Distribuições Discretas Prof. Walter Sousa
|
|
- Betty Cortês Santarém
- 5 Há anos
- Visualizações:
Transcrição
1 Estatística Distribuições Discretas Prof. Walter Sousa
2 DISTRIBUIÇÕES EMPÍRICAS DE VARIÁVEIS DISCRETAS Variável aleatória É uma função X que associa um número real x a cada resultado do espaço amostral S do experimento aleatório. É, portanto, uma variável estatística que pode ser associada a uma distribuição de probabilidades. Exemplos: X: Quantidade de caras que podem ser obtidas no lançamento de duas moedas. (Variável discreta). Y: A temperatura no centro de Brasília amanhã. (Variável contínua).
3 Variável unidimensional discreta É uma variável aleatória que só pode assumir um número finito de valores ou infinito numerável. Usualmente são números racionais obtidos num processo de contagem. Para cada valor xx que a variável aleatória pode assumir, será atribuído um número real PP(xx), que indica a probabilidade de a variável assumir o valor xx. Indicaremos PP XX = xx = PP(xx), tal que: 0 PP(xx) 1. PP(xx) = 1
4 Variável unidimensional discreta As probabilidades PP(xx) para todos os valores xx que a variável XX pode assumir formam a função de probabilidade da variável aleatória XX. Exemplo Seja XX a variável aleatória que indica a quantidade de caras que pode ser obtida no lançamento de duas moedas. Determine a função de probabilidade de XX. Solução: O espaço amostral do experimento aleatório é SS = cc, cc, cc, kk, kk, cc, kk, kk, onde c = cara e k = coroa. Assim X = {0, 1, 2}.
5 Variável unidimensional discreta Valor Esperado (Expectância ou Esperança) O valor esperado (esperança, expectância ou média) de uma variável aleatória discreta XX, representado por EE(xx), é definido como EE xx = xx PP xx Representa uma média de longo prazo. Cálculo Passo1: multiplicamos cada valor da variável pela respectiva probabilidade. Passo 2. soma-se todos os resultados obtidos.
6 Variável unidimensional discreta Exemplo Encontre o valor esperado da distribuição. Um empreiteiro faz as seguintes estimativas
7 PROPRIEDADE DO VALOR ESPERADO Considere XX e YY variáveis aleatórias e KK uma constante qualquer. P1) Se multiplicarmos uma variável aleatória por K, a sua esperança fica multiplicada por k. EE kk xx = kk EE(xx). P2) A esperança da soma de duas variáveis aleatórias é igual à soma das esperanças. EE XX ± YY = EE xx ± EE yy.
8 PROPRIEDADE DO VALOR ESPERADO Considere XX e YY variáveis aleatórias e KK uma constante qualquer. P3) Se XX e YY são variáveis independentes, então EE XX YY = EE(xx) EE(yy). Observação: A recíproca não é necessariamente verdadeira. Se EE XX YY = EE xx EE yy, as variáveis XX e YY podem ser dependentes ou independentes. P4) Se adicionarmos uma constante a todos os valores da variável aleatória, a esperança ficará adicionada de k unidades. EE XX + KK = EE XX + KK.
9 Variância e Desvio-Padrão da variável VARIÂNCIA DA VARIÁVEL ALEATÓRIA A variância da variável aleatória XX, representada por V(x) é dada por VV xx = EE xx 2 [EE xx ] 2 Variância é: Esperança dos quadrados menos o quadrado da esperança. O desvio-padrão da variável aleatória é igual à raiz quadrada positiva da variância VV(xx).
10 Calcule a variância da distribuição VARIÂNCIA DA VARIÁVEL ALEATÓRIA
11 PROPRIEDADE DA VARIÂNCIA Considere XX e YY variáveis aleatórias e KK uma constante qualquer. P1) Se multiplicarmos uma variável aleatória por K, a variância ficará multiplicada pelo quadrado da constante. VV kk xx = kk 22 VV(xx). P2) Se adicionarmos uma constante a todos os valores da variável aleatória, a variância não se altera VV XX + KK = VV XX.
12 PROPRIEDADE DA VARIÂNCIA Considere XX e YY variáveis aleatórias e KK uma constante qualquer. P3) Variância da Soma e da Diferença VVVVVV XX + YY = VV XX + VV YY + 2CCCCCC(XX, YY). VV XX YY = VV XX + VV YY 2CCCCCC(XX, YY). Covariância: CCCCCC(XX, YY) é a covariância (variância conjunta) entre XX e YY, dada por CCCCCC XX, YY = EE XX YY EE(XX) EE(YY).
13 PROPRIEDADE DA COVARIÂNCIA Covariância: CCCCCC(XX, YY) é a covariância (variância conjunta) entre XX e YY, dada por CCCCCC XX, YY = EE XX YY EE(XX) EE(YY). É válida a seguinte relação da covariância: CCCCCC aaaa, bbbb = aa bb CCCCCC(XX, YY) Se X e Y são independentes, a Cov(X,Y)=O. mas Se Cov(X,Y)=0, X e Y podem ser dependentes ou independentes.
14 Questão 1 (AFRF/ESAF) A tabela mostra a distribuição de frequências relativas populacionais (f ) de uma variável X: Sabendo que a é um número real, então a média e a variância de X são, respectivamente: Gab.: A)
15 Questão 2 (FCC) Em uma loja, as unidades vendidas por dia de um determinado eletrodoméstico apresentam a seguinte distribuição de probabilidades de ocorrência de venda: A probabilidade de que em um determinado dia tenham sido vendidas mais que uma unidade do eletrodoméstico é igual a (A) 87,5%. (B) 80,0%. (C) 75,0%. (D) 60,0%. (E) 50,0%. Gab. C)
16 Questão 3 (CESGRANRIO) O retorno mensal de certo investimento de risco pode ser modelado pela variável aleatória W, com função de probabilidade dada a seguir. O retorno esperado é: (A) 0,5% (B) 0,5% (C) 1,5% (D) 5% (E) 7,5% Gab. C)
17 Questão 4 (ESAF/MPU) O preço de determinada ação fica constante, aumenta ou diminui R$ 1,00 por dia com probabilidades 0,3, 0,3 e 0,4 respectivamente. Assinale a opção que dá o valor esperado do preço da ação amanhã se seu preço hoje é R$ 8,00. a) R$ 7,90 b) R$ 8,00 c) R$ 7,00 d) R$ 9,00 e) R$ 8,50 Gab. A)
18 Questão 5 (FCC/TRF4) O número de televisores vendidos diariamente em uma loja apresenta a seguinte distribuição de probabilidades. A probabilidade de que, em um determinado dia, não seja vendido nenhum televisor é igual a 10% e de que seja vendido mais que 3 é igual a 30%. Então, a probabilidade de que em um determinado dia sejam vendidos 2 televisores é de (A) 10%. (B) 12%. (C) 15%. (D) 18%. (E) 20%. Gab. C)
19 Questão 6 (ESAF) Uma empresa considera fazer um investimento que tem probabilidade igual a 0,2 de produzir um lucro de R$ ,00 e probabilidade igual a 0,5 de produzir um lucro de R$ 8.000,00; caso contrário, o investimento trará um prejuízo de R$ ,00. O valor esperado do retorno do investimento, em reais, é (A) 3.500,00 (B) 4.000,00 (C) 4.500,00 (D) 5.000,00 (E) 5.500,00 Gab. A)
20 Questão 7 (FCC/TCE/MG) O número de unidades vendidas, mensalmente, de um produto em uma determinada loja é uma variável aleatória (X) com a seguinte distribuição de probabilidades: sabe-se que somente em 10% dos meses são vendidos mais que 3 unidades. Então, se em um determinado mês a venda realizada não foi nula, tem-se que a probabilidade dela ter sido inferior a 4 é (A) 70,0% (B) 75,0% (C) 80,0% (D) 87,5% (E) 90,0% Gab. D)
21 Questão 8 Uma indústria vende diariamente, no máximo, 5 unidades de aparelhos marca M de sua fabricação. A tabela abaixo apresenta as correspondentes probabilidades de vendas diárias em função das unidades. Sabe-se que a probabilidade desta indústria vender mais que 2 unidades em 1 dia é igual a 30%. Verifica-se, então, que a probabilidade dela vender em 1 dia, pelo menos, 1 aparelho e, no máximo, 3 aparelhos é igual a (A) 60%. (B) 84%. (C) 78%. (D) 66%. (E) 88%. Gab. B
22 Questão 09 (ESAF) Suzana e Sandra jogam, cada uma, uma moeda. Se do lançamento dessas duas moedas resultar duas caras, Suzana paga a Sandra R$ 6,00. Dando qualquer outro resultado, Sandra paga a Suzana R$ 4,00. Supondo que ambas as moedas sejam estatisticamente honestas, o valor esperado, em reais, dos ganhos de Sandra (considerando- se como ganhos negativos os valores que ela paga à Suzana) é igual a a) 1,5. b) -0,75. c) 0,75. d) -1,5. e) 2,5. Gab.: D)
23 Questão 10 (FGV/FISCAL/AM) Analise as afirmativas a seguir, a respeito de duas variáveis aleatórias X e Y: I. se X e Y são independentes, então Cov(X,Y) = 0. II. se Cov(X,Y) = 0, então X e Y são independentes; III. se X e Y são independentes, então E(XY) = E(X).E(Y) IV se E(XY) =E(X).E(Y), então X e Y são independentes. Assinale: a) se nenhum alternativa estiver correta b) se somente as alternativas I e III estiverem corretas c) se somente as alternativas I e IV estiverem corretas d) se somente as alternativas II e IV estiverem corretas e) se todas as alternativas estiverem corretas. Gab. B)
24 Questão 11 (FCC) Considere X e Y duas variáveis aleatórias quaisquer e as afirmativas abaixo: I. Se Z = 8X + 9Y, então VAR(Z) = 8VAR(X) + 9VAR(Y) + 2 COV(X,Y). II. Se W = 8X + 9Y + 10, então E(W) = 8E(X) + 9E(Y) III. Se COV(X,Y) = 0, então X e Y são independentes. É correto afirmar que: (A) apenas I está correta. (B) apenas II está correta. (C) apenas III está correta. (D) apenas I e II estão corretas. (E) apenas II e III estão corretas. Gab. B
25 Questão 11 (FCC) Considere X e Y duas variáveis aleatórias quaisquer e as afirmativas abaixo: I. Se Z = 8X + 9Y, então VAR(Z) = 8VAR(X) + 9VAR(Y) + 2 COV(X,Y). II. Se W = 8X + 9Y + 10, então E(W) = 8E(X) + 9E(Y) III. Se COV(X,Y) = 0, então X e Y são independentes. É correto afirmar que:
26 Questão 12 (FCC) Se var(x) = 4, var(y) = 2 e cov(x,y) = -1, então var(2x Y) é igual a: a) 10 b) 12 c) 18 d) 22 e) 24 Gab. D)
27 Estatística Distribuições Discretas Bernoulli Binomial Poisson Prof. Walter Sousa
28 DISTRIBUIÇÕES EMPÍRICAS DE VARIÁVEIS DISCRETAS Distribuição de Bernoulli A distribuição de Bernoulli caracteriza experimentos que são realizados uma única vez e apresentam apenas dois resultados excludentes, que chamamos sucesso e fracasso. Se p é a probabilidade de sucesso e q é a probabilidade de fracasso, então p + q = 1, ou seja q = 1 p. Associamos uma variável aleatória X aos dois resultados: X = 1, se for sucesso e X = 0, se for fracasso. Portanto, é uma distribuição discreta de probabilidade. Valor Esperado EE xx = pp Variância VV xx = pp qq
29 DISTRIBUIÇÕES EMPÍRICAS DE VARIÁVEIS DISCRETAS Distribuição de Binomial Ao repetirmos o experimento de Bernoulli n vezes, a probabilidade de se obter k sucessos é dada por PP XX = kk = nn kk ppkk (1 pp) nn kk pp = ssssssssssssss ee qq = ffffffffffffffff, tttttt qqqqqq pp + qq = 1. A probabilidade pp permanece a mesma para todas as repetições. Cada repetição do experimento é independente das demais Representaremos XX~bbbbbb nn, pp Para o símbolo ~" lê-se segue a distribuição
30 DISTRIBUIÇÕES EMPÍRICAS DE VARIÁVEIS DISCRETAS Distribuição de Binomial Se a variável aleatória X é tal que XX~bbbbbb nn, pp, eeeeeeeee: Valor Esperado EE xx = nn pp Variância VV(XX) = nn pp qq
31 Exemplo A variável aleatória X segue uma distribuição binominal, com probabilidade de sucesso igual a 0,2. Ao realizarmos o experimento 3 vezes, qual é a probabilidade de obtermos exatamente 2 sucessos? Qual é o valor esperado e o valor da variância?
32 Exemplo (CESPE) Considere duas variáveis aleatórias, V e Z, em que V possui distribuição binomial com n = 1 e p = 0,2, enquanto Z possui distribuição binomial com n = 1 e p = 0,8. Considerando que a covariância entre V e Z é igual a 0,04, julgue o item que se segue. (1) A diferença entre Z e V segue uma distribuição com média igual a 0,6 e variância igual a 0,32.
33 DISTRIBUIÇÕES EMPÍRICAS DE VARIÁVEIS DISCRETAS Distribuição de Poisson É uma distribuição discreta, indicamos XX~PPPPPPPPPPPPPP(λλ), onde λ é a intensidade da distribuição, ou seja, o valor esperado (média) de observações e está relacionada a espaço e tempo (ex: defeitos por cm2, número de clientes por hora que chegam a uma loja, número de chamadas telefônicas numa central PABX, por hora. Ocorre, aqui, o princípio da proporcionalidade, isto é, a frequência média de ocorrências do evento de interesse deve ser proporcional ao intervalo de tempo considerado (ex, se a média é de 2 chamadas por minuto, será 4 a cada dois minutos, etc...)
34 DISTRIBUIÇÕES EMPÍRICAS DE VARIÁVEIS DISCRETAS Distribuição de Poisson Se a variável X é tal que XX~PPPPPPPPPPPPPP(λλ), onde λ é a intensidade da distribuição (observar o princípio da proporcionalidade), então a função de probabilidade é dada por PP XX = kk = ee λλ (λλ) kk, onde e = 2,718 é a base dos logaritmos naturais. kk! A probabilidade de ocorrência é a mesma em todo o campo de observação; O número de ocorrências em um intervalo é independente do número de ocorrências em outro intervalo.
35 DISTRIBUIÇÕES EMPÍRICAS DE VARIÁVEIS DISCRETAS Distribuição de Poisson Se a variável X é tal que XX~PPPPPPPPPPPPPP(λλ), onde λ é a intensidade da distribuição (observar o princípio da proporcionalidade), então PP XX = kk = ee λλ (λλ) kk, onde e = 2,718 é a base dos logaritmos naturais. kk! Valor Esperado EE xx = λλ Variância VV xx = λλ
36 Exemplo Se a variável X, onde XX~PPPPPPPPPPPPPP λλ, indica o número de falhas por metro quadrado de um tecido, com média igual a 0,1. Qual é a probabilidade de que haja exatamente uma falha em 2 metros quadrados do tecido? Qual é o valor esperado e a variância da variável objeto do cálculo?
37 Estatística Exercícios Prof. Walter Sousa
38 Questão 1 (FCC) Um candidato se submete a uma prova contendo três questões de múltipla escolha precisando acertar pelo menos duas para ser aprovado. Cada questão apresenta cinco alternativas, mas apenas uma é correta. Se o candidato não se preparou e decide responder a cada questão ao acaso, a probabilidade de ser aprovado no concurso é igual a: (A) 0,104. (B) 0,040. (C) 0,096. (D) 0,008. (E) 0,200 Gab. A)
39 Questão 2 (ESAF) Suponha que a probabilidade de que se encontre um erro contábil grave em uma auditoria seja 0,2. Se dez auditorias independentes são realizadas, assinale a opção que dá a probabilidade de que não mais do que uma detecte erro contábil grave. a) 2,8 4 / 5 b) 0,400 c) 0,210 d) 2,8 (4 / 5) 10 e) 2,8 (4 / 5) 9 Gab. E)
40 Questão 3 (ESAF/AFRF) Em um experimento binomial com três provas, a probabilidade de ocorrerem dois sucessos é doze vezes a probabilidade de ocorrerem três sucessos. Desse modo, as probabilidades de sucesso e fracasso são, em percentuais, respectivamente, iguais a: a) 80 % e 20 % b) 30 % e 70 % c) 60 % e 40 % d) 20 % e 80 % e) 25 % e 75 % Gab. D)
41 Questão 4 (CESPE) Considerando que uma amostra aleatória simples X1, X2,X3,X4 tenha sido retirada de uma distribuição X cuja função de probabilidade é definida como PP XX = kk = 10 pp kk 1 pp 10 kk, 0 < pp 1; kk {0,1,2,, 10} kk sendo pp o parâmetro desconhecido, e que os valores bservados na amostra tenham sido 0, 4, 6 e 2, julgue o item a seguir. (1)A estimativa de máxima verossimilhança para a variância populacional é igual a 2,1. Gab.: Certo
42 Questão 6 (ESAF/AFRF) O número de petroleiros que chegam a uma refinaria ocorre segundo uma distribuição de Poisson, com média de dois petroleiros por dia. Desse modo, a probabilidade de a refinaria receber no máximo três petroleiros em dois dias é igual a: (A) ee 4 (B) 3 71 ee4 (C) 71 3 ee 4 (D) 71 3 ee 2 (E) 32 3 ee 2 Gab. C)
43 Questão 7 (FCC) O número de falhas de certo tipo de placa térmica tem distribuição de Poisson, com taxa média de 0,1 defeitos por m 2. Na confecção da superfície de um armário, é necessário cobrir uma superfície de 2m por 2m com essa placa. A probabilidade de que haja pelo menos uma falha nessa superfície é de: a) e 0,1 b) 1 e 0,1 c) 1 e 0,4 d) e 0,4 e) 1 1,4e 0,4 Gab.: C)
44 Questão 8 (ESAF/TCE-ES) Sabe-se de experiência anterior que num processo de auditoria contábil o número de discrepâncias entre valores registrados e auditados tem distribuição de Poisson com média 1. Seja ee a base do sistema de logaritmo neperiano. Assinale a opção que corresponde à probabilidade de que num determinado processo de auditoria ocorra no mínimo uma discrepância entre os valores registrados e auditados. a) 1/e b) 1 1/e c) (1/e)(1-1/e) d) 5,0% e) 3,8% Gab. B
45 Questão 9 (FCC) O número de pacientes atendidos por um clínico geral segue uma distribuição de Poisson com taxa de 4 pacientes por hora. A probabilidade de que pelo menos um paciente consulte o clínico geral em um período de 15 minutos é: a) 1 e 1 b) 1 e 4 c) e 4 d) e 4 e) e 1 Gab. A
46 Questão 10 (FCC) Sabe-se que o número de clientes que procuram atendimento numa agência da previdência no período das 17 às 18 horas tem distribuição de Poisson com média de 3 clientes. Assinale a opção que dá o valor da probabilidade de que mais de 2 clientes apareçam no período. Sabe-se que ee 3 = 0,0498, sendo ee o número neperiano. a) 0,776 b) 0,667 c) 0,500 d) 0,577 e) 1,000 Gab. D)
47 Questão 11 (CESPE) Considere que, em uma população, 80% dos indivíduos estejam satisfeitos com os serviços prestados por uma companhia aérea e que uma amostra aleatória simples de 10 pessoas seja retirada dessa população. Considere, ainda, que X represente o número de pessoas na amostra satisfeitas com os serviços prestados por essa companhia aérea, seguindo uma distribuição binomial. Com relação a essa situação hipotética e tomando 0,17 como valor aproximado de 0,8 8, julgue os itens subsequentes. (1)A probabilidade de se observarem exatamente 8 pessoas satisfeitas com os serviços prestados na amostra é superior a 0,5. (2)A variância de X é inferior a 1. (3)O valor esperado de X é superior 7.
48 Questão 11 (1)A probabilidade de se observarem exatamente 8 pessoas satisfeitas com os serviços prestados na amostra é superior a 0,5. (2)A variância de X é inferior a 1. (3)O valor esperado de X é superior 7.
Modelos 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 maisMAE0219 Introdução à Probabilidade e Estatística I
Exercício 1 Um par de dados não viciados é lançado. Seja X a variável aleatória denotando o menor dos dois números observados. a) Encontre a tabela da distribuição dessa variável. b) Construa o gráfico
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 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 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 maisVariável Aleatória. Gilson Barbosa Dourado 6 de agosto de 2008
Variável Aleatória Gilson Barbosa Dourado gdourado@uneb.br 6 de agosto de 2008 Denição de Variável Aleatória Considere um experimento E e seu espaço amostral Ω = {a 1, a 2,..., a n }. Variável aleatória
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 maisLista de Exercícios #2 Assunto: Variáveis Aleatórias Discretas
1. ANPEC 2018 Questão 3 Considere um indivíduo procurando emprego. Para cada entrevista de emprego (X) esse indivíduo tem um custo linear (C) de 10,00 Reais. Suponha que a probabilidade de sucesso em uma
Leia maisa) Considerando o lançamento de dois dados, o espaço amostral é Tabela 1: Tabela de distribuição de X. X P 11/36 9/36 7/36 5/36 3/36 1/36
1 Exercício 1 Um par de dados não viciados é lançado. Seja X a variável aleatória denotando o menor dos dois números observados. a) Encontre a tabela da distribuição dessa variável. b) Construa o gráfico
Leia maisDistribuição de Probabilidade. Prof. Ademilson
Distribuição de Probabilidade Prof. Ademilson Distribuição de Probabilidade Em Estatística, uma distribuição de probabilidade descreve a chance que uma variável pode assumir ao longo de um espaço de valores.
Leia maisExercícios Prof. Walter Sousa
Estatística Exercícios Prof. Walter Sousa Questão 1 (CESPE) O conceito médio da graduação (G) é um indicador calculado pelo INEP (Instituto Nacional de Estudos e Pesquisas Educacionais Anísio Teixeira)
Leia maisVariáveis Aleatórias. Probabilidade e Estatística. Prof. Dr. Narciso Gonçalves da Silva
Probabilidade e Estatística Prof. Dr. Narciso Gonçalves da Silva http://paginapessoal.utfpr.edu.br/ngsilva Variáveis Aleatórias Variável Aleatória Variável aleatória (VA) é uma função que associa a cada
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 maisDaniel Queiroz VARIÁVEIS ALEATÓRIAS DISCRETAS
Daniel Queiroz VARIÁVEIS ALEATÓRIAS DISCRETAS INTRODUÇÃO O que é uma variável aleatória? Um tipo de variável que depende do resultado aleatório de um experimento aleatório. Diz-se que um experimento é
Leia maisMAE 116 Distribuição Binomial FEA - 2º Semestre de 2018
MAE 116 Distribuição Binomial FEA - 2º Semestre de 2018 1 Vamos considerar alguns exemplos de experimentos aleatórios em que associamos a cada resultado possível um número 1. Lança-se uma moeda 10 vezes
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 maisEstatística Aplicada
Estatística Aplicada Distribuições Discretas de Probabilidade Professor Lucas Schmidt www.acasadoconcurseiro.com.br Estatística Aplicada DISTRIBUIÇÕES DISCRETAS DE PROBABILIDADE Distribuições de Probabilidade
Leia maisVariáveis Aleatórias Discretas e Distribuição de Probabilidade
Variáveis Aleatórias Discretas e Distribuição de Probabilidades - parte IV 2012/02 1 Distribuição Poisson Objetivos Ao final deste capítulo você deve ser capaz de: Ententer suposições para cada uma das
Leia maisDistribuições discretas de probabilidades. Cap. 8 Binomial, Hipergeométrica, Poisson
Distribuições discretas de probabilidades Cap. 8 Binomial, Hipergeométrica, Poisson Definições Variável aleatória: função que associa a cada elemento do espaço amostral um número real. Exemplo: diâmetro
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 maisUNIVERSIDADE FEDERAL DO PARANÁ SETOR DE CIÊNCIAS EXATAS DEPTO. DE ESTATÍSTICA LISTA 3-ESTATÍSTICA II (CE003) Prof. Benito Olivares Aguilera
UNIVERSIDADE FEDERAL DO PARANÁ SETOR DE CIÊNCIAS EXATAS DEPTO. DE ESTATÍSTICA LISTA 3-ESTATÍSTICA II (CE003) Prof. Benito Olivares Aguilera 2 o Sem./17 MODELOS DISCRETOS. 1. Seja X o número de caras obtidas
Leia maisProf. Lorí Viali, Dr.
Prof. Lorí Viali, Dr. viali@mat.ufrgs.br http://www.mat.ufrgs.br/~viali/ s KKK CKK KKC KCK CCK CKC KCC CCC S X 0 1 2 3 R x X(s) X(S) Uma função X que associa a cada elemento de S (s S) um número real
Leia maisVariável Aleatória. O conjunto de valores. Tipos de variáveis. Uma função X que associa a cada
Variável Aleatória Uma função X que associa a cada Prof. Lorí Viali, Dr. viali@mat.ufrgs.br http://www.mat.ufrgs.br/~viali/ elemento de S (s S) um número real x X(s) é denominada variável aleatória. O
Leia maisProbabilidade e Modelos Probabilísticos
Probabilidade e Modelos Probabilísticos 1ª Parte: Conceitos básicos, variáveis aleatórias, modelos probabilísticos para variáveis aleatórias discretas, modelo binomial, modelo de Poisson 1 Probabilidade
Leia maisFACULDADE DE TECNOLOGIA DE GUARATINGUETÁ
FACULDADE DE TECNOLOGIA DE GUARATINGUETÁ ESTATÍSTICA II Nota de aula 1 Prof. MSc. Herivelto T Marcondes dos Santos Fevereiro /2009 1 Modelos de probabilidade 1.1 Variável aleatória Definição: Sejam ε um
Leia maisPRINCIPAIS DISTRIBUIÇÕES DISCRETAS DE PROBABILIDADE
PRINCIPAIS DISTRIBUIÇÕES DISCRETAS DE PROBABILIDADE 3.1 INTRODUÇÃO Muitas variáveis aleatórias associadas a experimentos aleatórios têm propriedades similares e, portanto, podem ser descritas através de
Leia maisMAT 461 Tópicos de Matemática II Aula 5: Resumo de Probabilidade
MAT 461 Tópicos de Matemática II Aula 5: Resumo de Probabilidade Edson de Faria Departamento de Matemática IME-USP 26 de Agosto, 2013 Probabilidade: uma Introdução / Aula 5 1 Variáveis aleatórias Definição
Leia maisAULA 16 - Distribuição de Poisson e Geométrica
AULA 16 - Distribuição de Poisson e Geométrica Susan Schommer Introdução à Estatística Econômica - IE/UFRJ Distribuição de Poisson Em muitas situações nos deparamos com a situação em que o número de ensaios
Leia maisEstatística CORRELAÇÃO E REGRESSÃO LINEAR. Prof. Walter Sousa
Estatística CORRELAÇÃO E REGRESSÃO LINEAR Prof. Walter Sousa CORRELAÇÃO LINEAR A CORRELAÇÃO mede a força, a intensidade ou grau de relacionamento entre duas ou mais variáveis. Exemplo: Os dados a seguir
Leia maisUniversidade Federal do Ceará
Universidade Federal do Ceará Faculdade de Economia Vicente Lima Crisóstomo Fortaleza, 2011 1 Sumário Introdução Estatística Descritiva Probabilidade Distribuições de Probabilidades Amostragem e Distribuições
Leia maisVariáveis Aleatórias - VA
Variáveis Aleatórias - VA cc ck kc kk 0 1 2 1/4 1/2 Prof. Adriano Mendonça Souza, Dr. Departamento de Estatística - PPGEMQ / PPGEP - UFSM - Introdução Se entende por VA ou V. indicadoras uma lista de valores
Leia maisVARIÁVEIS ALEATÓRIAS 1
VARIÁVEIS ALEATÓRIAS 1 Na prática é, muitas vezes, mais interessante associarmos um número a um evento aleatório e calcularmos a probabilidade da ocorrência desse número do que a probabilidade do evento.
Leia maisVariáveis Aleatórias Discretas
Variáveis Aleatórias Discretas Ricardo Ehlers ehlers@icmc.usp.br Departamento de Matemática Aplicada e Estatística Universidade de São Paulo Introdução Definição Uma variável aleatória é uma função definida
Leia maisMedidas de Dispersão Prof. Walter Sousa
Estatística Medidas de Dispersão Prof. Walter Sousa MEDIDAS DE DISPERSÃO São indicadores do grau de concentração ou dispersão dos dados. AMPLITUDE TOTAL(Range) DESVIO MÉDIO VARIÂNCIA DESVIO PADRÃO COEFICIENTE
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 maisAula 5. Variáveis Aleatórias Discretas
Aula 5. Variáveis Aleatórias Discretas Definição formal : Variável aleatória é qualquer função definida em espaço Ω. Ω função é uma regra que para cada valor de domínio corresponde um valor de R R Definição
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 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 mais3 a Lista de PE Solução
Universidade de Brasília Departamento de Estatística 3 a Lista de PE Solução. Se X representa o ganho do jogador, então os possíveis valores para X são,, 0, e 4. Esses valores são, respectivamente, correspondentes
Leia 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 Modelos de distribuição Para utilizar a teoria
Leia maisVariáveis Aleatórias Discretas e Distribuições de 3Probabilidade
Variáveis Aleatórias Discretas e Distribuições de 3Probabilidade Variáveis Aleatórias Discretas e Distribuições de Probabilidade Objetivos do aprendizado 3 Como determinar se um experimento é Binomial.
Leia maisProbabilidade. 1 Distribuição de Bernoulli 2 Distribuição Binomial 3 Multinomial 4 Distribuição de Poisson. Renata Souza
Probabilidade Distribuição de Bernoulli 2 Distribuição Binomial 3 Multinomial 4 Distribuição de Poisson Renata Souza Distribuição de Bernoulli Uma lâmpada é escolhida ao acaso Ensaio de Bernoulli A lâmpada
Leia maisPrincipais distribuições discretas Distribuição de Bernoulli sucesso fracasso X = 1, se sucesso X = 0, se fracasso P(X) TOTAL 1 Exemplo 5:
Principais distribuições discretas Na prática, sempre se procura associar um fenômeno aleatório a ser estudado, a uma forma já conhecida de distribuição de probabilidade (distribuição teórica) e, a partir
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 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 maisPROBABILIDADES E INTRODUÇÃO A PROCESSOS ESTOCÁSTICOS. Aula 7 11 e 12 abril MOQ-12 Probabilidades e Int. a Processos Estocásticos
PROBABILIDADES E INTRODUÇÃO A PROCESSOS ESTOCÁSTICOS Aula 7 11 e 12 abril 2007 1 Distribuições Discretas 1. Distribuição Bernoulli 2. Distribuição Binomial 3. Distribuição Geométrica 4. Distribuição Pascal
Leia maisEstatística Planejamento das Aulas
29 de outubro de 2018 Distribuição Discreta Uniforme No experimento estatístico, os eventos são equiprováveis. A v.a. discreta X assume n valores discretos tem função de probabilidade: { 1 se x f x = i
Leia maisEstatística. Capítulo 4: Distribuições Teóricas de Probabilidades de Variáveis Aleatórias Discretas. Professor Fernando Porto
Estatística Capítulo 4: Distribuições Teóricas de Probabilidades de Variáveis Aleatórias Discretas Professor Fernando Porto Capítulo 4 Baseado no Capítulo 4 do livro texto, Distribuições Teóricas de Probabilidades
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 I. Departamento de Estatística. Universidade Federal da Paraíba. Prof. Tarciana Liberal (UFPB) Aula Poisson 08/14 1 / 19
Probabilidade I Departamento de Estatística Universidade Federal da Paraíba Prof. Tarciana Liberal (UFPB) Aula Poisson 08/14 1 / 19 Modelo Poisson Na prática muitos experimentos consistem em observar a
Leia maisDistribuição de Probabilidade. Prof.: Joni Fusinato
Distribuição de Probabilidade Prof.: Joni Fusinato joni.fusinato@ifsc.edu.br jfusinato@gmail.com Modelos de Probabilidade Utilizados para descrever fenômenos ou situações que encontramos na natureza, ou
Leia maisModelos Probabiĺısticos Discretos
Discretos Prof. Gilberto Rodrigues Liska UNIPAMPA 19 de Setembro de 2017 Material de Apoio e-mail: gilbertoliska@unipampa.edu.br Gilberto R. Liska ( UNIPAMPA ) Notas de Aula 19 de Setembro de 2017 1 /
Leia maisDistribuições de Probabilidade
Distribuições de Probabilidade Carla Henriques, Nuno Bastos e Cristina Lucas Departamento de Matemática Escola Superior de Tecnologia de Viseu. Henriques, N. Bastos e C. Lucas (DepMAT) Distribuições de
Leia maisPROBABILIDADE RESUMO E EXERCÍCIOS* P1
PROBABILIDADE RESUMO E EXERCÍCIOS* P1 *Exercícios de provas anteriores escolhidos para você estar preparado para qualquer questão na prova. Resoluções grátis em Conceitos e Fundamentos Estudamos probabilidade
Leia mais3 a Lista de PE. Universidade de Brasília Departamento de Estatística
Universidade de Brasília Departamento de Estatística 3 a Lista de PE 1. Duas bolas são escolhidas aleatoriamente de uma urna contendo 8 bolas brancas, 4 pretas, e duas bolas laranjas. Suponha que um jogador
Leia maisEstatística p/ TCE-PR Teoria e exercícios comentados Prof. Jeronymo Marcondes. Resolução prova Estatística p/ TCE-PR, área atuarial.
prova Estatística p/ TCE-PR, área atuarial. Boa pessoal! A CESPE deu uma prova de estatística que, acredito, estava muito acima do esperado por muitos candidatos. Vamos lá! Não encontrei recursos! Vamos
Leia maisPARTE 2. Profª. Drª. Alessandra de Ávila Montini
PARTE 2 Profª. Drª. Alessandra de Ávila Montini Conteúdo Introdução a Probabilidade Conceito de Experimento Conceito de Espaço Amostral Conceito de Variável Aleatória Principais Distribuições de Probabilidade
Leia maisDistribuições de probabilidade de variáveis aleatórias discretas
Distribuições de probabilidade de variáveis aleatórias discretas Universidade Estadual de Santa Cruz Ivan Bezerra Allaman Cronograma 1. Distribuição Bernoulli 2. Distribuição Binomial 3. Distribuição Poisson
Leia maisDISTRIBUIÇÕES BERNOULLI, BINOMIAL E POISSON
DISTRIBUIÇÕES BERNOULLI, BINOMIAL E POISSON http://www.uel.br/pessoal/lscunha/ Universidade Estadual de Londrina 05 de julho de 2017 Distribuição Bernoulli Exemplo Nos experimentos de Bernoulli, o espaço
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 mais1 Distribuição de Bernoulli
Centro de Ciências e Tecnlogia Agroalimentar - Campus Pombal Disciplina: Estatística Básica - 2013 Aula 6 Professor: Carlos Sérgio Distribuições Teóricas de Probabilidades de Variáveis Aleatórias Discretas
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 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 maisDistribuições Contínuas Prof. Walter Sousa
Estatística Distribuições Contínuas Prof. Walter Sousa DISTRIBUIÇÕES CONTÍNUAS Uma variável aleatória XX é contínua se assumir um número infinito não numerável de valores. Assim, fica definida uma função,
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 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 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 mais1 Distribuições Discretas de Probabilidade
1 Distribuições Discretas de Probabilidade A distribuição discreta descreve quantidades aleatórias (dados de interesse) que podem assumir valores particulares e os valores são finitos. Por exemplo, uma
Leia mais12 Distribuições de Probabilidades
12 Distribuições de Probabilidades 12.1 Introdução Neste capítulo vamos dar continuidade ao estudo de probabilidades, introduzindo os conceitos de variáveis aleatórias e de distribuições de probabilidade.
Leia maisProbabilidade e Estatística
Probabilidade e Estatística Distribuições Discretas de Probabilidade Prof. Narciso Gonçalves da Silva www.pessoal.utfpr.edu.br/ngsilva Introdução Distribuições Discretas de Probabilidade Muitas variáveis
Leia maisProf. Dr. Lucas Santana da Cunha de maio de 2018 Londrina
Prof. Dr. Lucas Santana da Cunha email: lscunha@uel.br http://www.uel.br/pessoal/lscunha/ 21 de maio de 2018 Londrina 1 / 14 Variável aleatória Introdução Definição Uma função que associa um número real
Leia maisVariáveis Aleatórias Discretas e Distribuição de Probabilidade
Variáveis Aleatórias Discretas e Distribuição de Probabilidades - parte II 29 de Março de 2011 Distribuição Uniforme Discreta Média Propriedade da falta de memória Objetivos Ao final deste capítulo você
Leia maisIntrodução à Estatística. Segundo Semestre/2018
Introdução à Estatística Segundo Semestre/2018 Recapitulação Já vimos que existem dois tipos de Variáveis Aleatórias: Discretas e Contínuas. Sabemos como trabalhar com variáveis aleatórias Discretas; Iremos
Leia maisDistribuições Bernoulli, Binomial e Poisson
Distribuições Bernoulli, Binomial e Poisson Prof. Dr. Lucas Santana da Cunha email: lscunha@uel.br http://www.uel.br/pessoal/lscunha/ 06 de junho de 2018 Londrina 1 / 18 Nos experimentos de Bernoulli,
Leia maisProbabilidade I. Departamento de Estatística. Universidade Federal da Paraíba. Prof. Tarciana Liberal (UFPB) Aula Distribuição Geométrica 08/14 1 / 13
Probabilidade I Departamento de Estatística Universidade Federal da Paraíba Prof. Tarciana Liberal (UFPB) Aula Distribuição Geométrica 08/14 1 / 13 Distribuição Geométrica Considere novamente uma sequência
Leia maisConforme o conjunto de valores X(S) uma variável aleatória poderá ser discreta ou contínua.
Prof. Lorí Viali, Dr. viali@pucrs.br http://www.pucrs.br/famat/viali/ s KKK CKK KKC KCK CCK CKC KCC CCC S X X(s) R X(S) Uma função X que associa a cada elemento de S (s S) um número real X(s) é denominada
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 maisVariáveis aleatórias. Universidade Estadual de Santa Cruz. Ivan Bezerra Allaman
Variáveis aleatórias Universidade Estadual de Santa Cruz Ivan Bezerra Allaman DEFINIÇÃO É uma função que associa cada evento do espaço amostral a um número real. 3/37 Aplicação 1. Seja E um experimento
Leia maisRevisão de Probabilidade
05 Mat074 Estatística Computacional Revisão de Probabilidade Prof. Lorí Viali, Dr. viali@mat.ufrgs.br http://www.ufrgs.br/~viali/ Determinístico Sistema Real Causas Efeito Probabilístico X Causas Efeito
Leia maisAULA 15 - Distribuição de Bernoulli e Binomial
AULA 15 - Distribuição de Bernoulli e Binomial Susan Schommer Introdução à Estatística Econômica - IE/UFRJ Variável Aleatória de Bernoulli Podemos dizer que as variáveis aleatórias mais simples entre as
Leia maisPROBABILIDADE E ESTATÍSTICA DISTRIBUIÇÕES DE PROBABILIDADES PARTE I
PROBABILIDADE E ESTATÍSTICA DISTRIBUIÇÕES DE PROBABILIDADES PARTE I Bruno Baierle Maurício Furigo Prof.ª Sheila Regina Oro (orientadora) Edital 06/2013 - Produção de Recursos Educacionais Digitais Variável
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 maisQUESTÕES DE CONCURSOS PÚBLICOS ENVOLVENDO PROBABILIDADE
QUESTÕES DE CONCURSOS PÚBLICOS ENVOLVENDO PROBABILIDADE 1) Uma moeda não tendenciosa é lançada quatro vezes. A probabilidade de que sejam obtidas duas caras e duas coroas é: (A) 3/8 (B) ½ (C) 5/8 (D) 2/3
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 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 maisCap. 5 Variáveis aleatórias discretas
Estatística para Cursos de Engenharia e Informática Pedro Alberto Barbetta / Marcelo Menezes Reis / Antonio Cezar Bornia São Paulo: Atlas, 2004 Cap. 5 Variáveis aleatórias discretas APOIO: Fundação de
Leia maisIntervalos de Confiança Prof. Walter Sousa
Estatística Intervalos de Confiança Prof. Walter Sousa DISTRIBUIÇÕES AMOSTRAIS A distribuição amostral de um estimador (estatística, tal como a média ou uma proporção) é a distribuição de probabilidades
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 maisEscola Superior de Agricultura Luiz de Queiroz Universidade de São Paulo. Variáveis Aleatórias Discretas
Escola Superior de Agricultura Luiz de Queiroz Universidade de São Paulo Variáveis Aleatórias Discretas Professora Renata Alcarde Sermarini Piracicaba abril 2016 Renata Alcarde Sermarini Estatística Geral
Leia mais{ C(1 x 2 ), se x ( 1, 1), f(x) = Cxe x/2, se x > 0, x + k, se 0 x 3; 0, c.c. k, se 1 < x 2; kx + 3k, se 2 < x 3;
Universidade de Brasília Departamento de Estatística 4 a Lista de PE 1. Seja X uma variável aleatória com densidade { C(1 x 2 ), se x ( 1, 1), 0, se x / ( 1, 1). a) Qual o valor de C? b) Qual a função
Leia maisCONHECIMENTOS ESPECÍFICOS
fonte de graus de soma de quadrado variação liberdade quadrados médio teste F regressão 1 1,4 1,4 46,2 resíduo 28 0,8 0,03 total 2,2 A tabela de análise de variância (ANOVA) ilustrada acima resulta de
Leia mais2. EXERCÍCIOS PROPOSTOS SOBRE V.A. E DISTRIB.PROBAB.
2. EXERCÍCIOS PROPOSTOS SOBRE V.A. E DISTRIB.PROBAB. 1) Classifique as seguintes variáveis aleatórias como discretas ou contínuas. X : o número de acidentes de automóvel por ano na rodovia BR 116. Y :
Leia maisVARIÁVEL ALEATÓRIA e DISTRIBUIÇÃO BINOMIAL
VARIÁVEL ALEATÓRIA e DISTRIBUIÇÃO BINOMIAL Variável Aleatória Uma função X que associa a cada elemento ω do espaço amostral Ω um valor x R é denominada uma variável aleatória. A variável aleatória pode
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 I. Departamento de Estatística. Universidade Federal da Paraíba
Probabilidade I Departamento de Estatística Universidade Federal da Paraíba Prof. Tarciana Liberal (UFPB) Aula Distribuição de Bernoulli e Binomial 07/14 1 / 32 Distribuições Discretas Apresentaremos agora
Leia maisDISTRIBUIÇÕES BERNOULLI E BINOMIAL
DISTRIBUIÇÕES BERNOULLI E BINOMIAL Lucas Santana da Cunha email: lscunha@uel.br http://www.uel.br/pessoal/lscunha/ Universidade Estadual de Londrina 26 de junho de 2017 Distribuição Bernoulli Nos experimentos
Leia maisDistribuições Bernoulli e Binomial
Distribuições Bernoulli e Binomial Prof. Dr. Lucas Santana da Cunha email: lscunha@uel.br http://www.uel.br/pessoal/lscunha/ 04 de junho de 2018 Londrina 1 / 12 Distribuição Bernoulli Nos experimentos
Leia mais4. PRINCIPAIS MODELOS DISCRETOS
4. PRINCIPAIS MODELOS DISCRETOS 2011 Principais modelos probabilísticos discretos 4.1. Modelo Bernoulli Muitos eperimentos admitem apenas dois resultados. Eemplos: 1. Uma peça é classificada como defeituosa
Leia mais1.1.1 Distribuição binomial
2 CAPÍTULO 1. INTRODUÇÃO 1.1.1 Distribuição binomial Em teoria das probabilidades e na estatística a distribuição binomial é a distribuição de probabilidade do número de sucessos em uma seqüência de n
Leia mais