje Variáveis aleatórias discretas e contínuas PMF, CDF e função densidade
Leia maisALGUNS MODELOS DE VARIÁVEIS ALEATÓRIAS UNIDIMENSIONAIS. Prof.: Idemauro Antonio Rodrigues de Lara
1 ALGUNS MODELOS DE VARIÁVEIS ALEATÓRIAS UNIDIMENSIONAIS Prof.: Idemauro Antonio Rodrigues de Lara 2 Modelos de variáveis aleatórias discretas 1. Distribuição Uniforme Discreta 2. Distribuição Binomial
Leia mais(a) Se X Poisson(λ) e Y Poisson(µ), então X + Y Poisson(λ + µ). (b) Se X Binomial(n, p) e Y Binomial(m, p), então (X + Y ) Binomial(n + m, p).
Capítulo 0 Revisões Exercício 0.1 Sejam X e Y variáveis aleatórias independentes. Mostre que: (a) Se X Poisson(λ) e Y Poisson(µ), então X + Y Poisson(λ + µ). (b) Se X Binomial(n, p) e Y Binomial(m, p),
Leia maisGabarito da Prova Final Unificada de Cálculo IV Dezembro de 2010
Gabarito da Prova Final Unificada de Cálculo IV Dezembro de a Questão: (5 pts) Dentre as três séries alternadas abaixo, diga se convergem absolutamente, se convergem condicionalmente ou se divergem Justifique
Leia maisProbabilidades e Estatística LEGM, LEIC-A, LEIC-T, MA, MEMec
Duração: 9 minutos Grupo I Probabilidades e Estatística LEGM, LEIC-A, LEIC-T, MA, MEMec Justifique convenientemente todas as respostas o semestre 7/8 5/5/8 9: o Teste A valores. Uma loja comercializa telemóveis
Leia maisPRE29006 LISTA DE EXERCÍCIOS #
INSTITUTO FEDERAL DE SANTA CATARINA CAMPUS SÃO JOSÉ COORDENADORIA DE ÁREA DE TELECOMUNICAÇÕES ENGENHARIA DE TELECOMUNICAÇÕES PRE9006 LISTA DE EXERCÍCIOS # 06. Eercícios. Considere uma variável aleatória
Leia maisProbabilidade e Estatística
Probabilidade e Estatística Frederico Caeiro 2009/10 Observação: Estas folhas servem de apoio às aulas de Probabilidades e Estatística. Para uma melhor compreensão dos assuntos abordados, aconselha-se
Leia maisA estacionariedade prova-se de maneira semel- hante.
Se por outro lado (U 1, U 2,...) é IID então mostremos que X n U 1 + + U n tem incrementos independentes e estacionários. De facto, dados n > m temos que X n X m U m+1 + + U n. Tome-se quaisquer n 1
Leia maisTE802 Processos Estocásticos em Engenharia. Valores Esperados de Somas de Variáveis Aleatórias Notes. PDF da Soma de Duas Variáveis Aleatórias.
TE802 Processos Estocásticos em Engenharia Somas de Variáveis Aleatórias 25 de abril de 2016 Valores Esperados de Somas de Variáveis Aleatórias Seja W n = X 1 + + X n, E[W n ] = E[X 1 ] + E[X 2 ] + + E[X
Leia maisCapítulo 2. Variáveis Aleatórias e Distribuições
Capítulo 2 Variáveis Aleatórias e Distribuições Experimento Aleatório Não existe uma definição satisfatória de Experimento Aleatório. Os exemplos dados são de fenômenos para os quais modelos probabilísticos
Leia maisProbabilidades e Estatística MEEC, LEIC-A, LEGM
Departamento de Matemática Probabilidades e Estatística MEEC, LEIC-A, LEGM Exame a Época / o Teste (Grupos III e IV) o semestre 009/00 Duração: 80 / 90 minutos /06/00 9:00 horas Grupo I Exercício 5 valores
Leia maisMAT Cálculo 2 para Economia 3 a Prova - 28 de novembro de 2016
MAT 0147 - Cálculo para Economia 3 a Prova - 8 de novembro de 016 Questão 1) Determine o máximo e o mínimo de f(x, y) = x 4 + y em D = {(x, y); x + y 1}. Soluç~ao: As derivadas parciais f x (x, y) = 4x
Leia mais