Métodos Quantitativos para Ciência da Computação Experimental
|
|
- Melissa Azenha
- 4 Há anos
- Visualizações:
Transcrição
1 Métodos Quantitativos para Ciência da Computação Eperimental -Aula #2d- Virgílio A. F. Almeida Abril 2008 Departamento de Ciência da Computação Universidade Federal de Minas Gerais
2 Variáveis Aleatórias (V.A.) Contínuas Até aqui, olhamos VA com valores discretos, e. X(s) deve ser um inteiro. Eemplos de VAs discretas: numero de chegadas de queries em 1 seg., número de movimentos incorretos de um robô em treinamento até o movimento correto. Uma variável aleatória de valor contínuo assume valores no domínio dos números reais, e.x(s) vai de 0 até S. Eemplos de VA contínuas: tempo entre chegada de duas mensagens spam consecutivas, tempo para um usuário escolher a entrar com a senha de letras num caia automático do BB (ATM).
3 Variáveis Aleatórias (V.A.) Contínuas Para variáveis aleatória contínuasx, define-se a probability density function (pdf) df ( ) f ( ) = F ' ( ) X X = d FX Observe que desde que decrescente em nós temos para todo. ( ) f X é não ( ) 0
4 Propriedades das V.A. Contínuas Do Cálculo, tem-se: Em particular, Mais genericamente, F ( ) f ( ) d X = f( ) d = F X ( ) = 1 b f ( ) d = F X X ( b ) F X ( a ) = P ( a < X b ) a
5 Epectância de uma VA Contínua A epectância (average) de uma VA contínua X é dada por: = E( X ) f ( ) d E( X ) = Σ P ( ) = X X
6 Moment0s e Outras Propriedades das V.A. Contínuas Momentos de y Momentos de y: Média: Segundo Momento : y y = E [ y] = 2 = E [ y 2 ] = y y p y 2 ( y) dy p y ( y) dy Variancia Desvio Padrão σ σ 2 y y 2 = E [( y y) ] = 2 2 = E[ y = σ 2 y ] y ( y y) 2 p y ( y) dy Mode (peak) Prob(y > median) = Prob(y median) =0.5 Integrals are replaced by sums when PDF is discrete Median ± 1 Standard deviation Mean y 95 Prob(y>y 95 ) =0.05
7 Distribuições de Variáveis Aleatórias Contínuas Normal Eponencial Weibull Lognormal Pareto...
8 Distribuições de Variáveis Aleatórias Contínuas Variáveis aleatórias contínuas Assumem um intervalo infinito de diferentes valores W=% percentual de crescimento do PIB em 2008 V=tempo para retornar a resposta de um query Valores específicos-particulares de uma v.a. contínua tem probabilidade 0 Intervalos de valores tem probabilidade 0
9 Função Densidade de Probabilidade Para f () ser uma pdf 1. f () > 0. 2.A area da região entre o grafico de f e o eio do é igual a 1. Area = 1 y = f ( )
10 Distribuição de Probabilidade Seja X uma va contínua. Então a a função de probabilidade (pdf) de X é uma função f () tal que para dois números quaisquer a and b, ( ) ( ) = P a X b f d b a O gráfico de f é a curva de densidade.
11 PDF P( a X b) sombreada. é dada pela área da função y = f ( ) a b
12 Distribuição Eponencial Uma VA X é eponencialmente distribuida com parâmetro λ > 0 se suas pdf e cdf são: λe f ( ) = 0, λ, 0 elsewhere E(X) = 1/λ V(X) = 1/λ 2 Usada para modelar tempo entrechegadas qdo chegadas são alelatórias e tempos de serviço variáveis Para diferentes pdfs eponenciais o valor que intercepta Y é λ. = 0, F( ) = λe dt 1 e 0 λt λ, p 0 0
13 Distribuição Eponencial Uma variável aleatória eponencialmente distribuida Xtem a propriedade que o futuro é independente do passado, i.e. O fayto que o evento não ocorreu ainda não diz nada sobre quanto tempo demorará para o evento ocorrer.
14 Distribuição Eponencial Propriedade Memoryless s e t to 0: P(X > s+t X > s) = P(X > t) Eemplo: Uma lampada falha ~ ep(λ = 1/3 por hora), portanto, na média, 1 falha por 3 horas. A probabilidade que a lampada dure mais que sua média é: P(X > 3) = 1-(1-e -3/3 ) = e -1 = A probabilidade que a lampada entre 2 e 3 horas é: P(2 <= X <= 3) = F(3) F(2) = A probabilidade que a lampada dure por mais uma hora, dada que ela está funcionando por 2,5 horas: : P(X > 3.5 X > 2.5) = P(X > 1) = e -1/3 = 0.717
15 Distribuição Eponencial: ausência de memória Se nós vemos uma chegada em t=0, o tempo médio para próima chegada é 1/λ. Se não vemos chegada até t=, qual será a diostribuição do tempo remanescente até a próima chegada? t t T e e e e T P T P t T P T P T and t T P T t T P t e t T P t F λ λ λ λ λ + = = > < + < = > > < = > < = = < = 1 ) (1 ) (1 ) ( ) ( ) ( ) ( ) ( ) ( 0, 1 ) ( ) ( ) (
16 Distribuição Eponencial Média e Variância E ( X ) = 1 λ V 1 ( X ) = 2 λ
17 Eponential distribution Density
18 Distribuição Normal (Gaussiana) Distribuição mais comum na análise de dados pdf is: - + f ( ) 1 e 2π Média é µ, desvio padrão σ = σ ( µ ) 2σ 2 2
19 Notação para Distribuições Gaussianas Geralmente denotada N(µ,σ) Normal unitária é N(0,1) Se tem N(µ,σ), µ σ tem N(0,1) O α-quantil de uma normal unitária z ~ N(0,1) é denotado por z α tal que P µ ( ) z { P( ) z } = µ σ + σ = α α α
20 Por que uma Distribuição de Gauss é tão Popular? Se i ~ N(µ ι,σ ι ) e todos i independentes, então Σα i i é normal com média Σα i µ i e variância σ 2 = Σα i2 σ i 2 A soma de um número grande observações independentes de qualquer distribuição é uma distribuição normal (Teorema do Limite Central) Erros eperimentais podem ser modelados como uma distribuição normal.
21 Parâmetros Distribuição pode ser epressa pela pdf ou CDF Geralmente a informação eistente numa distribuição pode ser ecessiva para ser processada Quando isso é verdade, nós queremos sumarizar as métricas de informção: Média Variancia São também chamados de parâmetros de uma distribuição
22 Distribuição Normal Função de densidade Dois parâmetros, µ e σ Assim se X é distribuído com uma normal: X ~ N ( 2 µ, σ ) E V ( X ) = µ ( ) 2 X = σ
23 Normal Função de densidade para µ=0, σ= f() E
24 Normal Função de densidade para σ=1 µ= µ=
25 Normal Funções de densidade para µ= σ= σ=
26 Teorema do Limite Central O teorema do limite central diz que (na essência ) a média padronizada de muitas variáveis aleatórias (de distribuições diferentes) tende a ser distribuída como normal a medida que o número de v.a. cresce. Z = 1 N i N ( X ) i 1 N = σ µ ( 0,1) N
27 Outras Distribuições Contínuas Weibull Lognormal Pareto Power Laws...
28 Distribuição de Weibull A va contínua T tem uma distribuição de Weibull se a pdf é Onde os parâmetros satisfazem t 0 λ > 0 α > 0 α α λ λ α λα t t e t F e t t f = = 1 ) ( ) ( 1
29 Distribuição Lognormal Uma va X tem uma distribuição lognormal se a va Y Y = ln(x) X =e tem uma distribuição normal com a pdf resultante com parâmetros µ e λ [ln( ) µ ] /(2 σ ) e 0 f ( ; µ, σ ) = 2πα 0 < 0
30 Distribuição Lognormal
31 Média e Variância A média e variância de uma va X que tem uma distribuição lognormal são: µ + σ / 2 2µ + σ σ ( ) E( X ) = e V ( X ) = e e 1
32 Distribuição Lognormal Pdf da lognormal para 4 valores de σ.
33 Distribuição de Pareto ab Uma das distribuições a ( a+ 1) heavy tailed. f ( ) = = ab 1 ( a+ 1) a
34 Power Laws (Leis de potência) Uma distribuição da forma geral: P[X > ] c a, a,c>0
35 Leis de Potência (Power Laws) Pareto: a distribuição power law mais simples a ab f ( ) =, b, a > 0, b > 0 a+ 1 Distribuição acumulada a b P[ X ] = 1 a CCDF (acumulada complementar) b a [ X > ] a P =
36 Propriedades de Pareto a determina a média e variância b determina o menor valor pode assumir E var [ ] [ ] = ab ( 1 a) = ab a 1 a > 1 2 ( a 1) ( a 2) 2 a a > 2 2 Obs.:: 1<a<2 média finita, variância infinita!
37 Evidências de distribuições de cauda pesada em CC Distribuição de tamanho de: Arquivos armazenados em servidores Web; Arquivos de dados tranferidos pela internet; Arquivos em sistemas de armazenamento Uni. I/O traces of filesystem, disk, and tape activity [20, 33, 34, 35]
38 Fenômeno da Alta Variabilidade na Internet (High Variability Phenomena)
39 Motivation Internet is full of high variability Link bandwidth: Kbps Gbps File sizes: a few bytes Mega/Gigabytes Flows: a few packets 100,000+ packets In/out-degree (Web graph): 1 100,000+ Delay: Milliseconds seconds and beyond How to deal with high variability High variability = large, but finite variance High variability = infinite variance
40 A Working Definition A distribution function F() or random variable X is called heavy-tailed if for some α>0 α P [ X > ] = 1 F ( ) c, where c>0 and finite F is also called a power law or scaling distribution The parameter α is called the tail inde 1< α < 2, F has infinite variance, but finite mean 0 < α < 1, the variance and mean of F are infinite Mild vs wild (Mandelbrot): α 2 vs α < 2
41 Some Illustrative Eamples Some commonly-used plotting techniques Probability density functions (pdf) Cumulative distribution functions (CDF) Complementary CDF (CCDF = 1- CDF) Different plots emphasize different features Main body of the distribution vs. tail Variability vs. concentration Uni- vs. multi-modal
42 PDF = Probability density functions 1.5 Lognorm al(0,1) G am m a(.53,3) E pone ntial(1.6) W e ibull(.7,.9) P are to(1,1.5) 1 f()
43 CDF = Cumulative Distribution Function Lognorm al(0,1) G am m a(.53,3) E pone ntial(1.6) W e ibull(.7,.9) Pare to(1,1.5) 0.6 F()
44 Complementary CDFs -> 1-F X () log(1-f()) Lognorm al(0,1) G am m a(.53,3) E pone ntial(1.6) W e ibull(.7,.9) P are toii(1,1.5) P are toi(0.1,1.5) log( )
45 Evidências de Power Laws
46 100 maiores desastres do Século 20 Log(rank) 10 2 A maioria 10 1 dos eventos é pequena Energia Elétrica EUA (10M consumidores) Tecnológicos ($10B) Naturais ($100B) Mas grandes eventos Log(size) são enormes
47 Por que Heavy Tails são importantes? Modelagem de risco (seguros) Load balancing (CPU, network) Escalonamento (projeto de Web servidor) Busca combinatória(restart methods) Estudo de sistemas compleoa (SOC vs. HOT) Na construção de uma teoria da Internet
48 Eercício #2 14/04 1. You are writing code that controls the behavior of a very simple agent in a computer game. At each time-step in the game, the agent makes a decision to stay still (with probability 0.6), to walk (with probability 0.3), or to run (with probability 0.1). This is a very simple agent and it does not keep track from one time-step to the net of what it did before so it is memoryless." Answer the following questions about the agent's behavior: What is the probability that the agent stands, walks, and then runs, in that order, in 3 consecutive time-steps? What is the probability that the agent stands, walks, and runs, in any order, in 3 consecutive time-steps? What is the probability that over 5 time-steps the agent will not move (will not run or walk) in any of the 5 time-steps? What is the probability that over 10 time-steps the agent will walk or run at least once? (hint: it is easiest to solve this problem by dening a situation that is the opposite of this).
49 Eercício #2 14/04 2. A company (e.g., Dell) sells hard-drives of a particular type in a year. Each drive has a probability of 0.9 of failing within the rst year of operation. Each failed drive is returned and the company must supply the customer with a new drive. Answer the following questions using results from a statistical package (Matlab? Or write a code) functions What is the probability that eactly 1000 of the original drives will be returned? What is the probability that 1000 or more of the original drives will be returned? What is the probability that 1100 or more of the original drives will be returned? What is the probability that 900 or less of the original drives will be returned?
Virgílio A. F. Almeida DCC-UFMG 2005
Virgílio A. F. Almeida DCC-UFMG 2005 1. Considere que o número de mails que chegam a um servidor de mails no intervalo t segundos é distribuído como Poisson com parâmetro 0.3t Calcule a seguintes probabilidades:
Leia maisMétodos Quantitativos para Ciência da Computação Experimental. Aula #2c
Métodos Quantitativos para Ciência da Computação Experimental Aula #2c Virgílio A. F. Almeida Abril 2010 Departamento de Ciência da Computação Universidade Federal de Minas Gerais Sobre o método científico
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 maisEstatística e Modelos Probabilísticos - COE241
Estatística e Modelos Probabilísticos - COE241 Aula passada Exemplos de v. a. contínuas: Exponencial, Hipoexponencial, Erlang, Hiperexponencial, Gamma, Weibull, Normal Aula de hoje V.a. Normal, Chi Square,
Leia maisProf. Lorí Viali, Dr.
Prof. Lorí Viali, Dr. viali@mat.ufrgs.br http://www.mat.ufrgs.br/~viali/ Seja X uma variável aleatória com conjunto de valores X(S). Se o conjunto de valores for infinito não enumerável então a variável
Leia maisEstatística e Modelos Probabilísticos - COE241
Estatística e Modelos Probabilísticos - COE241 Aula passada Exemplos de v. a. contínuas: Hipoexponencial, Erlang, Hiperexponencial, Gamma, Weibull Aula de hoje Exemplos de v. a. contínuas: Normal, Chi
Leia maisPopulação e Amostra. Amostra é uma parte da população, denotada por n. Ex.: todos processos executados pela máquina em 18/03/2005
População e Amostra População (ou universo): todos os N membros de uma classe ou grupo. Ex.: todos os processos executados numa máquina durante o período que esteve ativa. Amostra é uma parte da população,
Leia maisPopulação e Amostra. Amostra é uma parte da população, denotada por n. Ex.: todos processos executados pela máquina em 18/03/2005
População e Amostra População (ou universo): todos os N membros de uma classe ou grupo. Ex.: todos os processos executados numa máquina durante o período que esteve ativa. Amostra é uma parte da população,
Leia maisEstimating Population from Samples
Estimating Population from Samples Sample mean is a random variable Mean has some distribution Multiple sample means have mean of means Knowing distribution of means can estimate error Confidence Intervals
Leia maisEstimating Population from Samples
Estimating Population from Samples Sample mean is a random variable Mean has some distribution Multiple sample means have mean of means Knowing distribution of means can estimate error Confidence Intervals
Leia maisRevisão de Estatística (Aplicada a Análise de Desempenho) Profa. Jussara M. Almeida 1 o Semestre de 2014
Revisão de Estatística (Aplicada a Análise de Desempenho) Profa. Jussara M. Almeida 1 o Semestre de 2014 Por quê? Modelagem probabilística Avaliação dos resultados Qual a probabilidade do tempo de residência
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 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 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 maisAvaliação de Desempenho
Avaliação de Desempenho Aula passada Métricas, Técnicas, Erros Aula de hoje Conceitos importantes de probabilidade Como fazer a análise de desempenho? Modelos Matemáticos Modelos de Simulação Como fazer
Leia maisCap. 6 Variáveis aleatórias contínuas
Estatística para Cursos de Engenharia e Informática Pedro Alberto Barbetta / Marcelo Menezes Reis / Antonio Cezar Bornia São Paulo: Atlas, 004 Cap. 6 Variáveis aleatórias contínuas APOIO: Fundação de Apoio
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 maisCapítulo 4 - Variáveis aleatórias e distribuições contínuas
Capítulo 4 - Variáveis aleatórias e distribuições contínuas Conceição Amado e Ana M. Pires 4.1 - Variáveis aleatórias contínuas. Função densidade de probabilidade 3 4.2 - Valor esperado, variância e algumas
Leia maisRedes de Computadores sem Fio
Redes de Computadores sem Fio Prof. Marcelo Gonçalves Rubinstein Programa de Pós-Graduação em Engenharia Eletrônica Faculdade de Engenharia Universidade do Estado do Rio de Janeiro Programa Introdução
Leia maisConceitos Básicos, Básicos,Básicos de Probabilidade
Conceitos Básicos, Básicos,Básicos de Probabilidade Espaço Amostral Base da Teoria de Probabilidades Experimentos são realizados resultados NÃO conhecidos previamente Experimento aleatório Exemplos: Determinar
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 maisCap. 6 Variáveis aleatórias contínuas
Estatística para Cursos de Engenharia e Informática Pedro Alberto Barbetta / Marcelo Menezes Reis / Antonio Cezar Bornia São Paulo: Atlas, 2004 Cap. 6 Variáveis aleatórias contínuas APOIO: Fundação de
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 maisRedes Complexas Aula 3
Redes Complexas Aula 3 Aula passada Caracterizando redes grandes Grau Distâncias Clusterização Aula de hoje Características de redes reais Centralidade de vértices Betweeness, Closeness Três Importantes
Leia maisPopulação e Amostra. Amostra é uma parte da população, denotada por n. Ex.: todos processos executados pela máquina em 18/03/2005
População e Amostra População (ou universo): todos os N membros de uma classe ou grupo. Ex.: todos os processos executados numa máquina durante o período que esteve ativa. Amostra é uma parte da população,
Leia maisIncerteza, exatidão, precisão e desvio-padrão
1 Incerteza, exatidão, precisão e desvio-padrão Incerteza ( uncertainty or margin of error ) A incerteza, segundo a Directiva Comunitária 2007/589/CE, é: parâmetro associado ao resultado da determinação
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 mais4. Distribuições de probabilidade e
4. Distribuições de probabilidade e características Valor esperado de uma variável aleatória. Definição 4.1: Dada uma v.a. discreta (contínua) X com f.m.p. (f.d.p.) f X (), o valor esperado (ou valor médio
Leia 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 mais5. PRINCIPAIS MODELOS CONTÍNUOS
5. PRINCIPAIS MODELOS CONTÍNUOS 011 5.1. Modelo uniforme Uma v.a. contínua X tem distribuição uniforme com parâmetros e ( < ) se sua função densidade de probabilidade é dada por 1, f ( ) 0, Notação: X
Leia maisEstatística e Modelos Probabilísticos - COE241
Estatística e Modelos Probabilísticos - COE241 Aula passada Exemplos de v. a. contínuas: Hipoexponencial, Erlang, Hiperexponencial, Gamma, Weibull, Normal, Chi Square, Uniforme, Lognormal, Pareto Aula
Leia maisrio de Guerra Eletrônica EENEM 2008 Estatística stica e Probabilidade Aleatórias nuas
ITA - Laboratório rio de Guerra Eletrônica EENEM 2008 Estatística stica e Probabilidade Aula 04: Variáveis Aleatórias Contínuas nuas Função densidade de probabilidade contínua nua f(x) a b f(x) 0 para
Leia maisVariáveis Aleatórias Discretas 1/1
Variáveis Aleatórias Discretas Professores Eduardo Zambon e Magnos Martinello UFES Universidade Federal do Espírito Santo DI Departamento de Informática CEUNES Centro Universitário Norte do Espírito Santo
Leia maisUMa das abordagens mais úteis para modelagem de sistemas é a caracterização de eventos
3 Capítulo 1 Distribuições de Probabilidade 1.1 Introdução UMa das abordagens mais úteis para modelagem de sistemas é a caracterização de eventos através de distribuições de probabilidade. As distribuições
Leia maisProbabilidade e Estatística
Probabilidade e Estatística Aula 6 Distribuições Contínuas (Parte 02) Leitura obrigatória: Devore, Capítulo 4 Chap 6-1 Distribuições de Probabilidade Distribuições de Probabilidade Distribuições de Probabilidade
Leia maisGeração de Variáveis Aleatórias Contínuas. Mat02274 Estatística Computacional. A função densidade de probabilidade. Exemplo
Estatística Computacional Geração de Variáveis Aleatórias Contínuas 06 Prof. Lorí Viali, Dr. viali@mat.ufrgs.br http://www.mat.ufrgs.br/~viali/ A função densidade de probabilidade Seja X uma variável aleatória
Leia maisBioestatística e Computação I
Bioestatística e Computação I Distribuições Teóricas de Probabilidade Maria Virginia P Dutra Eloane G Ramos Vania Matos Fonseca Pós Graduação em Saúde da Mulher e da Criança IFF FIOCRUZ Baseado nas aulas
Leia 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 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 maisDistribuições Contínuas. Estatística. 7 - Distribuição de Probabilidade de Variáveis Aleatórias Contínuas UNESP FEG DPD
Estatística 7 - Distribuição de Probabilidade de Variáveis Aleatórias Contínuas 7- Distribuição Uniforme A variável aleatória contínua pode ser qualquer valor no intervalo [a,b] A probabilidade da variável
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 maisProbabilidade II. Departamento de Estatística. Universidade Federal da Paraíba
Probabilidade II Departamento de Estatística Universidade Federal da Paraíba Prof. Tarciana Liberal (UFPB) Aula Distribuição t de Student 02/14 1 / 1 A distribuição t de Student é uma das distribuições
Leia maisVirgílio A. F. Almeida DCC-UFMG 2005
! Virgílio A. F. Almeida DCC-UFMG 2005 Regressão linear assume relações lineares entre variáveis previsoras e a resposta. O que acontece quando essas relações não são lineares? Coeficientes de determinação
Leia maisMétodos Experimentais em Ciências Mecânicas
Métodos Experimentais em Ciências Mecânicas Professor Jorge Luiz A. Ferreira Função que descreve a chance que uma variável pode assumir ao longo de um espaço de valores. Uma distribuição de probabilidade
Leia maisDistribuições de Probabilidade. Variáveis aleatórias contínuas
Distribuições de Probabilidade Variáveis aleatórias contínuas 1 Variáveis contínuas Uma variável aleatória contínua toma um nº infinito não numerável de valores (intervalos de números reais), os quais
Leia 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 maisRedes Complexas Aula 7
Redes Complexas Aula 7 Aula retrasada Lei de potência Distribuição Zeta Propriedades Distribuição Zipf Exemplo Wikipedia Aula de hoje Distribuição de Pareto Medindo lei de potência Estimando expoente Exemplos
Leia maisDistribuição Normal. Prof. Eduardo Bezerra. (CEFET/RJ) - BCC - Inferência Estatística. 25 de agosto de 2017
padrão - padronização Distribuição Normal Prof. Eduardo Bezerra (CEFET/RJ) - BCC - Inferência Estatística 25 de agosto de 2017 Eduardo Bezerra (CEFET/RJ) Distribuição Normal Março/2017 1 / 32 Roteiro Distribuições
Leia maisBioestatística e Computação I
Bioestatística e Computação I Distribuições Teóricas de Probabilidade Maria Virginia P Dutra Eloane G Ramos Vania Matos Fonseca Pós Graduação em Saúde da Mulher e da Criança IFF FIOCRUZ Baseado nas aulas
Leia maisAnálise de Dados em Astronomia. 3. Distribuições de Probabilidades
1 / 24 3. Distribuições de Probabilidades Análise de Dados em Astronomia 3. Distribuições de Probabilidades Laerte Sodré Jr. AGA0505, 1o. semestre 2019 introdução aula de hoje 1 2 a distribuição uniforme
Leia maisO paradoxo do contínuo
V.A.s continuas O paradoxo do contínuo Seja X uma v.a. cujos valores possíveis formam um intervalo da reta [a,b] Temos uma situação paradoxal: Seja x qualquer valor específico em [a,b]. Por exemplo, x=0.2367123
Leia maisEstatística Básica VARIÁVEIS ALEATÓRIAS CONTÍNUAS. Renato Dourado Maia Instituto de Ciências Agrárias Universidade Federal de Minas Gerais
Estatística Básica VARIÁVEIS ALEATÓRIAS CONTÍNUAS Renato Dourado Maia Instituto de Ciências Agrárias Universidade Federal de Minas Gerais Modelo Uniforme Contínuo Uma variável aleatória X tem distribuição
Leia maisEstatística Aplicada II. } Estimação e Intervalos de Confiança
Estatística Aplicada II } Estimação e Intervalos de Confiança 1 Aula de hoje } Tópicos } Revisão } Estimação } Intervalos de Confiança } Referências } Barrow, M. Estatística para economia, contabilidade
Leia maisEstatística e Modelos Probabilísticos - COE241
Estatística e Modelos Probabilísticos - COE241 Aula passada Probabilidade Condicional Independência de Eventos Teorema da Probabilidade Total Lei de Bayes Aula de hoje Variáveis Aleatórias PMF, CDF Exemplos
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 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 maisModelos Lineares Distribuições de Probabilidades Distribuição Normal Teorema Central do Limite. Professora Ariane Ferreira
Distribuições de Probabilidades Distribuição Normal Teorema Central do Limite Professora Ariane Ferreira Modelos Probabilísticos de v.a. continuas Distribuição de Probabilidades 2 IPRJ UERJ Ariane Ferreira
Leia maisDistribuições de Probabilidade. Frases. Roteiro
Distribuições de robabilidade Frases Uma probabilidade razoável é a única certeza Samuel Howe A experiência não permite nunca atingir a certeza absoluta. Não devemos procurar obter mais que uma probabilidade.
Leia maisEstatística e Modelos Probabilísticos - COE241
Estatística e Modelos Probabilísticos - COE241 Aula passada Variáveis aleatórias discretas PMF, CDF Exemplos de v. a.: Bernoulli, Binomial, Geométrica, Poisson, Hipergeométrica Aula de hoje V.a. contínua
Leia maisVariáveis Aleatórias
Variáveis Aleatórias Definição: Uma variável aleatória v.a. é uma função que associa elementos do espaço amostral a valores numéricos, ou seja, X : Ω A, em que A R. Esquematicamente As variáveis aleatórias
Leia maisALGUMAS DISTRIBUIÇÕES CONTÍNUAS DE PROBABILIDADE
ALGUMAS DISTRIBUIÇÕES CONTÍNUAS DE PROBABILIDADE 4. 1 INTRODUÇÃO Serão apresentadas aqui algumas distribuições de probabilidade associadas a v.a. s contínuas. A mais importante delas é a distribuição Normal
Leia maisALGEBRA 2 PRACTICE FINAL EXAM
ALGEBRA 2 PRACTICE FINAL EXAM 1) Write the slope-intercept form of the equation of the line through the point (-3, ( -5) with slope. 2) Write the slope-intercept form of the equation of the line through
Leia maisModelagem e Avaliação de Desempenho. Pós Graduação em Engenharia Elétrica - PPGEE Prof. Carlos Marcelo Pedroso 2018
Modelagem e Avaliação de Desempenho Pós Graduação em Engenharia Elétrica - PPGEE Prof. Carlos Marcelo Pedroso 2018 Análise de desempenho São disponíveis duas abordagens para realizar a análise de desempenho:
Leia maisA figura 5.1 ilustra a densidade da curva normal, que é simétrica em torno da média (µ).
Capítulo 5 Distribuição Normal Muitas variáveis aleatórias contínuas, tais como altura, comprimento, peso, entre outras, podem ser descritas pelo modelo Normal de probabilidades. Este modelo é, sem dúvida,
Leia maisMódulo III: Processos de Poisson, Gaussiano e Wiener
Módulo III: Processos de Poisson, Gaussiano e Wiener Wamberto J. L. Queiroz Universidade Federal de Campina Grande-UFCG Departamento de Engenharia Elétrica Processos Estocásticos Campina Grande - PB Módulo
Leia maisc.c. É a função que associa a cada x X(S) um número f(x) que deve satisfazer as seguintes propriedades:
Prof. Lorí Viali, Dr. viali@mat.ufrgs.br http://www.mat.ufrgs.br/~viali/ Seja X uma variável aleatória com conjunto de valores X(S). Se o conjunto de valores for infinito não enumerável então a variável
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 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 maisCiência da Computação Experimental
Métodos Quantitativos para Ciência da Computação Experimental -Aula #6c- Regressão Curvilínea, Transformações, Outliers e Modelos de Distribuição de Probabilidades Virgílio A. F. Almeida Maio de 2010 Departamento
Leia maisModelagem e Avaliação de Desempenho. Pós Graduação em Engenharia Elétrica - PPGEE Prof. Carlos Marcelo Pedroso 2014
Modelagem e Avaliação de Desempenho Pós Graduação em Engenharia Elétrica - PPGEE Prof. Carlos Marcelo Pedroso 2014 Análise de desempenho São disponíveis duas abordagens para realizar a análise de desempenho:
Leia maisModelagem e Avaliação de Desempenho. Pós Graduação em Engenharia Elétrica - PPGEE Prof. Carlos Marcelo Pedroso 2017
Modelagem e Avaliação de Desempenho Pós Graduação em Engenharia Elétrica - PPGEE Prof. Carlos Marcelo Pedroso 2017 Análise de desempenho São disponíveis duas abordagens para realizar a análise de desempenho:
Leia maisProbabilidade e Estatística
Probabilidade e Estatística Aula 6 - Distribuições Contínuas (Parte 01) Leitura obrigatória: Devore, Capítulo 4 Cap 6-1 Objetivos Nesta aula, vamos aprender: Representações de uma v. a. contínua: função
Leia maisFAMÍLIA EXPONENCIAL DE DISTRIBUIÇÕES
FAMÍLIA EXPONENCIAL DE DISTRIBUIÇÕES 1 Os modelos lineares generalizados, propostos originalmente em Nelder e Wedderburn (1972), configuram etensões dos modelos lineares clássicos e permitem analisar a
Leia maisDistribuição Gaussiana
Universidade Federal de Minas Gerais Instituto de Ciências Exatas Departamento de Estatística Distribuição Gaussiana Introdução à Bioestatística Turma Nutrição Aula 7: Distribuição Normal (Gaussiana) Distribuição
Leia maisTEOREMAS LIMITE EM PROBABILIDADE RENATO ASSUNÇÃO DCC - UFMG
TEOREMAS LIMITE EM PROBABILIDADE RENATO ASSUNÇÃO DCC - UFMG Referência para um estudo aprofundado das questões (e demonstrações das afirmações feitas aqui) LIMITE DE NÚMEROS REAIS Sequência de números
Leia mais3. VARIÁVEIS ALEATÓRIAS
3. VARIÁVEIS ALEATÓRIAS 011 Variável aleatória é o espaço amostral de um eperimento aleatório. Uma variável aleatória,, é uma função que atribui um número real a cada resultado em. Eemplo. Retira-, ao
Leia maisProbabilidade Revisão de Conceitos
Probabilidade Revisão de Conceitos Espaço de Amostras A totalidade dos possíveis resultados de um experimento aleatório. Exemplo: jogar dados S = {(1,1),(1,),... (,1),(,)... (6,6)} S é dito o número de
Leia maisAvaliação de Desempenho de Sistemas Discretos
Avaliação de Desempenho de Sistemas Discretos Probabilidade Professor: Reinaldo Gomes reinaldo@dsc.ufcg.edu.br Planejamento Experimental 2 fatores manipuláveis x 1 x 2 x p entradas Processo...... saídas
Leia maisTécnicas Computacionais em Probabilidade e Estatística I. Aula I
Técnicas Computacionais em Probabilidade e Estatística I Aula I Chang Chiann MAE 5704- IME/USP 1º Sem/2008 1 Análise de Um conjunto de dados objetivo: tratamento de um conjunto de dados. uma amostra de
Leia maisPRE29006 LISTA DE EXERCÍCIOS #
INSTITUTO FEDERAL DE SANTA CATARINA CAMPUS SÃO JOSÉ COORDENADORIA DE ÁREA DE TELECOMUNICAÇÕES ENGENHARIA DE TELECOMUNICAÇÕES PRE9006 LISTA DE EXERCÍCIOS # 06. Eercícios. Considere uma variável aleatória
Leia maisEstatística e Modelos Probabilísticos - COE241
Estatística e Modelos Probabilísticos - COE241 Aula passada Probabilidade Condicional Independência de Eventos Teorema da Probabilidade Total Lei de Bayes Aula de hoje Exemplo Lei de Bayes Variáveis Aleatórias
Leia maisModelos Probabilísticos Teóricos Discretos e Contínuos. Bernoulli, Binomial, Poisson, Uniforme, Exponencial, Normal
Modelos Probabilísticos Teóricos Discretos e Contínuos Bernoulli, Binomial, Poisson, Uniforme, Exponencial, Normal Distribuição de Probabilidades A distribuição de probabilidades de uma variável aleatória:
Leia 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 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 maisModelos de Distribuições
7/5/017 Universidade Federal do Pará Instituto de Tecnologia Estatística Aplicada I Prof. Dr. Jorge Teófilo de Barros Lopes Campus de Belém Curso de Engenharia Mecânica 05/07/017 19: ESTATÍSTICA APLICADA
Leia maisRedes Complexas: Internet, Web
Redes Complexas: Internet, Web computação Web e outr e outras aplicações em -Bloco #4c 4c- 2 o semestre de 2006 Zipf s Law and Power Laws Virgílio A. F. Almeida Setembro de 2006 Departamento de Ciência
Leia maisDistribuições Contínuas de Probabilidade
Distribuições Contínuas de Probabilidade Uma variável aleatória contínua é uma função definida sobre o espaço amostral, que associa valores em um intervalo de números reais. Exemplos: Espessura de um item
Leia maisDivisão de Engenharia Mecânica. Programa de Pós-Graduação em Engenharia Aeronáutica e Mecânica. Prova de Seleção para Bolsas 1 o semestre de 2014
Divisão de Engenharia Mecânica Programa de Pós-Graduação em Engenharia Aeronáutica e Mecânica Prova de Seleção para Bolsas 1 o semestre de 2014 07 de março de 2014 Nome do Candidato Observações 1. Duração
Leia maisVariáveis aleatórias contínuas
Variáveis aleatórias contínuas Wagner H. Bonat Fernando P. Mayer Elias T. Krainski Universidade Federal do Paraná Departamento de Estatística Laboratório de Estatística e Geoinformação 20/04/2018 WB, FM,
Leia maisVARIÁVEIS ALEATÓRIAS E DISTRIBUIÇÕES DE PROBABILIDADE
VARIÁVEIS ALEATÓRIAS E DISTRIBUIÇÕES DE PROBABILIDADE.1 INTRODUÇÃO Admita que, de um lote de 10 peças, 3 das quais são defeituosas, peças são etraídas ao acaso, juntas (ou uma a uma, sem reposição). Estamos
Leia maisMOQ 13 PROBABILIDADE E ESTATÍSTICA. Professor: Rodrigo A. Scarpel
MOQ 3 PROBABILIDADE E ESTATÍSTICA Professor: Rodrigo A. Scarpel rodrigo@ita.br www.mec.ita.br/~rodrigo Programa do curso: Semanas 2 3 4 5 6 7 8 9 0 2 3 4 5 e 6 Introdução à probabilidade (eventos, espaço
Leia maisGeração de Variáveis Aleatórias Contínuas. Mat02274 Estatística Computacional. A Normal. A Normal. Normal Log-Normal Gama Erlang Beta.
Estatística Computacional Geração de Variáveis Aleatórias Contínuas 6 Prof. Lorí Viali, Dr. viali@mat.ufrgs.br http://www.mat.ufrgs.br/~viali/ Normal Log-Normal Gama Erlang Beta Weibull Student (t) Qui-Quadrado
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 maisEstatística II Aula 2. Prof.: Patricia Maria Bortolon, D. Sc.
Estatística II Aula Prof.: Patricia Maria Bortolon, D. Sc. Distribuições Amostrais ... vocês lembram que: Antes de tudo... Estatística Parâmetro Amostra População E usamos estatíticas das amostras para
Leia maisProbabilidade e variáveis aleatórias (revisão)
Probabilidade e variáveis aleatórias (revisão) CE219 - Controle Estatístico de Qualidade Prof. Cesar Taconeli taconeli@ufpr.br Prof. Walmes Zeviani walmes@ufpr.br Laboratório de Estatística e Geoinformação
Leia maisProbabilidade II. Departamento de Estatística. Universidade Federal da Paraíba
Probabilidade II Departamento de Estatística Universidade Federal da Paraíba Aula Valor esperado como solução do problema do menor erro quadrático médio e Quantis 03/14 1 / 15 Valor esperado como solução
Leia mais1 Distribuição Uniforme
Centro de Ciências e Tecnologia Agroalimentar - Campus Pombal Disciplina: Estatística Básica - 03 Aula 8 Professor: Carlos Sérgio UNIDADE 4 - Distribuições Contínuas (Notas de Aula) Distribuição Uniforme
Leia maisM. Eisencraft 2.5 Outros exemplos de distribuições e densidades 29. Densidade e distribuição uniforme. 0 a b x. 0 a b x
M. Eisencraft 2.5 Outros eemplos de distribuições e densidades 29 Densidade e distribuição uniforme /(b a) () a b.8 ().6.4.2.2 a b 2.5.2 Eponencial Figura 2.8: Funções densidade e distribuição uniforme.
Leia maisDistribuições de Probabilidades
Distribuições de Probabilidades 1 Distribuições Contínuas 1.1 Distribuição Uniforme - U(a,b) Uso mais comum: Primeira tentativa em casos em que apenas os limites dos dados são conhecidos. f() 1/(b-a) a
Leia mais