Par de Variáveis Aleatórias
|
|
- Raul Sacramento
- 5 Há anos
- Visualizações:
Transcrição
1 Par de Variáveis Aleatórias Luis Henrique Assumpção Lolis 7 de abril de 2014 Luis Henrique Assumpção Lolis Par de Variáveis Aleatórias 1
2 Conteúdo 1 Introdução 2 Par de Variáveis Aleatórias Discretas 3 Distribuição Conjunta 4 Momentos conjuntos e Esperança matemática de variáveis aleatórias Covariância e Correlação 5 Variância de variáveis aleatórias 6 Distribuição Condicional e independência 7 Esperança e variância condicionais 8 A distribuição normal bivariada 9 Funcções de V.A.s Luis Henrique Assumpção Lolis Par de Variáveis Aleatórias 2
3 Sumário 1 Introdução 2 Par de Variáveis Aleatórias Discretas 3 Distribuição Conjunta 4 Momentos conjuntos e Esperança matemática de variáveis aleatórias Covariância e Correlação 5 Variância de variáveis aleatórias 6 Distribuição Condicional e independência 7 Esperança e variância condicionais 8 A distribuição normal bivariada 9 Funcções de V.A.s Luis Henrique Assumpção Lolis Par de Variáveis Aleatórias 3
4 Introdução Um vetor de N coordenadas. Cada coordenada pode representar uma variável aleatória. Variável aleatória vetor aleatório. Considere X e Y variáveis aleatórias. O par (X, Y ) é chamado de vetor aleatório (bidimensional) Probabilidades conjuntas: Para (X, Y ) estamos interessados em eventos do tipo {X A} {Y B}. De maneira que para facilitar notação: P (X A, Y B) Luis Henrique Assumpção Lolis Par de Variáveis Aleatórias 4
5 Introdução fmp conjunta. fdp conjunta. Momentos conjuntos. Grau de independência / grau de correlação. Exemplo. Um experimento aleatório consiste em retirar aleatoriamente o nome de uma pessoa de uma urna. Com a saída, anotamos as seguintes funções: H(ξ) altura da pessoa em centímetros. W (ξ) peso da pessoa em kilogramas. Estamos interessados no evento envolvendo o par (H,W). Por exemplo B = {H 183, W 82}. Luis Henrique Assumpção Lolis Par de Variáveis Aleatórias 5
6 Sumário 1 Introdução 2 Par de Variáveis Aleatórias Discretas 3 Distribuição Conjunta 4 Momentos conjuntos e Esperança matemática de variáveis aleatórias Covariância e Correlação 5 Variância de variáveis aleatórias 6 Distribuição Condicional e independência 7 Esperança e variância condicionais 8 A distribuição normal bivariada 9 Funcções de V.A.s Luis Henrique Assumpção Lolis Par de Variáveis Aleatórias 6
7 Vetores aleatórios discretos Se X e Y são variáveis discretas, então (X, Y ) é um vetor aleatório discreto. p(x j, y k ) = P (X = x j, Y = y k ) = f.m.p. conjunta Ex1 - Jogar um dado duas vezes. X a primeira e Y a segunda vez. Luis Henrique Assumpção Lolis Par de Variáveis Aleatórias 7
8 Vetores aleatórios discretos Variáveis aleatórias não independentes: p(j, k) = P (X = j Y = k)p (Y = k) Ex: O numero de chamadas telefônicas por minuto seque uma distribuição de Poisson com média 4. Uma dada pessoa que efetuou o telefonema é uma mulher com probabilidade 0,5, independentemente das outras pessoas. Sendo X o número de mulheres que efetuam as chamadas e Y o número total de chamadas. Encontre a f.m.p conjunta de (X, Y ). Agora X é dependente de Y. Dado o número de chamadas (Y = k): P (Y = k) = e 4 4k k! Sendo k o número de chamadas, a combinação do número de mulheres chamando é uma distribuição binomial com parâmetro k e 0,5: P (X = j Y = k) = ( k j ) 0, 5 j 0, 5 k j Luis Henrique Assumpção Lolis Par de Variáveis Aleatórias 8
9 Vetores aleatórios discretos A distribuição conjunta fica: ( ) k p(j, k) = 0, 5 j j 0, 5 k j e 4 4k k! = 2 k e 4 j!(k j)!, 0 j k, k = 0, 1, 2,... Qual a probabilidade de haver 5 ligações e ser 3 mulheres ligando em um minuto? Luis Henrique Assumpção Lolis Par de Variáveis Aleatórias 9
10 f.m.p marginais Se (X, Y ) tem f.m.p conjunta p x,y, então as f.m.p. marginais de X e Y são: p X (x j ) = p Y (y k ) = p X,Y (x j, y k ), j = 1, 2,... k=1 p X,Y (x j, y k ), k = 1, 2,... j=1 Luis Henrique Assumpção Lolis Par de Variáveis Aleatórias 10
11 Ex: Evento conjunto de jogar dois dados viciados Luis Henrique Assumpção Lolis Par de Variáveis Aleatórias 11
12 Sumário 1 Introdução 2 Par de Variáveis Aleatórias Discretas 3 Distribuição Conjunta 4 Momentos conjuntos e Esperança matemática de variáveis aleatórias Covariância e Correlação 5 Variância de variáveis aleatórias 6 Distribuição Condicional e independência 7 Esperança e variância condicionais 8 A distribuição normal bivariada 9 Funcções de V.A.s Luis Henrique Assumpção Lolis Par de Variáveis Aleatórias 12
13 Distribuição conjunta A função de distribuição acumulada conjunta (f.d.a conjunta) de (X, Y ) é definida como: F X,Y (x 1, y 1 ) = P (X x 1, Y y 1 ), para X, Y R Ex: Distribuição uniforme: p x,y (X,Y) y x Luis Henrique Assumpção Lolis Par de Variáveis Aleatórias 13
14 Probabilidade de um intervalo conjunto e probabilidade marginal P (a < X b, c < Y d) = F (b, d) F (b, c) F (a, d) + F (a, c) P (X x, Y < ) = F (x, ) Se (X, Y ) têm uma f.d.a conjunta F x,y, então X e Y têm f.d.a s marginais quando se remove a condição em uma das variáveis e se aplica a seguinte probabilidade definida como: F x (X) = F x,y (X, ) e F y (Y ) = F x,y (, y), para x, y R As f.d.a s de X e Y são chamadas f.d.a s marignais de X, Y Luis Henrique Assumpção Lolis Par de Variáveis Aleatórias 14
15 Exemplos de regiões no plano para probabilidade conjunta A = {X + Y 10} B = {min(x, Y ) 5} C = {X 2 + Y 2 100} Luis Henrique Assumpção Lolis Par de Variáveis Aleatórias 15
16 Exs: F.D.A. conjunta e marginal A F.D.A conjunta das variáveis V = (X, Y ) é dada por: F X,Y (x, y) = 0 x < 0 ou y < 0 xy 0 x 1, 0 y 1 x 0, x 1, y > 1 y 0 y 1, x > 1 1 x 1, y 1 Encontre F X (x) e F Y (y) Luis Henrique Assumpção Lolis Par de Variáveis Aleatórias 16
17 Exs: F.D.A. conjunta e marginal A F.D.A conjunta das variáveis V = (X, Y ) é dada por: { (1 e F X,Y (x, y) = αx )(1 e βy ) x 0, y 0 0 fora Encontre as F.D.A s marginais. Luis Henrique Assumpção Lolis Par de Variáveis Aleatórias 17
18 Vetores aleatórios juntamente contínuos Se existe uma função f x,y tal que: P ((X, Y ) B) = B f X,Y (x, y)dxdy para qualquer sub conjunto B R 2, então X e Y são juntamente contínuos. A função f X,Y é chamada de f.d.p conjunta. F X,Y (x, y) = f X,Y (x, y) = y x f X,Y (s, t)dsdt 2 x y F X,Y (x, y), x, y R Luis Henrique Assumpção Lolis Par de Variáveis Aleatórias 18
19 Função de densidade de probabilidade conjunta Uma função f x,y é uma provável f.d.p conjunta para as variáveis X e Y se e somente se: 1 f X,Y (x, y) 0, para todos X, Y R 2 f X,Y (x, y)dxdy = 1 Suponha que X e Y são juntamente contínuas com f.d.p conjunta f X,Y (x, y), então as f.d.p s marginais são: 1 f X (x) = 2 f Y (y) = f X,Y (x, y)dy, x R f X,Y (x, y)dx, y R Luis Henrique Assumpção Lolis Par de Variáveis Aleatórias 19
20 Exs: fdp conjunta Ex: Considere X e Y tal que f X,Y = c(x + 2y), 0 x 1, 0 y 1. Encontre (a) a constante c e (b) a F.D.A conjunta F X,Y (x, y). Considere o par de variáveis aleatórias com f.d.p dada por: { ce f X,Y (x, y) = x e y 0 y x < 0 fora encontre: c, f X (x), f Y (y), F X,Y (x, y), F X (x) e F Y (y). Luis Henrique Assumpção Lolis Par de Variáveis Aleatórias 20
21 Sumário 1 Introdução 2 Par de Variáveis Aleatórias Discretas 3 Distribuição Conjunta 4 Momentos conjuntos e Esperança matemática de variáveis aleatórias Covariância e Correlação 5 Variância de variáveis aleatórias 6 Distribuição Condicional e independência 7 Esperança e variância condicionais 8 A distribuição normal bivariada 9 Funcções de V.A.s Luis Henrique Assumpção Lolis Par de Variáveis Aleatórias 21
22 Funções de vetores aleatórias E [g(x, Y )] = g(x j, y k )p(x j, y k ) j=1 k=1 g(x, y)f X,Y (x, y)dxdy se (X, Y ) é discreto se (X, Y ) é contínuo Luis Henrique Assumpção Lolis Par de Variáveis Aleatórias 22
23 A esperança da soma E[X + Y ] = E[X] + E[Y ] E[aX + by ] = ae[x] + b[y ] Luis Henrique Assumpção Lolis Par de Variáveis Aleatórias 23
24 Valor esperado conjunto V.A. contínua E[XY ] = xyf X,Y (x, y) dxdy V.A. discreta E[XY ] = i x i y n p X,Y (x i, y n ) n Luis Henrique Assumpção Lolis Par de Variáveis Aleatórias 24
25 Momentos conjuntos V.A. contínua E[X j Y k ] = x j y k f X,Y (x, y) dxdy V.A. discreta E[X j Y k ] = i x j i yk np X,Y (x i, y n ) n Luis Henrique Assumpção Lolis Par de Variáveis Aleatórias 25
26 Covariância e Correlação - Introdução Entre as variáveis completamente dependentes (Y = g(x)) e completamente independentes, existe uma gama intermediária. A idéia é calcular o quão dependente uma v.a. é da outra. É momento central de X e Y Covariância COV[X, Y ] = E [(X E[X])(Y E[Y ])] COV[X, Y ] = E[XY ] E[X]E[Y ] COV[X, Y ] = 0 para variáveis independentes. Luis Henrique Assumpção Lolis Par de Variáveis Aleatórias 26
27 Propriedades da covariância 1 COV[X, X] = VAR[X] 2 COV[aX, by ] = ab COV[X, Y ] 3 COV[X + Y, Z] = COV[X, Z] + COV[Y, Z] Luis Henrique Assumpção Lolis Par de Variáveis Aleatórias 27
28 O coeficiente de correlação Covariância é um valor em absoluto. A correlação divide a covariância pelas variâncias individuais, tornando o coeficiente de correlação sem dimensão. Coeficiente de correlação ρ = COV[X, Y ] VAR[X] VAR[Y ] Propriedades de ρ 1 1 ρ(x, Y ) 1 2 Se X e Y são independentes, ρ(x, Y ) = 0 3 ρ(x, Y ) = 1 se e somente se Y = ax + b, para a > 0 4 ρ(x, Y ) = 1 se e somente se Y = ax + b, para a < 0 Luis Henrique Assumpção Lolis Par de Variáveis Aleatórias 28
29 O coeficiente de correlação Luis Henrique Assumpção Lolis Par de Variáveis Aleatórias 29
30 Ex: covariância e correlação Encontre E[XY ], COV(X, Y ) e ρ X,Y para a f.d.p conjunta abaixo: { 2e f X,Y (x, y) = x e y 0 y x < 0 fora As V.A.s X e Y são o número anotado quando se joga um dado não viesado. E definimos Z = X + Y. Calcule COV[X, Z] e ρ(x, Z). Luis Henrique Assumpção Lolis Par de Variáveis Aleatórias 30
31 Sumário 1 Introdução 2 Par de Variáveis Aleatórias Discretas 3 Distribuição Conjunta 4 Momentos conjuntos e Esperança matemática de variáveis aleatórias Covariância e Correlação 5 Variância de variáveis aleatórias 6 Distribuição Condicional e independência 7 Esperança e variância condicionais 8 A distribuição normal bivariada 9 Funcções de V.A.s Luis Henrique Assumpção Lolis Par de Variáveis Aleatórias 31
32 A variância da soma de duas variáveis VAR[X + Y ] = E [ (X + Y E[X + Y ]) 2] = E [ (X E[X] + Y E[Y ]]) 2] = E [ (X E[X]) 2 + (Y E[Y ]) 2 + 2(X E[X])(Y E[Y ])]) 2] = VAR[X] + VAR[Y ] + 2 COV[X, Y ] Luis Henrique Assumpção Lolis Par de Variáveis Aleatórias 32
33 Variância de variáveis aleatórias Se X e Y são independentes: E[XY ] = E[X]E[Y ] VAR[X + Y ] = VAR[X] + VAR[Y ] VAR[aX + by ] = a 2 VAR[X] + b 2 VAR[Y ], (fazer a prova) Luis Henrique Assumpção Lolis Par de Variáveis Aleatórias 33
34 Sumário 1 Introdução 2 Par de Variáveis Aleatórias Discretas 3 Distribuição Conjunta 4 Momentos conjuntos e Esperança matemática de variáveis aleatórias Covariância e Correlação 5 Variância de variáveis aleatórias 6 Distribuição Condicional e independência 7 Esperança e variância condicionais 8 A distribuição normal bivariada 9 Funcções de V.A.s Luis Henrique Assumpção Lolis Par de Variáveis Aleatórias 34
35 Distribuição Condicional Discreta p y (y k x j ) = p(x j, y k ) p x (x j ), para y k na gama de Y. Usando a lei da probabilidade total: p y (y k ) = p y (y k x j )p x (x j ) j=1 F y (y x j ) = k:y k y p y (y k x j ) Exemplo: usando o gráfico de p X,Y (x, y) do exemplo do par de dados viesados, encontre p Y (y 5) Luis Henrique Assumpção Lolis Par de Variáveis Aleatórias 35
36 Distribuição Condicional Contínua f Y (y x) = f X,Y (x, y), para Y R. p X (x) P (Y y, X = x) F Y (y x) = P (Y y X = x) = P (X = x) y f Y (t x)dt Usando a lei da probabilidade total: f Y (y) = f Y (y x)f X (x)dx, Y R = Luis Henrique Assumpção Lolis Par de Variáveis Aleatórias 36
37 Ex: Canal binário simétrico A entrada X assume valores +1 e -1 com probabilidades 1/3 e 2/3. Na saída do canal de comunicação temos Y = X + N, onde N é um ruído branco gaussiano de média zero e variância unitária. Encontre a fdpcondicional de Y dado X = +1 e de Y dado X = 1. Encontre a probabilidade de P [X = +1 Y > 0] e P [X = 1 Y < 0]. Qual a probabilidade de erro nesse sistema? Luis Henrique Assumpção Lolis Par de Variáveis Aleatórias 37
38 Distribuição conjunta com variáveis independentes P (X A, Y B) = P (X A)P (Y B), para todos A, B R F X,Y (x, y) = F X (x)f Y (y), para todos X, Y R f X,Y (x, y) = f X (x)f Y (y), para todos X, Y R Testar a independência de X e Y da seguinte fdp conjunta: { 2e f X,Y (x, y) = x e y 0 y x < 0 fora Luis Henrique Assumpção Lolis Par de Variáveis Aleatórias 38
39 Exemplo de teste de independêcia de variáveis Nós vamos testar a distribuição conjunta de um disco de raio 1, onde a probabilidade de ocorrência de qualquer coordenada (X, Y ) é igual: {(x, y) : x 2 + y 2 1}. A probabilidade é constante dentro do disco e zero fora. Qual o valor da constante c para que f X,Y (x, y) seja uma função de densidade de probabilidade conjunta. Primeiro pegamos a definição: f X,Y (x, y)dxdy = 1 Depois, sabendo que a área de um círculo unitário é π e que o volume deve ser 1, então c = 1 π Luis Henrique Assumpção Lolis Par de Variáveis Aleatórias 39
40 Exemplo de teste de independêcia de variáveis f X,Y (x, y) = 1 π Agora vamos testar a probabilidade marginal f X (x): f X (x) = f X,Y (x, y)dy Sabendo que x varia de [ 1, +1] e que x 2 + y 2 1, então y varia de 1 x 2 a 1 x 2 : f X (x) = 1 π 1 x 2 1 x 2 dy = 2 π 1 x 2, 1 x 1 E agora a marginal em Y, f Y (y): 1 y 2 f y (Y ) = 1 π dx 1 y 2 = 2 1 y π 2, 1 y 1 Luis Henrique Assumpção Lolis Par de Variáveis Aleatórias 40
41 Exemplo de teste de independência de variáveis f X (x)f Y (y) = 2 π 2 1 x 2 1 y 2 Portanto f X (x)f Y (y) f X,Y (x, y), ou seja, as variáveis X e Y NÃO são independentes. Luis Henrique Assumpção Lolis Par de Variáveis Aleatórias 41
42 Sumário 1 Introdução 2 Par de Variáveis Aleatórias Discretas 3 Distribuição Conjunta 4 Momentos conjuntos e Esperança matemática de variáveis aleatórias Covariância e Correlação 5 Variância de variáveis aleatórias 6 Distribuição Condicional e independência 7 Esperança e variância condicionais 8 A distribuição normal bivariada 9 Funcções de V.A.s Luis Henrique Assumpção Lolis Par de Variáveis Aleatórias 42
43 Esperança condicional Valor esperado da distribuição condicional: y k P (Y = y k B)) se (Y ) é discreto E[Y B] = k=1 yf Y (y b)dy se (Y ) é contínuo Esperança à partir das esperanças parciais: E[Y ] = E[Y B k ]P (B k ) k=1 Luis Henrique Assumpção Lolis Par de Variáveis Aleatórias 43
44 Variáveis juntamente contínuas E[Y X = x] = E[Y ] = yf Y (y x)dy E[Y X = x]f X (x)dx E[Y X] é uma variável aleatória que é a esperança de Y dado X para cada x. E[Y ] = E [E[Y X]] E[XY X] = XE[Y X] Para X e Y independentes, E[Y X] = E[Y ] Para qualquer função g, E[g(X) X] = g(x) Luis Henrique Assumpção Lolis Par de Variáveis Aleatórias 44
45 Variância condicional [ ] VAR[Y X] = E (Y E[Y X]) 2 X VAR[Y X] continua uma variável aleatória. VAR[Y X] = E [ Y 2 X ] (E[Y X]) 2 Lei da variância total: VAR[Y ] = VAR [E [Y X]] + E [VAR [Y X]] Luis Henrique Assumpção Lolis Par de Variáveis Aleatórias 45
46 Sumário 1 Introdução 2 Par de Variáveis Aleatórias Discretas 3 Distribuição Conjunta 4 Momentos conjuntos e Esperança matemática de variáveis aleatórias Covariância e Correlação 5 Variância de variáveis aleatórias 6 Distribuição Condicional e independência 7 Esperança e variância condicionais 8 A distribuição normal bivariada 9 Funcções de V.A.s Luis Henrique Assumpção Lolis Par de Variáveis Aleatórias 46
47 Definição Se (X, Y ) tem uma f.d.p. conjunta de f X,Y (x, y) = 1 { ( 1 (x µ1 ) 2 exp 2(1 ρ 2 X,Y ) σ1 2 2πσ 1 σ 2 1 ρ 2 X,Y + (y µ 2) 2 σ 2 2 2ρ X,Y (x µ 1 )(y µ 2 ) σ 1 σ 2 ) } para X, Y R, então X, Y têm uma distribuição normal bivariada Luis Henrique Assumpção Lolis Par de Variáveis Aleatórias 47
48 Distribuição Normal Bivariada Sendo (X, Y ) v.a s com a uma f.d.p conjunta normal bivariada, com parâmetros µ 1, µ 2, σ 1, σ 2, ρ então: X N(µ 1, σ 2 1 ) e Y N(µ 2, σ 2 2 ) ρ é o coeficiente de correlação de X e Y Luis Henrique Assumpção Lolis Par de Variáveis Aleatórias 48
49 Propriedades da Normal Bivariada A distribuição é centralizada no ponto (µ 1, µ 2 ) Têm um formato de sino cuja abertura (espalhamento), depende de σ 1 e σ 2 Para { o argumento ( 1 (x µ1 ) 2 2(1 ρ 2 X,Y ) σ1 2 + (y µ 2) 2 σ2 2 2ρ ) X,Y (x µ 1 )(y µ 2 ) } =cte. σ 1 σ 2 a distribuição é um valor constante (vista de cima a distribuição pode ser considerada como uma sequência de círculos) A correlação ρ torna esses círculos da distribuição em forma eĺıptica rotacionada (ρ X,Y < 0 sentido anti-horário) Luis Henrique Assumpção Lolis Par de Variáveis Aleatórias 49
50 Propriedades da Normal Bivariada Integrando em y, sobra a probabilidade marginal em x, que nada mais é que a própria distribuição gaussiana em x: 1 f X (x) = exp ( (x µ 1) 2 ) σ 1 2π 2σ 2 1 Luis Henrique Assumpção Lolis Par de Variáveis Aleatórias 50
51 fdp condicional da normal bivariada f X (x y) = f X,Y (x, y) f Y (y) = { exp 1 2(1 ρ 2 X,Y )σ2 1 [ x ρ X,Y σ 1 σ 2 (y m 2 ) m 1 ] 2 } 2πσ 2 1 (1 ρ2 X,Y ) Ex: A quantidade de chuva na cidade 1 e cidade 2 é modelado por um pair de variáveis gaussianas conjuntas. Encontre o valor mais provável de X quando conhecemos Y = y, ou seja, a mais provável quantidade de chuva na cidade 2 quando conhecemos a chuva na cidade 1. Luis Henrique Assumpção Lolis Par de Variáveis Aleatórias 51
52 Propriedades da Normal Bivariada Para cada ponto em x, têm-se uma distribuição em y, de maneira que a distribuição condicional é: ( ) σ Y X = N µ 2 + ρ 2 X,Y σ 1 (x µ 1 ), σ2 2(1 ρ2 X,Y ) De tal maneira que o valor esperado da distribuição condicional fica: E[Y X] = µ 2 + ρ X,Y σ 2 σ 1 (X µ 1 ) Luis Henrique Assumpção Lolis Par de Variáveis Aleatórias 52
53 Combinação linear das variáveis X, Y ax + by N ( aµ 1 + bµ 2, a 2 σ b2 σ abρ X,Y σ 1 σ 2 ) Então, se X e Y são independentes: ax + by N ( aµ 1 + bµ 2, a 2 σ1 2 + b2 σ2 2 ) Se X 1,..., X n são independentes com X k N(µ k, σk 2) e a 1,..., a n são constantes, então: ( n n ) n a k N a k µ k, k=1 k=1 k=1 a 2 k µ2 k Luis Henrique Assumpção Lolis Par de Variáveis Aleatórias 53
54 Sumário 1 Introdução 2 Par de Variáveis Aleatórias Discretas 3 Distribuição Conjunta 4 Momentos conjuntos e Esperança matemática de variáveis aleatórias Covariância e Correlação 5 Variância de variáveis aleatórias 6 Distribuição Condicional e independência 7 Esperança e variância condicionais 8 A distribuição normal bivariada 9 Funcções de V.A.s Luis Henrique Assumpção Lolis Par de Variáveis Aleatórias 54
55 Combinação linear das variáveis X, Y Quando Z é definida como uma função de duas variáveis. Z = g(x, Y ). O evento equivalente {Z z}, a região de x, y onde R Z = {X = (X, Y ), tal que g(x) z} F Z (z) = P [X R z ] = f X,Y (x, y )dx dy (x,y) R z A fdp é obtida tirando a derivada da F DA Ex: soma de duas variáveis. Z = X + Y Luis Henrique Assumpção Lolis Par de Variáveis Aleatórias 55
56 Transformação de duas V.A.s Z 1 = g 1 (X) e Z 2 = g 2 (X) F Z1,Z 2 (z 1, z 2 ) = P [g 1 (X) z 1, g 2 (X) z 2 ] F Z1,Z 2 (z 1, z 2 ) = f X,Y (x, y )dx dy x :g k (x ) z q Ex: Raio e angulo de par de variáveis aleatórias independentes Luis Henrique Assumpção Lolis Par de Variáveis Aleatórias 56
Aula 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 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 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 maisProcessos Estocásticos
Processos Estocásticos Luis Henrique Assumpção Lolis 26 de maio de 2014 Luis Henrique Assumpção Lolis Processos Estocásticos 1 Conteúdo 1 Introdução 2 Definição 3 Especificando um processo aleatório 4
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 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 maisProcessos Aleatórios e Ruído
Processos Aleatórios e Ruído Luis Henrique Assumpção Lolis 11 de abril de 2014 Luis Henrique Assumpção Lolis Processos Aleatórios e Ruído 1 Conteúdo 1 O Experimento Aleatório / Espaço de Amostras 2 Algebra
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 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 #5 Assunto: Variáveis Aleatórias Multidimensionais Contínuas
1. ANPEC 018 Questão 9 Uma pessoa investe R$ 10.000,00 (I) em duas aplicações cujas taxas de retorno são variáveis aleatórias independentes, R 1 e R, com médias 5% e 14% e desvios-padrão 1% e 8%, respectivamente.
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 maisLista de Exercícios #3 Assunto: Variáveis Aleatórias Multidimensionais Discretas
1. ANPEC 2018 - Questão 07 Em um problema envolvendo variáveis aleatórias independentes, um estudante calculou corretamente que E(Y) = 2, E(X 2 )E(Y) = 6, E(X)E(Y 2 ) = 8 e E(X) 2 E(Y) 2 = 24. Avalie as
Leia maisProf. Lorí Viali, Dr.
Prof. Lorí Viali, Dr. viali@mat.ufgrs.br http://www.mat.ufrgsbr/~viali/ Motivação Em muitas situações precisamos lidar com duas ou mais variáveis aleatórias ao mesmo tempo. Por exemplo o comprimento e
Leia maisMódulo II: Cálculo dos Momentos de um Processo Estocástico, Processo de Bernoulli, Processo Random Walk
Módulo II: Cálculo dos Momentos de um Processo Estocástico, Processo de Bernoulli, Processo Random Walk Wamberto J. L. Queiroz Universidade Federal de Campina Grande-UFCG Departamento de Engenharia Elétrica
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 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 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 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 de Probabilidade Contínuas 1/19
all Distribuições de Probabilidade Contínuas Professores Eduardo Zambon e Magnos Martinello UFES Universidade Federal do Espírito Santo DI Departamento de Informática CEUNES Centro Universitário Norte
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 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 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 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 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 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 maisUNIVERSIDADE FEDERAL DA PARAÍBA. Variáveis Aleatórias. Departamento de Estatística Luiz Medeiros
UNIVERSIDADE FEDERAL DA PARAÍBA Variáveis Aleatórias Departamento de Estatística Luiz Medeiros Introdução Como sabemos, características de interesse em diversas áreas estão sujeitas à variação; Essa variabilidade
Leia maisMotivação. VA n-dimensional. Distribuições Multivariadas VADB
Motivação Em muitas situações precisamos lidar com duas ou mais variáveis aleatórias ao mesmo tempo. Por exemplo o comprimento e a largura de uma Prof. Lorí Viali, Dr. viali@mat.ufgrs.br http://www.mat.ufrgsbr/~viali/
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 maisBioestatística. AULA 6 - Variáveis aleatórias. Isolde Previdelli
Universidade Estadual de Maringá Mestrado Acadêmico em Bioestatística Bioestatística Isolde Previdelli itsprevidelli@uem.br isoldeprevidelli@gmail.com AULA 6 - Variáveis aleatórias 30 de Março de 2017
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 maisTE802 Processos Estocásticos em Engenharia. Valores Esperados de Somas de Variáveis Aleatórias. TE802 Somas de Variáveis Aleatórias
TE802 Processos Estocásticos em Engenharia Somas de Variáveis Aleatórias 27 de setembro de 2017 Valores Esperados de Somas de Variáveis Aleatórias Seja W n = X 1 + + X n, E[W n ] = E[X 1 ] + E[X 2 ] +
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 maisAnexo 1 - Revisões de Teoria das Probabilidades e Processos Estocásticos
1 Anexo 1 - Revisões de Teoria das Probabilidades e Processos Estocásticos Documento auxiliar à disciplina de Modelação, Identificação e Controlo Digital Alexandre Bernardino 003/005 IST-Secção de Sistemas
Leia maisDA PARAÍBA. Variáveis Aleatórias. Departamento de Estatística Luiz Medeiros
UNIVERSIDADE FEDERAL DA PARAÍBA Variáveis Aleatórias Departamento de Estatística Luiz Medeiros Introdução Como sabemos, características de interesse em diversas áreas estão sujeitas à variação Essa variabilidade
Leia maisAnexo 1 - Revisões de Teoria das Probabilidades e Processos Estocásticos
1 Anexo 1 - Revisões de Teoria das Probabilidades e Processos Estocásticos Documento auxiliar à disciplina de Modelação, Identificação e Controlo Digital Alexandre Bernardino IST-Secção de Sistemas e Controlo
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 maisIND 1115 Inferência Estatística Aula 6
Conteúdo IND 5 Inferência Estatística Aula 6 Setembro de 004 A distribuição Lognormal A distribuição Beta e sua relação com a Uniforme(0,) Mônica Barros mbarros.com mbarros.com A distribuição Lognormal
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 maisMotivação. VA n-dimensional. Distribuições Multivariadas VADB. Em muitas situações precisamos
Motivação Em muitas situações precisamos Prof. Lorí Viali, Dr. viali@pucrs.br lidar com duas ou mais variáveis aleatórias ao mesmo tempo. Por exemplo o comprimento e a largura de uma determinada peça.
Leia maisVariáveis bidimensionais
Wagner H. Bonat Fernando P. Mayer Elias T. Krainski Universidade Federal do Paraná Departamento de Estatística Laboratório de Estatística e Geoinformação 19/04/2018 WB, FM, EK ( LEG/DEST/UFPR ) Variáveis
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 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 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 maisVariáveis Aleatórias. Departamento de Matemática Escola Superior de Tecnologia de Viseu
Variáveis Aleatórias Departamento de Matemática Escola Superior de Tecnologia de Viseu Exemplo No lançamento de duas moedas ao ar, os resultados possíveis são: FF, FC, CF ou CC. No entanto, o nosso interesse
Leia maisEconometria II. Notas de bolso! Propriedades da E(.), Var(.) e Cov(.) Temos que (a,b) são constantes e (X,Y) são variáveis aleatórias.
Eco 2 monitoria Leandro Anazawa Econometria II Notas de bolso! Propriedades da E(.), Var(.) e Cov(.) Temos que (a,b) são constantes e (X,Y) são variáveis aleatórias. E(a) = a E(aX) = ae(x) E(a + bx) =
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 maisDistribuição Normal. Prof. Eduardo Bezerra. (CEFET/RJ) - BCC - Inferência Estatística. 25 de agosto de 2017
padrão - padronização Distribuição Normal Prof. Eduardo Bezerra (CEFET/RJ) - BCC - Inferência Estatística 25 de agosto de 2017 Eduardo Bezerra (CEFET/RJ) Distribuição Normal Março/2017 1 / 32 Roteiro Distribuições
Leia maisCapítulo 5 - Distribuições conjuntas de probabilidade e complementos 3
Capítulo 5 - Distribuições conjuntas de probabilidade e complementos Conceição Amado e Ana M. Pires Departamento de Matemática Instituto Superior Técnico Capítulo 5 - Distribuições conjuntas de probabilidade
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 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 maisPROBABILIDADE RESUMO E EXERCÍCIOS* P2
PROBABILIDADE RESUMO E EXERCÍCIOS* P2 *Exercícios de provas anteriores escolhidos para você estar preparado para qualquer questão na prova. Resoluções grátis em Variáveis Aleatórias Discretas e Contínuas
Leia mais4.1. ESPERANÇA x =, x=1
4.1. ESPERANÇA 139 4.1 Esperança Certamente um dos conceitos mais conhecidos na teoria das probabilidade é a esperança de uma variável aleatória, mas não com esse nome e sim com os nomes de média ou valor
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 maisNome: N. o : 7. Total
ESTATÍSTICA I. o Ano/Gestão. o Semestre Época Normal Duração: horas 1. a Parte Teórica N. o de Exame: 1431 5.6.14 Nome: N. o : TEÓRICA Espaço reservado a classicações PRÁTICA EM 1.a.a 3.a 4.a 6. 1.b.b
Leia maisAula 3 - Revisão de Probabilidade e Estatística: Esclarecimento de Dúvidas
Aula 3 - Revisão de Probabilidade e Estatística: Esclarecimento de Dúvidas Matheus Rosso e Camila Steffens 19 de Março de 2018 Independência de variáveis aleatórias Duas V.A. são independentes se, e somente
Leia maisRevisões de Matemática e Estatística
Revisões de Matemática e Estatística Joaquim J.S. Ramalho Contents 1 Operadores matemáticos 2 1.1 Somatório........................................ 2 1.2 Duplo somatório....................................
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 maisExercícios Funções Multivariadas, Exponencial e Outras
Turma 2017 Exercícios Funções Multivariadas, Exponencial e Outras Problema 1 (bivariada) Um bim de cinco transistores possui dois que são defeituosos. Os transistores são testados um a um, até que os defeituosos
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 maisME-310 Probabilidade II Lista 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
Leia mais4. Distribuições de probabilidade e
4. Distribuições de probabilidade e características Valor esperado de uma variável aleatória. Definição 4.1: Dada uma v.a. discreta (contínua) X com f.m.p. (f.d.p.) f X (), o valor esperado (ou valor médio
Leia maisMétodos Experimentais em Ciências Mecânicas
Métodos Experimentais em Ciências Mecânicas Professor Jorge Luiz A. Ferreira Função que descreve a chance que uma variável pode assumir ao longo de um espaço de valores. Uma distribuição de probabilidade
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 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 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 maisEstatística. Capítulo 3 - Parte 1: Variáveis Aleatórias Discretas. Professor Fernando Porto
Estatística Capítulo 3 - Parte 1: Variáveis Aleatórias Discretas Professor Fernando Porto Lançam-se 3 moedas. Seja X o número de ocorrências da face cara. O espaço amostral do experimento é: W = {(c,c,c),(c,c,r),(c,r,c),(c,r,r),(r,c,c),(r,c,r),(r,r,c),(r,r,r)}
Leia maisMomentos: Esperança e Variância. Introdução
Momentos: Esperança e Variância. Introdução Em uma relação determinística pode-se ter a seguinte relação: " + " = 0 Assim, m =, é a declividade e a e b são parâmetros. Sabendo os valores dos parâmetros
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 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 maisM. Eisencraft 4.6 Distribuição e densidade de uma soma de variáveis aleatórias57. + w y. f X,Y (x,y)dxdy (4.24) w y
M. Eisencraft 4.6 Distribuição e densidade de uma soma de variáveis aleatórias57 Assim, e usando a Eq. (4.17), F W (w) = F W (w) = + w y + x= f X,Y (x,y)dxdy (4.24) w y f Y (y)dy f X (x)dx (4.25) x= Diferenciando
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 maisVariáveis Aleatórias. Esperança e Variância. Prof. Luiz Medeiros Departamento de Estatística - UFPB
Variáveis Aleatórias Esperança e Variância Prof. Luiz Medeiros Departamento de Estatística - UFPB ESPERANÇA E VARIÂNCIA Nos modelos matemáticos aleatórios parâmetros podem ser empregados para caracterizar
Leia maisMOQ 13 PROBABILIDADE E ESTATÍSTICA. Professor: Rodrigo A. Scarpel
MOQ 3 PROBABILIDADE E ESTATÍSTICA Professor: Rodrigo A. Scarpel rodrigo@ita.br www.mec.ita.br/~rodrigo Programa do curso: Semanas 2 3 4 5 6 7 8 9 0 2 3 4 5 e 6 Introdução à probabilidade (eventos, espaço
Leia maisProbabilidade II. Departamento de Estatística. Universidade Federal da Paraíba
Probabilidade II Departamento de Estatística Universidade Federal da Paraíba Prof. Tarciana Liberal (UFPB) Aula Covariância e Coeficiente de correlação 11/13 1 / 21 Covariância Quando duas variáveis aleatórias
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 maisAULAS 6 e 7. ESPERANÇA, MOMENTOS E DISTRIBUIÇÕES DE PROBABILIDADES de VARIÁVEIS DISCRETAS 05/05/2017
AULAS 6 e 7 ESPERANÇA, MOMENTOS E DISTRIBUIÇÕES DE PROBABILIDADES de VARIÁVEIS DISCRETAS 05/05/2017 Em aulas passadas vimos as funções de probabilidade de variáveis discretas e contínuas agora vamos ver
Leia maisVariáveis Aleatórias. Henrique Dantas Neder. April 26, Instituto de Economia - Universidade Federal de Uberlândia
Variáveis Aleatórias Henrique Dantas Neder Instituto de Economia - Universidade Federal de Uberlândia April 2, 202 VARIÁVEL ALEATÓRIA DISCRETA O conceito de variável aleatória está intrínsicamente relacionado
Leia maisDistribuições de Probabilidade. Variáveis aleatórias contínuas
Distribuições de Probabilidade Variáveis aleatórias contínuas 1 Variáveis contínuas Uma variável aleatória contínua toma um nº infinito não numerável de valores (intervalos de números reais), os quais
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 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 maisIntrodução aos Proc. Estocásticos - ENG 430
Introdução aos Proc. Estocásticos - ENG 430 Fabrício Simões IFBA 16 de novembro de 2015 Fabrício Simões (IFBA) Introdução aos Proc. Estocásticos - ENG 430 16 de novembro de 2015 1 / 35 Fabrício Simões
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 maisDepartamento de Matemática Escola Superior de Tecnologia de Viseu. Engenharia e Gestão Industrial
Variáveis Aleatórias Departamento de Matemática Escola Superior de Tecnologia de Viseu Engenharia e Gestão Industrial 1 Exemplo No lançamento de duas moedas ao ar, os resultados possíveis são: FF, FC,
Leia maisVariáveis bidimensionais
Wagner H. Bonat Fernando P. Mayer Elias T. Krainski Universidade Federal do Paraná Departamento de Estatística Laboratório de Estatística e Geoinformação LEG/DEST/UFPR 1 / 48 Sumário 1 Distribuições conjuntas
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 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 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 maisProcessos Estocásticos. Luiz Affonso Guedes
Processos Estocásticos Luiz Affonso Guedes Sumário Modelos Probabilísticos Discretos Uniforme Bernoulli Binomial Hipergeométrico Geométrico Poisson Contínuos Uniforme Normal Tempo de Vida Exponencial Gama
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 maisFundamentos da Teoria da Probabilidade
Fundamentos da Teoria da Probabilidade Edmar José do Nascimento (Princípios de Comunicações) http://www.univasf.edu.br/ edmar.nascimento Universidade Federal do Vale do São Francisco Sinais Aleatórios
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 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 maisProcessos Estocásticos
Processos Estocásticos Luiz Affonso Guedes Sumário Modelos Probabilísticos Discretos Uniforme Bernoulli Binomial Hipergeométrico Geométrico Poisson Contínuos Uniforme Normal Tempo de Vida Exponencial Gama
Leia maisVARIÁVEIS ALEATÓRIAS e DISTRIBUIÇÃO BINOMIAL
VARIÁVEIS ALEATÓRIAS e DISTRIBUIÇÃO BINOMIAL 1 Variável Aleatória Uma função X que associa a cada elemento w do espaço amostral W um valor x R é denominada uma variável aleatória. Experimento: jogar 1
Leia maisNome: N. o : 7. Total
ESTATÍSTICA I 2. o Ano/Gestão 2. o Semestre Época Normal Duração: 2 horas 1. a Parte Teórica N. o de Exame: 14231 05.06.2015 Nome: N. o : TEÓRICA Espaço reservado a classicações PRÁTICA EM 1.a) 2.a) 3.a)
Leia maisNOTAS DA AULA. Prof.: Idemauro Antonio Rodrigues de Lara
1 NOTAS DA AULA VARIÁVEIS ALEATÓRIAS. ESPERANÇA E VARIÂNCIA Prof.: Idemauro Antonio Rodrigues de Lara 2 Objetivo geral da aula Caracterizar variáveis aleatórias discretas e contínuas. Compreender e aplicar
Leia maisProbabilidade. Variáveis Aleatórias e Distribuição de Probabilidades
Probabilidade Variáveis Aleatórias e Distribuição de Probabilidades Na aula de hoje, vamos 1 - Estender o conceito de variável, definindo o conceito de variável aleatória; 2 Entender porque as variáveis
Leia maisVariância, DP e Desigualdades
Variância, DP e Desigualdades Renato Martins Assunção DCC - UFMG 2016 Renato Martins Assunção (DCC - UFMG) Variância, DP e Desigualdades 2016 1 / 76 Esperança e Variância Suponha que você VAI SIMULAR uma
Leia maisVARIÁVEL ALEATÓRIA e DISTRIBUIÇÃO BINOMIAL
VARIÁVEL ALEATÓRIA e DISTRIBUIÇÃO BINOMIAL 1 Variável Aleatória Uma função X que associa a cada elemento w do espaço amostral W um valor x R é denominada uma variável aleatória. Experimento: jogar 1 dado
Leia maisProbabilidade e Variáveis Aleatórias
36341 - Introdução aos Processos Estocásticos Curso de Pós-Graduação em Engenharia Elétrica Departamento de Engenharia Elétrica Universidade de Brasília Probabilidade e Variáveis Aleatórias Geovany A.
Leia mais