Distribuição Gaussiana. Modelo Probabilístico para Variáveis Contínuas
|
|
- Manuella Alvarenga Franco
- 8 Há anos
- Visualizações:
Transcrição
1 Distribuição Gaussiana Modelo Probabilístico para Variáveis Contínuas
2 Distribuição de Frequências do Peso, em gramas, de recém-nascidos Frequencia Peso ao nascer densidade = frequência relativa tamanho da classe
3 Densidade 0e+00 2e-04 4e-04 6e-04 8e-04 Histograma de Densidade àrea da barra =densidade x largura da barra àrea da barra =probabilidade de X estar entre os limites da barra Peso ao nascer P[2500 < X < 3500] = soma das àreas das barras entre 2500 e 3500 g.
4 Densidade 0e+00 2e-04 4e-04 6e-04 8e Peso ao nascer Histograma de Densidade àrea da barra =probabilidade de X estar entre os limites da barra P[X < 2125] = soma das àreas das barras entre 1000 e 2125
5 Muitas vezes, as barras do histograma podem ser aproximadas por uma curva mais suave mais classes
6 Essa curva suave é chamada função de densidade de X, ou f(x) f(x)
7 Como calcular probabilidades usando f(x)? P[a < X < b ] P[a < X < b ] é a área abaixo da curva f(x) entre a e b a b
8 Propriedades de f(x) 1) f(x) 0 2) A área abaixo de toda a curva f(x) é igual a 1. Como X é uma variável aleatória contínua, então P[X=a] = 0 P[X < b] = P[X b]
9 O Modelo Probabilístico Gaussiano (ou Normal) Algumas variáveis contínuas exibem um comportamento muito particular quando visualizamos a distribuição de frequências de seus valores. Frequência Valores Concentração de valores em torno de um valor central; Simetria em torno do valor central; Frequência pequena de valores muito extremos.
10 O Modelo Probabilístico Gaussiano O matemático alemão Karl Gauss popularizou um modelo proposto para a distribuição de probabilidades de variáveis do tipo descrito anteriormente. A curva descrita por este modelo é conhecida como Curva de Gauss (ou também como Curva Normal)
11 O Modelo Probabilístico Gaussiano 1 x 1 ( ) e 2 =, < x < 2 f x πσ µ σ 2 A função de densidade de X só depende de dois valores: a média µ e o desvio-padrão σ π e e são constantes conhecidas (π 3,14159 e e )
12 O Modelo Probabilístico Gaussiano A média µ de uma variável aleatória X que siga o modelo Gaussiano pode assumir qualquer valor na reta real < µ < O desvio-padrão σ de qualquer variável aleatória X só pode assumir valores maiores do que zero σ > 0 µ e σ são os parâmetros do Modelo Gaussiano Dizemos que X ~ Normal (µ,σ)
13 O Modelo Probabilístico Gaussiano A curva gaussiana (ou curva Normal) é definida pela média µ e pelo desvio-padrão σ.
14 O parâmetro µ informa onde está centrada a curva gaussiana
15 A forma do sino (mais achatado ou mais alongado ) é dada pelo valor do desvio-padrão σ
16 Para cada combinação deµe σ, existe uma curva gaussiana diferente
17 A curva gaussiana tem a forma de um sino e é simétrica em torno da média µ; a a a a P(X < 3000-a ) = P(X > 3000+a ) Simetria
18 Propriedades da Distribuição Normal Área fixa entre intervalos simétricos
19 Cálculo de Probabilidade na Curva Normal Considere uma variável aleatória X com distribuição Normal (µ,σ). Ou seja, X ~ Normal(µ,σ) Probabilidade de X estar entre x 1 e x 2 : P( x 1 < X < x 2 ) P( x 1 < X < x 2 ) Área sob a curva Normal entre x 1 e x 2.
20 Cálculo de Probabilidade na Curva Normal curvas Normais diferentes áreas diferentes P( x 1 < X < x 2 )
21 Exemplo: Suponha que X é o peso de bebês ao nascer e que, em certa população, X tem distribuição de probabilidade que pode ser aproximada pela Normal com µ = 3000g e σ = 1000g.
22 Qual é a porcentagem de bebês que nascem com peso abaixo de 1500g?
23 A Distribuição Normal Padrão As probabilidades na curva Normal são calculadas com o auxílio de uma tabela. Como existem infinitas combinações dos valores para µ e σ, seria inviável tabelar as probabilidades de todas as distribuições Normais possíveis. Sendo assim, uma única variável Normal possui suas probabilidades tabeladas: a variável Z com média igual a 0 e desvio-padrão igual a 1. Z ~ Normal (µ=0 ; σ=1)
24 A variável aleatória Normal com médiaµ=0 e desvio-padrão σ=1 é chamada de Variável Normal Padrão
25 a variável aleatória Z Z ~ N(0,1) tem distribuição de probabilidade Normal com média=0 e d.p.=1 P( Z < z )
26 -0.83 A Tabela Normal Padrão (Tabela Z) Parte Negativa Linha: Parte inteira e primeira casa decimal de z Coluna: Segunda casa decimal de z P( Z < )
27 A Tabela Normal Padrão (Tabela Z) Parte Positiva Linha: Parte inteira e primeira casa decimal de z Coluna: Segunda casa decimal de z P( Z < 1.5 )
28 Exemplo: Seja Z uma v.a. normal padronizada. Calcule: P( Z < -1.97) =? P( Z > 1.84) =? P( Z < ) = , obtida direto da tabela. P( Z >1.84) = P( Z < -1.84) = , obtida direto da tabela e por simetria.
29 P( < Z < 0.86 ) = P( Z < 0.86 ) - P( Z < ) = = = -
30 Cálculo de percentis na curva Normal Percentil de ordem 2.5 Que valor de Z na tabela Normal Padrão deixa uma área de abaixo dele? Ou seja, quem é a tal que P[Z < a ]=0.0250? a é o percentil 2.5 da curva Normal Padrão a=-1.96
31 Cálculo de percentis na curva Normal Percentil de ordem 97.5 Que valor de Z na tabela Normal Padrão deixa uma área de abaixo dele? Ou seja, quem é b tal que P[Z < b ]=0.9750? b é o percentil 97.5 da curva Normal Padrão b é o simétrico de a em relação à média da curva Normal b=1.96
32 Cálculo de percentis na curva Normal Percentil de ordem 95 P[Z < b ]= b é o percentil 95 da curva Normal Padrão b=1.645 Na tabela Z: z = 1.65 área abaixo = z = 1.64 área abaixo = Escolher o valor mais próximo da probabilidade desejada.
33 Cálculo de percentis na curva Normal Percentil de ordem 1 P[Z < b ]= b é o percentil 1 da curva Normal Padrão P[-b < Z < b ]= P[Z< -b ] = b =? -b=2.33 b=2.33 Na tabela Z: z = área abaixo = z = área abaixo = Usar o valor de z que forneça a área mais próxima do desejada (-2.33)
34 Como usar a tabela Normal Padrão para calcular probabilidades em uma curva Normal qualquer? Distribuição de Z ~ Normal (µ=0 ; σ=1) Distribuição de X ~ Normal (µ=10 ; σ=2)
35 Padronização de uma variável aleatória Normal Podemos transformar uma variável aleatória X ~ Normal ( µ, σ ) em uma variável aleatória Z ~ Normal ( 0, 1) usando a expressão: Z = X σ µ
36 X ~ Normal(µ,σ) Z ~ Normal(0,1) z 1 = x 1 µ σ z 2 = x 2 µ σ
37 Calculando probabilidades de X utilizando a tabela Z X µ 9 µ P[ X < 9] = P < = σ σ = P[ Z < 0.5] = P X < 2 2 X P[ X > 13] = P[ > ] = P[ Z > 1.5] 2 2 = P[ Z < 1.5] =
38 Exemplo 1: Se X tem distribuição Normal com µ = 40 e σ = 6, encontre o valor de x tal que P[X < x] =0.45. Se P[X < x] =0.45. então P( Z < (x-40)/6 ) = Mas P( Z < ) = 0.45 (da tabela); Logo (x-40)/6 = x = 40 + (-0.13)6 = = Ou seja, é o percentil 45 da distribuição de X.
39 Exemplo 2: Se X tem distribuição Normal com µ = 40 e σ = 6, encontre o valor de x tal que P[X > x] =0.14. Se P[X < x] = 0.86 então P( Z < (x-40)/6 ) = Mas P( Z > 1.08) = P( Z < -1.08) = 0.14 (da tabela); Logo (x-40)/6 = 1.08 x = 40 + (1.08)6 = Ou seja, é o percentil 86 da distribuição de X.
40 Cálculo do Percentil de ordem 100α da distribuição Normal P = + z 100 α (1 α ) µ σ ondeα é a ordem do percentil (0 < α < 1) e z (1-α) é o valor na tabela Z que deixa uma área de (1-α) acima dele. α 1-α z (1-α)
41 Cálculo do Percentil de ordem 100α da distribuição Normal Conferindo os dois exemplos anteriores, onde µ = 40 e σ = 6 : α = 0.45 P = 40 + z 6 45 ( ) = 40 + z 6 (0.5500) = α = 0.86 P = 40 + z 6 86 ( ) = 40 + z 6 (0.1400) =
42 Exemplo Inicial: Suponha que X é o peso de bebês ao nascer e que, em certa população, X tem distribuição que pode ser aproximada pela Normal com µ = 3000g e σ = 1000g.
43 Qual é a porcentagem de bebês que nascem com peso abaixo de 1500g? X P[ X < 1500] = P < [ ] = P Z < 1.5 = % dos bebês têm peso inferior a 1500g.
44 Qual é a porcentagem de bebês que nascem com peso acima de 4000g? P[ X > 4000] = P Z > 1000 [ ] P[ Z ] = P Z > 1.0 = < 1.0 =
45 Qual é a porcentagem de bebês que nascem com peso entre 2500 e 3500g? 38.30% dos bebês P[2500 < X < 3500] = P[ X < 3500] P[ X < 2500] = P Z < P Z < = P Z < 0.5 P Z < 0.5 [ ] [ ] = =
46 Qual valor de peso dos bebês separa os 10% mais leves? gramas P α = 0.10 P = z ( ) = z 1000 (0.9000) = ( 1.28) 1000 = = 1720
47 Qual valor de peso dos bebês separa os 10% mais pesados? gramas 3000 P 90 α = 0.90 P = z ( ) = z 1000 (0.1000) = = = 4280
48 Aplicações do Modelo Gaussiano: Cálculo de Faixas de Referência Faixas de Referência são formadas por dois percentis Exemplo: uma faixa de referência de 90% é formada pelos percentis 5 e 95 90% 5% 5% P 5 P 95
49 Cálculo de Faixas de Referência utilizando o modelo Gaussiano Seja X a variável aleatória que representa a característica para a qual queremos construir uma faixa de referência. Exemplo: X é o peso de recém-nascidos Se X ~ Normal (µ,σ), então uma faixa de referência de (1-α)100% é formada pelos percentis P (α/2)100 e P (1-α/2)100 Exemplo: uma faixa de referência de 90% (α=0.10) é formada pelos percentis P 5 e P 95
50 Cálculo de Faixas de Referência utilizando o modelo Gaussiano No exemplo do peso dos recém-nascidos (X), se pudermos supor que X ~ Normal (µ=3000 ; σ=1000), uma faixa de referência de 80% seria dada pelos percentis P 10 = 1720 e P 90 = 4280 (já calculados anteriormente) Faixa de Referência de 80% para o peso de recém-nascidos 1720 gramas a 4280 gramas
51 Cálculo de Faixas de Referência utilizando o modelo Gaussiano Relembrando o cálculo de percentis com o modelo gaussiano e a definição de faixa de referência, uma faixa de referência de (1-α)100% é dada pela expressão [ µ + z σ ; µ + z σ ] (1 α / 2) ( α / 2) z = z (1 α / 2) ( α / 2) (por simetria) [ µ z σ ; µ + z σ ] ( α / 2) ( α / 2)
52 Para aprender (I) Para o exemplo do peso dos recém-nascidos, calcule as seguintes faixas de referência: 90% 95% Antes de calcular essas faixas, responda: qual delas você espera que seja a mais larga? Justifique.
53 Para aprender (II) Exercícios da Seção 7 (Modelo Probabilístico Gaussiano)
Capítulo 3 Modelos Estatísticos
Capítulo 3 Modelos Estatísticos Slide 1 Resenha Variáveis Aleatórias Distribuição Binomial Distribuição de Poisson Distribuição Normal Distribuição t de Student Distribuição Qui-quadrado Resenha Slide
Leia maisEstatística e Probabilidade. Aula 8 Cap 05. Distribuição normal de probabilidade
Estatística e Probabilidade Aula 8 Cap 05 Distribuição normal de probabilidade Estatística e Probabilidade Na aula anterior vimos... Distribuições Binomiais Distribuição Geométrica Distribuição de Poisson
Leia maisProcessos Estocásticos
Processos Estocásticos Terceira Lista de Exercícios 22 de julho de 20 Seja X uma VA contínua com função densidade de probabilidade f dada por Calcule P ( < X < 2. f(x = 2 e x x R. A fdp dada tem o seguinte
Leia maisDistribuição de probabilidades
Luiz Carlos Terra Para que você possa compreender a parte da estatística que trata de estimação de valores, é necessário que tenha uma boa noção sobre o conceito de distribuição de probabilidades e curva
Leia maisDISTRIBUIÇÃO NORMAL 1
DISTRIBUIÇÃO NORMAL 1 D ensid ade Introdução Exemplo : Observamos o peso, em kg, de 1500 pessoas adultas selecionadas ao acaso em uma população. O histograma por densidade é o seguinte: 0.04 0.03 0.02
Leia maisExercícios - Distribuição Normal (Gauss)
Exercícios - Distribuição Normal (Gauss) Monitora: Juliana e Prof. Jomar 01. Uma empresa produz televisores de dois tipos, tipo A (comum) e tipo B (luxo), e garante a restituição da quantia paga se qualquer
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 maisVariáveis aleatórias contínuas e distribuiçao Normal. Henrique Dantas Neder
Variáveis aleatórias contínuas e distribuiçao Normal Henrique Dantas Neder Definições gerais Até o momento discutimos o caso das variáveis aleatórias discretas. Agora vamos tratar das variáveis aleatórias
Leia maisPROBABILIDADE. Aula 5
Curso: Psicologia Disciplina: Métodos Quantitativos Profa. Valdinéia Data: 28/10/15 PROBABILIDADE Aula 5 Geralmente a cada experimento aparecem vários resultados possíveis. Por exemplo ao jogar uma moeda,
Leia maisEquações Diferenciais
Equações Diferenciais EQUAÇÕES DIFERENCIAS Em qualquer processo natural, as variáveis envolvidas e suas taxas de variação estão interligadas com uma ou outras por meio de princípios básicos científicos
Leia maisElaborado por Eduardo Rebouças Carvalho Hermano Alexandre Lima Rocha DISTRIBUIÇÃO NORMAL
Faculdade de Medicina Universidade Federal do Ceará Elaborado por Eduardo Rebouças Carvalho Hermano Alexandre Lima Rocha DISTRIBUIÇÃO NORMAL - Uma curva de distribuição pode descrever a forma da distribuição
Leia maisCurso: Logística e Transportes Disciplina: Estatística Profa. Eliane Cabariti. Distribuição Normal
Curso: Logística e Transportes Disciplina: Estatística Profa. Eliane Cabariti Distribuição Normal 1. Introdução O mundo é normal! Acredite se quiser! Muitos dos fenômenos aleatórios que encontramos na
Leia maisEstatística Descritiva
Estatística Descritiva Como construir uma distribuição de freqüências. Como construir gráficos de freqüências. Como encontrar medidas de tendência central. Como encontrar medidas de variabilidade. Como
Leia maisPadronização e Escores z. Transformação z Percentis
Padronização e Escores z Transformação z Percentis Padronização Definição Padronização de escores é o processo de converter o escore bruto de uma distribuição em escore z. Escore bruto O valor individual
Leia maisDistribuição Normal de Probabilidade
Distribuição Normal de Probabilidade 1 Aspectos Gerais 2 A Distribuição Normal Padronizada 3 Determinação de Probabilidades 4 Cálculo de Valores 5 Teorema Central do Limite 1 1 Aspectos Gerais Variável
Leia maisDISTRIBUIÇÃO DE FREQÜÊNCIAS
DISTRIBUIÇÃO DE FREQÜÊNCIAS 1 Dados Brutos: são os dados tomados como eles são, de forma desorganizada. Indica-se por x i Rol: são os dados organizados em ordem crescente ou decrescente. Tamanho da amostra:
Leia maisPROVAS DE MATEMÁTICA DO VESTIBULAR-2012 DA MACKENZIE RESOLUÇÃO: Profa. Maria Antônia Gouveia. 14/12/2011
PROVAS DE MATEMÁTICA DO VESTIBULAR-0 DA MACKENZIE Profa. Maria Antônia Gouveia. //0 QUESTÃO N o 9 Turma N o de alunos Média das notas obtidas A 0,0 B 0,0 C 0,0 D 0,0 A tabela acima refere-se a uma prova
Leia maisCAPÍTULO 5 - Exercícios
CAPÍTULO 5 - Exercícios Distibuições de variáveis aleatórias discretas: Binomial 1. Se 20% dos parafusos produzidos por uma máquina são defeituosos, determinar a probabilidade de, entre 4 parafusos escolhidos
Leia maisMatemática Básica - 08. Função Logarítmica
Matemática Básica Função Logarítmica 08 Versão: Provisória 0. Introdução Quando calculamos as equações exponenciais, o método usado consistia em reduzirmos os dois termos da equação à mesma base, como
Leia maisCurvas em coordenadas polares
1 Curvas em coordenadas polares As coordenadas polares nos dão uma maneira alternativa de localizar pontos no plano e são especialmente adequadas para expressar certas situações, como veremos a seguir.
Leia mais1. Os métodos Não-Paramétricos podem ser aplicados a uma ampla diversidade de situações, porque não exigem populações distribuídas normalmente.
TESTES NÃO - PARAMÉTRICOS As técnicas da Estatística Não-Paramétrica são, particularmente, adaptáveis aos dados das ciências do comportamento. A aplicação dessas técnicas não exige suposições quanto à
Leia maisExemplos de Testes de Hipóteses para Médias Populacionais
Exemplos de Testes de Hipóteses para Médias Populacionais Vamos considerar exemplos de testes de hipóteses para a média de uma população para os dois casos mais importantes na prática: O tamanho da amostra
Leia maisAtividade à Distância Avaliativa - Probabilidade. 1 Probabilidade - Operações e Propriedades
Universidade Estadual de Santa Cruz UESC Professora: Camila M. L Nagamine Bioestatística Atividade à Distância Avaliativa - Probabilidade Se ouço, esqueço; se vejo, recordo; se faço, aprendo. (Provérbio
Leia maisO comportamento conjunto de duas variáveis quantitativas pode ser observado por meio de um gráfico, denominado diagrama de dispersão.
ESTATÍSTICA INDUTIVA 1. CORRELAÇÃO LINEAR 1.1 Diagrama de dispersão O comportamento conjunto de duas variáveis quantitativas pode ser observado por meio de um gráfico, denominado diagrama de dispersão.
Leia maisUm estudo sobre funções contínuas que não são diferenciáveis em nenhum ponto
Um estudo sobre funções contínuas que não são diferenciáveis em nenhum ponto Maria Angélica Araújo Universidade Federal de Uberlândia - Faculdade de Matemática Graduanda em Matemática - Programa de Educação
Leia maisUniversidade Federal de São Carlos Departamento de Matemática 083020 - Curso de Cálculo Numérico - Turma E Resolução da Primeira Prova - 16/04/2008
Universidade Federal de São Carlos Departamento de Matemática 08300 - Curso de Cálculo Numérico - Turma E Resolução da Primeira Prova - 16/0/008 1. (0 pts.) Considere o sistema de ponto flutuante normalizado
Leia maisMATEMÁTICA UFRGS 2011
MATEMÁTICA UFRGS 2011 01. Uma torneira com vazamento pinga, de maneira constante, 25 gotas de água por minuto. Se cada gota contém 0,2 ml de água, então, em 24 horas o vazamento será de a) 0,072 L. b)
Leia maisRevisão: Noções básicas de estatística aplicada a avaliações de imóveis
Curso de Avaliações Prof. Carlos Aurélio Nadal cnadal@ufpr.br 1 AULA 03 Revisão: Noções básicas de estatística aplicada a avaliações de imóveis 2 OBSERVAÇÃO: é o valor obtido durante um processo de medição.
Leia maisTipos de Modelos. Exemplos. Modelo determinístico. Exemplos. Modelo probabilístico. Causas Efeito. Determinístico. Sistema Real.
Tipos de Modelos Sistema Real Determinístico Prof. Lorí Viali, Dr. viali@mat.ufrgs.br http://www.mat.ufrgs.br/~viali/ Probabilístico Modelo determinístico Exemplos Gravitação F GM M /r Causas Efeito Aceleração
Leia maisResoluções comentadas de Raciocínio Lógico e Estatística SEFAZ - Analista em Finanças Públicas Prova realizada em 04/12/2011 pelo CEPERJ
Resoluções comentadas de Raciocínio Lógico e Estatística SEFAZ - Analista em Finanças Públicas Prova realizada em 04/1/011 pelo CEPERJ 59. O cartão de crédito que João utiliza cobra 10% de juros ao mês,
Leia maisEstatística II Antonio Roque Aula 9. Testes de Hipóteses
Testes de Hipóteses Os problemas de inferência estatística tratados nas aulas anteriores podem ser enfocados de um ponto de vista um pouco diferente: ao invés de se construir intervalos de confiança para
Leia maisResoluções comentadas de Raciocínio Lógico e Estatística - SEPLAG-2010 - APO
Resoluções comentadas de Raciocínio Lógico e Estatística - SEPLAG-010 - APO 11. O Dia do Trabalho, dia 1º de maio, é o 11º dia do ano quando o ano não é bissexto. No ano de 1958, ano em que o Brasil ganhou,
Leia mais24/Abril/2013 Aula 19. Equação de Schrödinger. Aplicações: 1º partícula numa caixa de potencial. 22/Abr/2013 Aula 18
/Abr/013 Aula 18 Princípio de Incerteza de Heisenberg. Probabilidade de encontrar uma partícula numa certa região. Posição média de uma partícula. Partícula numa caixa de potencial: funções de onda e níveis
Leia mais3º Ano do Ensino Médio. Aula nº10 Prof. Daniel Szente
Nome: Ano: º Ano do E.M. Escola: Data: / / 3º Ano do Ensino Médio Aula nº10 Prof. Daniel Szente Assunto: Função exponencial e logarítmica 1. Potenciação e suas propriedades Definição: Potenciação é a operação
Leia maisResistência dos Materiais
Aula 5 Carga Axial e Princípio de Saint-Venant Carga Axial A tubulação de perfuração de petróleo suspensa no guindaste da perfuratriz está submetida a cargas e deformações axiais extremamente grandes,
Leia maisMétodos Quantitativos Prof. Ms. Osmar Pastore e Prof. Ms. Francisco Merlo. Funções Exponenciais e Logarítmicas Progressões Matemáticas
Métodos Quantitativos Prof. Ms. Osmar Pastore e Prof. Ms. Francisco Merlo Funções Exponenciais e Logarítmicas Progressões Matemáticas Funções Exponenciais e Logarítmicas. Progressões Matemáticas Objetivos
Leia maisEduardo Camponogara. DAS-5103: Cálculo Numérico para Controle e Automação. Departamento de Automação e Sistemas Universidade Federal de Santa Catarina
Eduardo Camponogara Departamento de Automação e Sistemas Universidade Federal de Santa Catarina DAS-5103: Cálculo Numérico para Controle e Automação 1/48 Sumário Arredondamentos Erros 2/48 Sumário Arredondamentos
Leia maisAula 1: Introdução à Probabilidade
Aula 1: Introdução à Probabilidade Prof. Leandro Chaves Rêgo Programa de Pós-Graduação em Engenharia de Produção - UFPE Recife, 07 de Março de 2012 Experimento Aleatório Um experimento é qualquer processo
Leia maisCAP4: Distribuições Contínuas Parte 1 Distribuição Normal
CAP4: Distribuições Contínuas Parte 1 Distribuição Normal Quando a variável sendo medida é expressa em uma escala contínua, sua distribuição de probabilidade é chamada distribuição contínua. Exemplo 4.1
Leia maisProbabilidades: Função massa de probabilidades ou função distribuição de probabilidade ou modelo de probabilidade:
Exame MACS- Probabilidades Probabilidades: Função massa de probabilidades ou função distribuição de probabilidade ou modelo de probabilidade: Nos modelos de probabilidade: há uma primeira fase em que colocamos
Leia maisAula 5 Distribuição amostral da média
Aula 5 Distribuição amostral da média Nesta aula você irá aprofundar seus conhecimentos sobre a distribuição amostral da média amostral. Na aula anterior analisamos, por meio de alguns exemplos, o comportamento
Leia maisINSTITUTO TECNOLÓGICO
PAC - PROGRAMA DE APRIMORAMENTO DE CONTEÚDOS. ATIVIDADES DE NIVELAMENTO BÁSICO. DISCIPLINAS: MATEMÁTICA & ESTATÍSTICA. PROFº.: PROF. DR. AUSTER RUZANTE 1ª SEMANA DE ATIVIDADES DOS CURSOS DE TECNOLOGIA
Leia maisV = 0,30. 0,20. 0,50 (m 3 ) = 0,030m 3. b) A pressão exercida pelo bloco sobre a superfície da mesa é dada por: P 75. 10 p = = (N/m 2 ) A 0,20.
11 FÍSICA Um bloco de granito com formato de um paralelepípedo retângulo, com altura de 30 cm e base de 20 cm de largura por 50 cm de comprimento, encontra-se em repouso sobre uma superfície plana horizontal.
Leia maisDatas Importantes 2013/01
INSTRUMENTAÇÃO CARACTERÍSTICAS DE UM SISTEMA DE MEDIÇÃO PROBABILIDADE PROPAGAÇÃO DE INCERTEZA MÍNIMOS QUADRADOS Instrumentação - Profs. Isaac Silva - Filipi Vianna - Felipe Dalla Vecchia 2013 Datas Importantes
Leia maisQUANTIFICADORES. Existem frases declarativas que não há como decidir se são verdadeiras ou falsas. Por exemplo: (a) Ele é um campeão da Fórmula 1.
LIÇÃO 4 QUANTIFICADORES Existem frases declarativas que não há como decidir se são verdadeiras ou falsas. Por exemplo: (a) Ele é um campeão da Fórmula 1. (b) x 2 2x + 1 = 0. (c) x é um país. (d) Ele e
Leia maisMD Sequências e Indução Matemática 1
Sequências Indução Matemática Renato Martins Assunção assuncao@dcc.ufmg.br Antonio Alfredo Ferreira Loureiro loureiro@dcc.ufmg.br MD Sequências e Indução Matemática 1 Introdução Uma das tarefas mais importantes
Leia maisFunção do 2º Grau. Alex Oliveira
Função do 2º Grau Alex Oliveira Apresentação A função do 2º grau, também chamada de função quadrática é definida pela expressão do tipo: y = f(x) = ax² + bx + c onde a, b e c são números reais e a 0. Exemplos:
Leia maisTestes (Não) Paramétricos
Armando B. Mendes, DM, UAç 09--006 ANOVA: Objectivos Verificar as condições de aplicabilidade de testes de comparação de médias; Utilizar ANOVA a um factor, a dois factores e mais de dois factores e interpretar
Leia maisAjuste de Curvas. Ajuste de Curvas
Ajuste de Curvas 2 AJUSTE DE CURVAS Em matemática e estatística aplicada existem muitas situações em que conhecemos uma tabela de pontos (x; y). Nessa tabela os valores de y são obtidos experimentalmente
Leia mais7 AULA. Curvas Polares LIVRO. META Estudar as curvas planas em coordenadas polares (Curvas Polares).
1 LIVRO Curvas Polares 7 AULA META Estudar as curvas planas em coordenadas polares (Curvas Polares). OBJETIVOS Estudar movimentos de partículas no plano. Cálculos com curvas planas em coordenadas polares.
Leia mais4. Tangentes e normais; orientabilidade
4. TANGENTES E NORMAIS; ORIENTABILIDADE 91 4. Tangentes e normais; orientabilidade Uma maneira natural de estudar uma superfície S consiste em considerar curvas γ cujas imagens estão contidas em S. Se
Leia mais4Distribuição de. freqüência
4Distribuição de freqüência O objetivo desta Unidade é partir dos dados brutos, isto é, desorganizados, para uma apresentação formal. Nesse percurso, seção 1, destacaremos a diferença entre tabela primitiva
Leia maisSoluções Químicas são misturas homogêneas de duas ou mais substâncias, onde o solvente aparece em maior quantidade e o soluto em menor quantidade. O estado de agregação do solvente é que determina o estado
Leia maisCapítulo 5: Aplicações da Derivada
Instituto de Ciências Exatas - Departamento de Matemática Cálculo I Profª Maria Julieta Ventura Carvalho de Araujo Capítulo 5: Aplicações da Derivada 5- Acréscimos e Diferenciais - Acréscimos Seja y f
Leia maisProva Escrita de Matemática Aplicada às Ciências Sociais
Exame Final Nacional do Ensino Secundário Prova Escrita de Matemática Aplicada às Ciências Sociais 11.º Ano de Escolaridade Decreto-Lei n.º 139/2012, de 5 de julho Prova 835/2.ª Fase 15 Páginas Duração
Leia maisEstudaremos métodos numéricos para resolução de sistemas lineares com n equações e n incógnitas. Estes podem ser:
1 UNIVERSIDADE FEDERAL DE VIÇOSA Departamento de Matemática - CCE Cálculo Numérico - MAT 271 Prof.: Valéria Mattos da Rosa As notas de aula que se seguem são uma compilação dos textos relacionados na bibliografia
Leia maisAnálise de Arredondamento em Ponto Flutuante
Capítulo 2 Análise de Arredondamento em Ponto Flutuante 2.1 Introdução Neste capítulo, chamamos atenção para o fato de que o conjunto dos números representáveis em qualquer máquina é finito, e portanto
Leia maisO mercado de bens CAPÍTULO 3. Olivier Blanchard Pearson Education. 2006 Pearson Education Macroeconomia, 4/e Olivier Blanchard
O mercado de bens Olivier Blanchard Pearson Education CAPÍTULO 3 3.1 A composição do PIB A composição do PIB Consumo (C) são os bens e serviços adquiridos pelos consumidores. Investimento (I), às vezes
Leia maisA lei de Gauss é uma lei geral. Ela vale para qualquer distribuição de cargas e qualquer superfície fechada.
Aplicações da lei de Gauss A lei de Gauss é uma lei geral. Ela vale para qualquer distribuição de cargas e qualquer superfície fechada. De maneira genérica, a lei de Gauss diz que: Fluxo elétrico sobre
Leia mais29/Abril/2015 Aula 17
4/Abril/015 Aula 16 Princípio de Incerteza de Heisenberg. Probabilidade de encontrar uma partícula numa certa região. Posição média de uma partícula. Partícula numa caixa de potencial: funções de onda
Leia maisPotenciação no Conjunto dos Números Inteiros - Z
Rua Oto de Alencar nº 5-9, Maracanã/RJ - tel. 04-98/4-98 Potenciação no Conjunto dos Números Inteiros - Z Podemos epressar o produto de quatro fatores iguais a.... por meio de uma potência de base e epoente
Leia maisTrabalho Computacional. A(h) = V h + 2 V π h, (1)
Unidade de Ensino de Matemática Aplicada e Análise Numérica Departamento de Matemática/Instituto Superior Técnico Matemática Computacional (Mestrado em Engenharia Física Tecnológica) 2014/2015 Trabalho
Leia maisRoot Locus (Método do Lugar das Raízes)
Root Locus (Método do Lugar das Raízes) Ambos a estabilidade e o comportamento da resposta transitória em um sistema de controle em malha fechada estão diretamente relacionadas com a localização das raízes
Leia maisUNIVERSIDADE DE SÃO PAULO. Faculdade de Arquitetura e Urbanismo
UNIVERSIDADE DE SÃO PAULO Faculdade de Arquitetura e Urbanismo DISTRIBUIÇÃO AMOSTRAL ESTIMAÇÃO AUT 516 Estatística Aplicada a Arquitetura e Urbanismo 2 DISTRIBUIÇÃO AMOSTRAL Na aula anterior analisamos
Leia maisITA - 2004 3º DIA MATEMÁTICA BERNOULLI COLÉGIO E PRÉ-VESTIBULAR
ITA - 2004 3º DIA MATEMÁTICA BERNOULLI COLÉGIO E PRÉ-VESTIBULAR Matemática Questão 01 Considere as seguintes afirmações sobre o conjunto U = {0, 1, 2, 3, 4, 5, 6, 7, 8, 9} I. U e n(u) = 10 III. 5 U e {5}
Leia maisfx-82ms fx-83ms fx-85ms fx-270ms fx-300ms fx-350ms
O uso da Calculadora Científica (Casio fx) fx-82ms fx-83ms fx-85ms fx-270ms fx-300ms fx-350ms Prof. Ms. Renato Francisco Merli 2013 1 Sumário 1. Antes de Começar... 2 2. Cálculos Básicos... 8 3. Cálculos
Leia maisAULAS 14, 15 E 16 Análise de Regressão Múltipla: Problemas Adicionais
1 AULAS 14, 15 E 16 Análise de Regressão Múltipla: Problemas Adicionais Ernesto F. L. Amaral 20 e 22 de abril e 04 de maio de 2010 Métodos Quantitativos de Avaliação de Políticas Públicas (DCP 030D) Fonte:
Leia maisExercícios resolvidos sobre Função de probabilidade e densidade de probabilidade
Exercícios resolvidos sobre Função de probabilidade e densidade de probabilidade Você aprendeu o que é função probabilidade e função densidade de probabilidade e viu como esses conceitos são importantes
Leia maisConceitos Básicos de Estatística Aula 2
Conceitos Básicos de Estatística Aula 2 ISCTE - IUL, Mestrados de Continuidade Diana Aldea Mendes diana.mendes@iscte.pt 13 de Setembro de 2011 DMQ, ISCTE-IUL (diana.mendes@iscte.pt) Estatística 13 de Setembro
Leia maisSociedade Brasileira de Matemática Mestrado Profissional em Matemática em Rede Nacional. n=1
Sociedade Brasileira de Matemática Mestrado Profissional em Matemática em Rede Nacional MA Números e Funções Reais Avaliação - GABARITO 3 de abril de 203. Determine se as afirmações a seguir são verdadeiras
Leia maisOperações sobre uma variável aleatória
Capítulo 3 Operações sobre uma variável aleatória - Esperança matemática Neste capítulo, introduz-se algumas operações importantes que podem ser realizadas sobre uma variável aleatória. 3.1 Esperança Valor
Leia maisFaculdade Sagrada Família
AULA 12 - AJUSTAMENTO DE CURVAS E O MÉTODO DOS MÍNIMOS QUADRADOS Ajustamento de Curvas Sempre que desejamos estudar determinada variável em função de outra, fazemos uma análise de regressão. Podemos dizer
Leia maisDistribuições de Probabilidade Distribuição Normal
PROBABILIDADES Distribuições de Probabilidade Distribuição Normal BERTOLO PRELIMINARES Quando aplicamos a Estatística na resolução de situações-problema, verificamos que muitas delas apresentam as mesmas
Leia maisProblemas de Otimização. Problemas de Otimização. Solução: Exemplo 1: Determinação do Volume Máximo
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 Eemplo 1: Determinação
Leia maisTIPO DE PROVA: A. Questão 1. Questão 3. Questão 2. Questão 4. alternativa D. alternativa C. alternativa E. alternativa E
Questão TIPO DE PROVA: A Uma escola paga, pelo aluguel anual do ginásiodeesportesdeumclubea,umataxa fixa de R$.000,00 e mais R$ 0,00 por aluno. Um clube B cobraria pelo aluguel anual de um ginásio equivalente
Leia maisVelocidade Média Velocidade Instantânea Unidade de Grandeza Aceleração vetorial Aceleração tangencial Unidade de aceleração Aceleração centrípeta
Velocidade Média Velocidade Instantânea Unidade de Grandeza Aceleração vetorial Aceleração tangencial Unidade de aceleração Aceleração centrípeta Classificação dos movimentos Introdução Velocidade Média
Leia maisRevisão de Estatística Aplicada a Finanças
Revisão de Estatística Aplicada a Finanças INTRODUÇÃO A revisão que apresentaremos destina-se a examinar conceitos importantes de Estatística, que tornem possível a compreensão do conteúdo do livro de
Leia maisUnidade 3 Função Logarítmica. Definição de logaritmos de um número Propriedades operatórias Mudança de base Logaritmos decimais Função Logarítmica
Unidade 3 Função Logarítmica Definição de aritmos de um número Propriedades operatórias Mudança de base Logaritmos decimais Função Logarítmica Definição de Logaritmo de um número Suponha que certo medicamento,
Leia maisResolução da Questão 1 Item I Texto definitivo
Questão A seguir, é apresentada uma expressão referente à velocidade (v) de um ciclista, em km/min, em função do tempo t, computado em minutos. 0,t, se 0 t < 0,, se t < v ( t) = 0, + 0,t,
Leia maisCapítulo 5 Apresentação Estatística - Gráficos e Tabelas.
Capítulo 5 Apresentação Estatística - Gráficos e Tabelas. 5.1 - OBJETIVO DO CAPÍTULO Um dos objetivos da Estatística é sintetizar os valores que uma ou mais variáveis podem assumir, para que tenhamos uma
Leia maisMATEMÁTICA ENEM 2009 PROF. MARCELO CÓSER
MATEMÁTICA ENEM 09 PROF. MARCELO CÓSER Funções Lineares: problemas com variação constante. f(x) = ax + b VARIAÇÃO CONSTANTE VALOR INICIAL a > 0 a < 0 a y x 0) (UFRJ) Uma operadora de celular oferece dois
Leia maisEstatística stica para Metrologia
Aula 5 Estatística stica para Metrologia Aula 5 Variáveis Contínuas Uniforme Exponencial Normal Lognormal Mônica Barros, D.Sc. Maio de 008 1 Distribuição Uniforme A probabilidade de ocorrência em dois
Leia mais1ª Actividade Formativa
1ª Actividade Formativa 1. Foi feito um inquérito a um grupo de 40 compradores de carros novos, de determinada marca, para determinar quantas reparações ou substituições de peças foram feitas durante o
Leia maisMATEMÁTICA 3. Resposta: 29
MATEMÁTICA 3 17. Uma ponte deve ser construída sobre um rio, unindo os pontos A e, como ilustrado na figura abaixo. Para calcular o comprimento A, escolhe-se um ponto C, na mesma margem em que está, e
Leia maisUniversidade Federal do Paraná. Setor de Ciências Exatas. Departamento de Matemática
Universidade Federal do Paraná Setor de Ciências Exatas Departamento de Matemática Oficina de Calculadora PIBID Matemática Grupo do Laboratório de Ensino de Matemática Curitiba Agosto de 2013 Duração:
Leia maisMATEMÁTICA. y Q. (a,b)
MATEMÁTICA 1. Sejam (a, b), com a e b positivos, as coordenadas de um ponto no plano cartesiano, e r a reta com inclinação m
Leia maisRaciocínio Matemático RESOLUÇÃO
ESCOLA DE ECONOMIA DE SÃO PAULO FUNDAÇÃO GETÚLIO VARGAS PROCESSO SELETIVO 2007/1.º SEMESTRE CADERNO 1 Respostas da 2. a Fase Raciocínio Matemático RESOLUÇÃO 17.12.2006 RACIOCÍNIO MATEMÁTICO 01. Em uma
Leia maisBC0406 Introdução à Probabilidade e à Estatística Lista de Exercícios Suplementares 2 3 quadrimestre 2011
BC0406 Introdução à Probabilidade e à Estatística Lista de Exercícios Suplementares outubro 011 BC0406 Introdução à Probabilidade e à Estatística Lista de Exercícios Suplementares 3 quadrimestre 011 Além
Leia maisO teste de McNemar. A tabela 2x2. Depois
Prof. Lorí Viali, Dr. http://www.pucrs.br/famat/viali/ viali@pucrs.br O teste de McNemar O teste de McNemar para a significância de mudanças é particularmente aplicável aos experimentos do tipo "antes
Leia maisDisciplina: Biologia Série: 2ª série EM - 1º TRIM Professora: Ivone Azevedo da Fonseca Assunto: Genética de Populações
Disciplina: Biologia Série: 2ª série EM - 1º TRIM Professora: Ivone Azevedo da Fonseca Assunto: Genética de Populações GENÉTICA DE POPULAÇÕES Quando estudamos, em determinada família ou linhagem, o modo
Leia mais4 Resultados. 4.1 Dados Empíricos de Alta Freqüência do IBOVESPA
4 Resultados Neste capítulo, vamos analisar o comportamento dos retornos de preços intradiários do IBOVESPA e obter modelagem para as distribuições baseadas em distribuições q-gaussianas. Lembramos que
Leia maisExercício de Revisao 1
Exercício de Revisao 1 Considere que seu trabalho é comparar o desempenho de dois algoritmos (A e B) de computação gráfica, que usam métodos diferentes para geração de faces humanas realistas. São sistema
Leia maisSoluções das Questões de Física da Universidade do Estado do Rio de Janeiro UERJ
Soluções das Questões de Física da Universidade do Estado do Rio de Janeiro UERJ º Exame de Qualificação 011 Questão 6 Vestibular 011 No interior de um avião que se desloca horizontalmente em relação ao
Leia maisRepresentando Instruções no Computador
Representando Instruções no Computador Humanos aprenderam a pensar na base 10 Números podem ser representados em qualquer base Números mantidos no hardware como série de sinais eletrônicos altos e baixos
Leia maisCapítulo 8 - Testes de hipóteses. 8.1 Introdução
Capítulo 8 - Testes de hipóteses 8.1 Introdução Nos capítulos anteriores vimos como estimar um parâmetro desconhecido a partir de uma amostra (obtendo estimativas pontuais e intervalos de confiança para
Leia maisFaculdades Anhanguera
2º Aula de Física 2.1 Posição A posição de uma partícula sobre um eixo x localiza a partícula em relação á origem, ou ponto zero do eixo. A posição é positiva ou negativa, dependendo do lado da origem
Leia maisAula 2 - Cálculo Numérico
Aula 2 - Cálculo Numérico Erros Prof. Phelipe Fabres Anhanguera Prof. Phelipe Fabres (Anhanguera) Aula 2 - Cálculo Numérico 1 / 41 Sumário Sumário 1 Sumário 2 Erros Modelagem Truncamento Representação
Leia maisResolução dos Exercícios sobre Derivadas
Resolução dos Eercícios sobre Derivadas Eercício Utilizando a idéia do eemplo anterior, encontre a reta tangente à curva nos pontos onde e Vamos determinar a reta tangente à curva nos pontos de abscissas
Leia maisPROBABILIDADES E ESTATÍSTICA
PROBABILIDADES E ESTATÍSTICA Ao conjunto de todos os resultados possíveis, de uma eperiência aleatória, chamamos espaço amostral e representamos por S. Define-se acontecimento como sendo um subconjunto
Leia mais