REVISÃO DE PROBABILIDADE E ESTATÍSTICA. Parte 2
|
|
- Jorge Palma
- 5 Há anos
- Visualizações:
Transcrição
1 REVISÃO DE PROBABILIDADE E ESTATÍSTICA Parte
2 Variáveis Aleatórias Defiição: Regra que atribui um valor umérico a cada possível resultado de um eperimeto. Eemplo: Jogue duas moedas (o eperimeto aleatório) e registre o úmero de caras: 0, ou. Usa-se letras maiúsculas para a variável e letras miúsculas para um valor particular.
3 Variáveis Aleatórias Probabilidades dos resultados: Pr(X=)=p() Para o eemplo das moedas: 0 Pr( X ) 4 4
4 Histograma Para cada valor de X, traçamos uma barra com altura igual a p(). 0,6 0,5 0,4 0,3 0, 0, 0 0 A área total é a soma das probabilidades para todos os resultados, i.e.,.
5 Resultado do laçameto de moedas Modelo Probabilístico Dados Observados p( ) 0, ,60 0,5 57 0,57 0,5 3 0,3
6 Comparação: modelo real 0,6 0,6 0,5 0,5 0,4 0,4 0,3 0,3 0, 0, 0, 0, Histograma Probabilístico Histograma da Freqüêcia Relativa
7 Fução distribuição de probabilidade (PDF ou CDF) ) ( ) Pr( ) Pr( ) ( p t X t X t F X t X 0 0, 0,4 0,6 0,8, 0 ) ( ) ( ) ( ) ( ) ( a F b F a X P b X P b X a P X X
8 Fução desidade de probabilidade (pdf) f ( ) df( ) d Dada uma pdf f(), a probabilidade de X se ecotrar o itervalo (, ) pode também ser calculada através de itegração: P( X ) F( ) F( ) f ( ) d
9 Fução probabilidade de massa (pmf) i p i f ) ( ) ( ) ( ) ( i i i p F F X P A probabilidade de se ecotrar o itervalo (, ) pode também ser calculado através de somas:
10 Média e Valor Esperado Média m E() i p i i Para variáveis discretas f ) d ( Para variáveis cotíuas Soma de todos os valores possíveis, poderada pela probabilidade de ocorrêcia de cada um dos valores.
11 Variâcia A quatidade (-m) represeta a distâcia quadrática etre e a sua média. A variâcia de é o valor esperado desta quatidade: Var( ) E[( m) ] i p i ( i m) ( m) f ( ) d
12 Desvio Padrão A variâcia é ormalmete deotada por s. A raiz quadrada da variâcia é chamada de desvio padrão e é deotado por s.
13 Coeficiete de Variação C.O.V. desvio padrão média s m
14 Covariâcia Dadas duas v.a.s X e Y com médias m e m y, a covariâcia delas é dada por: Cov(, y) s E( y) y E[( E( ) E( y) m )( y m )] Para variáveis idepedetes a covariâcia é zero, dado que E( y) E( ) E( y) Apesar da idepedêcia sempre implicar em covariâcia zero, o cotrário em sempre é verdade. y
15 Coeficiete de Correlação Ou simplesmete correlação é o valor ormalizado da covariâcia Correlação (, y) y s s y s y A correlação varia sempre etre - e +.
16 Média e Variâcia de Somas Sejam,,..., k k variáveis aleatórias e a, a,..., a k k costates arbitrárias (deomiadas de pesos), etão E(a + a a k k )= a E( )+ a E( )+...+ a k E( k ) Para variáveis idepedetes: Var( a a Var( ) a a Var( a k k ) ) a k Var( k )
17 Quatis O valor o qual a CDF correspode ao valor a é chamado de a-quatil ou 00a-percetil. Ele é deotado por a P( ) F( ) a a a
18 Mediaa e Moda Mediaa: é o posto percetil 50 (ou quatil 0,5) de uma variável aleatória. Moda: é o valor mais provável de uma v.a. Ou seja, é o valor i que correspode à maior probabilidade p i, ou o valor de para o qual a pdf atige o seu valor máimo.
19 Tetativas de Beroulli Supoha que tehamos um processo aleatório com apeas dois resultados possíveis: sucesso ou falha. As tetativas de Beroulli são a repetição de um eperimeto como este, desde que: Haja apeas dois resultados em cada tetativa. A probabilidade de sucesso (p) seja a mesma em cada tetativa. As tetativas sejam idepedetes.
20 Variável Aleatória Biomial X é o úmero de sucessos em tetativas de Beroulli com probabilidade p de sucesso. k k p p k k X P ) ( ) ( )!!(! k k k ode
21 Histograma da Distribuição Biomial 6 jogadas de moedas, p = 0,5 0,350 0,300 0,50 0,00 0,50 0,00 0, Número de sucessos
22 Histograma da Distribuição Biomial 0 jogadas de moedas, p = 0,5 0,00 0,80 0,60 0,40 0,0 0,00 0,080 0,060 0,040 0,
23 Mas, calcular estes termos para grades valores de pode dar muito trabalho... ou pelo meos dava o século 8 quado James Berouilli e Abraham de Moivre estavam calculado sem um computador.
24 Utilizado uma ferrameta recém-ivetada, o Cálculo, De Moivre mostrou que para p=0,5, a distribuição ormal era bem aproimada por uma fução desidade cotíua que podia ser descrita de forma bem simples.
25 Para ver como isto fucioa, imagie a distribuição biomial com p=0,5 e muito grade - por eemplo, um milhão...
26 Agora desloque o gráfico de modo que a média seja zero. Esprema a curva ao logo do eio até que o desvio padrão seja e estique o eio y para que a área cotiue sedo.
27 Distribuição Normal Uitária O resultado ficou próimo a uma curva suave, simétrica e com forma de sio que é descrita pela seguite fórmula: f ( z) e z
28 Distribuição Normal É a distribuição mais comumete utilizada a aálise de dados. A soma de um grade úmero de observações idepedetes de qualquer distribuição tem uma distribuição ormal. f ( ) s e ( m) / s
29 Distribuição Normal
30 Trasformação z A trasformação z z m s Muda uma variável aleatória ormal com média m e desvio padrão s, uma distribuição ormal uitária.
31 Razões da Popularidade da Distribuição Normal A soma de variáveis ormais idepedetes é uma variável ormal. A soma de um grade úmero de observações idepedetes de qualquer distribuição tede a uma distribuição ormal: Teorema do limite cetral.
32 Medidas de Tedêcia Cetral Média aritmética: obtida através da soma de todas as observações e dividido esta soma pelo úmero de observações da amostra. Mediaa: é obtida ordeado-se as observações em ordem crescete e tomado a observação que se ecotra o meio da série. Moda: é o escore ou categoria que, uma distribuição, ocorre com mais freqüêcia.
33 Escolha da Medida de Tedêcia Cetral Média: muito afetada por valores etremos (outliers) dá o mesmo peso a cada observação propriedade liear: média da soma é a soma das médias. Mediaa: eige uma ordeação
34 Escolha da Medida de Tedêcia Cetral Moda: pode ser obtida para qualquer cojuto de dados.
35 Relacioametos etre as Medidas de Tedêcia Cetral
36 Seleção da Medida de Tedêcia Cetral Os dados são categorias? Não Temos iteresse o total? Não A distribuição é espalhada? Não Use média Sim Sim Sim Use moda Use média Use mediaa
37 Eemplos Recurso mais utilizado do sistema: recursos são categorias, portato deve-se utilizar a moda. Itervalo etre chegadas: o tempo total é de iteresse, portato deve-se utilizar a média. Carga de um computador: É preferível usar a mediaa devido ao espalhameto da distribuição.
38 Mau Uso das Médias Usar a média de valores sigificativamete diferetes: ão é muito útil dizer que o tempo médio de CPU por trasação é 505 mseg quado as duas medidas observadas foram 0 e 000 mseg!
39 Mau Uso das Médias Usar a média sem levar em cota o espalhameto da distribuição: Sistema A Sistema B Soma Média 0 0 Típico 0 5
40 Mau Uso das Médias Multiplicar as médias para obter a Média de um produto: Se e y forem correlacioadas, E( y) E( ) E( y) Efetuar a média de frações com bases diferetes.
41 Média Geométrica A média geométrica é utilizada se o produto das observações for uma quatidade de iteresse. Calculada através de: i i /
42 Eemplo.: Os melhorametos de desempeho a última versão das sete camadas de um ovo protocolo de rede foram medidos separadamete para cada uma das camadas: Camada Melhorameto do Protocolo do Desempeho (%) Calcule o melhorameto médio por camada.
43 Eemplo.: Melhorameto médio por camada = {(,8)(,3)(,)(,08)(,0)(,8)(,05)} /7 - = 0,3 Portato, o melhorameto médio por camada é de 3%.
44 Média Geométrica Outras medidas que trabalham de forma multiplicativa: taa de acertos de cache em diversos íveis de cache taas de isucesso de cache Percetual de melhora de desempeho etre versões sucessivas Taa média de erro por etapa em um camiho de múltiplas etapas uma rede
45 Fução Média Geométrica Fução gm(), que mapeia um cojuto de respostas {,,..., } em um úico úmero. Propriedade multiplicativa: ) /,, /, / ( ),,, ( ),,, (,,, y y y gm y y y gm gm y y y gm
46 Média Harmôica A média harmôica deve ser utilizada sempre que possa ser justificada uma média aritmética para / i. Calculada através de: / / /
47 Eemplo Supoha que foram efetuadas medidas repetidas do tempo gasto com a eecução de uma bechmark em um dado processador. Na i-ésima repetição, o tempo gasto é t i Supoha aida que a bechmark possua m milhões de istruções. Etão, a taa de eecução de istruções em MIPS é dada por: i m t i
48 Eemplo Os i s podem ser resumidos através da média harmôica dado que a soma dos / i s tem um sigificado físico. A taa média de MIPS do processador seria: m / t m / t m / t m ( / )( t t t )
49 Média de uma Fração () Se tomarmos a soma dos umeradores e a soma dos deomiadores e ambas tiverem um sigificado físico, etão, a média das frações é a fração das médias. Por eemplo: b b b a a a b a b a b a,,, Média b a b a b a i i i i i i i i ) (/ ) (/
50 Eemplo.3: A utilização da CPU de um sistema medida em cico itervalos diferetes resultou em: Duração Ocupação da Medição da CPU (%) Soma 00% Média 00/5 ou 40% A utilização média ão é 40% pois as bases (deomiadores) das frações (tempos totais) ão são comparáveis.
51 Eemplo.3: A utilização média é obtida através do cálculo do tempo total em que a CPU esteve ocupada e do tempo total e da divisão dos dois: Utilização Média da CPU soma to tempoocupado da CPU soma da duração das medições 0,45 0,45 0,45 0, %
52 Média de uma Fração (a) Se o deomiador for costate, de modo que a fração foi calculada em relação a uma base que é costate em todas as observações, e a soma dos umeradores tem um sigificado físico, etão podemos utilizar a média aritmética das frações: b a i i b a b a b a b a,, b a, b a Média
53 Média de uma Fração (b) Se a soma dos deomiadores tiver um sigificado físico e os umeradores forem costates, etão deve ser utilizada a média harmôica das frações, para resumi-las: i i b a a b a b a b / / / b a,, b a, b a Média
54 Média de uma Fração () Se o umerador e o deomiador possuem uma relação multiplicativa etre eles, tal como a i =cb i, ode c é aproimadamete uma costate que está sedo estimada, etão c pode ser estimada pela média geométrica de a i /b i
55 Estudo de Caso. Diversas bechmarks foram submetidas a um otimizador de programa. O comprimeto estático do programa foi medido ates e depois da otimização como mostrado abaio: Tamaho do código Programa Ates Depois Fração BubbleP ,75 ItmmP ,85 PermP 4 0,85 PuzzleP ,88 QueeP ,99 QuickP 84 0,6 SieveP ,99 TowersP ,7 Média geométrica 0,8
56 Havia um homem que morreu afogado atravessado um riacho com uma profudidade média de 6 polegadas. - W.I.E.Gates MEDIDAS DE VARIABILIDADE
57 Variabilidade Tempos de resposta para dois sistemas com mesma média ( segudos): Qual deles você prefere?
58 Medidas de Variabilidade Ou Ídices de Dispersão : Amplitude total Variâcia ou Desvio Padrão Postos percetil 0 e 90 Metade da distâcia iterquartílica Desvio Médio absoluto
59 Amplitude total É a difereça etre o maior e o meor escore da distribuição. É simples mas etremamete depedete dos valores etremos: o míimo pode ser zero e o máimo um poto atípico, fora da curva É útil apeas se houver uma boa razão para acreditar que a variável seja limitada.
60 Variâcia A variâcia de uma amostra de observações é calculada da seguite forma: O desvio padrão de uma amostra é a raiz quadrada da variâcia da amostra. i i i i s ode ) (
61 Postos percetil 0 e 90 Semelhate à Amplitude Total, mas fucioa mesmo que a variável ão seja limitada.
62 Metade da distâcia iterquartílica A distâcia iterquartílica é a difereça etre o terceiro e o primeiro quartil. SIQR (Semi-Iterquartil Rage): SIQR Q 3 Q 0,75 0,5
63 Desvio Médio absoluto Calculada através de: Desvio médio absoluto i i Vatagem pricipal sobre o desvio padrão: ão faz produtos em etrai raiz quadrada.
64 Eemplo.4 Em um eperimeto, repetido 3 vezes, os tempos medidos de CPU foram: {3,; 4,;,8; 5,;,8; 4,4; 5,6; 3,9; 3,9;,7; 4,; 3,6; 3,; 4,5; 3,8;,9; 3,4; 3,3;,8; 4,5; 4,9; 5,3;,9; 3,7; 3,; 4,; 5,; 3,; 3,9; 4,8; 5,9; 4,} O cojuto ordeado é: {,9;,7;,8;,8;,8;,9; 3,; 3,; 3,; 3,; 3,3; 3,4; 3,6; 3,7; 3,8; 3,9; 3,9; 3,9; 4,; 4,; 4, ; 4,; 4,4; 4,5; 4,5; 4,8; 4,9; 5,; 5,; 5,3; 5,6; 5,9}
65 Eemplo.4 O cojuto ordeado é: {,9;,7;,8;,8;,8;,9; 3,; 3,; 3,; 3,; 3,3; 3,4; 3,6; 3,7; 3,8; 3,9; 3,9; 3,9; 4,; 4,; 4, ; 4,; 4,4; 4,5; 4,5; 4,8; 4,9; 5,; 5,; 5,3; 5,6; 5,9} O posto percetil 0 é dado por [+(3)(0,0)]= 4o. Elemeto =,8 O posto percetil 90 é dado por [+(3)(0,90)]= 9o. Elemeto = 5, Q é dado por [+(3)(0,5)]=9o. Elemeto= 3, Q 3 é dado por [+(3)(0,75)]=4o. Elemeto= 4,5 Portato, Q Q SIQR 4,5 3, 3 0,65
66 Seleção da Medida de Variabilidade A distribuição é limitada? Não Sim Use Amplitude Total A distribuição é simétrica e uimodal? Não Use postos percetis ou SIQR Sim Use C.O. V.
67 Determiação da Distribuição dos Dados O modo mais fácil é fazer um gráfico com o histograma das observações. Usado, por eemplo, a ferrameta de aálise de dados- histograma do Ecel! O maior problema é determiar o tamaho de cada classe (célula). Se qualquer classe tiver meos do que 5 observações, deve-se aumetar o tamaho das classes ou usar um histograma com classes de tamahos variáveis.
68 Gráfico Quatil-Quatil Para pequeas amostras o melhor é fazer um gráfico dos quatis observados em relação ao quatil teórico. Se a distribuição da amostra correspoder à distribuição teórica, o gráfico quatil-quatil deve ser liear. Os quatis da distribuição teórica são obtidos através de trasformação iversa da CDF: F ( i q i )
69 Iversa das CDFs Distribuição CDF F() Iversa Epoecial Valor Etremo Geométrica Logística Pareto Weibull a e / al(u) ( a) / b e e a bl l( u) ( p) e ( m)/ b a e ( / a) b l( u) l( p) m bl u / u / a a(l u) / b
70 Iversa da Distribuição Normal Para a distribuição ormal uitária N(0,) utiliza-se freqüetemete a seguite aproimação: i 0,4 4,9 qi ( qi ) 0,4
71 Eemplo.5 O erro de modelagem (difereça etre valores medidos e valores previstos por um modelo) para 8 predições de um modelo foram os seguites: -0,04; -0,9; 0,4; -0,09; -0,4; 0,9; 0,04 e 0,09.
72 Eemplo.5 i qi=(i-0,5)/ yi i 0,065-0,9 -,535 0,875-0,4-0, ,35-0,09-0, ,4375-0,04-0,57 5 0,565 0,04 0,57 6 0,6875 0,09 0, ,85 0,4 0, ,9375 0,9,535
73 Eemplo.5 Os erros aparetam ser distribuídos ormalmete.
74 Desvios da Distribuição Normal Normal Caudas logas Quatis Observados Quatis Observados Quatis da Normal Caudas curtas Quatis da Normal Assimétrica Quatis Observados Quatis Observados Quatis da Normal Quatis da Normal
Virgílio A. F. Almeida DCC-UFMG 2005
Virgílio A. F. Almeida DCC-UFMG 005 YZ- i p pq q pq F i p F i Z P Z P i Z P Z P Z ad i Z P Z i Z P Z i Z P Z i Y P Z i i Z Z Z + + > + > > + > + > > + !" http://www.itl.ist.gov/div898/hadbook/ide.htm A
Leia maisVirgílio A. F. Almeida DCC-UFMG 1/2005
Virgílio A. F. Almeida DCC-UFMG 1/005 !" # Comparado quatitativamete sistemas eperimetais: Algoritmos, protótipos, modelos, etc Sigificado de uma amostra Itervalos de cofiaça Tomado decisões e comparado
Leia maisVirgílio A. F. Almeida DCC-UFMG 2005
Virgílio A. F. Almeida DCC-UFMG 005 Se o eveto E cosiste de potos e S é o úmero de potos do espaço amostral, etão: umero de potos em E P E umero de potos em S E S 1. Se um úmero decimal de três digitos
Leia maisMEDIDAS DESCRITIVAS DE POSIÇÃO, TENDÊNCIA CENTRAL E VARIABILIDADE
MEDIDAS DESCRITIVAS DE POSIÇÃO, TENDÊNCIA CENTRAL E VARIABILIDADE 1 Estatística descritiva (Eploratória) PRIMEIRO PASSO: Tabelas (distribuição de frequêcia) e Gráficos. SEGUNDO PASSO: Cálculo de medidas
Leia maisLista de Exercícios #4 Assunto: Variáveis Aleatórias Contínuas
. ANPEC 8 - Questão Seja x uma variável aleatória com fução desidade de probabilidade dada por: f(x) = x, para x f(x) =, caso cotrário. Podemos afirmar que: () E[x]=; () A mediaa de x é ; () A variâcia
Leia maisb) Fabrico de peças cilíndricas Capítulo 5 - Distribuições conjuntas de probabilidades e complementos X - comprimento da peça Y - diâmetro da peça
Capítulo 5 - Distribuições cojutas de probabilidades e complemetos 5.1 Duas variáveis aleatórias discretas. Distribuições cojutas, margiais e codicioais. Idepedêcia Em relação a uma mesma eperiêcia podem
Leia maisAvaliação de Desempenho de Sistemas Discretos
Distribuições Comus Avaliação de Desempeho de Sistemas Discretos Probabilidade e Estatística 2 Uiforme Normal Poisso Hipergeométrica Biomial Studet's Geométrica Logormal Expoecial Beta Gamma Qui-Quadrado
Leia maisPropriedades: Notação: X ~ U(α, β). PRINCIPAIS MODELOS CONTÍNUOS
0 CONTÍNUOS PRINCIPAIS MODELOS Notação: ~ U(α β). Propriedades: Eemplo A dureza de uma peça de aço pode ser pesada como sedo uma variável aleatória uiforme o itervalo (5070) uidades. Qual a probabilidade
Leia maisDISTRIBUIÇÕES DE PROBABILIDADE
DISTRIBUIÇÕES DE PROBABILIDADE DISTRIBUIÇÃO DE PROBABILIDADE Seja uma v.a. que assume os valores,,..., com probabilidade p, p,..., p associadas a cada elemeto de, sedo p p... p diz-se que está defiida
Leia maisMétodos Quantitativos para Ciência da Computação Experimental
Métodos Quatitativos para Ciêcia da Computação Experimetal -Aula #b- Virgílio A. F. Almeida Março 008 Departameto de Ciêcia da Computação Uiversidade Federal de Mias Gerais Material de Estatistica http://www.itl.ist.gov/div898/hadbook/idex.htm
Leia maisMOQ 13 PROBABILIDADE E ESTATÍSTICA. Professor: Rodrigo A. Scarpel
MOQ 13 PROBABILIDADE E ESTATÍSTICA Professor: Rodrigo A. Scarpel rodrigo@ita.br www.mec.ita.br/~rodrigo Programa do curso: Semaas 1 2 3 4 5 6 7 8 9 1 11 12 13 14 15 e 16 Itrodução à probabilidade evetos
Leia maisESTATÍSTICA. PROF. RANILDO LOPES U.E PROF EDGAR TITO
ESTATÍSTICA PROF. RANILDO LOPES http://ueedgartito.wordpress.com U.E PROF EDGAR TITO Medidas de tedêcia cetral Medidas cetrais são valores que resumem um cojuto de dados a um úico valor que, de alguma
Leia maisStela Adami Vayego DEST/UFPR
Resumo 3 Resumo dos dados uméricos por meio de úmeros 1. Medidas de Tedêcia Cetral A tedêcia cetral da distribuição de freqüêcias de uma variável em um cojuto de dados é caracterizada pelo valor típico
Leia maisIntrodução à Probabilidade e à Estatística I
Itrodução à Probabilidade e à Estatística I Resolução Lista 1 Professor: Pedro Moretti & Chag Chia 1. (a) Podemos iserir dados o software R e costruir um histograma com 5 itervalos: Frequecy 0 2 4 6 8
Leia maisMineração de Dados em Biologia Molecular
Mieração de Dados em Biologia Molecular Tópicos Adré C. P. L. F. de Carvalho Moitor: Valéria Carvalho Preparação de dados Dados Caracterização de dados Istâcias e Atributos Tipos de Dados Exploração de
Leia mais3.4.2 Cálculo da moda para dados tabulados. 3.4 Moda Cálculo da moda para uma lista Cálculo da moda para distribuição de freqüências
14 Calcular a mediaa do cojuto descrito pela distribuição de freqüêcias a seguir. 8,0 10,0 10 Sabedo-se que é a somatória das, e, portato, = 15+25+16+34+10 = 100, pode-se determiar a posição cetral /2
Leia maisEstatística para Economia e Gestão REVISÕES SOBRE VARIÁVEIS ALEATÓRIAS DISCRETAS E CONTÍNUAS
Estatística para Ecoomia e Gestão REVISÕES SOBRE VARIÁVEIS ALEATÓRIAS DISCRETAS E CONTÍNUAS Primavera 008/009 Variável Aleatória: Defiição: uma variável aleatória é uma fução que atribui a cada elemeto
Leia maisCap. 4 - Estimação por Intervalo
Cap. 4 - Estimação por Itervalo Amostragem e iferêcia estatística População: cosiste a totalidade das observações em que estamos iteressados. Nº de observações a população é deomiado tamaho=n. Amostra:
Leia maisStela Adami Vayego DEST/UFPR
Resumo 3 Resumo dos dados uméricos por meio de úmeros. Medidas de Tedêcia Cetral A tedêcia cetral da distribuição de freqüêcias de uma variável em um cojuto de dados é caracterizada pelo valor típico dessa
Leia mais6.1 Estimativa de uma média populacional: grandes amostras. Definição: Um estimador é uma característica amostral (como a média amostral
6 ESTIMAÇÃO 6.1 Estimativa de uma média populacioal: grades amostras Defiição: Um estimador é uma característica amostral (como a média amostral x ) utilizada para obter uma aproximação de um parâmetro
Leia maisProf. Fabrício Maciel Gomes Departamento de Engenharia Química Escola de Engenharia de Lorena EEL
Prof. Fabrício Maciel Gomes Departameto de Egeharia Química Escola de Egeharia de Lorea EEL Referêcias Bibliográficas Sistema de Avaliação Duas Provas teóricas Um Trabalho em Grupo MédiaFial 0,4 P 0,4
Leia maisMATEMÁTICA II. Profa. Dra. Amanda Liz Pacífico Manfrim Perticarrari
MATEMÁTICA II Profa. Dra. Amada Liz Pacífico Mafrim Perticarrari amada@fcav.uesp.br O PROBLEMA DA ÁREA O PROBLEMA DA ÁREA Ecotre a área da região que está sob a curva y = f x de a até b. S = x, y a x b,
Leia mais1 Distribuições Amostrais
1 Distribuições Amostrais Ao retirarmos uma amostra aleatória de uma população e calcularmos a partir desta amostra qualquer quatidade, ecotramos a estatística, ou seja, chamaremos os valores calculados
Leia mais) E X. ) = 0 2 ( 1 p ) p = p. ) E 2 ( X ) = p p 2 = p ( 1 p ) ( ) = i 1 n. ( ) 2 n E( X) = ( ) = 1 p ( ) = p V ( X ) = E ( X 2 E X
3.5 A distribuição uiforme discreta Defiição: X tem distribuição uiforme discreta se cada um dos valores possíveis,,,, tiver fução de probabilidade P( X = i ) = e represeta-se por, i =,, 0, c.c. X ~ Uif
Leia maisn ) uma amostra aleatória da variável aleatória X.
- Distribuições amostrais Cosidere uma população de objetos dos quais estamos iteressados em estudar uma determiada característica. Quado dizemos que a população tem distribuição FX ( x ), queremos dizer
Leia maisDistribuições de Estatísticas Amostrais e Teorema Central do Limite
Distribuições de Estatísticas Amostrais e Teorema Cetral do Limite Vamos começar com um exemplo: A mega-sea de 996 a N 894 úmeros de a 6: Média: m 588 Desvio padrão: 756 49 amostras de 6 elemetos Frequêcia
Leia maisEstimação da média populacional
Estimação da média populacioal 1 MÉTODO ESTATÍSTICO Aálise Descritiva Teoria das Probabilidades Iferêcia Os dados efetivamete observados parecem mostrar que...? Se a distribuição dos dados seguir uma certa
Leia maisRevisando... Distribuição Amostral da Média
Estatística Aplicada II DISTRIBUIÇÃO AMOSTRAL MÉDIA AULA 08/08/16 Prof a Lilia M. Lima Cuha Agosto de 016 Revisado... Distribuição Amostral da Média Seja X uma v. a. de uma população com média µ e variâcia
Leia maisDistribuições Amostrais
9/3/06 Uiversidade Federal do Pará Istituto de Tecologia Estatística Aplicada I Prof. Dr. Jorge Teófilo de Barros Lopes Campus de Belém Curso de Egeharia Mecâica 3/09/06 3:38 ESTATÍSTICA APLICADA I - Teoria
Leia maisAnálise de Informação Económica e Empresarial Prova Época Normal 17 de Junho de 2013 Duração: 2h30m (150 minutos)
Desidade Liceciaturas Ecoomia/Fiaças/Gestão 1º Ao Ao lectivo de 01-013 Aálise de Iformação Ecoómica e Empresarial Prova Época ormal 17 de Juho de 013 Duração: h30m (150 miutos) Respoda aos grupos em Folhas
Leia maisbinomial seria quase simétrica. Nestas condições será também melhor a aproximação pela distribuição normal.
biomial seria quase simétrica. Nestas codições será também melhor a aproximação pela distribuição ormal. Na prática, quado e p > 7, a distribuição ormal com parâmetros: µ p 99 σ p ( p) costitui uma boa
Leia maisCORRELAÇÃO Aqui me tens de regresso
CORRELAÇÃO Aqui me tes de regresso O assuto Correlação fez parte, acompahado de Regressão, do programa de Auditor Fiscal, até 998, desaparecedo a partir do cocurso do ao 000 para agora retorar soziho.
Leia maisDistribuições Amostrais
7/3/07 Uiversidade Federal do Pará Istituto de Tecologia Estatística Aplicada I Prof. Dr. Jorge Teófilo de Barros Lopes Campus de Belém Curso de Egeharia Mecâica 3/07/07 09:3 ESTATÍSTICA APLICADA I - Teoria
Leia maisCap. VI Histogramas e Curvas de Distribuição
TLF /11 Capítulo VI Histogramas e curvas de distribuição 6.1. Distribuições e histogramas. 6 6.. Distribuição limite 63 6.3. Sigificado da distribuição limite: frequêcia esperada e probabilidade de um
Leia mais1 a Lista de PE Solução
Uiversidade de Brasília Departameto de Estatística 1 a Lista de PE Solução 1. a) Qualitativa omial. b) Quatitativa discreta. c) Quatitativa discreta. d) Quatitativa cotíua. e) Quatitativa cotíua. f) Qualitativa
Leia maisEstimadores de Momentos
Estimadores de Mometos A média populacioal é um caso particular daquilo que chamamos de mometo. Na realidade, ela é o primeiro mometo. Se X for uma v.a. cotíua, com desidade f(x; θ 1,..., θ r ), depededo
Leia maisPopulação x Amostra. statística descritiva X inferência estatística. Revisão de Estatística e Probabilidade
Revisão de Estatística e Probabilidade Magos Martiello Uiversidade Federal do Espírito Sato - UFES Departameto de Iformática DI Laboratório de Pesquisas em Redes Multimidia LPRM statística descritiva X
Leia mais) E 2 ( X) = p p 2 = p( 1 p) ) = 0 2 ( 1 p) p = p ( ) = ( ) = ( ) = p. F - cara (sucesso) C - coroa (insucesso)
3.6 A distribuição biomial Defiição: uma eperiêcia ou prova de Beroulli é uma eperiêcia aleatória só com dois resultados possíveis (um deles chamado "sucesso" e o outro "isucesso"). Seja P(sucesso) = p,
Leia maisDistribuição de Bernoulli
Algumas Distribuições Discretas Cálculo das Probabilidades e Estatística I Prof. Luiz Medeiros Departameto de Estatística UFPB Distribuição de Beroulli Na prática muitos eperimetos admitem apeas dois resultados
Leia maisLista de Exercícios #6 Assunto: Propriedade dos Estimadores e Métodos de Estimação
Assuto: Propriedade dos Estimadores e Métodos de Estimação. ANPEC 08 - Questão 6 Por regulametação, a cocetração de um produto químico ão pode ultrapassar 0 ppm. Uma fábrica utiliza esse produto e sabe
Leia maisEstatística. 7 - Distribuições Amostrais
Estatística 7 - Distribuições Amostrais 07 - Distribuição da Média Amostral Distribuição costituída de todos os valores de, cosiderado todas as possíveis amostras de tamaho i ( Ode,,..., são V.A. com mesma
Leia maisDisciplina: Probabilidade e Estatística (MA70H) Profª Silvana Heidemann Rocha Estudante: Código: APRESENTAÇÃO DE DADOS PARA VARIÁVEL QUANTITATIVA
Miistério da Educação UIVERSIDADE TECOLÓGICA FEDERAL DO PARAÁ Câmpus Curitiba Diretoria de Graduação e Educação Profissioal Departameto Acadêmico de Estatística 1 Disciplia: Probabilidade e Estatística
Leia maisDESIGUALDADES, LEIS LIMITE E TEOREMA DO LIMITE CENTRAL. todas as repetições). Então, para todo o número positivo ξ, teremos:
48 DESIGUALDADES, LEIS LIMITE E TEOREMA DO LIMITE CENTRAL LEI DOS GRANDES NÚMEROS Pretede-se estudar o seguite problema: À medida que o úmero de repetições de uma experiêcia cresce, a frequêcia relativa
Leia maisA letra x representa números reais, portanto
Aula 0 FUNÇÕES UFPA, 8 de março de 05 No ial desta aula, você seja capaz de: Saber dizer o domíio e a imagem das uções esseciais particularmete esta aula as uções potêcias; Fazer o esboço de gráico da
Leia maisRedes de Computadores sem Fio
Redes de Computadores sem Fio Prof. Marcelo Gonçalves Rubinstein Programa de Pós-Graduação em Engenharia Eletrônica Faculdade de Engenharia Universidade do Estado do Rio de Janeiro Programa Introdução
Leia maisProbabilidade II Aula 9
Coteúdo Probabilidade II Aula 9 Maio de 9 Môica Barros, D.Sc. Estatísticas de Ordem Distribuição do Máximo e Míimo de uma amostra Uiforme(,) Distribuição do Máximo e Míimo caso geral Distribuição das Estatísticas
Leia maisSumário. 2 Índice Remissivo 17
i Sumário 1 Itrodução à Iferêcia Estatística 1 1.1 Defiições Básicas................................... 1 1.2 Amostragem....................................... 2 1.2.1 Tipos de Amostragem.............................
Leia maisMATEMÁTICA II. Profa. Dra. Amanda Liz Pacífico Manfrim Perticarrari
MATEMÁTICA II Profa. Dra. Amada Liz Pacífico Mafrim Perticarrari amada@fcav.uesp.br Ecotre a área da região que está sob a curva y = f x de a até b. S = x, y a x b, 0 y f x Isso sigifica que S, ilustrada
Leia maisESTATÍSTICA- II DISTRIBUIÇÃO DE FREQUÊNCIA. 1- CONCEITO É a série estatística que tem o tempo, o espaço e a espécie como variáveis dependentes.
ESTATÍSTICA- II DISTRIBUIÇÃO DE FREQUÊNCIA 1- CONCEITO É a série estatística que tem o tempo, o espaço e a espécie como variáveis depedetes. - DISTRIBUIÇÃO DE FREQUÊNCIA a) Dados Brutos É um cojuto resultate
Leia maisDISTRIBUIÇÃO AMOSTRAL E ESTIMAÇÃO PONTUAL INTRODUÇÃO ROTEIRO POPULAÇÃO E AMOSTRA. Estatística Aplicada à Engenharia
ROTEIRO DISTRIBUIÇÃO AMOSTRAL E ESTIMAÇÃO PONTUAL 1. Itrodução. Teorema Cetral do Limite 3. Coceitos de estimação potual 4. Métodos de estimação potual 5. Referêcias Estatística Aplicada à Egeharia 1 Estatística
Leia maisMODELOS PROBABILÍSTICOS DISCRETOS (BINOMIAL e POISSON)
MODELOS PROBABILÍSTICOS DISCRETOS (BINOMIAL e POISSON) Modelos probabilísticos Algumas variáveis aleatórias (V.A.) aparecem com bastate frequêcia em situações práticas de eperimetos aleatórios (E.: peso,
Leia maisMedidas de Posição. É igual ao quociente entre a soma dos valores do conjunto e o número total dos valores.
Medidas de Posição São as estatísticas que represetam uma série de dados orietado-os quato à posição da distribuição em relação ao eixo horizotal do gráfico da curva de freqüêcia As medidas de posições
Leia maisRegressão linear simples
Regressão liear simples Maria Virgiia P Dutra Eloae G Ramos Vaia Matos Foseca Pós Graduação em Saúde da Mulher e da Criaça IFF FIOCRUZ Baseado as aulas de M. Pagao e Gravreau e Geraldo Marcelo da Cuha
Leia maisSumário. 2 Índice Remissivo 19
i Sumário 1 Estatística Descritiva 1 1.1 Coceitos Básicos.................................... 1 1.1.1 Defiições importates............................. 1 1.2 Tabelas Estatísticas...................................
Leia maisMAE Introdução à Probabilidade e Estatística II Resolução Lista 2
MAE 9 - Itrodução à Probabilidade e Estatística II Resolução Lista Professor: Pedro Moretti Exercício 1 Deotado por Y a variável aleatória que represeta o comprimeto dos cilidros de aço, temos que Y N3,
Leia maisCONCEITOS BÁSICOS E PRINCÍPIOS DE ESTATÍSTICA
1 CONCEITOS BÁSICOS E PRINCÍPIOS DE ESTATÍSTICA 1. Coceitos Básicos de Probabilidade Variável aleatória: é um úmero (ou vetor) determiado por uma resposta, isto é, uma fução defiida em potos do espaço
Leia maisAnálise de Algoritmos. Análise de Algoritmos. Análise de Algoritmos. Análise de Algoritmos. Análise de Algoritmos. Análise de Algoritmos
Aálise de Algoritmos Aálise de Algoritmos Prof Dr José Augusto Baraauskas DFM-FFCLRP-USP A Aálise de Algoritmos é um campo da Ciêcia da Computação que tem como objetivo o etedimeto da complexidade dos
Leia maisO teste de McNemar. A tabela 2x2. Depois - Antes
Prof. Lorí Viali, Dr. http://www.pucrs.br/famat/viali/ viali@pucrs.br O teste de McNemar O teste de McNemar para a sigificâcia de mudaças é particularmete aplicável aos experimetos do tipo "ates e depois"
Leia maisUNIVERSIDADE FEDERAL DO PARANÁ NOTAS DE AULA PROFa. SONIA MÜLLER
PROBABILIDADE. DEFINIÇÕES BÁSICAS:.- INTRODUÇÃO: UNIVERSIDADE FEDERAL DO PARANÁ NOTAS DE AULA PROFa. SONIA MÜLLER PROBABILIDADE POPULAÇÃO AMOSTRA ESTATÍSTICA Uiverso : Ω ou U Vazio: Uião: A B Itersecção:
Leia maisCONHECIMENTOS ESPECÍFICOS
Acerca dos coceitos de estatística e dos parâmetros estatísticos, julgue os ites seguites. CONHECIMENTOS ESPECÍFICOS CESPE/UB STM 67 A partir do histograma mostrado a figura abaixo, é correto iferir que
Leia maisCONHECIMENTOS ESPECÍFICOS
CESPE/UB FUB/0 fa 5 4 CONHECIMENTOS ESPECÍFICOS 60 As distribuições B e C possuem os mesmos valores para os quartis Q e Q, e o quartil superior em B correspode ao quartil cetral (Q ) da distribuição A.
Leia maisMAE Introdução à Probabilidade e Estatística II Resolução Lista 1
MAE 229 - Itrodução à Probabilidade e Estatística II Resolução Lista 1 Professor: Pedro Moretti Exercício 1 (a) Fazer histograma usado os seguites dados: Distribuição de probabilidade da variável X: X
Leia maisAula 5. Aula de hoje. Aula passada. Limitante da união Método do primeiro momento Lei dos grandes números (fraca e forte) Erro e confiança
Aula 5 Aula passada Valor esperado codicioal Espaço amostral cotíuo, fução desidade Limitates para probabilidade Desigualdades de Markov, Chebyshev, Cheroff with high probability Aula de hoje Limitate
Leia maisMEDIDAS DE TENDÊNCIA CENTRAL E MEDIDAS DE DISPERSÃO Í N D I C E
MEDIDAS DE TENDÊNCIA CENTRAL E MEDIDAS DE DISPERSÃO Í N D I C E Medidas de Tedêcia Cetral Itrodução... 1- Média Aritmética... - Moda... 3- Mediaa... Medidas de Dispersão 4- Amplitude Total... 5- Variâcia
Leia maisMQI 2003 ESTATÍSTICA PARA METROLOGIA - SEMESTRE Teste 2 07/07/2008 Nome: PROBLEMA 1 Sejam X e Y v.a. contínuas com densidade conjunta:
MQI 003 ESTATÍSTICA PARA METROLOGIA - SEMESTRE 008.0 Teste 07/07/008 Nome: PROBLEMA Sejam X e Y v.a. cotíuas com desidade cojuta: f xy cy xy x y (, ) = + 3 ode 0 e 0 a) Ecotre a costate c que faz desta
Leia maisA finalidade de uma equação de regressão seria estimar valores de uma variável, com base em valores conhecidos da outra.
Jaete Pereira Amador Itrodução A aálise de regressão tem por objetivo descrever através de um modelo matemático, a relação existete etre duas variáveis, a partir de observações dessas viráveis. A aálise
Leia maisEstudando complexidade de algoritmos
Estudado complexidade de algoritmos Dailo de Oliveira Domigos wwwdadomicombr Notas de aula de Estrutura de Dados e Aálise de Algoritmos (Professor Adré Bala, mestrado UFABC) Durate os estudos de complexidade
Leia maisDistribuições Amostrais
Distribuições Amostrais O problema da iferêcia estatística: fazer uma afirmação sobre os parâmetros da população θ (média, variâcia, etc) através da amostra. Usaremos uma AAS de elemetos sorteados dessa
Leia maisAnálise de dados industriais
Aálise de dados idustriais Escola olitécica Departameto de Eeharia Química Roberto Guardai 4 arte 5. ÉCNICAS DE DISCRIMINAÇÃO E DE CLASSIFICAÇÃO DE DADOS Itrodução écicas estatísticas de aálise baseadas
Leia maisMétodos Quantitativos para Ciência da Computação Experimental Aula #4
Métodos Quatitativos para Ciêcia da Computação Experimetal Aula #4 Jussara Almeida DCC-UFMG 2017 Measuremets are ot to provide umbers, but isights Metodologia de Comparação de Sistemas Experimetais Comparado
Leia maisIntervalos de Confiança
Itervalos de Cofiaça Prof. Adriao Medoça Souza, Dr. Departameto de Estatística - PPGEMQ / PPGEP - UFSM - 0/9/008 Estimação de Parâmetros O objetivo da Estatística é a realização de iferêcias acerca de
Leia maisSumário. 2 Índice Remissivo 11
i Sumário 1 Esperaça de uma Variável Aleatória 1 1.1 Variáveis aleatórias idepedetes........................... 1 1.2 Esperaça matemática................................. 1 1.3 Esperaça de uma Fução de
Leia maisEstatística Aplicada Medidas Resumo Apostila 4 Prof. Fábio Hipólito Aluno(a):
Medidas Resumo Apostila 4 Prof. Fábio Hipólito Aluo(a): # Objetivo desta aula: Calcular as medidas de tedêcia cetral: média, moda e mediaa para distribuições de frequêcias potuais e por itervalos de classes.
Leia maisObtemos, então, uma amostra aleatória de tamanho n de X, que representamos por X 1, X 2,..., X n.
Vamos observar elemetos, extraídos ao acaso e com reposição da população; Para cada elemeto selecioado, observamos o valor da variável X de iteresse. Obtemos, etão, uma amostra aleatória de tamaho de X,
Leia maisVariáveis Aleatórias e Distribuições de Probabilidade
PROBABILIDADES Variáveis Aleatórias e Distribuições de Probabilidade BERTOLO Fução de Probabilidades Vamos cosiderar um experimeto E que cosiste o laçameto de um dado hoesto. Seja a variável aleatória
Leia maisMOQ-13 PROBABILIDADE E ESTATÍSTICA. Professor: Rodrigo A. Scarpel
MOQ-13 PROILIDDE E ESTTÍSTIC Professor: Rodrigo. Scarpel rodrigo@ita.br www.mec.ita.br/~rodrigo Programa do curso: Semaas 1 3 4 5 6 7 8 9 10 11 1 13 14 15 e 16 Itrodução à probabilidade (evetos, espaço
Leia maisExercício de Revisao 1
Exercício de Revisao 1 Cosidere que seu trabalho é comparar o desempeho de dois algoritmos (A e B) de computação gráfica, que usam métodos diferetes para geração de faces humaas realistas. São sistema
Leia maisAEP FISCAL ESTATÍSTICA
AEP FISCAL ESTATÍSTICA Módulo 0: Medidas de Dispersão (webercampos@gmail.com) MÓDULO 0 - MEDIDAS DE DISPERSÃO 1. Coceito: Dispersão é a maior ou meor diversificação dos valores de uma variável, em toro
Leia maisFICHA de AVALIAÇÃO de MATEMÁTICA A 11.º Ano Versão 5
FICHA de AVALIAÇÃO de MATEMÁTICA A.º Ao Versão 5 Nome: N.º Turma: Apresete o seu raciocíio de forma clara, idicado todos os cálculos que tiver de efetuar e todas as justificações ecessárias. Quado, para
Leia maisENGENHARIA DA QUALIDADE A ENG AULA 6 CARTAS DE CONTROLE PARA ATRIBUTOS
ENGENHARIA DA QUALIDADE A ENG 09008 AULA 6 CARTAS DE CONTROLE PARA ATRIBUTOS PROFESSORES: CARLA SCHWENGBER TEN CATEN Tópicos desta aula Cartas de Cotrole para Variáveis Tipo 1: Tipo 2: Tipo 3: X X X ~
Leia maisComparação entre duas populações
Comparação etre duas populações AMOSTRAS INDEPENDENTES Comparação etre duas médias 3 Itrodução Em aplicações práticas é comum que o iteresse seja comparar as médias de duas diferetes populações (ambas
Leia mais21037 : e-fólio A- proposta de resolução
21037 : e-fólio A- proposta de resolução 1. Os motates de depósito a prazo, em uidades codificadas (UC), correspodem a uma variável quatitativa cotíua, e estão orgaizados em classes com a mesma amplitude.
Leia maisEstimação da média populacional
Estimação da média populacioal 1 MÉTODO ESTATÍSTICO Aálise Descritiva Teoria das Probabilidades Iferêcia Os dados efetivamete observados parecem mostrar que...? Se a distribuição dos dados seguir uma certa
Leia maisContabilometria. Prof.: Patricia Maria Bortolon, D. Sc.
Cotabilometria Prof.: Patricia Maria Bortolo, D. Sc. Teste para Duas Amostras Fote: LEVINE, D. M.; STEPHAN, D. F.; KREHBIEL, T. C.; BERENSON, M. L.; Estatística Teoria e Aplicações, 5a. Edição, Editora
Leia maisAEP FISCAL ESTATÍSTICA
AEP FISCAL ESTATÍSTICA Módulo 04: Medidas de Posição (webercampos@gmail.com) . MÉDIA ARITMÉTICA : Para um cojuto de valores Média Aritmética Simples: xi p Média Aritmética Poderada: MÓDULO 04 - MEDIDAS
Leia maisTRANSPORTES. Sessão Prática 4 Amostragem de escalares
Mestrado Itegrado em Egeharia Civil TRNPORTE Prof. Resposável: Luis Picado atos essão Prática 4 mostragem de escalares Istituto uperior Técico / Mestrado Itegrado Egeharia Civil Trasportes ulas Práticas
Leia maisDistribuição Amostral da Média: Exemplos
Distribuição Amostral da Média: Eemplos Talvez a aplicação mais simples da distribuição amostral da média seja o cálculo da probabilidade de uma amostra ter média detro de certa faia de valores. Vamos
Leia mais3. Seja C o conjunto dos números complexos. Defina a soma em C por
Eercícios Espaços vetoriais. Cosidere os vetores = (8 ) e = ( -) em. (a) Ecotre o comprimeto de cada vetor. (b) Seja = +. Determie o comprimeto de. Qual a relação etre seu comprimeto e a soma dos comprimetos
Leia maisUniversidade Federal de Lavras Departamento de Estatística Prof. Daniel Furtado Ferreira 1 a Aula Prática Técnicas de somatório
Uiversidade Federal de Lavras Departameto de Estatística Prof. Daiel Furtado Ferreira 1 a Aula Prática Técicas de somatório Notação e propriedades: 1) Variáveis e ídices: o símbolo x j (leia x ídice j)
Leia maisCE-003: Estatística II - Turma K/O Avaliações Semanais (2 o semestre 2015)
CE-003: Estatística II - Turma K/O Avaliações Semaais (2 o semestre 20) Semaa 5 (av-01) 1. Um idivíduo vai participar de uma competição que cosiste em respoder questões que são lhe são apresetadas sequecialmete.
Leia maisPedro Alberto Barbetta / Marcelo Menezes Reis / Antonio Cezar Bornia São Paulo: Atlas, 2004
Estatística para Cursos de Egeharia e Iformática Pedro Alberto Barbetta / Marcelo Meezes Reis / Atoio Cezar Boria São Paulo: Atlas, 004 Cap. 7 - DistribuiçõesAmostrais e Estimaçãode deparâmetros APOIO:
Leia maisFICHA de AVALIAÇÃO de MATEMÁTICA A 12.º Ano Versão 1
FICHA de AVALIAÇÃO de MATEMÁTICA A.º Ao Versão Nome: N.º Turma: Apresete o seu raciocíio de forma clara, idicado todos os cálculos que tiver de efetuar e todas as justificações ecessárias. Quado, para
Leia maisAmostras Aleatórias e Distribuições Amostrais. Probabilidade e Estatística: afinal, qual é a diferença?
Amostras Aleatórias e Distribuições Amostrais Probabilidade e Estatística: afial, qual é a difereça? Até agora o que fizemos foi desevolver modelos probabilísticos que se adequavam a situações reais. Por
Leia maisn C) O EMV é igual a i 1
PROVA DE ESTATÍSTICA E PROBABILIDADE SELEÇÃO MESTRADO/UFMG 009 Istruções: a) Cada questão respodida corretamete vale (um) poto. c) Cada questão respodida icorretamete vale - (meos um) poto. b) Cada questão
Leia maisAMOSTRAGEM ALEATÓRIA DISTRIBUIÇÕES POR AMOSTRAGEM
6 AMOSTRAGEM ALEATÓRIA DISTRIBUIÇÕES POR AMOSTRAGEM Quado se pretede estudar uma determiada população, aalisam-se certas características ou variáveis dessa população. Essas variáveis poderão ser discretas
Leia maisProva Escrita de MATEMÁTICA A - 12o Ano a Fase
Prova Escrita de MATEMÁTICA A - 1o Ao 00 - a Fase Proposta de resolução GRUPO I 1. Como a probabilidade do João acertar em cada tetativa é 0,, a probabilidade do João acertar as tetativas é 0, 0, 0, 0,
Leia maisBÁRBARA DENICOL DO AMARAL RODRIGUEZ CINTHYA MARIA SCHNEIDER MENEGHETTI CRISTIANA ANDRADE POFFAL SEQUÊNCIAS NUMÉRICAS. 1 a Edição
BÁRBARA DENICOL DO AMARAL RODRIGUEZ CINTHYA MARIA SCHNEIDER MENEGHETTI CRISTIANA ANDRADE POFFAL SEQUÊNCIAS NUMÉRICAS 1 a Edição Rio Grade 2017 Uiversidade Federal do Rio Grade - FURG NOTAS DE AULA DE CÁLCULO
Leia maisProbabilidades num jogo aos dados
Técicas Laboratoriais de Física Lic. Física e Eg. Biomédica 007/08 Capítulo VIII Distribuição Biomial Probabilidades um jogo aos dados Defiição de uma Distribuição Biomial Propriedades da Distribuição
Leia maisFundamentos de Análise Matemática Profª Ana Paula. Números reais
Fudametos de Aálise Matemática Profª Aa Paula Números reais 1,, 3, cojuto dos úmeros aturais 0,1,,3, cojuto dos úmeros iteiros p q /p e q cojuto dos úmeros racioais a, a 0 a 1 a a, a e a i 0, 1,, 3, 4,
Leia maisESTIMAÇÃO DE PARÂMETROS
ESTIMAÇÃO DE PARÂMETROS 1 Estimação de Parâmetros uiverso do estudo (população) dados observados O raciocíio idutivo da estimação de parâmetros Estimação de Parâmetros População p Amostra X S pˆ (parâmetros:
Leia mais