Enfoque empírico: P(A) = Lim
|
|
- Baltazar Andrade
- 5 Há anos
- Visualizações:
Transcrição
1 PROBABILIDADE efoque clássico: ( ( Ω) Efoque empírico: Lim TTaabbeel laa ddee It I troodduuççããoo àà TTeeoor riaa ddaass PPr roobbaabbi iliddaaddeess PPr roof feessssoor raa Raaqquueel l Cyymr root t f: freqüêcia de ocorrêcia do eveto A o experimeto : º de tetativas do experimeto Axiomas 0 Ω ) 0 Teoremas Se A e B forem mutuamete excludetes, etão P ( A Se A i i,,..., são evetos mutuamete excludetes P A A... A ) A ) A ) +... A ) f ( Se A e B ão forem mutuamete excludetes, etão A A A B C) C) A A C) B C) A B C) Se A φ 0 A é eveto complemetar ) Se A B A PA A A A A Probabilidade codicioal: A A A probabilidade do eveto A dado que já ocorreu o eveto B A A A B ) + P ( A B ) A B A Evetos idepedetes Se A e B são evetos idepedetes etão P ( A Se A i i,,..., são evetos mutuamete idepedetes etre si P A A.... A ) A ) A )... A ) Se A e B são evetos idepedetes etão A e B ( Teorema de Bayes Se F, F,..., F k são evetos mutuamete excludetes e ) A/ ) exaustivos e A for qualquer eveto tal que > 0, etão / k vale a expressão ao lado. Fj ) A/ Fj ) FUNÇÃO DE PROBABILIDADE é v.a. discreta: 0 p(x) e x) Esperaça Matemática: E() é v.a. discreta: E() j + é v.a cotíua: f(x) 0 e f ( x) dx µ x p(x) é v.a cotíua: E() µ x f ( x) dx V() σ x E( - µ) E( ) [E()] é v.a. discreta: E( ) x p( x) é v.a cotíua: : E( ) x f ( x) dx ) é v.a. discreta: E(Y) x y p( x, y) é v.a cotíua: : E(Y) x y f ( x, y dx dy Covariâcia COV(,Y) E(Y) E()E(Y) E(Y) - E()E(Y) COV (, Y ) Coeficiete de correlação: ρ, Y - ρ, Y σ σ σ σ Y Propriedades E(k) k V(k) 0 E(k) k E() V(k) k V() E(+Y) E()+E(Y) V(+Y)V()+V(Y) se e Y são idepedetes E( Y) E() E(Y) V( - Y)V()+V(Y) se e Y são idepedetes Y
2 E(a+bY) a E() + b E(Y) V(+Y)V()+V(Y)+ COV(,Y) Se e Y são idepedetes, etão COV(,Y) 0 V(a+bY)a V()+b V(Y)+ a b COV(,Y) Distribuições Discretas x x x x Se ~ B(,p), etão:! x) p ( p) p ( p) x x!( x)! E() p V() p(-p) Se ~ hipergeométrica etão: Se ~ λ) etão: Distribuições Cotíuas Distribuição Uiforme: Notação: ~ U [a, b] k N k x x P ( x) N 0 x mi(k,) E ( ) p k ode p N V ( ) p( λ x e λ x) E() λ V() λ x! N p) N x a a + b x) µ σ ( b a) b a Distribuição Expoecial: x) e λx µ σ Notação: ~EP (λ) > x) e λx λ λ Distribuição Normal: Distribuição Normal Padrão: µ Notação: ~ N(µ;σ Z x) Z z) p ) Notação: Z ~ N(0;) σ P (z Z z ) Z z ) Z z ) Z > z) Z z) Seja Y a + b + b. Se ~ N (µ ;σ ) e ~ N (µ ;σ ) e e são v.a. idepedetes. Etão: Y ~ N( µ ; σ ) ode µ Y a + b µ + b µ e σ b σ b σ y y y + Seja i ~ N(µ ; σ ) e S com as v. a. i idepedetes Etão: S ~ N ( µ S ; σ S ) ode µ S µ + µ + µ µ µ e σ S σ + σ + σ σ σ Aplicações à Teoria da Cofiabilidade Cofiabilidade: R( F( Taxa de falhas: Z( f(/r( t Z ( s) ds E ( T ) ( Z( e R( dt f 0 Lei de falha expoecial Z( α αt f ( α e t > 0 N compoetes em série: R i (: cofiabilidade do i-ésimo compoete R( R ( x R ( x... x R ( 0 R( e αt N compoetes em paralelo: R i (: cofiabilidade do i-ésimo compoete R( [ R (] [ R (]... [ R (] Se R i ( r( etão R( [ r(] Taabbeel laa ddee It I troodduuççããoo àà TTeeoor riaa ddaass PPr roobbaabbi iliddaaddeess PPr roof feessssoor raa Raaqquueel l Cyymr root t
3 TABELA NORMAL PADRÃO: Z z ) p φ(z) iteiro e ª ª decimal de z decimal de z ,9 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000-3,8 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000-3,7 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000-3,6 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000-3,5 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000-3,4 0,0003 0,0003 0,0003 0,0003 0,0003 0,0003 0,0003 0,0003 0,0003 0,000-3,3 0,0005 0,0005 0,0005 0,0004 0,0004 0,0004 0,0004 0,0004 0,0004 0,0003-3, 0,0007 0,0007 0,0006 0,0006 0,0006 0,0006 0,0006 0,0005 0,0005 0,0005-3, 0,000 0,0009 0,0009 0,0009 0,0008 0,0008 0,0008 0,0008 0,0007 0,0007-3,0 0,003 0,003 0,003 0,00 0,00 0,00 0,00 0,00 0,000 0,000 -,9 0,009 0,008 0,008 0,007 0,006 0,006 0,005 0,005 0,004 0,004 -,8 0,006 0,005 0,004 0,003 0,003 0,00 0,00 0,00 0,000 0,009 -,7 0,0035 0,0034 0,0033 0,003 0,003 0,0030 0,009 0,008 0,007 0,006 -,6 0,0047 0,0045 0,0044 0,0043 0,004 0,0040 0,0039 0,0038 0,0037 0,0036 -,5 0,006 0,0060 0,0059 0,0057 0,0055 0,0054 0,005 0,005 0,0049 0,0048 -,4 0,008 0,0080 0,0078 0,0075 0,0073 0,007 0,0069 0,0068 0,0066 0,0064 -,3 0,007 0,004 0,00 0,0099 0,0096 0,0094 0,009 0,0089 0,0087 0,0084 -, 0,039 0,036 0,03 0,09 0,05 0,0 0,09 0,06 0,03 0,00 -, 0,079 0,074 0,070 0,066 0,06 0,058 0,054 0,050 0,046 0,043 -,0 0,08 0,0 0,07 0,0 0,007 0,00 0,097 0,09 0,088 0,083 -,9 0,087 0,08 0,074 0,068 0,06 0,056 0,050 0,044 0,039 0,033 -,8 0,0359 0,035 0,0344 0,0336 0,039 0,03 0,034 0,0307 0,030 0,094 -,7 0,0446 0,0436 0,047 0,048 0,0409 0,040 0,039 0,0384 0,0375 0,0367 -,6 0,0548 0,0537 0,056 0,056 0,0505 0,0495 0,0485 0,0475 0,0465 0,0455 -,5 0,0668 0,0655 0,0643 0,0630 0,068 0,0606 0,0594 0,058 0,057 0,0559 -,4 0,0808 0,0793 0,0778 0,0764 0,0749 0,0735 0,07 0,0708 0,0694 0,068 -,3 0,0968 0,095 0,0934 0,098 0,090 0,0885 0,0869 0,0853 0,0838 0,083 -, 0,5 0,3 0, 0,093 0,075 0,056 0,038 0,00 0,003 0,0985 -, 0,357 0,335 0,34 0,9 0,7 0,5 0,30 0,0 0,90 0,70 -,0 0,587 0,56 0,539 0,55 0,49 0,469 0,446 0,43 0,40 0,379-0,9 0,84 0,84 0,788 0,76 0,736 0,7 0,685 0,660 0,635 0,6-0,8 0,9 0,090 0,06 0,033 0,005 0,977 0,949 0,9 0,894 0,867-0,7 0,40 0,389 0,358 0,37 0,96 0,66 0,36 0,06 0,77 0,48-0,6 0,743 0,709 0,676 0,643 0,6 0,578 0,546 0,54 0,483 0,45-0,5 0,3085 0,3050 0,305 0,98 0,946 0,9 0,877 0,843 0,80 0,776-0,4 0,3446 0,3409 0,337 0,3336 0,3300 0,364 0,38 0,39 0,356 0,3-0,3 0,38 0,3783 0,3745 0,3707 0,3669 0,363 0,3594 0,3557 0,350 0,3483-0, 0,407 0,468 0,49 0,4090 0,405 0,403 0,3974 0,3936 0,3897 0,3859-0, 0,460 0,456 0,45 0,4483 0,4443 0,4404 0,4364 0,435 0,486 0,447-0,0 0,5000 0,4960 0,490 0,4880 0,4840 0,480 0,476 0,47 0,468 0,464 0,0 0,5000 0,5040 0,5080 0,50 0,560 0,599 0,539 0,579 0,539 0,5359 0, 0,5398 0,5438 0,5478 0,557 0,5557 0,5596 0,5636 0,5675 0,574 0,5753 0, 0,5793 0,583 0,587 0,590 0,5948 0,5987 0,606 0,6064 0,603 0,64 0,3 0,679 0,67 0,655 0,693 0,633 0,6368 0,6406 0,6443 0,6480 0,657 0,4 0,6554 0,659 0,668 0,6664 0,6700 0,6736 0,677 0,6808 0,6844 0,6879 0,5 0,695 0,6950 0,6985 0,709 0,7054 0,7088 0,73 0,757 0,790 0,74 0,6 0,757 0,79 0,734 0,7357 0,7389 0,74 0,7454 0,7486 0,757 0,7549 0,7 0,7580 0,76 0,764 0,7673 0,7704 0,7734 0,7764 0,7794 0,783 0,785 0,8 0,788 0,790 0,7939 0,7967 0,7995 0,803 0,805 0,8078 0,806 0,833 0,9 0,859 0,886 0,8 0,838 0,864 0,889 0,835 0,8340 0,8365 0,8389,0 0,843 0,8438 0,846 0,8485 0,8508 0,853 0,8554 0,8577 0,8599 0,86, 0,8643 0,8665 0,8686 0,8708 0,879 0,8749 0,8770 0,8790 0,880 0,8830, 0,8849 0,8869 0,8888 0,8907 0,895 0,8944 0,896 0,8980 0,8997 0,905,3 0,903 0,9049 0,9066 0,908 0,9099 0,95 0,93 0,947 0,96 0,977,4 0,99 0,907 0,9 0,936 0,95 0,965 0,979 0,99 0,9306 0,939,5 0,933 0,9345 0,9357 0,9370 0,938 0,9394 0,9406 0,948 0,949 0,944,6 0,945 0,9463 0,9474 0,9484 0,9495 0,9505 0,955 0,955 0,9535 0,9545,7 0,9554 0,9564 0,9573 0,958 0,959 0,9599 0,9608 0,966 0,965 0,9633,8 0,964 0,9649 0,9656 0,9664 0,967 0,9678 0,9686 0,9693 0,9699 0,9706,9 0,973 0,979 0,976 0,973 0,9738 0,9744 0,9750 0,9756 0,976 0,9767,0 0,977 0,9778 0,9783 0,9788 0,9793 0,9798 0,9803 0,9808 0,98 0,987, 0,98 0,986 0,9830 0,9834 0,9838 0,984 0,9846 0,9850 0,9854 0,9857, 0,986 0,9864 0,9868 0,987 0,9875 0,9878 0,988 0,9884 0,9887 0,9890,3 0,9893 0,9896 0,9898 0,990 0,9904 0,9906 0,9909 0,99 0,993 0,996,4 0,998 0,990 0,99 0,995 0,997 0,999 0,993 0,993 0,9934 0,9936,5 0,9938 0,9940 0,994 0,9943 0,9945 0,9946 0,9948 0,9949 0,995 0,995,6 0,9953 0,9955 0,9956 0,9957 0,9959 0,9960 0,996 0,996 0,9963 0,9964,7 0,9965 0,9966 0,9967 0,9968 0,9969 0,9970 0,997 0,997 0,9973 0,9974,8 0,9974 0,9975 0,9976 0,9977 0,9977 0,9978 0,9979 0,9979 0,9980 0,998,9 0,998 0,998 0,998 0,9983 0,9984 0,9984 0,9985 0,9985 0,9986 0,9986 3,0 0,9987 0,9987 0,9987 0,9988 0,9988 0,9989 0,9989 0,9989 0,9990 0,9990 3, 0,9990 0,999 0,999 0,999 0,999 0,999 0,999 0,999 0,9993 0,9993 3, 0,9993 0,9993 0,9994 0,9994 0,9994 0,9994 0,9994 0,9995 0,9995 0,9995 3,3 0,9995 0,9995 0,9995 0,9996 0,9996 0,9996 0,9996 0,9996 0,9996 0,9997 3,4 0,9997 0,9997 0,9997 0,9997 0,9997 0,9997 0,9997 0,9997 0,9997 0,9998 3,5 0,9998 0,9998 0,9998 0,9998 0,9998 0,9998 0,9998 0,9998 0,9998 0,9998 3,6 0,9998 0,9998 0,9999 0,9999 0,9999 0,9999 0,9999 0,9999 0,9999 0,9999 3,7 0,9999 0,9999 0,9999 0,9999 0,9999 0,9999 0,9999 0,9999 0,9999 0,9999 3,8 0,9999 0,9999 0,9999 0,9999 0,9999 0,9999 0,9999 0,9999 0,9999 0,9999 3,9,0000,0000,0000,0000,0000,0000,0000,0000,0000,0000 Taabbeel laa ddee It I troodduuççããoo àà TTeeoor riaa ddaass PPr roobbaabbi iliddaaddeess PPr roof feessssoor raa Raaqquueel l Cyymr root t 33
4 TABELA INVERSA DA NORMAL PADRÃO p φ(z) Z z) iteiro, ª e ª 3ª decimal de p decimais de p ,00-3,090 -,878 -,7478 -,65 -,5758 -,5 -,4573 -,4089 -,3656 0,0 -,363 -,904 -,57 -,6 -,973 -,70 -,444 -,0 -,0969 -,0748 0,0 -,0537 -,0335 -,04 -,9954 -,9774 -,9600 -,943 -,968 -,90 -,8957 0,03 -,8808 -,8663 -,85 -,8384 -,850 -,89 -,799 -,7866 -,7744 -,764 0,04 -,7507 -,739 -,779 -,769 -,7060 -,6954 -,6849 -,6747 -,6646 -,6546 0,05 -,6449 -,635 -,658 -,664 -,607 -,598 -,5893 -,5805 -,578 -,563 0,06 -,5548 -,5464 -,538 -,530 -,50 -,54 -,5063 -,4985 -,4909 -,4833 0,07 -,4758 -,4684 -,46 -,4538 -,4466 -,4395 -,435 -,455 -,487 -,48 0,08 -,405 -,3984 -,397 -,385 -,3787 -,37 -,3658 -,3595 -,353 -,3469 0,09 -,3408 -,3346 -,385 -,35 -,365 -,306 -,3047 -,988 -,930 -,873 0,0 -,86 -,759 -,70 -,646 -,59 -,536 -,48 -,46 -,37 -,39 0, -,65 -, -,60 -,07 -,055 -,004 -,95 -,90 -,850 -,800 0, -,750 -,700 -,650 -,60 -,55 -,503 -,455 -,407 -,359 -,3 0,3 -,64 -,7 -,70 -,3 -,077 -,03 -,0985 -,0939 -,0893 -,0848 0,4 -,0803 -,0758 -,074 -,0669 -,065 -,058 -,0537 -,0494 -,045 -,0407 0,5 -,0364 -,03 -,079 -,037 -,094 -,05 -,00 -,0069 -,007-0,9986 0,6-0,9945-0,9904-0,9863-0,98-0,978-0,974-0,970-0,966-0,96-0,958 0,7-0,954-0,950-0,9463-0,944-0,9385-0,9346-0,9307-0,969-0,930-0,99 0,8-0,954-0,96-0,9078-0,9040-0,900-0,8965-0,897-0,8890-0,8853-0,886 0,9-0,8779-0,874-0,8706-0,8669-0,863-0,8596-0,8560-0,854-0,8488-0,845 0,0-0,846-0,838-0,8345-0,830-0,874-0,839-0,804-0,869-0,834-0,8099 0, -0,8064-0,8030-0,7995-0,796-0,796-0,789-0,7858-0,784-0,7790-0,7756 0, -0,77-0,7688-0,7655-0,76-0,7588-0,7554-0,75-0,7488-0,7454-0,74 0,3-0,7388-0,7356-0,733-0,790-0,757-0,75-0,79-0,760-0,78-0,7095 0,4-0,7063-0,703-0,6999-0,6967-0,6935-0,6903-0,687-0,6840-0,6808-0,6776 0,5-0,6745-0,673-0,668-0,665-0,660-0,6588-0,6557-0,656-0,6495-0,6464 0,6-0,6433-0,6403-0,637-0,634-0,63-0,680-0,650-0,69-0,689-0,658 0,7-0,68-0,6098-0,6068-0,6038-0,6008-0,5978-0,5948-0,598-0,5888-0,5858 0,8-0,588-0,5799-0,5769-0,5740-0,570-0,568-0,565-0,56-0,559-0,5563 0,9-0,5534-0,5505-0,5476-0,5446-0,547-0,5388-0,5359-0,5330-0,530-0,573 0,30-0,544-0,55-0,587-0,558-0,59-0,50-0,507-0,5044-0,505-0,4987 0,3-0,4958-0,4930-0,490-0,4874-0,4845-0,487-0,4789-0,476-0,4733-0,4705 0,3-0,4677-0,4649-0,46-0,4593-0,4565-0,4538-0,450-0,448-0,4454-0,447 0,33-0,4399-0,437-0,4344-0,436-0,489-0,46-0,434-0,407-0,479-0,45 0,34-0,45-0,4097-0,4070-0,4043-0,406-0,3989-0,396-0,3934-0,3907-0,3880 0,35-0,3853-0,386-0,3799-0,377-0,3745-0,379-0,369-0,3665-0,3638-0,36 0,36-0,3585-0,3558-0,353-0,3505-0,3478-0,345-0,345-0,3398-0,337-0,3345 0,37-0,339-0,39-0,366-0,339-0,33-0,386-0,360-0,334-0,307-0,308 0,38-0,3055-0,309-0,300-0,976-0,950-0,94-0,898-0,87-0,845-0,89 0,39-0,793-0,767-0,74-0,75-0,689-0,663-0,637-0,6-0,585-0,559 0,40-0,533-0,508-0,48-0,456-0,430-0,404-0,378-0,353-0,37-0,30 0,4-0,75-0,50-0,4-0,98-0,73-0,47-0, -0,096-0,070-0,045 0,4-0,09-0,993-0,968-0,94-0,97-0,89-0,866-0,840-0,85-0,789 0,43-0,764-0,738-0,73-0,687-0,66-0,637-0,6-0,586-0,560-0,535 0,44-0,50-0,484-0,459-0,434-0,408-0,383-0,358-0,33-0,307-0,8 0,45-0,57-0,3-0,06-0,8-0,56-0,30-0,05-0,080-0,055-0,030 0,46-0,004-0,0979-0,0954-0,099-0,0904-0,0878-0,0853-0,088-0,0803-0,0778 0,47-0,0753-0,078-0,070-0,0677-0,065-0,067-0,060-0,0577-0,055-0,057 0,48-0,050-0,0476-0,045-0,046-0,040-0,0376-0,035-0,036-0,030-0,076 0,49-0,05-0,06-0,00-0,075-0,050-0,05-0,000-0,0075-0,0050-0,005 Taabbeel laa ddee It I troodduuççããoo àà TTeeoor riaa ddaass PPr roobbaabbi iliddaaddeess PPr roof feessssoor raa Raaqquueel l Cyymr root t 44
5 TABELA INVERSA DA NORMAL PADRÃO p φ(z) Z z) (cotiuação) iteiro, ª e ª 3ª decimal de p decimais de p ,50 0,0000 0,005 0,0050 0,0075 0,000 0,05 0,050 0,075 0,00 0,06 0,5 0,05 0,076 0,030 0,036 0,035 0,0376 0,040 0,046 0,045 0,0476 0,5 0,050 0,057 0,055 0,0577 0,060 0,067 0,065 0,0677 0,070 0,078 0,53 0,0753 0,0778 0,0803 0,088 0,0853 0,0878 0,0904 0,099 0,0954 0,0979 0,54 0,004 0,030 0,055 0,080 0,05 0,30 0,56 0,8 0,06 0,3 0,55 0,57 0,8 0,307 0,33 0,358 0,383 0,408 0,434 0,459 0,484 0,56 0,50 0,535 0,560 0,586 0,6 0,637 0,66 0,687 0,73 0,738 0,57 0,764 0,789 0,85 0,840 0,866 0,89 0,97 0,94 0,968 0,993 0,58 0,09 0,045 0,070 0,096 0, 0,47 0,73 0,98 0,4 0,50 0,59 0,75 0,30 0,37 0,353 0,378 0,404 0,430 0,456 0,48 0,508 0,60 0,533 0,559 0,585 0,6 0,637 0,663 0,689 0,75 0,74 0,767 0,6 0,793 0,89 0,845 0,87 0,898 0,94 0,950 0,976 0,300 0,309 0,6 0,3055 0,308 0,307 0,334 0,360 0,386 0,33 0,339 0,366 0,39 0,63 0,339 0,3345 0,337 0,3398 0,345 0,345 0,3478 0,3505 0,353 0,3558 0,64 0,3585 0,36 0,3638 0,3665 0,369 0,379 0,3745 0,377 0,3799 0,386 0,65 0,3853 0,3880 0,3907 0,3934 0,396 0,3989 0,406 0,4043 0,4070 0,4097 0,66 0,45 0,45 0,479 0,407 0,434 0,46 0,489 0,436 0,4344 0,437 0,67 0,4399 0,447 0,4454 0,448 0,450 0,4538 0,4565 0,4593 0,46 0,4649 0,68 0,4677 0,4705 0,4733 0,476 0,4789 0,487 0,4845 0,4874 0,490 0,4930 0,69 0,4958 0,4987 0,505 0,5044 0,507 0,50 0,59 0,558 0,587 0,55 0,70 0,544 0,573 0,530 0,5330 0,5359 0,5388 0,547 0,5446 0,5476 0,5505 0,7 0,5534 0,5563 0,559 0,56 0,565 0,568 0,570 0,5740 0,5769 0,5799 0,7 0,588 0,5858 0,5888 0,598 0,5948 0,5978 0,6008 0,6038 0,6068 0,6098 0,73 0,68 0,658 0,689 0,69 0,650 0,680 0,63 0,634 0,637 0,6403 0,74 0,6433 0,6464 0,6495 0,656 0,6557 0,6588 0,660 0,665 0,668 0,673 0,75 0,6745 0,6776 0,6808 0,6840 0,687 0,6903 0,6935 0,6967 0,6999 0,703 0,76 0,7063 0,7095 0,78 0,760 0,79 0,75 0,757 0,790 0,733 0,7356 0,77 0,7388 0,74 0,7454 0,7488 0,75 0,7554 0,7588 0,76 0,7655 0,7688 0,78 0,77 0,7756 0,7790 0,784 0,7858 0,789 0,796 0,796 0,7995 0,8030 0,79 0,8064 0,8099 0,834 0,869 0,804 0,839 0,874 0,830 0,8345 0,838 0,80 0,846 0,845 0,8488 0,854 0,8560 0,8596 0,863 0,8669 0,8706 0,874 0,8 0,8779 0,886 0,8853 0,8890 0,897 0,8965 0,900 0,9040 0,9078 0,96 0,8 0,954 0,99 0,930 0,969 0,9307 0,9346 0,9385 0,944 0,9463 0,950 0,83 0,954 0,958 0,96 0,966 0,970 0,974 0,978 0,98 0,9863 0,9904 0,84 0,9945 0,9986,007,0069,00,05,094,037,079,03 0,85,0364,0407,045,0494,0537,058,065,0669,074,0758 0,86,0803,0848,0893,0939,0985,03,077,3,70,7 0,87,64,3,359,407,455,503,55,60,650,700 0,88,750,800,850,90,95,004,055,07,60, 0,89,65,39,37,46,48,536,59,646,70,759 0,90,86,873,930,988,3047,306,365,35,385,3346 0,9,3408,3469,353,3595,3658,37,3787,385,397,3984 0,9,405,48,487,455,435,4395,4466,4538,46,4684 0,93,4758,4833,4909,4985,5063,54,50,530,538,5464 0,94,5548,563,578,5805,5893,598,607,664,658,635 0,95,6449,6546,6646,6747,6849,6954,7060,769,779,739 0,96,7507,764,7744,7866,799,89,850,8384,85,8663 0,97,8808,8957,90,968,943,9600,9774,9954,04,0335 0,98,0537,0748,0969,0,444,70,973,6,57,904 0,99,363,3656,4089,4573,5,5758,65,7478,878 3,090 Taabbeel laa ddee It I troodduuççããoo àà TTeeoor riaa ddaass PPr roobbaabbi iliddaaddeess PPr roof feessssoor raa Raaqquueel l Cyymr root t 55
Organização de dados -Dados não agrupados n. Mediana:
Orgazação de dado -Dado ão agruado Medaa: Poto de ocoameto: Méda: Moda: valor que ocorre com maor freqüêca Méda de Itervalo: + m max + Quartl: (ara j, ou ) j( +) Poto de ocoameto: 4 Méda da Juta: Q + Q
Leia maisOrganização de dados -Dados não agrupados n. Mediana:
Orgazação de dado -Dado ão agruado Medaa: Poto de ocoameto: Méda: Moda: valor que ocorre com maor freqüêca Méda de Itervalo: + m max + Quartl: (ara j, ou 3) j( +) Poto de ocoameto: 4 Méda da Juta: Q +
Leia maisPropriedades: Notação: X ~ U(α, β). PRINCIPAIS MODELOS CONTÍNUOS
0 CONTÍNUOS PRINCIPAIS MODELOS Notação: ~ U(α β). Propriedades: Eemplo A dureza de uma peça de aço pode ser pesada como sedo uma variável aleatória uiforme o itervalo (5070) uidades. Qual a probabilidade
Leia maisMQI 2003 ESTATÍSTICA PARA METROLOGIA - SEMESTRE Teste 2 07/07/2008 Nome: PROBLEMA 1 Sejam X e Y v.a. contínuas com densidade conjunta:
MQI 003 ESTATÍSTICA PARA METROLOGIA - SEMESTRE 008.0 Teste 07/07/008 Nome: PROBLEMA Sejam X e Y v.a. cotíuas com desidade cojuta: f xy cy xy x y (, ) = + 3 ode 0 e 0 a) Ecotre a costate c que faz desta
Leia maisMétodos Quantitativos para Ciência da Computação Experimental
Métodos Quatitativos para Ciêcia da Computação Experimetal -Aula #b- Virgílio A. F. Almeida Março 008 Departameto de Ciêcia da Computação Uiversidade Federal de Mias Gerais Material de Estatistica http://www.itl.ist.gov/div898/hadbook/idex.htm
Leia maisEstatística para Economia e Gestão REVISÕES SOBRE VARIÁVEIS ALEATÓRIAS DISCRETAS E CONTÍNUAS
Estatística para Ecoomia e Gestão REVISÕES SOBRE VARIÁVEIS ALEATÓRIAS DISCRETAS E CONTÍNUAS Primavera 008/009 Variável Aleatória: Defiição: uma variável aleatória é uma fução que atribui a cada elemeto
Leia maisVirgílio A. F. Almeida DCC-UFMG 2005
Virgílio A. F. Almeida DCC-UFMG 005 Se o eveto E cosiste de potos e S é o úmero de potos do espaço amostral, etão: umero de potos em E P E umero de potos em S E S 1. Se um úmero decimal de três digitos
Leia maisMOQ 13 PROBABILIDADE E ESTATÍSTICA. Professor: Rodrigo A. Scarpel
MOQ 13 PROBABILIDADE E ESTATÍSTICA Professor: Rodrigo A. Scarpel rodrigo@ita.br www.mec.ita.br/~rodrigo Programa do curso: Semaas 1 2 3 4 5 6 7 8 9 1 11 12 13 14 15 e 16 Itrodução à probabilidade evetos
Leia maisEventos coletivamente exaustivos: A união dos eventos é o espaço amostral.
DEFINIÇÕES ADICIONAIS: PROBABILIDADE Espaço amostral (Ω) é o conjunto de todos os possíveis resultados de um experimento. Evento é qualquer subconjunto do espaço amostral. Evento combinado: Possui duas
Leia maisb) Fabrico de peças cilíndricas Capítulo 5 - Distribuições conjuntas de probabilidades e complementos X - comprimento da peça Y - diâmetro da peça
Capítulo 5 - Distribuições cojutas de probabilidades e complemetos 5.1 Duas variáveis aleatórias discretas. Distribuições cojutas, margiais e codicioais. Idepedêcia Em relação a uma mesma eperiêcia podem
Leia 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 maisLista de Exercícios #6 Assunto: Propriedade dos Estimadores e Métodos de Estimação
Assuto: Propriedade dos Estimadores e Métodos de Estimação. ANPEC 08 - Questão 6 Por regulametação, a cocetração de um produto químico ão pode ultrapassar 0 ppm. Uma fábrica utiliza esse produto e sabe
Leia maisAula 5. Aula de hoje. Aula passada. Limitante da união Método do primeiro momento Lei dos grandes números (fraca e forte) Erro e confiança
Aula 5 Aula passada Valor esperado codicioal Espaço amostral cotíuo, fução desidade Limitates para probabilidade Desigualdades de Markov, Chebyshev, Cheroff with high probability Aula de hoje Limitate
Leia maisDISTRIBUIÇÕES DE PROBABILIDADE
DISTRIBUIÇÕES DE PROBABILIDADE DISTRIBUIÇÃO DE PROBABILIDADE Seja uma v.a. que assume os valores,,..., com probabilidade p, p,..., p associadas a cada elemeto de, sedo p p... p diz-se que está defiida
Leia maisDistribuições de Probabilidade Contínuas 1/19
all Distribuições de Probabilidade Contínuas Professores Eduardo Zambon e Magnos Martinello UFES Universidade Federal do Espírito Santo DI Departamento de Informática CEUNES Centro Universitário Norte
Leia maisSolução: A distribuição normal. Representação gráfica. Cálculo de probabilidades. A normal padrão. σ Será uma N(0; 1).
A distribuição normal Uma variável aleatória X tem uma distribuição normal se sua fdp for do tipo: f (x) =.e π. σ x µ. σ, x R Prof. Lorí Viali, Dr. viali@mat.ufrgs.br http://www.mat.ufrgs.br/~viali/ com
Leia maisProcessos Estocásticos
IFBA Processos Estocásticos Versão 1 Alla de Sousa Soares Graduação: Liceciatura em Matemática - UESB Especilização: Matemática Pura - UESB Mestrado: Matemática Pura - UFMG Vitória da Coquista - BA 2014
Leia maisAvaliação de Desempenho de Sistemas Discretos
Distribuições Comus Avaliação de Desempeho de Sistemas Discretos Probabilidade e Estatística 2 Uiforme Normal Poisso Hipergeométrica Biomial Studet's Geométrica Logormal Expoecial Beta Gamma Qui-Quadrado
Leia maisUNIVERSIDADE FEDERAL DO PARANÁ NOTAS DE AULA PROFa. SONIA MÜLLER
PROBABILIDADE. DEFINIÇÕES BÁSICAS:.- INTRODUÇÃO: UNIVERSIDADE FEDERAL DO PARANÁ NOTAS DE AULA PROFa. SONIA MÜLLER PROBABILIDADE POPULAÇÃO AMOSTRA ESTATÍSTICA Uiverso : Ω ou U Vazio: Uião: A B Itersecção:
Leia maisEventos coletivamente exaustivos: A união dos eventos é o espaço amostral.
DEFINIÇÕES ADICIONAIS: PROBABILIDADE Espaço amostral (Ω) é o conjunto de todos os possíveis resultados de um experimento. Evento é qualquer subconjunto do espaço amostral. Evento combinado: Possui duas
Leia maisVariáveis Aleatórias Contínuas
Variáveis Aleatórias Contínuas Bacharelado em Administração - FEA - Noturno 2 o Semestre 2017 MAE0219 (IME-USP) Variáveis Aleatórias Contínuas 2 o Semestre 2017 1 / 35 Objetivos da Aula Sumário 1 Objetivos
Leia mais{ } 3.3 Função Densidade de Probabilidade Condicional e Independência
33 Fução Desidade de Probabilidade Codicioal e Idepedêcia Fução de Desidade de Probabilidade Codicioal (dimesão ) Seja f ( x,,x ) uma desidade cojuta associada a uma variável aleatória de dimesão Sejam
Leia maisProbabilidades e Estatística TODOS OS CURSOS
Duração: 9 miutos Grupo I Probabilidades e Estatística TODOS OS CURSOS Justifique coveietemete todas as respostas 1 o semestre 217/218 3/1/218 11:3 1 o Teste C 1 valores 1. A Marta e o João irão passar
Leia mais1. Resolução da lista 1. Primeiro apresentaremos uma integral importante, obtida a partir da distribuição gama generalizada.
1. Resolução da lista 1. Primeiro apresetaremos uma itegral importate, obtida a partir da distribuição gama geeralizada. 1) J x a 1 e bxc dx Γa/c), a, b, c >. cba/c Demostração: fazedo a substituição y
Leia maisNoções de Simulação. Ciências Contábeis - FEA - Noturno. 2 o Semestre MAE0219 (IME-USP) Noções de Simulação 2 o Semestre / 23
Noções de Simulação Ciências Contábeis - FEA - Noturno 2 o Semestre 2013 MAE0219 (IME-USP) Noções de Simulação 2 o Semestre 2013 1 / 23 Objetivos da Aula Sumário 1 Objetivos da Aula 2 Motivação 3 Geração
Leia maisPedro Alberto Barbetta / Marcelo Menezes Reis / Antonio Cezar Bornia São Paulo: Atlas, 2004
Estatística para Cursos de Egeharia e Iformática Pedro Alberto Barbetta / Marcelo Meezes Reis / Atoio Cezar Boria São Paulo: Atlas, 004 Cap. 7 - DistribuiçõesAmostrais e Estimaçãode deparâmetros APOIO:
Leia mais5. PRINCIPAIS MODELOS CONTÍNUOS
5. RINCIAIS MODELOS CONTÍNUOS 04 5.. Modelo uniforme Uma v.a. contínua tem distribuição uniforme com parâmetros α e β α β se sua função densidade de probabilidade é dada por f, β α 0, Notação: ~ Uα, β.
Leia maisProbabilidade 2 - ME310 - Lista 5
Probabilidade - ME30 - Lista 5 November 3, 0 Lembrado:. Covergêcia de sequêcias em L p (também chamada de covergêcia em média): se lim E( X X 0 p ) 0 quado, etão a sequêcia deida por X é dita covergete
Leia maisProbabilidades e Estatística LEIC-A, LEIC-T, LEGM, MA, MEMec
Duração: 90 miutos Grupo I Probabilidades e Estatística LEIC-A, LEIC-T, LEGM, MA, MEMec Justifique coveietemete todas as respostas! 2 o semestre 2015/2016 30/04/2016 9:00 1 o Teste A 10 valores 1. Uma
Leia maisbinomial seria quase simétrica. Nestas condições será também melhor a aproximação pela distribuição normal.
biomial seria quase simétrica. Nestas codições será também melhor a aproximação pela distribuição ormal. Na prática, quado e p > 7, a distribuição ormal com parâmetros: µ p 99 σ p ( p) costitui uma boa
Leia maisEventos coletivamente exaustivos: A união dos eventos é o espaço amostral.
DEFINIÇÕES ADICIONAIS: PROBABILIDADE Espaço amostral (Ω) é o conjunto de todos os possíves resultados de um expermento. Evento é qualquer subconjunto do espaço amostral. Evento combnado: Possu duas ou
Leia maisSumário. 2 Índice Remissivo 11
i Sumário 1 Esperaça de uma Variável Aleatória 1 1.1 Variáveis aleatórias idepedetes........................... 1 1.2 Esperaça matemática................................. 1 1.3 Esperaça de uma Fução de
Leia maisCapítulo 2. Variáveis Aleatórias e Distribuições
Capítulo 2 Variáveis Aleatórias e Distribuições Experimento Aleatório Não existe uma definição satisfatória de Experimento Aleatório. Os exemplos dados são de fenômenos para os quais modelos probabilísticos
Leia maisTiago Viana Flor de Santana
ESTATÍSTICA BÁSICA DISTRIBUIÇÃO NORMAL DE PROBABILIDADE (MODELO NORMAL) Tiago Viana Flor de Santana www.uel.br/pessoal/tiagodesantana/ tiagodesantana@uel.br sala 07 Curso: MATEMÁTICA Universidade Estadual
Leia maisENGENHARIA DA QUALIDADE A ENG AULA 6 CARTAS DE CONTROLE PARA ATRIBUTOS
ENGENHARIA DA QUALIDADE A ENG 09008 AULA 6 CARTAS DE CONTROLE PARA ATRIBUTOS PROFESSORES: CARLA SCHWENGBER TEN CATEN Tópicos desta aula Cartas de Cotrole para Variáveis Tipo 1: Tipo 2: Tipo 3: X X X ~
Leia maisLEEC Probabilidades e Estatística 1 a Chamada 13/06/2005. Parte Prática C (C) M 1% 9% 10% (M) 4% 86% 90% 5% 95% 100%
. Definição dos acontecimentos: M T-shirt tem manchas C T-shirt tem costuras defeituosas D T-shirt é defeituosa A Preço da t-shirt é alterado a) PM) = % PC) = 5% PM C) = % LEEC Probabilidades e Estatística
Leia maisAmostras Aleatórias e Distribuições Amostrais. Probabilidade e Estatística: afinal, qual é a diferença?
Amostras Aleatórias e Distribuições Amostrais Probabilidade e Estatística: afial, qual é a difereça? Até agora o que fizemos foi desevolver modelos probabilísticos que se adequavam a situações reais. Por
Leia mais*+,, -! / ! /,6 5. Virgilio Almeida, UFMG 2006
!"#"! $%%& ' (# ) *+,, - -. -! /01 34 /050 " -! /,6 5. 7 " Método Estatístico Estatística Descritiva Estatística Iferecial ' - 8 8! 8 0 -# 8' 9/ - 8 8:61 -# 8:., :4 Experimeto: um processo cujo resultado
Leia maisMAB-515 Avaliação e Desempenho (DCC/UFRJ)
MAB-515 Avaliação e Desempenho (DCC/UFRJ) Aula 6: Desigualdades, Limites e 1 Normalização Desigualdade de Chebyshev Lei dos Grandes Números 2 3 Normalização Sumário Normalização Desigualdade de Chebyshev
Leia maisProbabilidade II Aula 9
Coteúdo Probabilidade II Aula 9 Maio de 9 Môica Barros, D.Sc. Estatísticas de Ordem Distribuição do Máximo e Míimo de uma amostra Uiforme(,) Distribuição do Máximo e Míimo caso geral Distribuição das Estatísticas
Leia maisDistribuições de Probabilidade. Distribuição Normal
Distribuições de Probabilidade Distribuição Normal 1 Distribuição Normal ou Gaussiana A distribuição Normal ou Gaussiana é muito utilizada em análises estatísticas. É uma distribuição simétrica em torno
Leia maisVirgílio A. F. Almeida DCC-UFMG 2005
Virgílio A. F. Almeida DCC-UFMG 005 YZ- i p pq q pq F i p F i Z P Z P i Z P Z P Z ad i Z P Z i Z P Z i Z P Z i Y P Z i i Z Z Z + + > + > > + > + > > + !" http://www.itl.ist.gov/div898/hadbook/ide.htm A
Leia maisMétodos Quantitativos para Ciência da Computação Experimental
Métodos Quatitativos para Ciêcia da Computação Experimetal -Aula #4c- Virgílio A. F. Almeida Março 2008 Departameto de Ciêcia da Computação Uiversidade Federal de Mias Gerais Exercício Usado a Regra de
Leia maisDEPARTAMENTO DE ESTATÍSTICA - UFMG PROVA DE ESTATÍSTICA E PROBABILIDADE SELEÇÃO - MESTRADO/ UFMG /2016
DEPARTAMENTO DE ESTATÍSTICA - UFMG PROVA DE ESTATÍSTICA E PROBABILIDADE SELEÇÃO - MESTRADO/ UFMG - 205/206 Istruções:. Cada questão respodida corretamete vale (um poto. 2. Cada questão respodida icorretamete
Leia maisProbabilidades e Estatística LEAN, LEGI, LEGM, LMAC, MEAer, MEAmbi, MEC
Duração: 90 miutos Grupo I Probabilidades e Estatística LEAN, LEGI, LEGM, LMAC, MEAer, MEAmbi, MEC Justifique coveietemete todas as respostas o semestre 207/208 8//207 :00 o Teste B 0 valores. Um teste
Leia maisDESIGUALDADES, LEIS LIMITE E TEOREMA DO LIMITE CENTRAL. todas as repetições). Então, para todo o número positivo ξ, teremos:
48 DESIGUALDADES, LEIS LIMITE E TEOREMA DO LIMITE CENTRAL LEI DOS GRANDES NÚMEROS Pretede-se estudar o seguite problema: À medida que o úmero de repetições de uma experiêcia cresce, a frequêcia relativa
Leia mais5. PRINCIPAIS MODELOS CONTÍNUOS
5. PRINCIPAIS MODELOS CONTÍNUOS 04 5.. Modelo uniforme Uma v.a. contínua X tem distribuição uniforme com parâmetros α e β (α β) se sua função densidade de probabilidade é dada por f ( ) β α 0, Notação:
Leia maisSeja (X,Y) uma v.a. bidimensional contínua ou discreta. Define-se valor esperado condicionado de X para um dado Y igual a y da seguinte forma:
46 VALOR ESPERADO CONDICIONADO Seja (X,Y) uma v.a. bidimensional contínua ou discreta. Define-se valor esperado condicionado de X para um dado Y igual a y da seguinte forma: Variável contínua E + ( X Y
Leia maisPRINCIPAIS MODELOS CONTÍNUOS
RINCIAIS MODELOS CONTÍNUOS 0 5.. Modelo uniforme Uma v.a. contínua tem distribuição uniforme com parâmetros α e β α β se sua função densidade de probabilidade é dada por, f β α 0, Notação: ~ Uα, β. 0,
Leia maisALGUNS MODELOS DE VARIÁVEIS ALEATÓRIAS UNIDIMENSIONAIS. Prof.: Idemauro Antonio Rodrigues de Lara
1 ALGUNS MODELOS DE VARIÁVEIS ALEATÓRIAS UNIDIMENSIONAIS Prof.: Idemauro Antonio Rodrigues de Lara 2 Modelos de variáveis aleatórias discretas 1. Distribuição Uniforme Discreta 2. Distribuição Binomial
Leia maisProbabilidades e Estatística LEGM, LEIC-A, LEIC-T, MA, MEMec
Duração: 90 miutos Grupo I Probabilidades e Estatística LEGM, LEIC-A, LEIC-T, MA, MEMec Justifique coveietemete todas as respostas 2 o semestre 208/209 04/05/209 9:00 o Teste A 0 valores. As amostras de
Leia maisTE802 Processos Estocásticos em Engenharia. Valores Esperados de Somas de Variáveis Aleatórias. TE802 Somas de Variáveis Aleatórias
TE802 Processos Estocásticos em Engenharia Somas de Variáveis Aleatórias 27 de setembro de 2017 Valores Esperados de Somas de Variáveis Aleatórias Seja W n = X 1 + + X n, E[W n ] = E[X 1 ] + E[X 2 ] +
Leia maisProcessos Estocásticos. Variáveis Aleatórias. Variáveis Aleatórias. Luiz Affonso Guedes. Como devemos descrever um experimento aleatório?
Processos Estocásticos Luiz Affonso Guedes Sumário Probabilidade Funções de Uma Variável Aleatória Funções de Várias Momentos e Estatística Condicional Teorema do Limite Central Processos Estocásticos
Leia maisMODELOS PROBABILÍSTICOS DISCRETOS (BINOMIAL e POISSON)
MODELOS PROBABILÍSTICOS DISCRETOS (BINOMIAL e POISSON) Modelos probabilísticos Algumas variáveis aleatórias (V.A.) aparecem com bastate frequêcia em situações práticas de eperimetos aleatórios (E.: peso,
Leia mais) E X. ) = 0 2 ( 1 p ) p = p. ) E 2 ( X ) = p p 2 = p ( 1 p ) ( ) = i 1 n. ( ) 2 n E( X) = ( ) = 1 p ( ) = p V ( X ) = E ( X 2 E X
3.5 A distribuição uiforme discreta Defiição: X tem distribuição uiforme discreta se cada um dos valores possíveis,,,, tiver fução de probabilidade P( X = i ) = e represeta-se por, i =,, 0, c.c. X ~ Uif
Leia maisSME0801- Probabilidade II Distribuições conjuntas. Primeiras definições e propriedades
SME0801- Probabilidade II Distribuições conjuntas. Primeiras definições e propriedades Pablo Martin Rodriguez SME ICMC USP Bacharelado em Estatística 20 Mar 2017 Vetores aleatórios Definição Sejam X 1,
Leia maisProcessos Estocásticos. Variáveis Aleatórias. Variáveis Aleatórias. Variáveis Aleatórias. Variáveis Aleatórias. Luiz Affonso Guedes
Processos Estocásticos Luiz Affonso Guedes Sumário Probabilidade Funções de Uma Variável Aleatória Funções de Várias Momentos e Estatística Condicional Teorema do Limite Central Processos Estocásticos
Leia mais5. PRINCIPAIS MODELOS CONTÍNUOS
5. PRINCIPAIS MODELOS CONTÍNUOS 00 5.. Modelo uniforme Uma v.a. contínua X tem distribuição uniforme com parâmetros α e β (α β) se sua função densidade de probabilidade é dada por f ( ) β α 0, Notação:
Leia maisDistribuições de Probabilidade. Distribuição Uniforme Distribuição Exponencial Distribuição Normal
Distribuições de Probabilidade Distribuição Uniforme Distribuição Exponencial Distribuição Normal 1 Distribuição Uniforme A distribuição Uniforme atribui uma densidade igual ao longo de um intervalo (a,b).
Leia maisLista 9 - Introdução à Probabilidade e Estatística
Lista 9 - Itrodução à Probabilidade e Estatística Desigualdades e Teoremas Limites 2.=000. 1 Um ariro apota a um alvo de 20 cm de raio. Seus disparos atigem o alvo, em média, a 5 cm do cetro deste. Assuma
Leia maisProf. Lorí Viali, Dr.
Prof. Lorí Viali, Dr. viali@mat.ufrgs.br http://www.mat.ufrgs.br/~viali/ Uma variável aleatória X tem uma distribuição normal se sua fdp for do tipo: f(x) 1.e 1 2. x µ σ 2, x R 2π. σ com - < µ < e σ >
Leia maisProbabilidades e Estatística MEEC, LEIC-A, LEGM
Departamento de Matemática Probabilidades e Estatística MEEC, LEIC-A, LEGM Exame a Época / o Teste (Grupos III e IV) o semestre 009/00 Duração: 80 / 90 minutos /06/00 9:00 horas Grupo I Exercício 5 valores
Leia maisNome: N. o : 7. Total
ESTATÍSTICA I. o Ano/Gestão. o Semestre Época Normal Duração: horas 1. a Parte Teórica N. o de Exame: 1431 5.6.14 Nome: N. o : TEÓRICA Espaço reservado a classicações PRÁTICA EM 1.a.a 3.a 4.a 6. 1.b.b
Leia maisMais sobre Modelos Continuos
Mais sobre Modelos Continuos Ricardo Ehlers ehlers@icmc.usp.br Departamento de Matemática Aplicada e Estatística Universidade de São Paulo 1 / 41 Transformação Linear da Uniforme Seja X uma variável aleatória
Leia maisEstatística Aplicada II. } Revisão: Probabilidade } Propriedades da Média Amostral
Estatística Aplicada II } Revisão: Probabilidade } Propriedades da Média Amostral 1 Aula de hoje } Tópicos } Revisão: } Distribuição de probabilidade } Variáveis aleatórias } Distribuição normal } Propriedades
Leia maisVariáveis Aleatórias e Distribuições de Probabilidade
PROBABILIDADES Variáveis Aleatórias e Distribuições de Probabilidade BERTOLO Fução de Probabilidades Vamos cosiderar um experimeto E que cosiste o laçameto de um dado hoesto. Seja a variável aleatória
Leia 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 maisPARTE TEÓRICA Perguntas de escolha múltipla
PROBABILIDADES E ESTATÍSTICA MIEEC/FEUP PARTE TEÓRICA Perguntas de escolha múltipla 1 Dada a experiência aleatória ε define-se espaço amostral associado a ε como sendo: A O espaço físico onde se realiza
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 maisLicenciatura em Economia REVISÃO DE ALGUNS CONCEITOS EM ESTATÍSTICA. Luís Filipe Martins.
1 Ecoometria e Métodos de Modelização I Liceciatura em Ecoomia REVISÃO DE ALGUNS CONCEITOS EM ESTATÍSTICA Luís Filipe Martis luis.martis@iscte.pt http://home.iscte.pt/~lfsm Departameto de Métodos Quatitativos,
Leia maisVariável Aleatória Contínua:
Distribuição Contínua Normal Prof. Tarciana Liberal Departamento de Estatística UFPB x x Variável Aleatória Contínua: Assume valores num intervalo de números reais. Não é possível listar, individualmente,
Leia maisNotas do Curso Inferência em Processos Estocásticos. 1 Estimação de máxima verossimilhança para cadeias de Markov de ordem k
Notas do Curso Iferêcia em Processos Estocásticos Prof. Atoio Galves Trascrita por Karia Yuriko Yagiuma 1 Estimação de máxima verossimilhaça para cadeias de Markov de ordem k Seja (X ) =0,1,,... uma cadeia
Leia maisVariáveis Aleatórias Bidimensionais &Teoremas de Limite 1/22
all Variáveis Aleatórias Bidimensionais & Teoremas de Limite Professores Eduardo Zambon e Magnos Martinello UFES Universidade Federal do Espírito Santo DI Departamento de Informática CEUNES Centro Universitário
Leia maisCapítulo 5 - Distribuições conjuntas de probabilidade e complementos 3
Capítulo 5 - Distribuições conjuntas de probabilidade e complementos Conceição Amado e Ana M. Pires Departamento de Matemática Instituto Superior Técnico Capítulo 5 - Distribuições conjuntas de probabilidade
Leia maisProbabilidade II. Departamento de Estatística. Universidade Federal da Paraíba
Probabilidade II Departamento de Estatística Universidade Federal da Paraíba Prof. Tarciana Liberal (UFPB) Aula Lei dos Grandes Números e Teorema Central do Limite 02/14 1 / 9 Lei dos Grandes Números Lei
Leia maisVariável Aleatória Contínua:
Distribuição Contínua Normal Luiz Medeiros de Araujo Lima Filho Departamento de Estatística UFPB Variável Aleatória Contínua: Assume valores num intervalo de números reais. Não é possível listar, individualmente,
Leia maisSumário. 2 Índice Remissivo 11
i Sumário 1 Principais Distribuições Contínuas 1 1.1 Distribuição Uniforme................................. 1 1.2 A Distribuição Normal................................. 2 1.2.1 Padronização e Tabulação
Leia maisDISTRIBUIÇÃO NORMAL DISTRIBUIÇÕES DE PROBABILIDADE CONJUNTAS ROTEIRO DISTRIBUIÇÃO NORMAL
ROTEIRO DISTRIBUIÇÕES DE PROBABILIDADE CONJUNTAS 1. Distribuições conjuntas 2. Independência 3. Confiabilidade 4. Combinações lineares de variáveis aleatórias 5. Referências DISTRIBUIÇÃO NORMAL Definição:
Leia maisVARIÁVEIS ALEATÓRIAS
UNIVERSIDADE FEDERAL DE JUIZ DE FORA INSTITUTO DE CIÊNCIAS EXATAS DEPARTAMENTO DE ESTATÍSTICA VARIÁVEIS ALEATÓRIAS Joaquim H Vianna Neto Relatório Técnico RTE-03/013 Relatório Técnico Série Ensino Variáveis
Leia maisProcessos Estocásticos. Luiz Affonso Guedes
Processos Estocásticos Luiz Affonso Guedes Sumário Probabilidade Variáveis Aleatórias Funções de Uma Variável Aleatória Funções de Várias Variáveis Aleatórias Momentos e Estatística Condicional Teorema
Leia maisTeorema do Limite Central
Teorema do Limite Central Bacharelado em Economia - FEA - Noturno 1 o Semestre 2014 MAE0219 (IME-USP) Teorema do Limite Central 1 o Semestre 2014 1 / 47 Objetivos da Aula Sumário 1 Objetivos da Aula 2
Leia maisProbabilidades e Estatística
Departamento de Matemática Probabilidades e Estatística LEAN, LEE, LEGI, LEGM, LEIC-A, LEIC-T, LEMat, LERC, LMAC, MEAer, MEAmbi, MEBiol, MEBiom, MEEC, MEFT, MEMec, MEQ 2 o semestre 2/22 o TESTE (Época
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 mais4.1. ESPERANÇA x =, x=1
4.1. ESPERANÇA 139 4.1 Esperança Certamente um dos conceitos mais conhecidos na teoria das probabilidade é a esperança de uma variável aleatória, mas não com esse nome e sim com os nomes de média ou valor
Leia maisPr = 6 = = = 0.8 =
IND 5 Inferência Estatística Semestre 004.0 Teste 05/0/004 GABARITO Problema (5 pontos) Uma gulosa professora de estatística é fissurada por trufas de chocolate. Em busca da trufa ideal, ela vai provando
Leia mais) E 2 ( X) = p p 2 = p( 1 p) ) = 0 2 ( 1 p) p = p ( ) = ( ) = ( ) = p. F - cara (sucesso) C - coroa (insucesso)
3.6 A distribuição biomial Defiição: uma eperiêcia ou prova de Beroulli é uma eperiêcia aleatória só com dois resultados possíveis (um deles chamado "sucesso" e o outro "isucesso"). Seja P(sucesso) = p,
Leia maisAULA 17 - Distribuição Uniforme e Normal
AULA 17 - Distribuição Uniforme e Normal Susan Schommer Introdução à Estatística Econômica - IE/UFRJ Distribuições Contínuas Em muitos problemas se torna matematicamente mais simples considerar um espaço
Leia maisSéries Temporais e Modelos Dinâmicos. Econometria. Marcelo C. Medeiros. Aula 4
em Econometria Departamento de Economia Pontifícia Universidade Católica do Rio de Janeiro Aula 4 O Processo Média-Móvel Muitas vezes, a estrutura auto-regressiva não é suficiente para descrever totalmente
Leia maisTE802 Processos Estocásticos em Engenharia. Valores Esperados de Somas de Variáveis Aleatórias Notes. PDF da Soma de Duas Variáveis Aleatórias.
TE802 Processos Estocásticos em Engenharia Somas de Variáveis Aleatórias 25 de abril de 2016 Valores Esperados de Somas de Variáveis Aleatórias Seja W n = X 1 + + X n, E[W n ] = E[X 1 ] + E[X 2 ] + + E[X
Leia maisReviso de Teoria da Medida e Elementos Bsicos de Probabilidade
Reviso de Teoria da Medida e Elementos Bsicos de Probabilidade Roberto Imbuzeiro Oliveira 9 de Março de 2009 Resumo Esta lista cobre o básico do básico sobre espaços e distribuições de probabilidade. Pouco
Leia mais5. PRINCIPAIS MODELOS CONTÍNUOS
5. PRINCIPAIS MODELOS CONTÍNUOS 2019 5.1. Modelo uniforme Uma v.a. contínua X tem distribuição uniforme com parâmetros e ( < ) se sua função densidade de probabilidade é dada por f ( x )={ 1 β α, α x β
Leia maisProf. Lorí Viali, Dr.
Prof. Lorí Viali, Dr. viali@mat.ufrgs.br http://www.mat.ufrgs.br/~viali/ Tipos de Modelos Determinístico Sistema Real Probabilístico Modelo determinístico Causas Efeito Exemplos Gravitação F GM 1 M /r
Leia maisTE802 Processos Estocásticos em Engenharia. Processo Aleatório. TE802 Processos Aleatórios. Evelio M. G. Fernández. 18 de outubro de 2017
TE802 Processos Estocásticos em Engenharia Processos Aleatórios 18 de outubro de 2017 Processo Aleatório Processo Aleatório (ou Estocástico), X(t): Função aleatória do tempo para modelar formas de onda
Leia maisProbabilidade II. Departamento de Estatística. Universidade Federal da Paraíba
Probabilidade II Departamento de Estatística Universidade Federal da Paraíba Prof. Tarciana Liberal (UFPB) Aula Variáveis Aleatórias Contínuas 14/10 1 / 25 VALE A PENA VER DE NOVO:Variáveis Aleatórias
Leia maisPROBABILIDADE. prof. André Aparecido da Silva. 1
NOÇÕES DE PROBABILIDADE prof. Adré Aparecido da Silva adrepr@yahoo.com.br 1 TEORIA DAS PROBABILIDADES A teoria das probabilidades busca estimar as chaces de ocorrer um determiado acotecimeto. É um ramo
Leia maisCadeias de Markov em Tempo Continuo
Cadeias de Markov em Tempo Continuo Ricardo Ehlers ehlers@icmc.usp.br Departamento de Matemática Aplicada e Estatística Universidade de São Paulo Capitulos 6 Taylor & Karlin 1 / 44 Análogo ao processo
Leia maisDistribuição de Bernoulli
Algumas Distribuições Discretas Cálculo das Probabilidades e Estatística I Prof. Luiz Medeiros Departameto de Estatística UFPB Distribuição de Beroulli Na prática muitos eperimetos admitem apeas dois resultados
Leia mais1. Revisão Matemática
Se x é um elemeto do cojuto Notação S: x S Especificação de um cojuto : S = xx satisfaz propriedadep Uião de dois cojutos S e T : S T Itersecção de dois cojutos S e T : S T existe ; para todo f : A B sigifica
Leia maisProbabilidades e Estatística / Introd. às Probabilidades e Estatística TODOS OS CURSOS
Probabilidades e Estatística / Itrod. às Probabilidades e Estatística TODOS OS CURSOS Exame Época Especial 7/8 3/7/7 9: Duração: 3 horas Justifique coveietemete todas as respostas Grupo I 5 valores. Uma
Leia mais