Tipos de Modelos. Exemplos. Modelo determinístico. Exemplos. Modelo probabilístico. Causas Efeito. Determinístico. Sistema Real.
|
|
- Melissa Salgado Amado
- 8 Há anos
- Visualizações:
Transcrição
1 Tipos de Modelos Sistema Real Determinístico Prof. Lorí Viali, Dr. Probabilístico Modelo determinístico Exemplos Gravitação F GM M /r Causas Efeito Aceleração clássica v at Aceleração relativística v + at a t c Modelo probabilístico Exemplos Binomial n x. p.( p) f ( x) x 0 n x x {0,,..., n} c. c. X Causas Efeito Poisson Normal x λ. e f ( x) x! 0 f ( x) λ. e π. σ x N c. c. x µ. σ, x R
2 Experimento Aleatório Experiência para o qual o modelo probabilístico é adequado. Exemplos E : Joga-se um dado e observa-se o número da face superior. E : Joga-se uma moeda quatro vezes e observa-se o número de caras e coroas; E : Joga-se uma moeda quatro vezes e observa-se a seqüência de caras e coroas; E 4 : Uma lâmpada nova é ligada e contase o tempo gasto até queimar; E 5 : Joga-se uma moeda até que uma cara seja obtida. Conta-se o número de lançamentos necessários; E 6 : Uma carta de um baralho comum de 5 cartas é retirada e seu naipe registrado; E 7 : Jogam-se dois dados e par de valores obtido; observa-se o Espaço amostra(l) Exemplos É o conjunto de resultados de uma experiência aleatória. S {,,, 4, 5, 6} S {0,,,, 4}
3 S { cccc, ccck, cckc, ckcc, kccc, cckk, kkcc, ckkc, kcck, ckck, kckc, kkkc, kkck, kckk, ckkk, kkkk} S 5 {,,,...} S 4 { t R / t 0 } S 6 {,,, } S 7 { (, ), (, ),(,), (, 4), (, 5), (, 6) (, ), (, ), (, ), (, 4), (, 5), (, 6) (, ), (, ), (, ), (, 4), (, 5), (, 6) (4, ), (4, ), (4, ), (4, 4), (4, 5), (4, 6) (5, ), (5, ), (5, ), (5, 4), (5, 5), (5, 6) (6, ), (6, ), (6, ), (6, 4), (6, 5), (6, 6) } Eventos Um evento é um subconjunto de um espaço amostra. Exemplo Se S {,,, 4, 5, 6 } é um espaço amostra, então são eventos: A {,, 5} B { 6 } C { 4, 5, 6} D E S Ocorrência de um evento Seja E um experimento com espaço amostra associado S. Diremos que o evento A ocorre se realizado E o resultado é um elemento de A.
4 Combinação de eventos Se A e B são eventos de um mesmo espaço amostra S. Diremos que ocorre o evento: A união B, A soma B ou A mais B, se e só se A ocorre ou B ocorre. A B A produto B, A vezes B ou A interseção B, se e só se A ocorre e B ocorre. A B A menos B, A diferença B, se e só se A ocorre e B não ocorre. A B Complementar de A (não A) se e só se A não ocorre. Eventos mutuamente excludentes (exclusivos) Dois eventos A e B são mutuamente excludentes se não puderem ocorrer juntos. A A C A 4
5 Conceitos de probabilidade Clássico CLÁSSICO FREQÜENCIAL (número de casos favoráveis) P(A) (número de casos possíveis) AXIOMÁTICO Exemplo: Solução: Casos favoráveis Qual a probabilidade de ganhar na Loto Fácil? Casos possíveis: P(Loto Fácil) Número de favoráveis Número de possíveis 5 5 0,0000% Frequência relativa de um evento (número de vezes que A ocorre) fr A (número de vezes que E é repetido) 5
6 Exemplo: Um dado é lançado 0 vezes e apresenta FACE SEIS 8 vezes. Então, a freqüência relativa de face seis é: fr6 númerode vezesque"f_seis"ocorre númerode vezesqueo dadoé jogado 8 0 0,5 5%. Conceito frequencial de probabilidade A probabilidade de um evento A é o limite para o qual tende a frequência relativa de A, quando o número de repetições do experimento tende ao infinito, isto é: P(A) lim fr n A Conceito axiomático P(A) é um número real que deve satisfazer as seguintes propriedades: () 0 P(A) () P(S) () P(AUB) P(A) + P(B) se A B Consequências dos axiomas (Propriedades) () P( ) 0 () P( A) - P(A) () P(A - B) P(A) - P(A B) 6
7 (4) P(AUB) P(A) + P(B) - P(A B) (5) P(AUBUC) P(A) + P(B) + P(C)- - P(A B) - P(A C) - P(B C) Probabilidade condicionada + P(A B C) Motivação Considere uma urna com 50 fichas, onde 40 são pretas e 0 são brancas. Suponha que desta urna são retiradas duas fichas, ao acaso e sem reposição: Sejam os eventos: A {a primeira ficha é branca} B {a segunda ficha é branca} Então: P(A) 0/50 0,0 0% P(B)?/49 Neste caso, não se pode avaliar P(B), pois para isso é necessário saber se A ocorreu ou não, isto é, se saiu ficha branca na primeira retirada. Se for informado que A ocorreu, então a probabilidade de B, será: P(B A) 9/49 0,87 8,7%. Observe a notação. 7
8 Esta representação é lida: P de B dado A; P de B dado que A ocorreu; Definição: P(A B) P(A B) / P(B) P de B condicionada a A. Mas: Se P(A B) P(A B) / P(B) então: P(A B) P(A B).P(B) E também: Se P(B A) P(A B) / P(A) então: P(A B) P(A).P(B A) Assim: P(A B) P(A).P(B A) P(A B).P(B) Esse resultado é conhecido como teorema da multiplicação. Independência Dois eventos A e B são ditos independentes se a probabilidade de um ocorrer não altera a probabilidade do outro ocorrer, isto é: Se: () P(A B) P(A) ou () P(B A) P(B) ou ainda () P(A B) P(A).P(B) 8
9 KKK X x X(s) s CKK KKC KCK CCK CKC KCC CCC S 0 R X(S) Variável Aleatória Uma função X que associa a cada elemento de S (s S) um número real x X(s) é denominada variável aleatória. O conjunto de valores O conjunto formado por todos os valores x, isto é, a imagem da variável aleatória X, é denominado de conjunto de valores de X. X(S) { x R X(s) x } Tipos de variáveis Conforme o conjunto de valores X(S) uma variável aleatória poderá ser discreta ou contínua. Variável Discreta (VAD) Se o conjunto de valores for finito ou então infinito enumerável a variável é dita discreta. 9
10 Variável Contínua (VAC) Se o conjunto de valores for infinito não enumerável então a variável é dita contínua. A função de probabilidade (fp) A função de probabilidade (fp) de uma VAD é a função que associa a cada x i X(S) o número f(x i ) P(X x i ) que satisfaz as seguintes propriedades: f(x i ) 0, para todo i f(x i ) A distribuição de probabilidade A coleção dos pares [x i, f(x i )] para i,,,... é denominada de distribuição de probabilidade da VAD X. Exemplo: Suponha que uma moeda equilibrada é lançada três vezes. Seja X número de caras. Então a distribuição de probabilidade de X é: KKK CKK KKC KCK CCK CKC KCC CCC S X x(s) 0 R f f (x) [0;] 0
11 KKK CKK 0 KKC KCK CCK CKC KCC X /8 /8 /8 /8 CCC R [0;] x(s) f (x) S f Exemplo: Suponha que um par de dados é lançado. Então X soma do par é uma variável aleatória discreta com o seguinte conjunto de valores: Como X((a, b)) a + b, o conjunto de valores de X é dado por: X(S) {,, 4, 5, 6, 7, 8, 9, 0,, } A função de probabilidade f(x) P(X x), associa a cada x X(S), um número no intervalo [0; ] dado por: f(x) P(X x) P(X(s) x) P([x X(S) / X(s) x}) Desta forma: f() P(X ) P{(,)} /6 f() P(X ) P{(,), (, )} /6... f() P(X) P{(6, 5), (5, 6)} /6 f() P(X ) P{(6, 6)} /6 A distribuição de probabilidade será: A distribuição de probabilidade de X será então: x Σ f(x)
12 Representação de uma distribuição de probabilidade: Poderá ser feita por meio de: uma tabela uma expressão analítica (fórmula) um diagrama Tabela Seja X número de caras, obtidas no lançamento de 4 moedas honestas. Então a distribuição de X é a da tabela ao lado. x f(x) 0 /6 4/6 6/6 4/6 4 /6 Σ Expressão analítica Diagrama Considere X soma do par, no lançamento de dois dados equilibrados, então: f : X(S) R x (x - )/6 se x 7 ( - x + )/6 se x > 7 0,8 0,6 0,4 0, 0,0 0,08 0,06 0,04 0,0 0, VAD - Caracterização (a) Expectância, valor esperado (Expectation) µ E(X) x.f(x) x.p(x x) (b) Variância (Variance) σ f(x) (x µ ) x f(x) µ E( X )-E(X) (iii) Desvio Padrão (Standard Deviation) σ f (x)(x µ ) x f (x) µ E( X )-E(X) (iv) O Coeficiente de Variação (Variation Coeficient) γ σ/µ
13 Exemplo Calcular o valor esperado, a variabilidade da variável X número de caras no lançamento de quatro moedas honestas. Cálculos x f(x) x.f(x) x f(x) 0 / /6 4/6 4/6 6/6 /6 4/6 4/6 /6 6/6 4 /6 4/6 6/6 Σ 5 Tem-se: Assim: (i) E(X) caras (ii) σ 5 4 cara (iii) γ / 00% A Função de Distribuição (FD) Seja X uma variável aleatória (discreta ou contínua). A função de distribuição (acumulada) ou simplesmente função de repartição é definida por: F(x) P(X x). Determinação de probabilidades a partir da FD (i) P(a < X b) F(b) F(a); (ii) P(X < a) F(a) e (iii) P(X > a) - F(a)
14 Bernoulli Binomial Poisson Experimento Qualquer um que corresponda a apenas dois resultados. Estes resultados são anotados por 0 ou fracasso e ou sucesso. A probabilidade de ocorrência de sucesso é representada por p e a de insucesso por q p. Conjunto de Valores X(S) {0, } A Função de Probabilidade (fp) p se x 0 f (x) P(X x) p se x A Função de Probabilidade (fp),0 Características Expectância ou Valor Esperado 0,8 0,6 0,4 0, 0,0 0 E(X) x.f (x) 0.q +.p p Variância V(X) E(X (0.q +.p) p p p ) - E(X) p( p) pq 4
15 Suponha que um circuito é testado e que ele seja rejeitado com probabilidade 0,0. Seja X o número de circuitos rejeitados em um teste. Determine a distribuição de X. Como se trata de um único teste, a variável X é Bernoulli com p 0%, assim a distribuição é: 0,9 f (x) P(X x) 0, se se x 0 x Experimento Como existem apenas duas situações: A ocorre ou não, pode-se determinar a probabilidade de A não ocorrer como sendo q p. A VAD definida por X número de vezes que A ocorreu nas n repetições de E é denominada BINOMIAL. Conjunto de Valores A Função de Probabilidade (fp) X(S) {0,,,,..., n} A Função de Probabilidade (fp) n f (x) P(X x) p x x q n x 0,8 0,6 0,4 0, 0,0 0,08 0,06 0,04 0,0 0,
16 Características Expectância ou Valor Esperado n x n x E(X) x.f (x) x. p q np x Variância V(X) E(X ) - E(X) n x n x E(X ) x. p q n(n -) p x + np V(X) E(X ) - E(X) n(n ) p + np (np) n p + np np( p) npq Assim: E (X) np σx npq Exemplo: Uma fábrica recebe um lote de 00 peças das quais cinco são defeituosas. Suponhamos que a fábrica aceite todas as 00 peças se não houver nenhuma defeituosa em uma amostra aleatória de 0 peças selecionadas para inspeção. Determinar a probabilidade de o lote ser aceito. Tem-se: n 0 e p 5/00 0, f (0) P(X 0) 0,05 0, ,87% 0 Tem-se: n 0 e p 5/00 5% Então: 0 0 f (0) P(X 0).(0,5).(0,95) 0 59,87% 0 6
17 Seja X uma variável aleatória com conjunto de valores X(S). Se o conjunto de valores for infinito não enumerável então a variável é dita contínua. A Função Densidade de Probabilidade É a função que associa a cada x X(S) um número f(x) que deve satisfazer as seguintes propriedades: f(x) 0 f(x)dx A Distribuição de Probabilidade A coleção dos pares (x, f(x)) é denominada de distribuição de probabilidade da VAC X. Exemplo Seja X uma VAC. Determine o valor de c para que f(x) seja uma função densidade de probabilidade (fdp). c.x f (x) 0 se c. c. x Para determinar o valor de c, devemos igualar a área total a um, isto é, devemos fazer: - f(x)dx - c.x dx Tem-se: c.x dx - c x dx - x - c c - c c - 7
18 Representação Gráfica Cálculo da Probabilidade,5 P(a < X < b) b a f (x) dx,0 y 0,5 0,0 f (x) x -,5 -, -,0-0,8-0,5-0, 0,0 0, 0,5 0,8,0,,5 - X a b x a < X < b P(a < X < b) Isto é, a probabilidade de que X assuma valores entre os números a e b é a área sob o gráfico de f(x) entre os pontos x a e x b. b a f (x) dx Observações: Se X é uma VAC, então: a P(X a) f (x)dx 0 a P(a < X < b) P(a X < b) P(a < X b) P(a X b). Exemplo Seja X uma VAC. Determine a probabilidade de X assumir valores no intervalo [-0,5; 0,5]. x f (x) 0 se c. c. x A probabilidade solicitada é dada por: P( 0,5 < X < 0,5) 0,5-0,5 x dx 0,5 x x dx -0,5 [(0,5) (-0,5) ],50% 0,5-05 8
19 VAC Caracterização (a) Expectância, valor esperado (iii) Desvio Padrão µ E(X) xf (x) dx σ (x µ) f (x)dx (b) Variância x f (x)dx µ E(X ) E(X) σ V(X) (x µ) f (x)dx x f (x)dx x f (x)dx µ ( xf (x)dx) E(X ) E(X) (iv) O Coeficiente de Variação γ σ/µ Exemplo : Determinar a expectância e o desvio padrão da variável X dada por: x f (x) 0 se c. c. x µ E(X) x.f(x)dx x. x - -.dx x 4 dx x σ E(X ) E(X). x E(X ) x dx - 5 x x dx , O desvio padrão de X será, então: σ E(X ) E(X) 0,60 0 0,77 9
20 A Função de Distribuição É a função F(x) definida por: F(x) P(X x) f (u)du A F(x) é a integral da f(x) até um ponto genérico x. x Considerando a função abaixo como a fdp de uma VAC X, determinar a F(x). Exemplo x f (x) 0 se c. c. x A F(x) é uma função definida em todo o intervalo real da seguinte forma: F(x) 0 x u du se x < - se x se x > Vamos determinar o valor da integral em u : F(x) x u du x x u du u x x + [u ] Assim a Função de Distribuição Acumulada (FDA) é: 0 se x < - x + F(x) se x se x > Representação Gráfica,0 0,9 x + F(x) 0,8 0,7 0,6 0,5 0,4 0, 0, 0, 0,0 -,5 -,0-0,5 0,0 0,5,0,5 0
21 Cálculo de Probabilidade com a FDA O uso da FDA é bastante prático no cálculo das probabilidades, pois não é necessário integrar, já que ela é uma função Integral. Usando a FDA, teremos sempre três casos possíveis: P(X x) F(x) P(X > x) F(x) P(x < X < x) F(x) F(x) Normal t (de Student) χ (Qui-Quadrado) F de Snedecor A distribuição normal Representação gráfica Uma variável aleatória X tem uma distribuição normal se sua fdp for do tipo: 0,8 0,6 N(0; ) N(0; 0,5) N(0; ) N(; ) f (x).e π. σ x µ. σ, x R 0,4 0, com - < µ < e σ > 0 0,
22 Cálculo de probabilidades P(X x) x.e π. σ u µ. σ du? A normal não é integrável por meio do TFC, isto é, não existe uma F(x) tal que F (x) f(x). Solução: Utilizar integração numérica. Como não é possível fazer isto com todas as curvas, escolheu-se uma para ser tabelada (integrada numericamente). A normal padrão A curva escolhida é a N(0, ), isto é, com µ 0 e σ. Se X é uma N(µ, σ), então: Z X µ σ Será uma N(0; ). A fdp da variável Z é dada por: ϕ(z).e π z., z R uma vez que µ 0 e σ. A distribuição N(0, ) 0,4 0, 0, 0, 0,0-4,0 -,0 -,0 -,0 0,0,0,0,0 4,0 Tabela (ou planilha): O que é tabelado ou obtido na planilha é a FDA da variável Z, isto é: z - P(Z z) ϕ(u)du u z..e du Φ(z) - π
23 A FDA da N(0; ) Φ(z),0 0,9 0,8 0,7 0,6 0,5 0,4 0, 0, 0, 0,0-4,0 -,0 -,0 -,0 0,0,0,0,0 4,0 z Uso da tabela ou Planilha Área à esquerda (abaixo) de z P(Z z) Φ(z) Leitura direta Área à direita (acima) de z P(Z > z) - P(Z z) - Φ(z) Φ( z) Área entre dois valores de z P( z < Z < z) Φ(z) Φ(z) Exemplo: Uma VAC tem distribuição normal de média 50 e desvio padrão 8. Determinar: (a) P(X 40) (b) P(X > 65) (c) P(45 < X < 6) (a) P(X 40) X µ P(X 40) P( ) σ 8 P(Z,5) 0,56% (b) P(X > 65) X µ P(X > 65) P( > ) σ 8 P(Z >,88) P(Z <,88) Φ(,88) Φ(,88),0% (c) P(45 < X < 6) P(45 < X < 6) X µ 6 50 P( < < ) 8 σ 8 P( 0,6 < Z <,50) Φ(,50) Φ( 0,6) 9,% 7,67% 65,65%
24 A função inversa: Uma VAC tem distribuição normal de média 50 e desvio padrão 8. Determinar: (a) P(X x) 5% (b) P(X > x) % Para resolver este tipo de exercício é preciso utilizar a função inversa, isto pode ser feito utilizando a função Invnorm da planilha. Graficamente 0,05 Em (a) temos P(X x) 5% 0,04 0,0 0,0 0,0 5% P(X x) 5% x 0, X µ x 50 P(X x) P( ) σ 8 P(Z z) Φ(z) 5% onde z x 50 8 SeΦ(z) 5%, então Φ [Φ(z)] Φ z Φ (0,05) (5%) O valor acima pode ser obtido diretamente da planilha. Assim z,645 x 50 Como z, tem se: 8 x 50,645 z 8 x 50, ,84 4
25 0,05 X µ x 50 P(X > x) P( > ) σ 8 P(Z > z) Φ(z) % 0,0 Mas Em (b) temos P(X > x) % Φ(z) Φ( z) Logo z Φ (0,0) 0,05 0,04 0,04 0,0 0,0 0,0 0,0 0,0 0,0 % P(X > x) % 0,00 0, x Uma variável aleatória X tem uma distribuição t ou de Student se sua fdp for do tipo: f (x) υ+ υ + x Γ + υ υ πυ. Γ para x R 0,40 0,0 0,0 0,0 fdp de t() t(5) t(5) 0, Expectância ou Valor esperado Variância µ E (X) Var(X) 0 υ υ - O valor υ é denominado de Grau de liberdade 5
26 A planilha fornece a função direta e inversa (percentis), em relação a área à direita (unilateral) ou da soma das caudas (bilateral) de cada curva, isto é, a tabela retorna um valor t tal que P(Τ t) α (unilateral) ou P( T t) α. Uma variável aleatória X tem uma distribuição Qui-Quadrado se sua fdp for do tipo: υ x x e υ f (x) υ Γ 0 se x > 0 se x 0 Expectância ou Valor esperado Variância E (X) Var(X) υ υ O valor υ é denominado de Grau de liberdade,00 0,80 Q() Q() Q() A planilha fornece a função direta e 0,60 0,40 0,0 0,00 0,0,0,0,0 4,0 5,0 6,0 7,0 8,0 inversa, em relação a área à direita de cada curva (uma para cada linha), isto é, dado um valor de área na cauda direita (α), a tabela retorna um valor x tal que P(χ x) α 6
27 Uma variável aleatória X tem uma distribuição F ou de Snedecor se sua fdp for do tipo: m n m m + n Γ m n x f (x) m n Γ Γ 0 ( n + mx ) m+ n se x 0 se x > 0 Expectância ou Valor esperado m E(X) m Variância Var(X) (m + n - ) m m(n - )(n - 4) m é o grau de liberdade do numerador e n do denominador,0 0,8 0,6 0,4 0, 0,0 fdp de F(, ) F(, 5) F(5, 0) F(0, 0) A planilha fornece a função direta e inversa da área à direita de cada curva (uma para cada par de valores numerador, denominador). 7
Prof. 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 maisTipos de Modelos. Exemplos. Efeito. Causas. Exemplos. Causas. Efeito. Modelo determinístico. Modelo probabilístico. Determinístico.
Tipos de Modelos Sistema Real Determinístico Probabilístico Modelo determinístico Exemplos Gravitação F GM M /r Causas Efeito Aceleração clássica v at Aceleração relativística v at + a t c Modelo probabilístico
Leia maisTipos de Modelos. Determinístico. Sistema Real. Probabilístico. Prof. Lorí Viali, Dr. FAculdade de Matemática - Departamento de Estatística - PUCRS
Tipos de Modelos Determinístico Sistema Real Probabilístico Modelo determinístico Causas Efeito Exemplos Gravitação F GM 1 M 2 /r 2 Aceleração clássica v at Aceleração relativística v 1 + at a 2 c t 2
Leia maisTipos de Modelos. Exemplos. Causas. Efeito. Exemplos. Causas. Efeito. Modelo determinístico. Modelo probabilístico. Determinístico.
5/9/07 Tipos de Modelos Sistema Real Determinístico Probabilístico Modelo determinístico Exemplos Gravitação F GM M /r Causas Efeito Aceleração clássica v at Aceleração relativística v at + a t c Modelo
Leia maisExperiência para o qual o modelo probabilístico é adequado. Efeito. Causas. Prof. Lorí Viali, Dr.
Prof. Lorí Viali, Dr. viali@pucrs.br http://www.pucrs.br/~viali Prof. Lorí Viali, Dr. viali@mat.ufrgs.br http://www.ufrgs.br/~viali/ Determinístico Sistema Real Causas Efeito Probabilístico X Causas Efeito
Leia maisExperiência para o qual o modelo probabilístico é adequado. Efeito. Causas. E 1 : Joga-se um dado e observase o número da face superior.
Determinístico Prof. Lorí Viali, Dr. viali@mat.ufrgs.br http://www. ufrgs.br/~viali/ Sistema Real Probabilístico Causas Efeito X Causas Efeito Eperiência para o qual o modelo probabilístico é adequado.
Leia maisTexto SII: ELEMENTOS DE PROBABILIDADE 3.1. INTRODUÇÃO...9
SUMÁRIO 1. INTRODUÇÃO...2 1.1. MODELOS...2 1.2. EXPERIMENTO ALEATÓRIO (NÃO-DETERMINÍSTICO)...2 1.3. O ESPAÇO AMOSTRAL...3 1.4. EVENTOS...4 1.5. COMBINAÇÃO DE EVENTOS...4 1.6. EVENTOS MUTUAMENTE EXCLUDENTES...5
Leia maisÉ o conjunto de resultados de uma experiência aleatória. E 1 : Joga-se uma moeda quatro vezes e observa-se o número de caras e coroas;
Prof. Lorí Viali, Dr. viali@pucrs.br http://www.pucrs.br/famat/viali Eperiência na qual o resultado é incerto. E : Joga-se uma moeda quatro vezes e observa-se o número de caras e coroas; E : Joga-se uma
Leia maisExemplos. Experimento Aleatório. E 1 : Joga-se uma moeda quatro vezes e observa-se o número de caras;
Prof. Lorí Viali, Dr. viali@mat.ufrgs.br http://www.ufrgs.br/~viali/ Eperimento Aleatório Eperiência para o qual o modelo probabilístico é adequado. Eemplos E : Joga-se uma moeda quatro vezes e observa-se
Leia maisEfeito. Causas. Determinístico. Sistema Real. Probabilístico. Experiência para o qual o. modelo probabilístico é adequado.
Sistema Real Determinístico Probabilístico Causas Efeito X Causas Efeito Eperiência para o qual o modelo probabilístico é adequado. ❶ Não é possível prever um resultado particular, mas pode-se enumerar
Leia maisIntrodução à Bioestatística
Instituto Nacional de Cardiologia February 22, 2016 1 2 3 4 Existem dois tipos de variáveis aleatórias Variáveis aleatórias discretas Variáveis aleatórias contínuas discreta Assume um número nito ou innito
Leia maisVariável Aleatória. O conjunto de valores. Tipos de variáveis. Uma função X que associa a cada
Variável Aleatória Uma função X que associa a cada Prof. Lorí Viali, Dr. viali@mat.ufrgs.br http://www.mat.ufrgs.br/~viali/ elemento de S (s S) um número real x X(s) é denominada variável aleatória. O
Leia mais1. Cinco cartas são extraídas de um baralho comum (52 cartas, 13 de cada naipe) sem reposição. Defina a v.a. X = número de cartas vermelhas sorteadas.
GET007 Métodos Estatísticos Aplicados à Economia I Lista de Exercícios - variáveis Aleatórias Discretas Profa. Ana Maria Farias. Cinco cartas são extraídas de um baralho comum ( cartas, de cada naipe sem
Leia maisProf. Lorí Viali, Dr.
Prof. Lorí Viali, Dr. viali@mat.ufrgs.br http://www.mat.ufrgs.br/~viali/ s KKK CKK KKC KCK CCK CKC KCC CCC S X 0 1 2 3 R x X(s) X(S) Uma função X que associa a cada elemento de S (s S) um número real
Leia maisTipos de Modelo. Exemplos. Modelo determinístico. Causas. Efeito. Exemplos. Modelo probabilístico. Causas. Efeito. Determinístico.
Tipos de Modelo Sistema Real Determinístico Prof. Lorí Viali, Dr. viali@mat.ufrgs.br http://www.mat.ufrgs.br/~viali/ Probabilístico Modelo determinístico Exemplos Gravitação F GM 1 M 2 /r 2 Causas Efeito
Leia maisMODELOS PROBABILÍSTICOS MAIS COMUNS VARIÁVEIS ALEATÓRIAS DISCRETAS
MODELOS PROBABILÍSTICOS MAIS COMUNS VARIÁVEIS ALEATÓRIAS DISCRETAS Definições Variáveis Aleatórias Uma variável aleatória representa um valor numérico possível de um evento incerto. Variáveis aleatórias
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 maisEfeito. Causas. Determinístico. Sistema Real. Probabilístico. Gravitação F = GM 1 M 2 /r 2. Aceleração clássica. v = at. Aceleração relativística
Determinístico Sistema Real Prof. Lorí Viali, Dr. viali@mat.ufrgs.br http://www.mat.ufrgs.br/~viali/ Probabilístico Gravitação F GM 1 M 2 /r 2 Causas Efeito Aceleração clássica v at Aceleração relativística
Leia maisI NTRODUÇÃO. SÉRIE: Probabilidade
SUMÁRIO 1. COMBINATÓRIA... 5 1.1. CONJUNTOS... 5 1.2. OPERAÇÕES COM CONJUNTOS... 5 1.3. APLICAÇÕES DOS DIAGRAMAS DE VENN... 6 1.4. FATORIAL... 6 1.5. PRINCÍPIO FUNDAMENTAL DA CONTAGEM (PRINCÍPIO MULTIPLICATIVO)...
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 maisCapítulo 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 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 mais3ª lista de exercícios sobre cálculo de probabilidades, axiomas, propriedades, teorema da probabilidade total e teorema de Bayes
3ª lista de exercícios sobre cálculo de probabilidades, axiomas, propriedades, teorema da probabilidade total e teorema de Bayes 1) Quatro moedas são lançadas e observa-se a seqüência de caras e coroas
Leia maisTexto SII: ELEMENTOS DE PROBABILIDADE
SUMÁRIO 1. INTRODUÇÃO... 2 1.1. MODELOS... 2 1.2. EXPERIMENTO ALEATÓRIO (NÃO-DETERMINÍSTICO)... 2 1.3. O ESPAÇO AMOSTRAL... 3 1.4. EVENTOS... 4 1.5. COMBINAÇÃO DE EVENTOS... 4 1.6. EVENTOS MUTUAMENTE EXCLUDENTES...
Leia maisUnidade 11 - Probabilidade. Probabilidade Empírica Probabilidade Teórica
Unidade 11 - Probabilidade Probabilidade Empírica Probabilidade Teórica Probabilidade Empírica Existem probabilidade que são baseadas apenas uma experiência de fatos, sem necessariamente apresentar uma
Leia maisConforme o conjunto de valores X(S) uma variável aleatória poderá ser discreta ou contínua.
Prof. Lorí Viali, Dr. viali@pucrs.br http://www.pucrs.br/famat/viali/ s KKK CKK KKC KCK CCK CKC KCC CCC S X X(s) R X(S) Uma função X que associa a cada elemento de S (s S) um número real X(s) é denominada
Leia maisVariáveis Aleatórias Contínuas
Variáveis aleatórias contínuas: vamos considerar agora uma lista de quantidades as quais não é possível associar uma tabela de probabilidades pontuais ou frequências tempo de duração de uma chamada telefônica
Leia maisM501 Probabilidade, Estatística e Processos Estocásticos
Notas de aula M501 Probabilidade, Estatística e Processos Estocásticos Dayan Adionel Guimarães Novembro de 007 Agradecimento Aos professores: Dr. José Marcos Câmara Brito Dr. Carlos Alberto Ynoguti M.Sc.
Leia maisCONCEITOS. Evento: qualquer subconjunto do espaço amostral. Uma primeira idéia do cálculo de probabilidade. Eventos Teoria de conjuntos
INTRODUÇÃO À PROAILIDADE Exemplos: O problema da coincidência de datas de aniversário O problema da mega sena A teoria das probabilidade nada mais é do que o bom senso transformado em cálculo A probabilidade
Leia maisCAPÍTULO I - ELEMENTOS DE PROBABILIDADE
CAPÍTULO I - ELEMENTOS DE PROBABILIDADE 1.1 INTRODUÇÃO Em geral, um experimento ao ser observado e repetido sob um mesmo conjunto especificado de condições, conduz invariavelmente ao mesmo resultado. São
Leia maisProcessos Estocásticos
Processos Estocásticos Segunda Lista de Exercícios 01 de julho de 2013 1 Uma indústria fabrica peças, das quais 1 5 são defeituosas. Dois compradores, A e B, classificam os lotes de peças adquiridos em
Leia maisSÉRIE: Probabilidade Texto 1: PROBABILIDADE UNIVARIADA 1. INTRODUÇÃO CONCEITOS DE PROBABILIDADE VARIÁVEIS ALEATÓRIAS...
SUMÁRIO 1. INTRODUÇÃO...3 1.1. MODELOS...3 1.1.1. Modelo determínistico...3 1.1.2. Modelo não-determinístico ou probabilístico...3 1.2. EXPERIMENTO ALEATÓRIO (NÃO-DETERMINÍSTICO)...4 1.2.1. Características
Leia maisPROBABILIDADE Prof. Adriano Mendonça Souza, Dr.
PROBABILIDADE Prof. Adriano Mendonça Souza, Dr. Departamento de Estatística - PPGEMQ / PPGEP - UFSM - O intelecto faz pouco na estrada que leva à descoberta, acontece um salto na consciência, chameo de
Leia maisEventos independentes
Eventos independentes Adaptado do artigo de Flávio Wagner Rodrigues Neste artigo são discutidos alguns aspectos ligados à noção de independência de dois eventos na Teoria das Probabilidades. Os objetivos
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 maisSÉRIE: Probabilidade Parte 2: Variáveis Contínuas 1. VARIÁVEIS ALEATÓRIAS CONTÍNUAS... 2
SUMÁRIO 1. VARIÁVEIS ALEATÓRIAS CONTÍNUAS... 2 1.1. CÁLCULO DE PROBABILIDADE COM UMA VAC... 2 1.2. A FUNÇÃO DE DISTRIBUIÇÃO ACUMULADA... 3 1.3. VARIÁVEL ALEATÓRIA CONTÍNUA (CARACTERIZAÇÃO)... 4 1.3.1.
Leia maisDois eventos são disjuntos ou mutuamente exclusivos quando não tem elementos em comum. Isto é, A B = Φ
Probabilidade Vimos anteriormente como caracterizar uma massa de dados, como o objetivo de organizar e resumir informações. Agora, apresentamos a teoria matemática que dá base teórica para o desenvolvimento
Leia maisAvaliação e Desempenho Aula 4
Avaliação e Desempenho Aula 4 Aulas passadas Motivação para avaliação e desempenho Aula de hoje Revisão de probabilidade Eventos e probabilidade Independência Prob. condicional Experimentos Aleatórios
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 maisProbabilidade - Conceitos Básicos. Anderson Castro Soares de Oliveira
- Conceitos Básicos Castro Soares de Oliveira é o ramo da matemática que estuda fenômenos aleatórios. está associada a estatística, porque sua teoria constitui a base de estatística inferencial. Conceito
Leia mais1 Axiomas de Probabilidade
1 Axiomas de Probabilidade 1.1 Espaço amostral e eventos seja E um experimento aleatório Ω = conjunto de todos os resultados possíveis de E. Exemplos 1. E lançamento de uma moeda Ω = {c, c} 2. E retirada
Leia maisDistribuição Gaussiana. Modelo Probabilístico para Variáveis Contínuas
Distribuição Gaussiana Modelo Probabilístico para Variáveis Contínuas Distribuição de Frequências do Peso, em gramas, de 10000 recém-nascidos Frequencia 0 500 1000 1500 2000 2500 3000 3500 1000 2000 3000
Leia maisDistribuição Binomial
Distribuição Binomial Exemplo Na manufatura de certo artigo, é sabido que um entre dez artigos é defeituoso. Qual a probabilidade de que uma amostra casual de tamanho quatro contenha: (a) Nenhum defeituoso?
Leia maisNoções de Probabilidade
Noções de Probabilidade Bacharelado em Economia - FEA - Noturno 1 o Semestre 2015 Gilberto A. Paula G. A. Paula - MAE0219 (IME-USP) Noções de Probabilidade 1 o Semestre 2015 1 / 59 Objetivos da Aula Sumário
Leia maisEspaços Amostrais e Eventos. Probabilidade 2.1. Capítulo 2. Espaço Amostral. Espaço Amostral 02/04/2012. Ex. Jogue um dado
Capítulo 2 Probabilidade 2.1 Espaços Amostrais e Eventos Espaço Amostral Espaço Amostral O espaço amostral de um experimento, denotado S, é o conjunto de todos os possíveis resultados de um experimento.
Leia maisCálculo das Probabilidades e Estatística I
Cálculo das Probabilidades e Estatística I Prof a. Juliana Freitas Pires Departamento de Estatística Universidade Federal da Paraíba - UFPB juliana@de.ufpb.br Introdução a Probabilidade Existem dois tipos
Leia maisUFRGS - UNIVERSIDADE FEDERAL DO RIO GRANDE DO SUL INSTITUTO DE MATEMÁTICA - DEPARTAMENTO DE ESTATÍSTICA
UFRGS - UNIVERSIDADE FEDERAL DO RIO GRANDE DO SUL INSTITUTO DE MATEMÁTICA - DEPARTAMENTO DE ESTATÍSTICA SUMÁRIO 1. COMBINATÓRIA... 3 1.1. CONJUNTOS... 3 1.2. OPERAÇÕES COM CONJUNTOS... 3 1.3. APLICAÇÕES
Leia maisEstatística I Aula 6. Prof.: Patricia Maria Bortolon, D. Sc.
statística I Aula 6 Prof.: Patricia Maria Bortolon, D. Sc. VARIÁVIS ALATÓRIAS Variáveis Aleatórias xaminemos as seguintes situações: Um estudante que fez um teste do tipo verdadeiro ou falso está interessado
Leia maisProbabilidade - aula I
e 27 de Fevereiro de 2015 e e Experimentos Aleatórios e Objetivos Ao final deste capítulo você deve ser capaz de: Entender e descrever espaços amostrais e eventos para experimentos aleatórios. Interpretar
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 maisLista 05. Devemos calcular a probabilidade de ser homem dado que é loiro, sendo:
Lista 05 Questão 1: Em uma turma escolar 60% dos alunos são homens e 40% são mulheres. Dentre os homens, 25% são loiros, enquanto que 45% das mulheres são loiras. Um aluno desta turma foi sorteado de maneira
Leia maisPROBABILIDADE PROFESSOR: ANDRÉ LUIS
PROBABILIDADE PROFESSOR: ANDRÉ LUIS 1. Experimentos Experimento determinístico: são aqueles em que o resultados são os mesmos, qualquer que seja o número de ocorrência dos mesmos. Exemplo: Um determinado
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 maisExperimento Aleatório
Probabilidades 1 Experimento Aleatório Experimento aleatório (E) é o processo pelo qual uma observação é ob;da. Exemplos: ü E 1 : Jogar uma moeda 3 vezes e observar o número de caras ob;das; ü E 2 : Lançar
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 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 maisNOÇÕES DE PROBABILIDADE
NOÇÕES DE PROBABILIDADE ? CARA? OU? COROA? ? Qual será o rendimento da Caderneta de Poupança até o final deste ano??? E qual será a taxa de inflação acumulada em 011???? Quem será o próximo prefeito de
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 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 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 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 maisUniversidade Federal de Goiás Instituto de Matemática e Estatística
Universidade Federal de Goiás Instituto de Matemática e Estatística Prova de Probabilidade Prof.: Fabiano F. T. dos Santos Goiânia, 9 de setembro de 04 Aluno: Nota: Descreva seu raciocínio e desenvolva
Leia maisUniversidade Federal do Paraná Departamento de Informática. Reconhecimento de Padrões. Revisão de Probabilidade e Estatística
Universidade Federal do Paraná Departamento de Informática Reconhecimento de Padrões Revisão de Probabilidade e Estatística Luiz Eduardo S. Oliveira, Ph.D. http://lesoliveira.net Conceitos Básicos Estamos
Leia maisProbabilidades. Ricardo S. Ehlers. Departamento de Matemática Aplicada e Estatística Universidade de São Paulo.
Ricardo S. Ehlers Departamento de Matemática Aplicada e Estatística Universidade de São Paulo. Ricardo Ehlers 1 1 NOÇÕES BÁSICA 1 Noções Básicas Os métodos estatísticos para análise de dados estão associados
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 maisProbabilidade. Definições, Notação, Regra da Adição
Probabilidade Definições, Notação, Regra da Adição Definições básicas de probabilidade Experimento Qualquer processo de observação ou medida que permita ao pesquisador fazer coleta de informações. Evento
Leia maisUNITAU APOSTILA PROBABILIDADES PROF. CARLINHOS
ESCOLA DE APLICAÇÃO DR. ALFREDO JOSÉ ALI UNITAU APOSTILA PROAILIDADES ibliografia: Curso de Matemática Volume Único Autores: ianchini&paccola Ed. Moderna Matemática Fundamental - Volume Único Autores:
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 maisDistribuição Uniforme Discreta. Modelos de distribuições discretas. Distribuição de Bernoulli. Distribuição Uniforme Discreta
Distribuição Uniforme Discreta Modelos de distribuições discretas Notas de Aula da Profa. Verónica González-López e do Prof. Jesús Enrique García, digitadas por Beatriz Cuyabano. Acréscimos e modicações:
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 maisTeoria das Probabilidades I. Ana Maria Lima de Farias Universidade Federal Fluminense
Teoria das Probabilidades I Ana Maria Lima de Farias Universidade Federal Fluminense Conteúdo 1 Probabilidade - Conceitos Básicos 1 1.1 Introdução....................................... 1 1.2 Experimento
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 maisProbabilidade. Distribuições Uniforme, Geométrica, Hipergeométrica e Multinomial
Probabilidade Distribuições Uniforme, Geométrica, Hipergeométrica e Multinomial Distribuição Uniforme Usada comumente nas situações em que não há razão para atribuir probabilidades diferentes a um conjunto
Leia maisExperimentos Aleatórios e Espaços Amostrais
Experimentos Aleatórios e Espaços Amostrais Cláudio Tadeu Cristino 1 1 Universidade Federal Rural de Pernambuco, Recife, Brasil Primeiro Semestre, 2012 C.T.Cristino (DEINFO-UFRPE) Experimentos Aleatórios
Leia maisCAPÍTULO 04 NOÇÕES DE PROBABILIDADE
CAPÍTULO 0 NOÇÕES DE PROBABILIDADE. ESPAÇO AMOSTRAL É o conjunto de todos os possíveis resultados de um experimento aleatório. No lançamento de uma moeda perfeita (não viciada) o espaço amostral é S =
Leia maisCAP5: Amostragem e Distribuição Amostral
CAP5: Amostragem e Distribuição Amostral O que é uma amostra? É um subconjunto de um universo (população). Ex: Amostra de sangue; amostra de pessoas, amostra de objetos, etc O que se espera de uma amostra?
Leia maisRESUMO TEÓRICO. n(a) P(A) = n(u) 0 P(A) 1
RESUMO TEÓRICO Experimentos aleatórios: são aqueles que, mesmo repetidos várias vezes sob condições semelhantes, apresentam resultados imprevisíveis. Exemplo: Lançar um dado e verificar qual é a face voltada
Leia maisLISTA DE INTERVALO DE CONFIANÇA E TESTE DE HIPÓTESES
Monitora Juliana Dubinski LISTA DE INTERVALO DE CONFIANÇA E TESTE DE HIPÓTESES EXERCÍCIO 1 (INTERVALO DE CONFIANÇA PARA MÉDIA) Suponha que X represente a duração da vida de uma peça de equipamento. Admita-se
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 maisDistibuições de variáveis aleatórias discretas: = p = 1 n, para todo i = 1, 2,..., n. Prof. Luiz Alexandre Peternelli
CAPÍTULO 5 - Algumas distribuições de variáveis aleatórias discretas e contínuas (parte considerada incompleta visto o volume de informações importantes não incluídas, além de eercícios. Tais informações
Leia maisLista 2 - Probabilidade. Probabilidade. 1. Uma letra é escolhida entre as letras da palavra PROBABILIDADE
Estatística 2 a LISTA DE EXERCÍCIOS Prof. Ânderson Vieira Probabilidade Espaço Amostral Em cada um dos exercícios a 0. Determine o espaço amostral.. Uma letra é escolhida entre as letras da palavra PROBABILIDADE
Leia maisExercícios Resolvidos da Distribuição Binomial
. a. Estabeleça as condições exigidas para se aplicar a distribuição binomial? b. Qual é a probabilidade de caras em lançamentos de uma moeda honesta? c. Qual é a probabilidade de menos que caras em lançamentos
Leia maisSÉRIE: Estatística Básica Texto 4: TESTES DE HIPÓTESES SUMÁRIO
SUMÁRIO. INTRODUÇÃO... 3.. GENERALIDADES... 3.. METODOLOGIA DO TESTE DE HIPÓTESES... 3.3. AS HIPÓTESES... 3.4. A ESCOLHA DO TESTE ESTATÍSTICO... 4.5. CONCEITOS ADICIONAIS DO TESTE DE HIPÓTESES... 4.6.
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 maisI. Experimentos Aleatórios
A teoria do azar consiste em reduzir todos os acontecimentos do mesmo gênero a um certo número de casos igualmente possíveis, ou seja, tais que estejamos igualmente inseguros sobre sua existência, e em
Leia maisLogo, para estar entre os 1% mais caros, o preço do carro deve ser IGUAL OU SUPERIOR A:
MQI 00 ESTATÍSTICA PARA METROLOGIA - SEMESTRE 008.0 Teste 6/05/008 GABARITO PROBLEMA O preço de um certo carro usado é uma variável Normal com média R$ 5 mil e desvio padrão R$ 400,00. a) Você está interessado
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 maisCÁLCULO DE PROBABILIDADES ASSOCIADAS ÀS DISTRIBUIÇÕES DISCRETAS DE PROBABILIDADE
2015: Trabalho de Conclusão de Curso do Mestrado Profissional em Matemática Universidade Federal de São João del-rei - UFSJ Sociedade Brasileira de Matemática - SBM CÁLCULO DE PROBABILIDADES ASSOCIADAS
Leia maisBioestatística Aula 3
Aula 3 Castro Soares de Oliveira Probabilidade Probabilidade é o ramo da matemática que estuda fenômenos aleatórios. Probabilidade é uma medida que quantifica a sua incerteza frente a um possível acontecimento
Leia maisProbabilidade Condicional
PROBABILIDADES Probabilidade Condicional BERTOLO Exemplo Introdutório Vamos introduzir a noção de probabilidade condicional através de um exemplo. Consideremos 250 estudantes que cursam o 4º ano de Ciências
Leia maisEstatística e Probabilidade. Aula 4 Cap 03. Probabilidade
Estatística e Probabilidade Aula 4 Cap 03 Probabilidade Estatística e Probabilidade Método Estatístico Estatística Descritiva Estatística Inferencial Nesta aula... aprenderemos como usar informações para
Leia maisMÓDULO 1. I - Estatística Básica
MÓDULO 1 I - 1 - Conceito de Estatística Estatística Técnicas destinadas ao estudo quantitativo de fenômenos coletivos e empíricamente observáveis. Unidade Estatística nome dado a cada observação de um
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 DE APLICAÇÃO FERNANDO RODRIGUES DA SILVEIRA (CAp/UERJ) MATEMÁTICA ENSINO MÉDIO - PROF. ILYDIO SÁ CÁLCULO DE PROBABILIDADES PARTE 1
1 INSTITUTO DE APLICAÇÃO FERNANDO RODRIGUES DA SILVEIRA (CAp/UERJ) MATEMÁTICA ENSINO MÉDIO - PROF. ILYDIO SÁ CÁLCULO DE PROBABILIDADES PARTE 1 1. Origem histórica É possível quantificar o acaso? Para iniciar,
Leia mais2 T Probabilidade: Definições básicas. 3 T Probabilidade: Definições básicas
Programa do Curso Métodos Estatísticos sticos de Apoio à Decisão Aula 4 Mônica Barros, D.Sc. Julho de 2008 Disciplina Métodos Estatísticos de Apoio à Decisão - BI MASTER 2008 Responsável Mônica Barros
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 maisAula 11 Esperança e variância de variáveis aleatórias discretas
Aula 11 Esperança e variância de variáveis aleatórias discretas Nesta aula você estudará os conceitos de média e variância de variáveis aleatórias discretas, que são, respectivamente, medidas de posição
Leia maisProbabilidade - aula III
27 de Março de 2014 Regra da Probabilidade Total Objetivos Ao final deste capítulo você deve ser capaz de: Usar a regra da multiplicação para calcular probabilidade de eventos Usar a Regra da Probabilidade
Leia maisPrimeira Lista de Exercícios de Estatística
Primeira Lista de Exercícios de Estatística Professor Marcelo Fernandes Monitor: Márcio Salvato 1. Suponha que o universo seja formado pelos naturais de 1 a 10. Sejam A = {2, 3, 4}, B = {3, 4, 5}, C =
Leia mais