2. Distribuições amostrais
|
|
- Rayssa Lagos
- 5 Há anos
- Visualizações:
Transcrição
1 2. Distribuições amostrais USP-ICMC-SME 203 USP-ICMC-SME () 2. Distribuições amostrais 203 / 22
2 Amostra aleatória Notação. X: variável aleatória (v.a.). f(x; θ): função densidade de probabilidade (X contínua) ou função massa de probabilidade (X discreta). Será denominada função densidade. θ é o parâmetro (pode ser um vetor). Se X é discreta, f(x; θ) = P(X = x; θ). Definição As v.a. aleatórias X, X 2,..., X n constituem uma amostra aleatória de tamanho n de uma população com função densidade f(x; θ), se (a) as n variáveis são independentes e (b) cada X i tem distribuição com função densidade f(x; θ). Também chamada de amostra aleatória simples (AAS). USP-ICMC-SME () 2. Distribuições amostrais / 22
3 A definição de amostra aleatória é satisfeita quando a a população é infinita ou quando a população é finita e a amostra é selecionada com reposição. Exemplo Seleção de uma amostra de tamanho n = 8 de uma v.a. com distribuição Poisson(3). Em R: rpois(8, 3). Amostras selecionadas sem reposição de uma população finita, não satisfazem a definição da amostra aleatória, pois as variaveis aleatórias X,..., X n não são independentes. Se o tamanho da amostra é muito pequeno em relação ao tamanho da população, a definição é satisfeita aproximadamente. USP-ICMC-SME () 2. Distribuições amostrais / 22
4 Definição Uma estatística T é qualquer função que dependa apenas da amostra X, X 2,..., X n. T = T (X, X 2,..., X n ) com valores t = T (x,..., x n ). Exemplo Total amostral : n X i. i= Média amostral : X = n n X i. { } /2 n Desvio padrão amostral : S = (X i X) 2. n i= i= Máximo amostral : X (n) = max(x, X 2,..., X n ). Amplitude amostral : X (n) X (), X () = min(x, X 2,..., X n ). USP-ICMC-SME () 2. Distribuições amostrais / 22
5 Uma estatística T é uma variável aleatória (pois é uma função das v.a. X, X 2,..., X n ). A distribuição de T é chamada de distribuição amostral da estatística T. Exemplo Distribuição do número de erros de impressão. x 0 2 Total f(x) = P(X = x) /2 2/5 /0 Determine a distribuição do número médio de erros em amostras de n = 2 observações. X = (X + X 2 )/2. USP-ICMC-SME () 2. Distribuições amostrais / 22
6 Distribuição de (X, X 2 ) e cálculo de x. x, x 2 x P(X = x, X 2 = x 2 ) 0, = 4 0, / = 5 0, = 20, 0 / = 5, = 4 25, 2 3/ = 25 2, = 20 2, 3/ = 25 2, = 00 USP-ICMC-SME () 2. Distribuições amostrais / 22
7 Distribuição de X. x P(X = x) 0 4 / = = = = 00 3/2 Total Exercício (a) Calcule E(X) e E(X). Surpresa? (b) Resolva o exercício com n = 3. USP-ICMC-SME () 2. Distribuições amostrais / 22
8 Distribuições de X e X X X P(X = x) P(X = x) x x USP-ICMC-SME () 2. Distribuições amostrais / 22
9 Aproximação de Monte Carlo Geração de um grande número de amostras de tamanho n = 2 da distribuição de X. Para cada amostra gerada calculamos x = (x + x 2 )/2. A tabela de frequências relativas de x é uma aproximação da distribuição de X. USP-ICMC-SME () 2. Distribuições amostrais / 22
10 Solução em R ## Aproximaç~ao de Monte Carlo # Distribuiç~ao de X x <- 0:2 fx <- c( / 2, 2 / 5, / 0) # Número de repetiç~oes M < Aproximação de Monte Carlo # Cálculo das médias xb <- c() for (m in :M) { xb[m] <- mean(sample(x, 2, replace = TRUE, prob = fx)) } print(table(xb) / M) USP-ICMC-SME () 2. Distribuições amostrais / 22
11 Média amostral Propriedade. A v.a. Z = {X E(X)}/ V ar(x) tem média 0 e variância (padronização). Propriedade. Se X, X 2,..., X n é uma amostra aleatória de uma população com média µ e variância σ 2, então X tem média µ e variância σ 2 /n. Portanto, n(x µ)/σ tem média 0 e variância. Propriedade. Se X, X 2,..., X n é uma amostra aleatória de uma população N(µ, σ 2 ), então X N(µ, σ 2 /n). USP-ICMC-SME () 2. Distribuições amostrais 203 / 22
12 Média amostral X X f(x) x USP-ICMC-SME () 2. Distribuições amostrais / 22
13 Média amostral Teorema central do limite. Se X, X 2,..., X n é uma amostra aleatória de uma população com média µ e variância σ 2 (0 < σ 2 < ), então X N(µ, σ 2 /n), aproximadamente. Quanto maior n, melhor a aproximação. X pode ser discreta ou contínua. Exemplo População binomial com parâmetros n e 0,45. Experimento. Amostras com diferentes n são selecionadas (função rbinom em R) e os histogramas são obtidos (função hist). Aproximação pela distribuição N(0, 45; n 0,45 ( 0,45) ) (funções curve e dnorm). USP-ICMC-SME () 2. Distribuições amostrais / 22
14 Média amostral Distribuição exata de X n = 5 Probabilidade Densidade Número de sucessos Proporção amostral n = 30 Probabilidade Densidade Número de sucessos Proporção amostral n = 50 Probabilidade Densidade Número de sucessos Proporção amostral USP-ICMC-SME () 2. Distribuições amostrais / 22
15 Média amostral Exemplo População exponencial com média /2 e variância /4. Experimento. Amostras com diferentes n são selecionadas (função rexp em R) e os histogramas são obtidos (função hist). Aproximação pela distribuição N( 2, 4n ) (funções curve e dnorm). USP-ICMC-SME () 2. Distribuições amostrais / 22
16 Densidade n = Médias Densidade n = Médias Média amostral Densidade n = Médias Densidade n = Densidade n = Densidade n = Médias Médias Médias USP-ICMC-SME () 2. Distribuições amostrais / 22
17 Exemplo De uma população com média 0 e variância 7 selecionou-se uma amostra aleatória, X, X 2,..., X 5. Calcular P(X >, 5). A distribuição de X não foi informada. Padronização: Z = 5(X 0)/ 7 tem média 0 e variância. Calculamos ( ) 5(X 0) 5(, 5 0) P(X >, 5) = P > = P(Z >, 268). 7 7 Sabemos que Z N(0, ), aproximadamente. Solução em R. - pnorm(sqrt(5) *.5 / sqrt(7)) = Uma tabela da distribuição N(0, ) poderia ser consultada. Se a distribuição de X for normal, a solução apresentada é exata. USP-ICMC-SME () 2. Distribuições amostrais / 22
18 Proporção amostral Um experimento admite apenas um de dois possíveis resultados: sucessso e insucesso (experimento de Bernoulli). Definimos a v.a. X tal que X = se ocorre sucesso e X = 0, caso contrário. Ocorre sucesso com probalidade p. O experimento é repetido n vezes de forma independente. Definimos Y = n i= X i, que representa o número de sucessos na amostra de tamanho n. X = Y/n representa a proporção amostral de sucessos, com valores no conjunto {0, /n, 2/n,..., (n )/n, } (v.a. discreta). USP-ICMC-SME () 2. Distribuições amostrais / 22
19 Proporção amostral Como X Bernoulli(p), então Y binomial(n, p). Portanto, se k {0,, 2,..., n, n}, temos que ( P X = k ) ( ) n = P (Y = k) = p k ( p) n k, n k ou seja, a distribuição da proporção amostral é exata. Por outro lado, ( ) p( p) X N p,, aproximadamente. n USP-ICMC-SME () 2. Distribuições amostrais / 22
20 Exemplo Um esquema de controle de qualidade foi planejado de modo a garantir um máximo de 0% de itens defeituosos produzidos. Periodicamente seleciona-se uma amostra de 20 itens e, havendo mais de 5% de itens defeituosos, a produção é interrompida. Calcule a probabilidade de uma interrupção desnecessária. X i indica a situação do item, em que X i = indica um item defeituoso (evento sucesso ), i =,..., n, com n = 20. Supondo uma amostra aleatória, Y = 20 i= X i binomial(20, p) (número de itens defeituosos em uma amostra de n = 20 itens). USP-ICMC-SME () 2. Distribuições amostrais / 22
21 Exemplo No pior caso temos p = 0% = 0,. Assim, Y binomial(20; 0, ). Calculamos P(X > 0, 5) = P(X > 3/20) = P(Y > 3) = P(Y 4) = P(Y < 4) = P(Y 3) 3 ( ) 20 = 0, j 0, 9 20 j = 0, 330. j j=0 Em R: - pbinom(3, 20, 0.) ou pbinom(3, 20, 0., lower.tail = FALSE). Pode ser provado que a probabilidade de uma interrupção desnecessária cresce com p. USP-ICMC-SME () 2. Distribuições amostrais / 22
22 Solução aproximada. Sabemos que ( X N 0, ; Calculamos P(X > 0, 5) = P 0, 0, 9 20 Exemplo ), aproximadamente. ( ) 20(X 0, ) 20(0, 5 0, ) > 0, 0, 9 0, 0, 9 = P(Z > 0, ) = P(Z 0, ), em que Z N(0, ). Consultando uma tabela de Z obtemos 0,2280. A aproximação é satisfatória? Realize um experimento para ajudar em sua resposta. Em R: z0 <- sqrt(20) * (0.5-0.) / sqrt(0. * 0.9) - pnorm(z0) ou pnorm(z0, lower.tail = FALSE). USP-ICMC-SME () 2. Distribuições amostrais / 22
Teorema 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 mais3. Estimação pontual USP-ICMC-SME. USP-ICMC-SME () 3. Estimação pontual / 25
3. Estimação pontual USP-ICMC-SME 2013 USP-ICMC-SME () 3. Estimação pontual 2013 1 / 25 Roteiro Formulação do problema. O problema envolve um fenômeno aleatório. Interesse em alguma característica da população.
Leia maisModelos Probabilísticos Teóricos Discretos e Contínuos. Bernoulli, Binomial, Poisson, Uniforme, Exponencial, Normal
Modelos Probabilísticos Teóricos Discretos e Contínuos Bernoulli, Binomial, Poisson, Uniforme, Exponencial, Normal Distribuição de Probabilidades A distribuição de probabilidades de uma variável aleatória:
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 maisUma estatística é uma característica da amostra. Ou seja, se
Estatística Uma estatística é uma característica da amostra. Ou seja, se X 1,..., X n é uma amostra, T = função(x 1,..., X n é uma estatística. Exemplos X n = 1 n n i=1 X i = X 1+...+X n : a média amostral
Leia maisTeoria das Filas aplicadas a Sistemas Computacionais. Aula 08
Teoria das Filas aplicadas a Sistemas Computacionais Aula 08 Universidade Federal do Espírito Santo - Departamento de Informática - DI Laboratório de Pesquisas em Redes Multimidia - LPRM Teoria das Filas
Leia maisA figura 5.1 ilustra a densidade da curva normal, que é simétrica em torno da média (µ).
Capítulo 5 Distribuição Normal Muitas variáveis aleatórias contínuas, tais como altura, comprimento, peso, entre outras, podem ser descritas pelo modelo Normal de probabilidades. Este modelo é, sem dúvida,
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 maisESTATÍSTICA. x(s) W Domínio. Contradomínio
Variáveis Aleatórias Variáveis Aleatórias são funções matemáticas que associam números reais aos resultados de um Espaço Amostral. Uma variável quantitativa geralmente agrega mais informação que uma qualitativa.
Leia mais5. PRINCIPAIS MODELOS CONTÍNUOS
5. PRINCIPAIS MODELOS CONTÍNUOS 2019 5.1. Modelo uniforme Uma v.a. contínua X tem distribuição uniforme com parâmetros e ( < ) se sua função densidade de probabilidade é dada por f ( x )={ 1 β α, α x β
Leia maisVariáveis aleatórias contínuas
Variáveis aleatórias contínuas Wagner H. Bonat Fernando P. Mayer Elias T. Krainski Universidade Federal do Paraná Departamento de Estatística Laboratório de Estatística e Geoinformação 20/04/2018 WB, FM,
Leia maisLucas Santana da Cunha 12 de julho de 2017
DISTRIBUIÇÃO NORMAL Lucas Santana da Cunha http://www.uel.br/pessoal/lscunha/ Universidade Estadual de Londrina 12 de julho de 2017 Distribuição Normal Dentre todas as distribuições de probabilidades,
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 maisEstatística (MAD231) Turma: IGA. Período: 2017/2
Estatística (MAD231) Turma: IGA Período: 2017/2 Aula #03 de Probabilidade: 04/10/2017 1 Variáveis Aleatórias Considere um experimento cujo espaço amostral é Ω. Ω contém todos os resultados possíveis: e
Leia maisLucas Santana da Cunha de junho de 2018 Londrina
Distribuição Normal Lucas Santana da Cunha email: lscunha@uel.br http://www.uel.br/pessoal/lscunha/ 25 de junho de 2018 Londrina 1 / 17 Distribuição Normal Dentre todas as distribuições de probabilidades,
Leia maisMétodos Estatísticos
Métodos Estatísticos 5 - Distribuição Normal Referencia: Estatística Aplicada às Ciências Sociais, Cap. 7 Pedro Alberto Barbetta. Ed. UFSC, 5ª Edição, 2002. Distribuição de Probabilidades A distribuição
Leia maisDistribuições amostrais
Distribuições amostrais Tatiene Correia de Souza / UFPB tatiene@de.ufpb.br October 14, 2014 Souza () Distribuições amostrais October 14, 2014 1 / 23 Distribuição Amostral Objetivo Estender a noção de uma
Leia maisInferência Estatistica
Inferência Estatistica Ricardo Ehlers ehlers@icmc.usp.br Departamento de Matemática Aplicada e Estatística Universidade de São Paulo Modelos e Inferência Um modelo é uma simplificação da realidade (e alguns
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 Distribuição Normal Motivação: Distribuição
Leia maisPRINCIPAIS DISTRIBUIÇÕES DE PROBABILIDADES
PRINCIPAIS DISTRIBUIÇÕES DE PROBABILIDADES Certas distribuições de probabilidades se encaixam em diversas situações práticas As principais são: se v.a. discreta Distribuição de Bernoulli Distribuição binomial
Leia maisIntrodução à Probabilidade e à Estatística II
Introdução à Probabilidade e à Estatística II Introdução à Inferência Estatística Capítulo 10, Estatística Básica (Bussab&Morettin, 7a Edição) Lígia Henriques-Rodrigues MAE0229 1º semestre 2018 1 / 36
Leia mais3. Considere uma amostra aleatória de tamanho 7 de uma normal com média 18. Sejam X e S 2, a média e a variância amostral, respectivamente.
1 Universidade de São Paulo Escola Superior de Agricultura Luiz de Queiroz Departamento de Ciências Exatas Professores: Clarice Demétrio, Roseli Leandro e Mauricio Mota Lista 3- Distribuições Amostrais-
Leia maisTiago Viana Flor de Santana
ESTATÍSTICA BÁSICA DISTRIBUIÇÃO NORMAL DE PROBABILIDADE (MODELO NORMAL) Tiago Viana Flor de Santana www.uel.br/pessoal/tiagodesantana/ tiagodesantana@uel.br sala 07 Curso: MATEMÁTICA Universidade Estadual
Leia maisProfessora Ana Hermínia Andrade. Período
Distribuições de probabilidade Professora Ana Hermínia Andrade Universidade Federal do Amazonas Faculdade de Estudos Sociais Departamento de Economia e Análise Período 2016.2 Modelos de distribuição Para
Leia maisProbabilidade e Modelos Probabilísticos
Probabilidade e Modelos Probabilísticos 2ª Parte: modelos probabilísticos para variáveis aleatórias contínuas, modelo uniforme, modelo exponencial, modelo normal 1 Distribuição de Probabilidades A distribuição
Leia maisModelos básicos de distribuição de probabilidade
Capítulo 6 Modelos básicos de distribuição de probabilidade Muitas variáveis aleatórias, discretas e contínuas, podem ser descritas por modelos de probabilidade já conhecidos. Tais modelos permitem não
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 maisTeorema do Limite Central
Teorema do Limite Central Prof. Eduardo Bezerra Inferência Estatística 24 de março de 2018 Eduardo Bezerra (CEFET/RJ) Distribuições Amostrais 1 / 12 Roteiro Definição 1 Definição 2 Eduardo Bezerra (CEFET/RJ)
Leia maisDistribuições de Probabilidade. Distribuição Uniforme Distribuição Exponencial Distribuição Normal
Distribuições de Probabilidade Distribuição Uniforme Distribuição Exponencial Distribuição Normal 1 Distribuição Uniforme A distribuição Uniforme atribui uma densidade igual ao longo de um intervalo (a,b).
Leia maisProf. Eduardo Bezerra. 6 de abril de 2018
Distribuições Amostrais Prof. Eduardo Bezerra Inferência Estatística 6 de abril de 2018 Eduardo Bezerra (CEFET/RJ) Distribuições Amostrais 1 / 19 Roteiro 1 2 3 Eduardo Bezerra (CEFET/RJ) Distribuições
Leia maisVariável Aleatória Contínua:
Distribuição Contínua Normal Luiz Medeiros de Araujo Lima Filho Departamento de Estatística UFPB Variável Aleatória Contínua: Assume valores num intervalo de números reais. Não é possível listar, individualmente,
Leia maisEstatística II Aula 2. Prof.: Patricia Maria Bortolon, D. Sc.
Estatística II Aula Prof.: Patricia Maria Bortolon, D. Sc. Distribuições Amostrais ... vocês lembram que: Antes de tudo... Estatística Parâmetro Amostra População E usamos estatíticas das amostras para
Leia maisFundamentos de Estatística
Fundamentos de Estatística Clássica Workshop Análise de Incertezas e Validação Programa de Verão 2017 Marcio Borges 1 1LABORATÓRIO NACIONAL DE COMPUTAÇÃO CIENTÍFICA mrborges@lncc.br Petrópolis, 9 de Fevereiro
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 maisDistribuições de Probabilidade. Distribuição Normal
Distribuições de Probabilidade Distribuição Normal 1 Distribuição Normal ou Gaussiana A distribuição Normal ou Gaussiana é muito utilizada em análises estatísticas. É uma distribuição simétrica em torno
Leia maisAula de hoje. administração. São Paulo: Ática, 2007, Cap. 3. ! Tópicos. ! Referências. ! Distribuição de probabilidades! Variáveis aleatórias
Aula de hoje! Tópicos! Distribuição de probabilidades! Variáveis aleatórias! Variáveis discretas! Variáveis contínuas! Distribuição binomial! Distribuição normal! Referências! Barrow, M. Estatística para
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 maisVariáveis Aleatórias
Variáveis Aleatórias Definição: Uma variável aleatória v.a. é uma função que associa elementos do espaço amostral a valores numéricos, ou seja, X : Ω A, em que A R. Esquematicamente As variáveis aleatórias
Leia maisProbabilidade e Estatística. stica. Prof. Dr. Narciso Gonçalves da Silva pessoal.utfpr.edu.
Probabilidade e Estatística stica Prof. Dr. Narciso Gonçalves da Silva http://paginapessoal.utfpr.edu.br/ngsilva pessoal.utfpr.edu.br/ngsilva Distribuição Uniforme Uma variável aleatória contínua X está
Leia maisBioestatística e Computação I
Bioestatística e Computação I Distribuições Teóricas de Probabilidade Maria Virginia P Dutra Eloane G Ramos Vania Matos Fonseca Pós Graduação em Saúde da Mulher e da Criança IFF FIOCRUZ Baseado nas aulas
Leia maisA Inferência Estatística é um conjunto de técnicas que objetiva estudar a população através de evidências fornecidas por uma amostra.
UNIVERSIDADE FEDERAL DA PARAÍBA Distribuição Amostral Prof. Tarciana Liberal Departamento de Estatística INTRODUÇÃO A Inferência Estatística é um conjunto de técnicas que objetiva estudar a população através
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 maisProbabilidade e Estatística
Probabilidade e Estatística stica Prof. Dr. Narciso Gonçalves da Silva http://paginapessoal.utfpr.edu.br/ngsilva Inferência Estatística stica e Distribuições Amostrais Inferência Estatística stica O objetivo
Leia maisDistribuições de Probabilidade
Distribuições de Probabilidade 7 6 5 4 3 2 1 0 Normal 1 2 3 4 5 6 7 8 9 10 11 Exemplos: Temperatura do ar 20 18 16 14 12 10 8 6 4 2 0 Assimetrica Positiva 1 2 3 4 5 6 7 8 9 10 11 Exemplos: Precipitação
Leia maisVariáveis Aleatórias Contínuas e Distribuição de Probabilidad
Variáveis Aleatórias Contínuas e Distribuição de Probabilidades - parte III 23 de Abril de 2012 Introdução Objetivos Ao final deste capítulo você deve ser capaz de: Calcular probabilidades aproximadas
Leia maisModelos Probabilisticos Discretos
Modelos Probabilisticos Discretos Ricardo Ehlers ehlers@icmc.usp.br Departamento de Matemática Aplicada e Estatística Universidade de São Paulo 1 / 30 A distribuição Uniforme Discreta Suponha um experimento
Leia maisEST012 - Estatística Econômica I Turma A - 1 o Semestre de 2019 Lista de Exercícios 3 - Variável aleatória
Exercício 1. Considere uma urna em que temos 4 bolas brancas e 6 bolas pretas. Vamos retirar, ao acaso, 3 bolas, uma após a outra e sem reposição. Sejam X: o número de bolas brancas e Y : o número de bolas
Leia mais4. PRINCIPAIS MODELOS DISCRETOS
4. PRINCIPAIS MODELOS DISCRETOS 2019 Principais modelos probabilísticos discretos 4.1. Modelo Bernoulli Muitos eperimentos admitem apenas dois resultados. Eemplos: 1. Uma peça é classificada como defeituosa
Leia maisUniversidade Federal de Lavras
Universidade Federal de Lavras Departamento de Estatística Prof. Daniel Furtado Ferreira 6 a Lista de Exercícios Teoria da Estimação pontual e intervalar 1) Marcar como verdadeira ou falsa as seguintes
Leia maisSolução: A distribuição normal. Representação gráfica. Cálculo de probabilidades. A normal padrão. σ Será uma N(0; 1).
A distribuição normal Uma variável aleatória X tem uma distribuição normal se sua fdp for do tipo: f (x) =.e π. σ x µ. σ, x R Prof. Lorí Viali, Dr. viali@mat.ufrgs.br http://www.mat.ufrgs.br/~viali/ com
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 maisProbabilidade e Estatística
Probabilidade e Estatística Aula 5 Probabilidade: Distribuições de Discretas Parte 2 Leitura obrigatória: Devore, seções 3.4, 3.5 (hipergeométrica), 3.6 Aula 5-1 Objetivos Nesta parte 01 aprendemos a representar,
Leia mais4. PRINCIPAIS MODELOS DISCRETOS
4. PRINCIPAIS MODELOS DISCRETOS 2010 Principais modelos probabilísticos discretos 4.1. Modelo Bernoulli Muitos eperimentos admitem apenas dois resultados. Eemplos: 3. Uma peça é classificada como defeituosa
Leia maisVariáveis Aleatórias Contínuas e Distribuições de Probabilidade
Variáveis Aleatórias Contínuas e Distribuições de Probabilidade Motivação A quantidade de oxigênio dissolvido é importante para aferir a qualidade de um regato. Os níveis aceitáveis de oxigênio variam
Leia maisVariável Aleatória Contínua:
Distribuição Contínua Normal Prof. Tarciana Liberal Departamento de Estatística UFPB x x Variável Aleatória Contínua: Assume valores num intervalo de números reais. Não é possível listar, individualmente,
Leia maisMAE 116 Distribuição Normal FEA - 2º Semestre de 2018
MAE 116 Distribuição Normal FEA - 2º Semestre de 2018 1 Introdução Até aqui estudamos variáveis aleatórias discretas que são caracterizadas por ter uma distribuição de probabilidade dada por uma tabela
Leia maisAproximação da Distribuição Binomial pela Distribuição Normal
Aproximação da Distribuição Binomial pela Distribuição Normal Uma das utilidades da distribuição normal é que ela pode ser usada para fornecer aproximações para algumas distribuições de probabilidade discretas.
Leia maisEstatística (MAD231) Turma: IGA. Período: 2018/2
Estatística (MAD231) Turma: IGA Período: 2018/2 Aula #03 de Probabilidade: 19/10/2018 1 Variáveis Aleatórias Considere um experimento cujo espaço amostral é Ω. Ω contém todos os resultados possíveis: e
Leia maisPROBABILIDADE E ESTATÍSTICA. Profa. Dra. Yara de Souza Tadano
PROBABILIDADE E ESTATÍSTICA Profa. Dra. Yara de Souza Tadano yaratadano@utfpr.edu.br Aula 7 11/2014 Variáveis Aleatórias Variáveis Aleatórias Probabilidade e Estatística 3/41 Variáveis Aleatórias Colete
Leia maisSolução dos Exercícios - Capítulos 1 a 3
Capítulo 9 Solução dos Exercícios - Capítulos a 3 9. Capítulo. a Como o valor se refere aos pacientes estudados, e não a todos os pacientes, esse é o valor de uma estatística amostral. b Estatística amostral
Leia maisTestes de Hipóteses. Ricardo Ehlers Departamento de Matemática Aplicada e Estatística Universidade de São Paulo
Testes de Hipóteses Ricardo Ehlers ehlers@icmc.usp.br Departamento de Matemática Aplicada e Estatística Universidade de São Paulo Introdução e notação Em geral, intervalos de confiança são a forma mais
Leia maisF (x) = P (X x) = Σ xi xp(x i ) E(X) = x i p(x i ).
Variável Aleatória Uma variável aleatória é uma variável numérica, cujo valor medido pode variar de uma réplica para outra do experimento. Exemplos: (i) Variáveis aleatórias contínuas: corrente elétrica,
Leia maisDistribuição Amostral e Estimação Pontual de Parâmetros
Roteiro Distribuição Amostral e Estimação Pontual de Parâmetros 1. Introdução 2. Teorema Central do Limite 3. Conceitos de Estimação Pontual 4. Métodos de Estimação Pontual 5. Referências População e Amostra
Leia maisAULA 17 - Distribuição Uniforme e Normal
AULA 17 - Distribuição Uniforme e Normal Susan Schommer Introdução à Estatística Econômica - IE/UFRJ Distribuições Contínuas Em muitos problemas se torna matematicamente mais simples considerar um espaço
Leia maisLista de Exercícios - V.A.s Discretas
Lista de Exercícios - V.A.s Discretas Renato Assunção - DCC, UFMG 207 Esta lista de exercícios visa ao aprendizado de algumas das características das principais distribuições de probabilidade discretas.
Leia maisALGUMAS DISTRIBUIÇÕES CONTÍNUAS DE PROBABILIDADE
ALGUMAS DISTRIBUIÇÕES CONTÍNUAS DE PROBABILIDADE 4. 1 INTRODUÇÃO Serão apresentadas aqui algumas distribuições de probabilidade associadas a v.a. s contínuas. A mais importante delas é a distribuição Normal
Leia maisEstatística e Probabilidade Aula 06 Distribuições de Probabilidades. Prof. Gabriel Bádue
Estatística e Probabilidade Aula 06 Distribuições de Probabilidades Prof. Gabriel Bádue Teoria A distribuição de Poisson é uma distribuição discreta de probabilidade, aplicável a ocorrências de um evento
Leia maisEscola Superior de Agricultura Luiz de Queiroz Universidade de São Paulo. Variáveis Aleatórias Contínuas
Escola Superior de Agricultura Luiz de Queiroz Universidade de São Paulo Variáveis Aleatórias Contínuas Professora Renata Alcarde Piracicaba abril 2014 Renata Alcarde Estatística Geral 24 de Abril de 2014
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 maisPRINCIPAIS MODELOS DISCRETOS
PRINCIPAIS MODELOS DISCRETOS 2012 Principais modelos probabilísticos discretos 4.1. Modelo Bernoulli Muitos eperimentos admitem apenas dois resultados. Eemplos: 1. Uma peça é classificada como defeituosa
Leia maisMAT 461 Tópicos de Matemática II Aula 8: Resumo de Probabilidade
MAT 461 Tópicos de Matemática II Aula 8: Resumo de Probabilidade Edson de Faria Departamento de Matemática IME-USP 28 de Agosto, 2013 Probabilidade: uma Introdução / Aula 8 1 Desigualdades de Markov e
Leia maisDistribuições Contínuas de Probabilidade
Distribuições Contínuas de Probabilidade Uma variável aleatória contínua é uma função definida sobre o espaço amostral, que associa valores em um intervalo de números reais. Exemplos: Espessura de um item
Leia maisCapítulo 3. Introdução à Probabilidade E à Inferência Estatística
Capítulo 3 Introdução à Probabilidade E à Inferência Estatística definições e propriedades: Propriedade 5: A probabilidade condicional reflete como a probabilidade de um evento pode mudar se soubermos
Leia maisIntrodução à Inferência Estatística
Introdução à Inferência Estatística Capítulo 10, Estatística Básica (Bussab&Morettin, 7a Edição) 2a AULA 02/03/2015 MAE229 - Ano letivo 2015 Lígia Henriques-Rodrigues 2a aula (02/03/2015) MAE229 1 / 16
Leia maisSUMÁRIO. 1.1 Introdução, Conceitos Fundamentais, 2
SUMÁRIO 1 CONCEITOS BÁSICOS, 1 1.1 Introdução, 1 1.2 Conceitos Fundamentais, 2 1.2.1 Objetivo, 2 1.2.2 População e amostra, 2 1.3 Processos estatísticos de abordagem, 2 1.4 Dados estatísticos, 3 1.5 Estatística
Leia maisDistribuições Importantes. Distribuições Contínuas
Distribuições Importantes Distribuições Contínuas Distribuição Normal ou de Gauss Definição Diz-se que uma v.a. X contínua tem distribuição normal ou de Gauss, X Nor(µ,σ), se a sua função densidade de
Leia maisProbabilidade e Estatística
Probabilidade e Estatística Aula 7 Distribuição da Média Amostral Leitura obrigatória: Devore: Seções 5.3, 5.4 e 5.5 Chap 8-1 Inferência Estatística Na próxima aula vamos começar a parte de inferência
Leia maisEstatística Aplicada II. } Revisão: Probabilidade } Propriedades da Média Amostral
Estatística Aplicada II } Revisão: Probabilidade } Propriedades da Média Amostral 1 Aula de hoje } Tópicos } Revisão: } Distribuição de probabilidade } Variáveis aleatórias } Distribuição normal } Propriedades
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 mais6- Probabilidade e amostras: A distribuição das médias amostrais
6- Probabilidade e amostras: A distribuição das médias amostrais Anteriormente estudamos como atribuir probabilidades a uma observação de alguma variável de interesse (ex: Probabilidade de um escore de
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 mais6. Amostragem e estimação pontual
6. Amostragem e estimação pontual Definição 6.1: População é um conjunto cujos elementos possuem qualquer característica em comum. Definição 6.2: Amostra é um subconjunto da população. Exemplo 6.1: Um
Leia maisCap. 8 - Variáveis Aleatórias
Variáveis Aleatórias Discretas: A de Poisson e Outras ESQUEMA DO CAPÍTULO 8.1 A DISTRIBUIÇÃO DE POISSON 8.2 A DISTRIBUIÇÃO DE POISSON COMO APROXIMAÇÃO DA DISTRIBUIÇÃO BINOMIAL 8.3 O PROCESSO DE POISSON
Leia maisUNIDADE II. José J. C. Hernández. April 9, 2017 DE - UFPE. José J. C. Hernández (DE - UFPE) Estatística I April 9, / 60
INTRODUÇÃO À ESTATÍSTICA UNIDADE II José J. C. Hernández DE - UFPE April 9, 2017 José J. C. Hernández (DE - UFPE) Estatística I April 9, 2017 1 / 60 Variável aleatória Seja X : Ω R uma função real de Ω
Leia maisAULA 02 Distribuição de Probabilidade Normal
1 AULA 02 Distribuição de Probabilidade Normal Ernesto F. L. Amaral 20 de agosto de 2012 Faculdade de Filosofia e Ciências Humanas (FAFICH) Universidade Federal de Minas Gerais (UFMG) Fonte: Triola, Mario
Leia maisLucas Santana da Cunha de junho de 2017
VARIÁVEL ALEATÓRIA Lucas Santana da Cunha email: lscunha@uel.br http://www.uel.br/pessoal/lscunha/ Universidade Estadual de Londrina 19 de junho de 2017 Uma função que associa um número real aos resultados
Leia maisProbabilidade e Estatística
Probabilidade e Estatística Aula 6 Distribuições Contínuas (Parte 02) Leitura obrigatória: Devore, Capítulo 4 Chap 6-1 Distribuições de Probabilidade Distribuições de Probabilidade Distribuições de Probabilidade
Leia maisDistribuições de Probabilidade
Distribuições de Probabilidade 1 Aspectos Gerais 2 Variáveis Aleatórias 3 Distribuições de Probabilidade Binomiais 4 Média e Variância da Distribuição Binomial 5 Distribuição de Poisson 1 1 Aspectos Gerais
Leia maisDistribuição Normal. Estatística Aplicada I DISTRIBUIÇÃO NORMAL. Algumas característica importantes. 2πσ
Estatística Aplicada I DISTRIBUIÇÃO NORMAL Prof a Lilian M. Lima Cunha AULA 5 09/05/017 Maio de 017 Distribuição Normal Algumas característica importantes Definida pela média e desvio padrão Media=mediana=moda
Leia maisEstatística e Modelos Probabilísticos - COE241
Estatística e Modelos Probabilísticos - COE241 Aula passada Algoritmo para simular uma fila Medidas de interesse Média amostral Aula de hoje Teorema do Limite Central Intervalo de Confiança Variância amostral
Leia maisVARIÁVEIS ALEATÓRIAS E DISTRIBUIÇÕES DE PROBABILIDADE
VARIÁVEIS ALEATÓRIAS E DISTRIBUIÇÕES DE PROBABILIDADE.1 INTRODUÇÃO Admita que, de um lote de 10 peças, 3 das quais são defeituosas, peças são etraídas ao acaso, juntas (ou uma a uma, sem reposição). Estamos
Leia maisDISTRIBUIÇÃO NORMAL DISTRIBUIÇÕES DE PROBABILIDADE CONJUNTAS ROTEIRO DISTRIBUIÇÃO NORMAL
ROTEIRO DISTRIBUIÇÕES DE PROBABILIDADE CONJUNTAS 1. Distribuições conjuntas 2. Independência 3. Confiabilidade 4. Combinações lineares de variáveis aleatórias 5. Referências DISTRIBUIÇÃO NORMAL Definição:
Leia maisVariáveis Aleatórias Contínuas e Distribuição de Probabilidad
Variáveis Aleatórias Contínuas e Distribuição de Probabilidades - parte II 26 de Novembro de 2013 Distribuição Contínua Uniforme Média e Variância Objetivos Ao final deste capítulo você deve ser capaz
Leia maisPesquisa Aplicada à Estatística
Pesquisa Aplicada à Estatística Tatiene Correia de Souza / UFPB tatiene@de.ufpb.br February 22, 2016 Souza Pesquisa Aplicada à Estatística February 22, 2016 1 / 67 Aplicação Pesque aleatoriamente 100 peixes,
Leia maisAproximação da binomial pela normal
Aproximação da binomial pela normal 1 Objetivo Verificar como a distribuição normal pode ser utilizada para calcular, de forma aproximada, probabilidades associadas a uma variável aleatória com distribuição
Leia maisCap. 4 - Estimação por Intervalo
Cap. 4 - Estimação por Intervalo Amostragem e inferência estatística População: consiste na totalidade das observações em que estamos interessados. Nº de observações na população é denominado tamanho=n.
Leia maisTestes de Hipótese para uma única Amostra - parte II
Testes de Hipótese para uma única Amostra - parte II 01 de Julho de 2014 Objetivos Ao final deste capítulo você deve ser capaz de: Testar hipóteses para média de uma população. Serão usadas as distribuições
Leia maisLucas Santana da Cunha de junho de 2018 Londrina
Variável aleatória contínua: Lucas Santana da Cunha email: lscunha@uel.br http://www.uel.br/pessoal/lscunha/ 13 de junho de 2018 Londrina 1 / 26 Esperança e variância de Y Função de distribuição acumulada
Leia mais