Probabilidade II Aula 10
|
|
- Sabina Lopes
- 5 Há anos
- Visualizações:
Transcrição
1 Probabldade II Aula 0 Mao de 009 Môca Barros, D.Sc. Coteúdo Esperaça Matemá (Valores esperados) Mometos e Mometos Cetras Valores esperados de uma fução de Covarâca e Correlação Matrz de covarâca, matrz de correlação Médas e varâcas de combações leares de v.a. Portfolos (Carteras) e rsco A dstrbução Normal bvarada Esperaça a matemá Mometos Servem para caracterzar uma dstrbução de probabldade ou uma amostra. Aqu estaremos teressados apeas os mometos da dstrbução (e ão os mometos amostras). Esperaça a matemá Defção (k-ésmo mometo) O k-ésmo mometo de, ou k-ésmo mometo da dstrbução de, deotado por E( k ) é defdo por: E k ( ) k x. f ( x) k x. f dx se é v.a. cotíua k ( x) x.pr( x) se é v.a. dscreta Acma k é um tero maor ou gual a zero. Em partcular, se k 0, E( 0 ) E(). 3 4
2 Esperaça a matemá Defção (méda ou valor esperado) A méda (ou valor esperado ou prmero mometo) de uma varável aleatóra é defda como: µ E ( ) x. f ( x) x. f dx se é v.a. cotíua ( x) x.pr( x) se é v.a. dscreta Esperaça a matemá Podemos combar a defção do k-ésmo mometo e a defção da méda para produzr o k-ésmo mometo cetral, como a segur: E k ( µ ) ) k ( x µ ). f ( x) dx se é v.a. cotíua k k ( x µ ). f ( x) ( x µ ).Pr( x) se é v.a. dscreta A méda de uma varável aleatóra é uma medda de tedêca cetral da dstrbução de probabldade desta varável aleatóra. Em partcular, se k : E( µ) 0, ou seja, o prmero mometo cetral é sempre ulo. 5 6 Esperaça a matemá Se k etão: ( µ ) ( µ ) ( ). ( ) µ. ( ) E x f x dx x f x dx f x dx x. f ( x) dx µ f ( x) dx x. f ( x) dx µ ( ) µ µ 0 (Idem para o caso dscreto) Esperaça a matemá Defção (Varâca) A varâca de uma varável aleatóra mede a dspersão da dstrbução de probabldade, e é defda como o o. mometo cetral: VAR( ) E (( ) ) σ µ ( x µ ). f ( x) dx se cotíua ( x µ ). f ( x) ( x µ ).Pr ( x) se dscreta 7 8
3 Esperaça a matemá Valor esperado de uma fução de uma v.a. Seja uma v.a. com desdade (ou fução de probabldade f(x)). Seja g() uma fução qualquer de. Etão, o valor esperado de g() (se exstr) é dado por: E ( g( )) g( x) f ( x) dx g( x) f ( x) g( x) Pr( x) 9 Esperaça a matemá Note que, para calcularmos E{g()} ão é ecessáro cohecer a dstrbução da v.a. g(). Também, se g() k, a expressão ateror os dá o k-ésmo mometo, e se g() (-µ) k obtemos o k-ésmo mometo cetral. 0 Esperaça a Matemá A defção de valor esperado pode ser faclmete estedda a dstrbuções cojutas de varáves aleatóras. Aqu os cocetraremos o caso bvarado. Esperaça a Matemá E g( x, y) f ( x, y) dxdy { g(, Y )} g( x, y) f ( x, y) Por exemplo: + + todo y todo y g( x, y) Pr( x, Y y) Em geral, se f(x,y) é a desdade (ou fução de probabldade cojuta) de e Y etão: E x. y. f ( x, y) dxdy { Y} x. y. f ( x, y) + + todo y todo y x. y.pr( x, Y y)
4 Esperaça a Matemá E também: E { + Y} + + ( x + y) f ( x, y) dxdy ( x + y). f ( x, y) todo y todo y ( x + y).pr( x, Y y) A extesão para fuções de varáves é medata basta computar a tegral (ou somatóro) em dmesões da cojuta vezes a fução para a qual desejamos calcular o valor esperado. Esperaça a Matemá Covarâca e Correlação Já vmos a aula a defção de covarâca e correlação. (, Y ) E[ ( µ )(. Y µ Y )] E[. Y µ. Y µ Y. + µ. µ Y ] [ E(. Y ) µ. E( Y ) µ. E( ) + µ. µ ] COV E(. Y ) µ. µ Y Y Ode µ E(), µ Y E(Y) são as médas de e Y, computadas a partr das desdades margas. Y 3 4 Esperaça a Matemá Covarâca e Correlação O coefcete de correlação etre e Y, deotado por ρ, é defdo como: ρ COV (, Y ) VAR( ). VAR( Y ) Já provamos que - ρ + e ρ se, e somete se, Y é fução lear de (e vce-versa). Note que COV(, Y) COV(Y, ) ρ.dp().dp(y) ode dp(.) dca o desvo padrão da varável. Esperaça a Matemá Matrzes de Covarâca e de Correlação Estas déas podem ser esteddas para um cojuto de varáves aleatóras,,...,. Seja o vetor de dmesão x cuja -ésma lha é. Etão, a matrz de covarâca de é a matrz x cujo j-ésmo elemeto é COV(, j ). 5 6
5 Esperaça a Matemá Matrzes de Covarâca e de Correlação Das propredades da covarâca, segue que os elemetos da dagoal prcpal da matrz de covarâca são guas às varâcas dos s. Também, como COV(, j ) COV( j, ), a matrz de covarâca é smétrca. Esperaça a Matemá Matrzes de Covarâca e de Correlação Etão, a matrz de covarâca é a matrz x com a forma: var( ) Cov(, )... Cov(, ) Cov( var( Cov(, )..., ) )... Cov( Cov(... var(,, ) ) ) 7 8 Esperaça a Matemá Matrzes de Covarâca e de Correlação A matrz de correlação é a matrz x cujo jésmo elemeto é o coefcete de correlação etre e j. Note que o coefcete de correlação etre e j é gual ao coefcete de correlação etre j e e etão a matrz de correlação também é smétrca. Esperaça a Matemá Matrzes de Covarâca e de Correlação Logo, a matrz de correlação tem a forma: Corr(, )... Corr(, ) Corr( Corr(,......, ) ) Corr( Corr(...,, ) ) E os elemetos da dagoal prcpal? São todos guas a um. (Por que?) 9 0
6 Combações Leares de v.a. Idepedetes Objetvos Dados,,..., depedetes (mas ão ecessaramete demete dstrbuídos) tas que: E( ) µ e VAR( ) σ, ecotrar a méda e a varâca de: Y a 0 + a em fução dos mometos dos s. Note que, a defção de Y, os a 's são costates. Também, a depedêca dos s assegura que todas as covarâcas (e correlações) são ulas. Combações Leares de v.a. Idepedetes A méda de Y é: E( Y ) Ea0 + a + 0 a. µ A varâca de Y é: VAR( Y ) ode a. a0 + ode µ E( ) a. E( ) Note que a costate a 0 ão afeta a varâca, e os outros a s aparecem ao quadrado (por que?). a. VAR( ) VAR( ) σ a. σ A soma de v.a. depedetes Sejam,,..., v.a. depedetes mas ão ecessaramete demete dstrbuídas. Seja: Y A soma de v.a. depedetes Etão a méda de Y é: E ( Y ) E E( ) µ ode µ E( A varâca de Y é: VAR( Y ) VAR( ) σ ode VAR( ) σ ) 3 4
7 A Méda M Amostral Sejam,,..., v.a. depedetes e demete dstrbuídas (d). Em partcular, o fato dos s serem d mplca em E( ) µ, VAR( ) σ e COV(, j ) 0 para todo par,j. Cosdere a méda amostral calculada a partr destes s, sto é: 5 A Méda M Amostral Para que serve a méda amostral? Supoha que exste esta coleção de s, todos eles d, ou seja, todos eles provêm da mesma desdade ou fução de probabldade. Supoha que a méda desta desdade é µ, um úmero descohecdo. A méda amostral é um estmador sesato para a méda da dstrbução (µ), quado esta últma for descohecda. 6 A Méda M Amostral Podemos ecotrar a méda, varâca e fgm da méda amostral como casos partculares dos resultados para combações leares de varáves depedetes. É fácl mostrar que: E µ µ µ ( ) E( ) (A mesma que a méda de qualquer ) A Méda M Amostral Mas, a varâca da méda amostral é: VAR ( ) VAR ( ) σ (A varâ ca de é meor que a de, desde que usemos mas de uma observação!) Moral da hstóra: é vatajoso usar a méda amostral para chutar a méda da desdade dos s, pos ela mplca uma redução da varâca se comparada ao uso de um sozho. σ 7 8
8 A Méda M Amostral Estes resultados justfcam o uso da méda amostral como um estmador sesato de µ. Note que, à medda que tomamos uma amostra cada vez maor ( cresce), a varâca da méda amostral decresce, ou seja, a dspersão do estmador decresce. Além dsso, a méda de é µ, que é a quatdade que ele pretede estmar. 9 Combações Leares de v.a. Depedetes Este é um caso mas geral (e mas complcado que o ateror). Supoha que E( ) µ, VAR( ) σ, e COV(, j ) ρ j.σ.σ j 0 para algum par,j. Queremos ecotrar a méda e a varâca de Y defdo como: Y a + a 0 30 Combações Leares de v.a. Depedetes A expressão da méda é a mesma que o caso ateror (varáves depedetes), sto é: E( Y ) Ea0 + a + 0 a. µ a. a0 + ode µ E( ) a. E( ) A expressão para a varâca tora-se mas complcada, pos deverá levar em cota as terdepedêcas etre as varáves. Pode-se mostrar que: Combações Leares de v.a. Depedetes ( ) ( ). ( ) + j, j j VAR Y a VAR a a COV a σ aa jρjσ σ j j. + ode o o. termo j ode ρ j é o coefcete de correlação etre e Ou seja, a depedêca etre os s leva à preseça de um termo adcoal o cálculo da varâca, devdo às covarâcas etre os dversos s. j 3 3
9 Combações Leares de v.a. Depedetes A expressão ateror, que os dá a varâca de uma combação lear de varáves depedetes, é essecal para medr o rsco de um portfolo ou cartera, como veremos mas tarde. Na verdade, a depedêca etre atvos faceros (que são varáves aleatóras) pode ser usada de maera provetosa para reduzr o rsco de um portfolo, um processo que chamamos de dversfcação. Portfolos (Carteras) Cosdere uma coleção de atvos faceros. Um portfolo (ou cartera) é apeas uma combação lear destes atvos a qual a soma dos pesos é (ou 00%). Algumas vezes requer-se também que todos os pesos sejam postvos, mas sso ão é estrtamete ecessáro Retoro Artmétco tco Supoha que P t seja o preço de um atvo o state t. O retoro (artmétco) deste atvo etre os states t- e t é: Pt P RAt P t t Em Faças quattatvas, o retoro artmétco é pouco empregado, pos possu um grave coveete: como o preço de um atvo ão pode ser meor que zero, o retoro artmétco tem um valor mímo (quado P t 0), gual a. 35 Retoro Geométrco Em Faças, os retoros serão tratados como varáves aleatóras, e um dos modelos mas smples supõe que os retoros são Normas (que remos estudar o capítulo 7 do meu lvro de Probabldade). Mas, uma v.a. Normal é lmtada. Etão, o que fazer? Trabalhar com o retoro Geométrco, defdo como: P t R l t l( Pt )- l( Pt- ) Pt 36
10 Retoro Geométrco O retoro geométrco é defdo em toda a reta, etão pode-se modelá-lo pela dstrbução Normal. Retoros Geométrcos são adtvos. Por exemplo, se queremos ecotrar o retoro etre os das e 4: P 4 P4 P3 P P4 P3 + + P R,4 log l l l l P P3 P P P3 P P Ou seja, o retoro Geométrco etre os das e 4 é apeas a soma dos retoros geométrcos dáros o período. Se a varação do período é pequea, os retoros geométrco e artmétco são aproxmadamete guas. 37 Rsco e Retoro de um Portfolo Sejam,,..., os retoros de atvos, tas que E( ) µ, VAR( ) σ, e COV(, j ) ρ j.σ.σ j 0. Seja P uma cartera, sto é: P w ode w Qual o retoro esperado da cartera, e qual o seu rsco (meddo pela sua varâca ou desvo padrão)? Tudo sso pode ser ecotrado a partr dos resultados mostrados esta aula. 38 Rsco e Retoro de um Portfolo O retoro esperado (ou retoro médo) do portfolo é: E ( P) w E( ) O rsco do portfolo é dado pela sua varâca (ou, preferecalmete, pelo seu desvo padrão, que está as mesmas udades que o retoro). w µ Rsco e Retoro de um Portfolo VAR( P) ode ρ j é w σ +. j w w ρ σ σ o coefcete de correlação etre e j Qual o efeto do segudo termo a equação acma? Iage que coseguíssemos ecotrar atvos com correlações egatvas. O efeto destes termos sera a redução da varâca do portfolo! Isto é o que está por trás da déa de dversfcação. A gete pode reduzr o rsco sem, ecessaramete, dmur o retoro. j j j 39 40
11 Rsco e Retoro de um Portfolo A otmzação de um portfolo é feta escolhedo-se os pesos w 's tal que alguma restrção é satsfeta. Um caso típco é: ecotre os pesos tal que, para um retoro especfcado, o rsco é mímo. Pode-se reescrever este problema como: Dado E(P) costate, ecotre os pesos w (,,...) sujetos à restrção w e que mmzem VAR(P). 4 Exemplo A segur trabalhamos com retoros dáros e costruímos portfolos compostos pelas segutes ações: TNLP4 (Telemar PN) ARCZ6 (Aracruz Celulose PN) Os retoros dáros (geométrcos) foram calculados etre //00 e 9/0/003. O gráfco a segur apreseta a evolução dos preços das duas ações o período. 4 Exemplo Exemplo 9.00 ARACRUZ E TELEMAR PN DESDE NOV/ O hstograma dos retoros dáros de ARCZ6 é: Hstograma - retoros dáros ARCZ ARCZ TNLP4 Freqüêca //00 30//00 0//00 5/0/00 05/0/00 7/0/00 9/03/00 09/04/00 9/04/00 0/05/00 0/06/00 8/06/00 9/07/00 08/08/00 8/08/00 7/09/00 07/0/00 5/0/00 4//00 05//00 7//00 0/0/003 07/0/003 7/0/003 /03/003 0/04/003 05/05/003 3/05/003 /06/003 03/07/003 4/07/003 3/08/003 0/09/003 /09/003 0/0/003 ARCZ6 (ARACRUZ PNB) TNLP4 (TELEMAR PN) % -8.5% -7.68% -6.84% -6.0% -5.7% -4.33% -3.50% 44 Bloco -.66% -.8% -0.99% -0.5% 0.69%.53%.36% 3.0% 4.04% 4.87% 5.7% 6.55% 7.39% 8.% Mas
12 Exemplo A correlação etre os retoros de TNLP4 e ARCZ6 é 0.53, e a méda e o desvo padrão dos retoros de cada uma das séres é: Retoros ARCZ6 TNLP4 méda 0.% 0.05% d,p..48%.5% Seja P α.arcz6 + (-α)tnlp4 o portfolo formado por α% de Aracruz e (-α)% de Telemar. Como varam o retoro esperado e o rsco do portfolo à medda que alteramos α? 45 Exemplo α (% de ARCZ6 o portfolo) rsco do portfolo(desvo padrão) retoro esperado %.5% %.4% %.3% %.% %.3% %.06% %.99% %.94% %.90% %.88% %.87% %.87% %.89% %.9% %.97% %.03% %.0% %.8% %.7% %.37% %.48% Estes são o retoro e o rsco do portfolo computados ao logo de todo o período (sto é, usado todos os retoros dáros dspoíves) Na próxma pága exbmos este gráfco em termos de α. Qual o α que leva ao portfolo de meor rsco? Você cosegue exergar que, o caso de um portfolo com atvos, a solução para este problema pode ser obtda aalmete, e de maera bem smples? 46 Exemplo retoro do portfolo 0.0% 0.0% 0.00% 0.090% 0.080% 0.070% 0.060% 0.050% 0.040% 0.030% Retoro e Rsco do portfolo Este é o portfolo de meor rsco detre todos os portfolos possíves. Para um rsco especfcado (por exemplo,.3% como mostrado esta reta verl), exstem portfolos costruídos a partr destas ações. Qual deles você escolhera? O de maor retoro. Exemplo Você quer motar um portfolo com dos atvos que têm as segutes caracteríss: Atvo A: retoro médo 3.6%, d.p. retoro 8% Atvo B: retoro médo.%, d.p. retoro 3% Supoha o caso mas geral, ode os dos atvos têm uma correlação r qualquer. Seja w a proporção do atvo A o portfolo. 0.00%.80%.90%.00%.0%.0%.30%.40%.50%.60% rsco do portfolo (desvo padrão) 47 48
13 Exemplo Qual o retoro médo do portfolo (em percetual)? Qual a varâca do portfolo em termos de w e ρ? Qual o peso (w) do atvo A que forece o portfolo de varâca míma como fução de ρ? Exemplo O retoro médo do portfolo é, em qualquer codção: E(P) w.e(a) + (-w).e(b) 3.6w/00 + (-w)(./00) {3.6w + (.-.w)}/00(.4w+.)/00 A varâca do portfolo é, como fução de w e ρ: Exemplo Exemplo VAR( P) w. VAR( A) + ( w). VAR( B) + w( w) ρ VAR( A) w ( w) 3 00 { 64w + 9( w + w ) + 48ρ( w w )} { 64w + 9 8w + 9w + 48ρw 48ρw } { 73w 48ρw w( 8 48ρ) + 9} + w( w) ρ VAR( B) O portfolo de varâca míma é ecotrado através de: dvar( P) 8 48ρ 9 4ρ 0 (73) w 96ρw (8 48ρ) 0 w dw 46 96ρ 73 48ρ O desvo padrão do portfolo é, em qualquer caso (como fução de w e ρ): dp( P) 73w 48ρw w(8 48ρ)
14 Exemplo Calcule, esta stuação, quem é o peso ótmo e o dp do portfolo quado r 0, 0., 0., 0.3, -0., -0., A dstrbução Normal Bvarada É uma dstrbução cojuta para duas varáves e, ambas Normas e, a prcípo depedetes. A desdade cojuta é dada por: Ode R é: f ( x, x ).exp. R π ( ρ ) σ ( ρ ) σ x µ x µ x µ x µ R +. ρ.. σ σ σ σ A dstrbução Normal Bvarada Esta desdade cojuta é chamada de desdade Normal Bvarada com parâmetros µ, µ, ρ, σ, σ, ode µ e µ são úmeros reas quasquer, ρ está restrto ao tervalo (-,) e σ, σ são postvos. Se (, ) ~ N( µ, µ, ρ, σ, σ ) etão: 55 A dstrbução Normal Bvarada A desdade margal de é N(µ,σ ) A desdade margal de é N(µ,σ ) As desdades codcoas também são Normas. A desdade codcoal de dado σ x é: ( x) ~ N µ + ρ.. ( x µ ), σ.( ρ ) A desdade codcoal de dado σ x é: ( x ) ~ N µ + ρ.. ( x µ ), σ.( ρ ) σ σ 56
15 A dstrbução Normal Bvarada Dada uma desdade Normal bvarada, quas são as suas caracteríss mas mportates? Pr( a < < b, c < < d) é ecotrada pela tegral dupla da desdade Normal bvarada sobre os tervalos (a, b) e (c, d). A tegral dupla sobre todos os valores de e da desdade Normal bvarada é um. 57 A dstrbução Normal Bvarada O parâmetro ρ a desdade Normal Bvarada é o coefcete de correlação etre e. Se ρ 0, e são descorrelatados, mas da expressão da desdade Normal bvarada podemos perceber que a desdade cojuta reduz-se ao produto das desdades margas. Logo, o caso da dstrbução Normal bvarada (e apeas ele!!!!), correlação zero é equvalete à depedêca etre as duas varáves aleatóras. 58 A dstrbução Normal Bvarada Os valores esperados das desdades codcoas são fuções leares. Por exemplo: E( x ). σ µ + ρ. x µ σ ( ) Note que este valor esperado é chamado de regressão de em e este caso percebemos que a fução de regressão é uma fução lear de. A dstrbução Normal Bvarada As varâcas das desdades codcoas são costates, e ão depedem do valor da varável em que se está codcoado. Por exemplo: ( ) VAR( x ) σ. ρ que ão depede de. Na verdade, quato maor (em módulo) a correlação etre e, meor é a varâca codcoal (maor a formação que trouxe para )
16 A dstrbução Normal Bvarada Isto é, se a correlação etre as duas varáves é grade (em módulo), o cohecmeto de uma das varáves (desdade codcoal) mplca uma redução substacal da certeza (varâca) da outra. Por outro lado, se a correlação etre as varáves é pequea, o efeto de cohecer uma varável sobre a certeza a desdade codcoal é pequeo também, e a varâca codcoal está próxma da varâca da varável "sozha" ( varâca da desdade margal). No lmte, se ρ 0, as varáves são depedetes, e cohecer uma delas ão traz qualquer formação sobre a outra varável. A dstrbução Normal Bvarada - Exemplo Sejam ~ N(0, ) e ~ N(0, 4). Escreva a desdade Normal bvarada este caso em fução de ρ e calcule as desdades codcoas quado ρ 0.5, -0.5, 0, 0.8, Solução x x x x f ( x, x).exp.. ρ.. + π ()() ρ ( ρ ) 6 6 A dstrbução Normal Bvarada - Exemplo Lembramos ovamete que o caso ρ 0 correspode à depedêca etre e, pos este caso a desdade cojuta ateror é apeas o produto das margas, que são N(0,) e N(0,4). A desdade codcoal de dado x é Normal, com méda e varâca dadas por: 63 A dstrbução Normal Bvarada - Exemplo E( x ) 0 + ρ.. ( x 0). ρ. x ( ) VAR( x ).( ρ ) 4.( ρ ) A desdade codcoal de dado x é Normal com méda e varâca dadas por: E( x ) 0 + ρ.. ( x 0 ). ρ. x ( ) VAR( x ).( ρ ) ρ 64
17 A dstrbução Normal Bvarada - Exemplo A próxma tabela exbe os valores das médas e varâcas codcoas para os valores de ρ especfcados. ρ E( x) VAR( x) E( x) VAR( x) -0.8 (-.6)x 4(0.36).44 (-0.4)x (-.0)x 4(0.75) 3.00 (-0.5)x (+.0)x 4(0.75) 3.00 (+0.5)x (+.6)x 4(0.36).44 (+0.4)x A dstrbução Normal Bvarada - Exemplo Da tabela otamos que, a varâca codcoal de (quado ão é levado em cosderação, ou quado as duas varáves são depedetes) é 4. Esta varâca se reduz quado o coefcete de correlação aumeta em módulo. A méda codcoal de dado x ão depede de x quado as varáves são depedetes, e é uma reta quado ρ 0. O coefcete agular desta reta vara de acordo com o valor de ρ, podedo ser egatvo ou postvo. Cometáros semelhates se aplcam à dstrbução codcoal de dado x. 66 A dstrbução Normal Bvarada - Exemplo A segur mostramos desdades Normas bvaradas com µ e µ 0, σ σ (4) 6 e ρ com dversos valores. A dstrbução Normal Bvarada - Exemplo ρ -0.8 (Desdade Bvarada) Verfque e compare as curvas de ível destas desdades
18 A dstrbução Normal Bvarada - Exemplo ρ -0.8 (Curvas de Nível são ELIPSES!) A dstrbução Normal Bvarada - Exemplo ρ -0.8 (Desdade Codcoal de dado ) A dstrbução Normal Bvarada - Exemplo ρ -0.8 (Desdade Codcoal de dado ) A dstrbução Normal Bvarada - Exemplo ρ 0 (Desdade Bvarada) 7 7
19 A dstrbução Normal Bvarada - Exemplo ρ 0 (Curvas de Nível são CÍRCULOS) A dstrbução Normal Bvarada - Exemplo ρ +0.8 (Desdade Bvarada) A dstrbução Normal Bvarada - Exemplo ρ +0.8 (Curvas de Nível são ELIPSES!) Dstrbução Normal bvarada (para casa) Num certo state de tempo, as taxas de juros de 30 e 60 das têm, cojutamete, uma dstrbução Normal bvarada com médas 6% e 6.8% ao ao, e desvos padrões 4% e 5% ao ao respectvamete. A correlação etre as taxas é 90%. Calcule: 75 76
20 Dstrbução Normal bvarada (para casa) a) A probabldade da taxa de 30 das estar etre 4% e 8%. b) A probabldade da taxa de 60 das estar etre 4% e 8%. c) A probabldade da taxa de 30 das estar etre 4% e 8% sabedo que a taxa de 60 das está hoje em %. d) A probabldade da taxa de 30 das estar etre 4% e 8% sabedo que a taxa de 60 das está hoje em 5%. e) A probabldade da taxa de 60 das estar etre 4% e 8% sabedo que a taxa de 30 das está hoje em 8%. 77 Dstrbução Normal bvarada (para casa) Fez-se uma pesqusa de preços de roupas masculas um shoppg ceter. Uma amostra dos produtos exstetes revela que o preço das calças é uma varável Normal com méda R$ 80 e desvo padrão R$ 30. O preço das camsas é, por sua vez, uma varável Normal com méda R$ 60 e desvo padrão R$ 5. A correlação etre os preços de calças e camsas é 0.6. Calcule as segutes probabldades: a) De um par de calças custar etre R$ 60 e R$ Dstrbução Normal bvarada (para casa) b) De um par de calças custar etre R$ 60 e R$ 95 sabedo que uma camsa custa R$ 75 esta loja. c) De um par de calças custar etre R$ 60 e R$ 95 sabedo que uma camsa custa R$ 50 esta loja. d) Qual é a dstrbução codcoal dos preços das camsas sabedo que o preço das calças é R$ 00? e) Qual é a dstrbução codcoal dos preços das camsas sabedo que o preço das calças é R$ 70? 79
NOTA: ESCREVA AS RESPOSTAS COMO FRAÇÕES OU COM 4 CASAS DECIMAIS NOTA 2: O FORMULÁRIO ESTÁ NO FINAL DA PROVA
IND 5 Iferêca Estatístca Semestre 007.0 Teste 4 //007 Nome: NOTA: ESCREVA AS RESPOSTAS COMO FRAÇÕES OU COM 4 CASAS DECIMAIS NOTA : O FORMULÁRIO ESTÁ NO FINAL DA PROVA PROBLEMA (5 potos) Em cada questão
Leia maisEstatística Descritiva. Medidas estatísticas: Localização, Dispersão
Estatístca Descrtva Meddas estatístcas: Localzação, Dspersão Meddas estatístcas Localzação Dspersão Meddas estatístcas - localzação Méda artmétca Dados ão agrupados x x Dados dscretos agrupados x f r x
Leia maisRegressão Simples. Parte III: Coeficiente de determinação, regressão na origem e método de máxima verossimilhança
Regressão Smples Parte III: Coefcete de determação, regressão a orgem e método de máxma verossmlhaça Coefcete de determação Proporção da varabldade explcada pelo regressor. R Varação explcada Varação total
Leia maisMEDIDAS DE DISPERSÃO:
MEDID DE DIPERÃO: fução dessas meddas é avalar o quato estão dspersos os valores observados uma dstrbução de freqüêca ou de probabldades, ou seja, o grau de afastameto ou de cocetração etre os valores.
Leia maisRegressao Simples. Parte II: Anova, Estimação Intervalar e Predição
egressao Smples Parte II: Aova, Estmação Itervalar e Predção Aálse de Varâca Nem todos os valores das amostras estão cotdos a reta de regressão, e quato mas afastados estverem por, a reta represetará a
Leia maisMEDIDAS DE POSIÇÃO: X = soma dos valores observados. Onde: i 72 X = 12
MEDIDAS DE POSIÇÃO: São meddas que possbltam represetar resumdamete um cojuto de dados relatvos à observação de um determado feômeo, pos oretam quato à posção da dstrbução o exo dos, permtdo a comparação
Leia maisx n = n ESTATÍSTICA STICA DESCRITIVA Conjunto de dados: Organização; Amostra ou Resumo; Apresentação. População
ESTATÍSTICA STICA DESCRITIVA Prof. Lorí Val, Dr. val@mat.ufrgs.br http://.ufrgs.br/~val/ Orgazação; Resumo; Apresetação. Cojuto de dados: Amostra ou População Um cojuto de dados é resumdo de acordo com
Leia maisRevisão de Estatística X = X n
Revsão de Estatístca MÉDIA É medda de tedêca cetral mas comumete usada ara descrever resumdamete uma dstrbução de freqüêca. MÉDIA ARIMÉTICA SIMPLES São utlzados os valores do cojuto com esos guas. + +...
Leia maisMAE0229 Introdução à Probabilidade e Estatística II
Exercíco Cosdere a dstrbução expoecal com fução de desdade de probabldade dada por f (y; λ) = λe λy, em que y, λ > 0 e E(Y) = /λ Supor que o parâmetro λ pode ser expresso proporcoalmete aos valores de
Leia maisEconometria: 3 - Regressão Múltipla
Ecoometra: 3 - Regressão Múltpla Prof. Marcelo C. Mederos mcm@eco.puc-ro.br Prof. Marco A.F.H. Cavalcat cavalcat@pea.gov.br Potfíca Uversdade Católca do Ro de Jaero PUC-Ro Sumáro O modelo de regressão
Leia maisCAPÍTULO 3 MEDIDAS DE TENDÊNCIA CENTRAL E VARIABILIDADE PPGEP Medidas de Tendência Central Média Aritmética para Dados Agrupados
3.1. Meddas de Tedêca Cetral CAPÍTULO 3 MEDIDA DE TENDÊNCIA CENTRAL E VARIABILIDADE UFRG 1 Há váras meddas de tedêca cetral. Etre elas ctamos a méda artmétca, a medaa, a méda harmôca, etc. Cada uma dessas
Leia maisDistribuições Amostrais. Estatística. 8 - Distribuições Amostrais UNESP FEG DPD
Dstrbuções Amostras Estatístca 8 - Dstrbuções Amostras 08- Dstrbuções Amostras Dstrbução Amostral de Objetvo: Estudar a dstrbução da população costtuída de todos os valores que se pode obter para, em fução
Leia maisDistribuições de Probabilidades
Estatístca - aulasestdstrnormal.doc 0/05/06 Dstrbuções de Probabldades Estudamos aterormete as dstrbuções de freqüêcas de amostras. Estudaremos, agora, as dstrbuções de probabldades de populações. A dstrbução
Leia maisÉ o grau de associação entre duas ou mais variáveis. Pode ser: correlacional ou. experimental.
É o grau de assocação etre duas ou mas varáves. Pode ser: correlacoal ou Prof. Lorí Val, Dr. val@mat.ufrgs.r http://www.mat.ufrgs.r/~val/ expermetal. Numa relação expermetal os valores de uma das varáves
Leia maisNas Instituições de Ensino Superior(IES), há uma relação direta entre a qualidade do ensino e a taxa de inadimplência. A taxa de inadimplência das
CORRELAÇÃO Nas Isttuções de Eso Superor(IES), há uma relação dreta etre a qualdade do eso e a taxa de admplêca. A taxa de admplêca das IES que obtveram cocetos A e B o Provão é,%, as que obtveram C é 6%
Leia maisEstatística. 2 - Estatística Descritiva
Estatístca - Estatístca Descrtva UNESP FEG DPD Prof. Edgard - 0 0- ESTATÍSTICA DESCRITIVA Possblta descrever as Varáves: DESCRIÇÃO GRÁFICA MEDIDAS DE POSIÇÃO MEDIDAS DE DISPERSÃO MEDIDAS DE ASSIMETRIA
Leia maisDados Experimentais. Isto é chamado de experimento controlado. Uma das vantagens
Dados xpermetas Para medr a produção de certa varedade de mlho, faremos um expermeto o qual a varedade de mlho semete é platada em váras parcelas homogêeas com o mesmo fertlzate, pestcda etc. Depos mede-se
Leia maisNOTAS DE AULA DA DISCIPLINA CE076. ], T 2 = conhecido como T 2 de Hotelling
4 INFERÊNCIA SOBRE O VETOR DE MÉDIAS 4. TESTE PARA UM VETOR DE MÉDIAS µ Lembrado o caso uvarado: H : µ = µ H : µ µ Nível de sgfcâca: α Estatístca do teste: X µ t = s/ ~ t Decsão: se t > t - (α/) rejeta-se
Leia maisREGRESSÃO LINEAR 05/10/2016 REPRESENTAÇAO MATRICIAL. Y i = X 1i + 2 X 2i k X ni + i Y = X + INTRODUÇÃO SIMPLES MÚLTIPLA
REGRESSÃO LINEAR CUIABÁ, MT 6/ INTRODUÇÃO Relação dos valores da varável depedete (varável resposta) aos valores de regressoras ou exógeas). SIMPLES MÚLTIPLA (varáves depedetes,... =,,, K=,,, k em que:
Leia maisESTATÍSTICA APLICADA À ZOOTECNIA
ESTATÍSTICA APLICADA À ZOOTECNIA Eucldes Braga MALHEIROS *. INTRODUÇÃO.a) Somatóras e Produtóros Sejam,, 3,...,, valores umércos. A soma desses valores (somatóra) pode ser represetada por: = = = =. e o
Leia maisFaculdade de Tecnologia de Catanduva CURSO SUPERIOR DE TECNOLOGIA EM AUTOMAÇÃO INDUSTRIAL
Faculdade de Tecologa de Cataduva CURSO SUPERIOR DE TECNOLOGIA EM AUTOMAÇÃO INDUSTRIAL 5. Meddas de Posção cetral ou Meddas de Tedêca Cetral Meddas de posção cetral preocupam-se com a caracterzação e a
Leia maisMEDIDAS DE TENDÊNCIA CENTRAL I
Núcleo das Cêcas Bológcas e da Saúde Cursos de Bomedca, Ed. Físca, Efermagem, Farmáca, Fsoterapa, Fooaudologa, edca Veterára, uscoterapa, Odotologa, Pscologa EDIDAS DE TENDÊNCIA CENTRAL I 7 7. EDIDAS DE
Leia maisRACIOCÍNIO LÓGICO / ESTATÍSTICA LISTA 2 RESUMO TEÓRICO
RACIOCÍIO LÓGICO - Zé Carlos RACIOCÍIO LÓGICO / ESTATÍSTICA LISTA RESUMO TEÓRICO I. Cocetos Icas. O desvo médo (DM), é a méda artmétca dos desvos de cada dado da amostra em toro do valor médo, sto é x
Leia maisParte 3 - Regressão linear simples
Parte 3 - Regressão lear smples Defção do modelo Modelo de regressão empregado para eplcar a relação lear etre duas varáves (ajuste de uma reta). O modelo de regressão lear smples pode ser epresso a forma:
Leia mais( k) Tema 02 Risco e Retorno 1. Conceitos Básicos
FEA -USP Graduação Cêcas Cotábes EAC05 04_0 Profa. Joaíla Ca. Rsco e Retoro. Cocetos Báscos Rotero BE-cap.6 Tema 0 Rsco e Retoro. Cocetos Báscos I. O que é Retoro? II. Qual é o Rsco de um Atvo Idvdual
Leia maisEstatística: Aplicação ao Sensoriamento Remoto SER ANO Estimação Pontual
Estatístca: Aplcação ao Sesorameto Remoto SER 04 - ANO 08 Estmação Potual Camlo Daleles Reó camlo@dp.pe.br http://www.dp.pe.br/~camlo/estatstca/ Iferêca Estatístca Cosdere o expermeto: retram-se 3 bolas
Leia maisEstatística - exestatmeddisper.doc 25/02/09
Estatístca - exestatmeddsper.doc 5/0/09 Meddas de Dspersão Itrodução ão meddas estatístcas utlzadas para avalar o grau de varabldade, ou dspersão, dos valores em toro da méda. ervem para medr a represetatvdade
Leia maisMédia. Mediana. Ponto Médio. Moda. Itabira MEDIDAS DE CENTRO. Prof. Msc. Emerson José de Paiva 1 BAC011 - ESTATÍSTICA. BAC Estatística
BAC 0 - Estatístca Uversdade Federal de Itajubá - Campus Itabra BAC0 - ESTATÍSTICA ESTATÍSTICA DESCRITIVA MEDIDAS DE CENTRO Méda Medda de cetro ecotrada pela somatóra de todos os valores de um cojuto,
Leia maisDISTRIBUIÇÃO HIPERGEOMÉTRICA
7 DISTRIBUIÇÃO HIPERGEOMÉTRICA Cosdere-se uma população fta costtuída por N elemetos dstrbuídos por duas categoras eclusvas e eaustvas de dmesões M e N M, respectvamete. Os elemetos da prmera categora
Leia mais50 Logo, Número de erros de impressão
Capítulo 3 Problema. (a) Sedo o úmero médo de erros por pága, tem-se: 5 + + 3 + 3 + 4 33,66 5 5 Represetado o úmero medao de erros por md, tem-se, pela ordeação dos valores observados, que os valores de
Leia maisDifusão entre Dois Compartimentos
59087 Bofísca II FFCLRP USP Prof. Atôo Roque Aula 4 Dfusão etre Dos Compartmetos A le de Fck para membraas (equação 4 da aula passada) mplca que a permeabldade de uma membraa a um soluto é dada pela razão
Leia maisMacroeconometria Aula 3 Revisão de estatística e teste de hipótese
Macroecoometra 008. Aula 3 Revsão de estatístca e teste de hpótese 3.5. Estmação No estudo das probabldades, o objetvo é calcular a probabldade de evetos préespecfcados. De agora em date o objetvo muda.
Leia maisAula 9. Aula de hoje. Aula passada. Self-normalized Importance Sampling Gerando amostras complicadas Variância amostral Simulação
Aula 9 Aula passada Método da rejeção (rejecto samplg) Exemplos Importace Samplg Exemplos Geeralzação Aula de hoje Self-ormalzed Importace Samplg Gerado amostras complcadas Varâca amostral Smulação Importace
Leia maisExercícios - Sequências de Números Reais (Solução) Prof Carlos Alberto S Soares
Exercícos - Sequêcas de Números Reas (Solução Prof Carlos Alberto S Soares 1 Dscuta a covergêca da sequẽca se(2. Calcule, se exstr, lm se(2. Solução 1 Observe que se( 2 é lmtada e 1/ 0, portato lm se(2
Leia maisProfessor Mauricio Lutz REGRESSÃO LINEAR SIMPLES. Vamos, então, calcular os valores dos parâmetros a e b com a ajuda das formulas: ö ; ø.
Professor Maurco Lutz 1 EGESSÃO LINEA SIMPLES A correlação lear é uma correlação etre duas varáves, cujo gráfco aproma-se de uma lha. O gráfco cartesao que represeta essa lha é deomado dagrama de dspersão.
Leia maisCap. 5. Testes de Hipóteses
Cap. 5. Testes de Hpóteses Neste capítulo será estudado o segudo problema da ferêca estatístca: o teste de hpóteses. Um teste de hpóteses cosste em verfcar, a partr das observações de uma amostra, se uma
Leia maisEm muitas situações duas ou mais variáveis estão relacionadas e surge então a necessidade de determinar a natureza deste relacionamento.
Prof. Lorí Val, Dr. val@pucrs.r http://www.pucrs.r/famat/val/ Em mutas stuações duas ou mas varáves estão relacoadas e surge etão a ecessdade de determar a atureza deste relacoameto. A aálse de regressão
Leia mais? Isso é, d i= ( x i. . Percebeu que
Estatístca - Desvo Padrão e Varâca Preparado pelo Prof. Atoo Sales,00 Supoha que tehamos acompahado as otas de quatro aluos, com méda 6,0. Aluo A: 4,0; 6,0; 8,0; méda 6,0 Aluo B:,0; 8,0; 8,0; méda 6,0
Leia maisTeoria Elementar da Probabilidade. a) Cada experiência poderá ser repetida indefinidamente sob condições essencialmente inalteradas.
Estatístca 47 Estatístca 48 Teora Elemetar da Probabldade SPECTOS PERTINENTES À CRCTERIZÇÃO DE UM EXPERIÊNCI LETÓRI MODELOS MTEMÁTICOS DETERMINÍSTICOS PROBBILÍSTICOS PROCESSO (FENÓMENO) LETÓRIO - Quado
Leia maisNúmeros Complexos. 2. (IME) Seja z um número complexo de módulo unitário que satisfaz a condição z 2n 1, onde n é um número inteiro positivo.
Números Complexos. (IME) Cosdere os úmeros complexos Z se α cos α e Z cos α se α ode α é um úmero real. Mostre que se Z Z Z etão R e (Z) e I m (Z) ode R e (Z) e I m (Z) dcam respectvamete as partes real
Leia maisModelo de Regressão Simples
Modelo de Regressão Smples Hstora Hstóra Termo regressão fo troduzdo por Fracs Galto (8-9). Estudo sobre altura de pas e flhos. Karl Pearso coletou mas de ml regstros e verfcou a le de regressão uversal
Leia maisRelatório 2ª Atividade Formativa UC ECS
Relatóro 2ª Atvdade Formatva Eercíco I. Quado a dstrbução de dados é smétrca ou apromadamete smétrca, as meddas de localzação méda e medaa, cocdem ou são muto semelhates. O mesmo ão acotece quado a dstrbução
Leia maisTeoria das Comunicações
Teora das Comucações.6ª Revsão de robabldade rof. dré Noll arreto rcíos de Comucação robabldade Cocetos áscos Eermeto aleatóro com dversos resultados ossíves Eemlo: rolar um dado Evetos são cojutos de
Leia maisOrganização; Resumo; Apresentação.
Prof. Lorí Val, Dr. val@ufrgs.br http://www.ufrgs.br/~val/ Grade Cojutos de Dados Orgazação; Resumo; Apresetação. Amostra ou População Defetos em uma lha de produção Lascado Deseho Torto Deseho Torto Lascado
Leia maisEconometria: 4 - Regressão Múltipla em Notação Matricial
Ecoometra: 4 - Regressão últpla em Notação atrcal Prof. arcelo C. ederos mcm@eco.puc-ro.br Prof. arco A.F.H. Cavalcat cavalcat@pea.gov.br Potfíca Uversdade Católca do Ro de Jaero PUC-Ro Sumáro O modelo
Leia maisMÓDULO 8 REVISÃO REVISÃO MÓDULO 1
MÓDULO 8 REVISÃO REVISÃO MÓDULO A Estatístca é uma técca que egloba os métodos cetícos para a coleta, orgazação, apresetação, tratameto e aálse de dados. O objetvo da Estatístca é azer com que dados dspersos
Leia maisTópicos Extras 2ª parte. Análise de Correlação e Regressão
Tópcos Extras ª parte Aálse de Correlação e Regressão 1 Defções báscas ANÁLISE DE CORRELAÇÃO Mesurar a força da assocação etre as varáves (geralmete através do cálculo de algum coefcete). ANÁLISE DE REGRESSÃO
Leia maisANÁLISE DE ERROS. Todas as medidas das grandezas físicas deverão estar sempre acompanhadas da sua dimensão (unidades)! ERROS
ANÁLISE DE ERROS A oservação de um feómeo físco ão é completa se ão pudermos quatfcá-lo. Para é sso é ecessáro medr uma propredade físca. O processo de medda cosste em atrur um úmero a uma propredade físca;
Leia maisA análise de variância de uma classificação (One-Way ANOVA) verifica se as médias de k amostras independentes (tratamentos) diferem entre si.
Prof. Lorí Va, Dr. http://www. ufrgs.br/~va/ va@mat.ufrgs.br aáse de varâca de uma cassfcação (Oe-Way NOV) verfca se as médas de amostras depedetes (tratametos) dferem etre s. Um segudo tpo de aáse de
Leia maisCapítulo V - Interpolação Polinomial
Métodos Numércos C Balsa & A Satos Capítulo V - Iterpolação Polomal Iterpolação Cosdere o segute couto de dados: x : x0 x x y : y y y 0 m m Estes podem resultar de uma sequêca de meddas expermetas, ode
Leia maisProf. Janete Pereira Amador 1
Prof. Jaete Perera Amador 1 1 Itrodução Mutas stuações cotdaas podem ser usadas como expermeto que dão resultados correspodetes a algum valor, e tas stuações podem ser descrtas por uma varável aleatóra.
Leia maisIND 1115 Inferência Estatística Aula 9
Coteúdo IND 5 Iferêca Estatístca Aula 9 Outubro 2004 Môca Barros Dfereça etre Probabldade e Estatístca Amostra Aleatóra Objetvos da Estatístca Dstrbução Amostral Estmação Potual Estmação Bayesaa Clássca
Leia maisESTATÍSTICA Exame Final 1ª Época 3 de Junho de 2002 às 14 horas Duração : 3 horas
Faculdade de cooma Uversdade Nova de Lsboa STTÍSTIC xame Fal ª Época de Juho de 00 às horas Duração : horas teção:. Respoda a cada grupo em folhas separadas. Idetfque todas as folhas.. Todas as respostas
Leia maisCapítulo 5: Ajuste de curvas pelo método dos mínimos quadrados
Capítulo : Ajuste de curvas pelo método dos mímos quadrados. agrama de dspersão No capítulo ateror estudamos uma forma de ldar com fuções matemátcas defdas por uma taela de valores. Frequetemete o etato
Leia maisd s F = m dt Trabalho Trabalho
UNIVERSIDADE DO ESTADO DE MATO GROSSO CAMPUS UNIVERSITÁRIO DE SINOP FACULDADE DE CIÊNCIAS EXATAS E TECNOLÓGICAS CURSO DE ENGENHARIA CIVIL DISCIPLINA: CÁLCULO DIFERENCIAL E INTEGRAL I Trabalho 1. Itrodução
Leia maisÉ o grau de associação entre duas ou mais variáveis. Pode ser: correlacional ou experimental.
Prof. Lorí Val, Dr. val@mat.ufrgs.br http://www.mat.ufrgs.br/~val/ É o grau de assocação etre duas ou mas varáves. Pode ser: correlacoal ou expermetal. Numa relação expermetal os valores de uma das varáves
Leia maisProbabilidades e Estatística LEE, LEIC-A, LEIC-T, LEMat, LERC, MEBiol, MEBiom, MEEC, MEFT, MEMec, MEQ
Duração: 90 mutos Grupo I Probabldades e Estatístca LEE, LEIC-A, LEIC-T, LEMat, LERC, MEBol, MEBom, MEEC, MEFT, MEMec, MEQ Justfque coveetemete todas as respostas 1 o semestre 018/019 10/01/019 09:00 o
Leia maisCentro de Ciências Agrárias e Ambientais da UFBA Departamento de Engenharia Agrícola
Cetro de Cêcas Agráras e Ambetas da UFBA Departameto de Egehara Agrícola Dscpla: AGR Boestatístca Professor: Celso Luz Borges de Olvera Assuto: Estatístca TEMA: Somatóro RESUMO E NOTAS DA AULA Nº 0 Seja
Leia mais9 Medidas Descritivas
1 9 Meddas Descrtvas Vmos aterormete que um cojuto de dados pode ser resumdo através de uma dstrbução de freqüêcas, e que esta pode ser represetada através de uma tabela ou de um gráfco. Se o cojuto refere-se
Leia maisAvaliação da qualidade do ajuste
Avalação da qualdade do ajuste 1 Alguma termologa: Modelo ulo: é o modelo mas smples que pode ser defdo, cotedo um úco parâmetro ( µ) comum a todos os dados; Modelo saturado: é o modelo mas complexo a
Leia maisn. A densidade de corrente associada a esta espécie iônica é J n. O modelo está ilustrado na figura abaixo.
Equlíbro e o Potecal de Nerst 5910187 Bofísca II FFCLRP USP Prof. Atôo Roque Aula 11 Nesta aula, vamos utlzar a equação para o modelo de eletrodfusão o equlíbro obtda a aula passada para estudar o trasporte
Leia maisREGESD Prolic Matemática e Realidade- Profª Suzi Samá Pinto e Profº Alessandro da Silva Saadi
REGESD Prolc Matemátca e Realdade- Profª Suz Samá Pto e Profº Alessadro da Slva Saad Meddas de Posção ou Tedêca Cetral As meddas de posção ou meddas de tedêca cetral dcam um valor que melhor represeta
Leia maisConstrução e Análise de Gráficos
Costrução e Aálse de Gráfcos Por que fazer gráfcos? Facldade de vsualzação de cojutos de dados Faclta a terpretação de dados Exemplos: Egehara Físca Ecooma Bologa Estatístca Y(udade y) 5 15 1 5 Tabela
Leia maisHIDROLOGIA E RECURSOS HÍDRICOS. Análise estatística aplicada à hidrologia
Aálse estatístca aplcada à hdrologa. Séres hdrológcas oções complemetares HIDROLOGIA E RECURSOS HÍDRICOS Aálse estatístca aplcada à hdrologa O Egehero HIDRÁULICO Echerá? Que população pode abastecer e
Leia maisNOTAS DE AULA DA DISCIPLINA CE076 = 2. ], T 2 = conhecido como T 2 de Hotelling
NOTAS DE AULA DA DISCIPLINA CE76 4 INFERÊNCIA SOBRE O VETOR DE MÉDIAS 4. TESTE PARA UM VETOR DE MÉDIAS µ Lembrado o caso uvarado: H : µ µ H : µ µ Nível de sfcâca: α Estatístca do teste: t X µ s/ ~ t Decsão:
Leia maisESTATÍSTICA Aula 7. Prof. Dr. Marco Antonio Leonel Caetano
ESTATÍSTICA Aula 7 Prof. Dr. Marco Atoo Leoel Caetao Dstrbuções de Probabldade DISCRETAS CONTÍNUAS (Números teros) Bomal Posso Geométrca Hper-Geométrca Pascal (Números reas) Normal t-studet F-Sedecor Gama
Leia maisEstimação pontual, estimação intervalar e tamanho de amostras
Estmação potual, estmação tervalar e tamaho de amostras Iferêca: por meo das amostras, cohecer formações geras da população. Problemas de ferêca, em geral, se dvdem em estmação de parâmetros e testes de
Leia maisx Ex: A tabela abaixo refere-se às notas finais de três turmas de estudantes. Calcular a média de cada turma:
Professora Jaete Perera Amador 1 9 Meddas Descrtvas Vmos aterormete que um cojuto de dados pode ser resumdo através de uma dstrbução de freqüêcas, e que esta pode ser represetada através de uma tabela
Leia maisOitava Lista de Exercícios
Uversdade Federal Rural de Perambuco Dscpla: Matemátca Dscreta I Professor: Pablo Azevedo Sampao Semestre: 07 Otava Lsta de Exercícos Lsta sobre defções dutvas (recursvas) e prova por dução Esta lsta fo
Leia maisSumário. Mecânica. Sistemas de partículas
umáro Udade I MECÂNICA 2- Cetro de massa e mometo lear de um sstema de partículas - stemas de partículas e corpo rígdo. - Cetro de massa. - Como determar o cetro de massa dum sstema de partículas. - Vetor
Leia maisFaculdade de Economia, Administração e Contabilidade de Ribeirão Preto
Faculdade de Ecooma, Admstração e Cotabldade de Rberão Preto Ecooma Moetára Curso de Ecooma / º. Semestre de 014 Profa. Dra. Rosel da Slva Nota de aula CAPM Itrodução Há dos modelos bastate utlzados para
Leia maisEstatística Básica - Continuação
Professora Adraa Borsso http://www.cp.utfpr.edu.br/borsso adraaborsso@utfpr.edu.br COEME - Grupo de Matemátca Meddas de Varabldade ou Dspersão Estatístca Básca - Cotuação As meddas de tedêca cetral, descrtas
Leia maisUnidade II ESTATÍSTICA
ESTATÍSTICA Udade II 3 MEDIDAS OU PARÂMETROS ESTATÍSTICOS 1 O estudo que fzemos aterormete dz respeto ao agrupameto de dados coletados e à represetação gráfca de algus deles. Cumpre agora estudarmos as
Leia maisMAE 5776 ANÁLISE MULTIVARIADA. Júlia M Pavan Soler
MAE 5776 ANÁLISE MULTIVARIADA Júla M Pava Soler ava@me.us.br º Semestre IME/09 Baco de Dados: Dados Multvarados Varáves Udades Amostras j j j j j j : Matrz de Dados resosta do -ésmo dvíduo a j-ésma varável
Leia maisEstudo do intervalo de confiança da regressão inversa utilizando o software R
Estudo do tervalo de cofaça da regressão versa utlzado o software R Llae Lopes Cordero João Domgos Scalo. Itrodução Na maora das aplcações evolvedo regressão, determa-se o valor de Y correspodete a um
Leia maisCONHECIMENTOS ESPECÍFICOS
CONHECIMENTOS ESPECÍFICOS Uma uversdade oferece um curso para capactação profssoal de joves caretes. Ao fal do curso, cada jovem partcpate será avalado por meo de uma prova teórca e de uma prova prátca,
Leia maisAtividades Práticas Supervisionadas (APS)
Uversdade Tecológca Federal do Paraá Prof: Lauro Cesar Galvão Campus Curtba Departameto Acadêmco de Matemátca Cálculo Numérco Etrega: juto com a a parcal DATA DE ENTREGA: da da a PROVA (em sala de aula
Leia maisProbabilidades e Estatística LEGM, LEIC-A, LEIC-T, MA, MEMec
Duração: 90 mutos Grupo I Probabldades e Estatístca LEGM, LEIC-A, LEIC-T, MA, MEMec Justfque coveetemete todas as respostas 2 o semestre 2017/2018 14/06/2018 11:00 2 o Teste B 10 valores 1. Os dvíduos
Leia maisForma padrão do modelo de Programação Linear
POGAMAÇÃO LINEA. Forma Padrão do Modelo de Programação Lear 2. elações de Equvalêca 3. Suposções da Programação Lear 4. Eemplos de Modelos de PPL 5. Suposções da Programação Lear 6. Solução Gráfca e Iterpretação
Leia maisIntrodução à Estatística
Itrodução à Estatístca Júlo Cesar de C. Balero Estatístca É a cêca que se preocupa com: () Orgazação; () Descrção; () Aálses; (v) Iterpretações. Estatístca Descrtva Estatístca Idutva ou Estatístca Ierecal
Leia maisa) 1,8 e 4,6. b) 2,0 e 2,2. c) 1,8 e 5,2. d) 2,0 e 4,6. e) 2,0 e 1,9.
Questão : As otas de dez aluos, um exame, estão dadas a segur:, 5, 8, 3, 6, 5, 8, 7, 6, 0 O desvo médo e a varâca dessas otas podem ser expressos, respectvamete, por: a),8 e 4,6 b),0 e, c),8 e 5, d),0
Leia mais2. MODELO DETALHADO: Relações de Recorrência. Exemplo: Algoritmo Recursivo para Cálculo do Fatorial Substituição Repetida
. MODELO DETALHADO: Relações de Recorrêca Exemplo: Algortmo Recursvo para Cálculo do Fatoral Substtução Repetda T T ( ) ( ) t 1, T ( + t, > T ( ) T ( + t T ( ) ( T( ) + t + t ) + t T ( ) T ( ) T ( ) +
Leia maisEstudo das relações entre peso e altura de estudantes de estatística através da análise de regressão simples.
Estudo das relações etre peso e altura de estudates de estatístca através da aálse de regressão smples. Waessa Luaa de Brto COSTA 1, Adraa de Souza COSTA 1. Tago Almeda de OLIVEIRA 1 1 Departameto de Estatístca,
Leia maisTabela 1 Números de acidentes /mês no Cruzamento X em CG/07. N de acidentes / mês fi f
Lsta de exercícos Gabarto e chave de respostas Estatístca Prof.: Nelse 1) Calcule 1, e para o segute cojuto de valores. A,1,8,0,11,,7,8,6,,9, 1 O úmero que correspode a 5% do rol é o valor. O úmero que
Leia maisÉ o grau de associação entre duas ou mais variáveis. Pode ser: correlacional ou experimental.
Prof. Lorí Val, Dr. val@mat.ufrgs.br http://www.mat.ufrgs.br/~val/ É o grau de assocação entre duas ou mas varáves. Pode ser: correlaconal ou expermental. Numa relação expermental os valores de uma das
Leia maisn. A densidade de corrente associada a esta espécie iônica é J n. O modelo está ilustrado na figura abaixo.
5910187 Bofísca II FFCLRP USP Prof. Atôo Roque Aula 6 Equlíbro e o Potecal de Nerst Nesta aula, vamos utlzar a equação para o modelo de eletrodfusão o equlíbro obtda a aula passada para estudar o trasporte
Leia maisLista de Exercícios #4 Assunto: Variáveis Aleatórias Contínuas
. ANPEC 8 - Questão Seja x uma variável aleatória com fução desidade de probabilidade dada por: f(x) = x, para x f(x) =, caso cotrário. Podemos afirmar que: () E[x]=; () A mediaa de x é ; () A variâcia
Leia maisIntrodução à Estatística. Júlio Cesar de C. Balieiro 1
Itrodução à Estatístca Júlo Cesar de C. Balero Estatístca É a cêca que se preocupa com: () Orgazação; () Descrção; () Aálses; (v) Iterpretações. Estatístca Descrtva Estatístca Idutva ou Estatístca Ierecal
Leia maisProf. Lorí Viali, Dr. PUCRS FAMAT: Departamento de Estatística Prof. Lorí Viali, Dr. PUCRS FAMAT: Departamento de Estatística
Prof. Lorí Val, Dr. http://www.pucrs.br/famat/val/ val@pucrs.br Prof. Lorí Val, Dr. PUCRS FAMAT: Departameto de Estatístca Prof. Lorí Val, Dr. PUCRS FAMAT: Departameto de Estatístca Obetvos A Aálse de
Leia maisCálculo Numérico. Ajuste de Curvas Método dos Mínimos Quadrados. Profa. Vanessa Rolnik 1º semestre 2015
Cálculo Numérco Ajuste de Curvas Método dos Mímos Quadrados Profa. Vaessa Rolk º semestre 05 Ajuste de curvas Para apromar uma fução f por um outra fução de uma famíla prevamete escolhda (caso cotíuo)
Leia mais8 Programação linear 78
8 Programação lear 78 8 Programação lear A programação lear cosderou duas fuções objetvo: (a) maxmzação da comercalzação do gás e (b) mmzação das perdas (recetas e multas cotratuas). Foram dealzados dos
Leia maisSumário. Mecânica. Sistemas de partículas
Sumáro Udade I MECÂNICA 2- Cetro de massa e mometo lear de um sstema de partículas - Sstemas de partículas e corpo rígdo. - Cetro de massa. - Como determar o cetro de massa dum sstema de partículas. -
Leia maisAULA Produto interno em espaços vectoriais reais ou complexos Produto Interno. Norma. Distância.
Note bem: a letura destes apotametos ão dspesa de modo algum a letura ateta da bblografa prcpal da cadera Chama-se a ateção para a mportâca do trabalho pessoal a realzar pelo aluo resoledo os problemas
Leia maisProbabilidades e Estatística LEAN, LEGI, LEGM, LMAC, MEAer, MEAmbi, MEC
Duração: 90 mutos Grupo I Probabldades e Estatístca LEAN, LEGI, LEGM, LMAC, MEAer, MEAmb, MEC Justfque coveetemete todas as respostas 1 o semestre 2018/2019 10/01/2019 11:00 2 o teste B 10 valores 1. Cosdere-se
Leia maisDescritiva. Francisco Cysneiros DE - UFPE
Noções de Estatístca Descrtva Dr. Fracsco Cyseros Profº. Adjuto do Departameto de Estatístca-CCEN/UFPE E-mal: cyseros@de.ufpe.br web-page: www.de.ufpe.br/~cyseros/dscpla/farmaca/farmaca.htm Foe: (8) 6
Leia maisReconhecimento de Padrões. Reconhecimento de Padrões
Recohecmeto de Padrões 0.9 0.8 0.7 0.6 0.5 0.4 0.3 0.2 0.1 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 Escola Superor de Tecologa Egehara Iformátca Recohecmeto de Padrões Prof. João Asceso e Prof. Aa Fred Sumáro:
Leia maisInterpolação. Exemplo de Interpolação Linear. Exemplo de Interpolação Polinomial de grau superior a 1.
Iterpolação Iterpolação é um método que permte costrur um ovo cojuto de dados a partr de um cojuto dscreto de dados potuas cohecdos. Em egehara e cêcas, dspõese habtualmete de dados potuas, obtdos a partr
Leia maisEstatística: uma definição
Prof. Lorí Val, Dr. - val@pucrs.br http://www.pucrs.br/famat/val/ Prof. Lorí Val, Dr. PUCRS FAMAT: Departameto de Estatístca Estatístca: uma defção Coleç Coleção de ú úmeros estatí estatístcas O ú ú mero
Leia maisÉ o grau de associação entre duas ou mais variáveis. Pode ser: correlacional ou experimental.
É o grau de assocação etre duas ou mas varáves. Pode ser: Prof. Lorí Val, Dr. val@pucrs.br http://www.pucrs.br/famat/val www.pucrs.br/famat/val/ correlacoal ou expermetal. Numa relação expermetal os valores
Leia mais3 Experimento com Mistura com Respostas Não-Normais
Modelagem em Epermetos Mstura-Processo para Otmzação de Processos Idustras 5 Epermeto com Mstura com Respostas Não-Normas Neste capítulo é apresetado o plaejameto e aálse de um EM com respostas ão ormas,
Leia mais