Variáveis aleatórias contínuas e distribuiçao Normal. Henrique Dantas Neder
|
|
- Gabriela Caires Terra
- 8 Há anos
- Visualizações:
Transcrição
1 Variáveis aleatórias contínuas e distribuiçao Normal Henrique Dantas Neder
2 Definições gerais Até o momento discutimos o caso das variáveis aleatórias discretas. Agora vamos tratar das variáveis aleatórias contínuas. Começaremos com a variável aleatória contínua mais simples que é chamada de variável aleatória contínua uniforme. Suponhamos que temos um relógio com um ponteiro que funcione como uma roleta de cassino. Giramos aleatoriamente este ponteiro e verificamos em que posição ele para. De um ponto de vista matemático, temos um número infinito de pontos na circunferência do relógio. Então teóricamente a probabilidade do ponteiro parar exatamente em um ponto é igual a zero, porque aquele ponto é matematicamente infinitesimal. Ou seja, ele é apenas um ponto dentro do conjunto infinito de pontos que estão contidos na circunferência do relógio.
3 No entanto se quisermos calcular a probabilidade de que o ponteiro do relógio pare em um determinado intervalo de pontos, por exemplo, caia entre o número 12 e o número 3 do relógio, teremos um valor distinto de zero para esta probabilidade. A probabilidade do ponteiro parar neste intervalo é numericamente igual a 1/4 porque sabemos que este intervalo corresponde a esta fração do conjunto total de pontos do relógio (mesmo que este seja infinito!). Desta forma, qualquer intervalo de pontos finito tem uma probabilidade associada distinta de zero. E a probabilidade do ponteiro parar em exatamente um ponto (digamos o número 12 exatamente) é igual a zero. Porque este é apenas um pequeno ponto infinitesimal diante de um número infinito de pontos ao redor da circunferência do relógio. Quando estamos afirmando isto, estamos seguindo a definição clássica de probabilidade, que afirma que a probabilidade de um evento é o número de eventos favoráveis dividido pelo número de eventos possíveis e equiprováveis do espaço amostral. O número de eventos favoráveis neste caso é igual a 1 e o
4 número de eventos possíveis e equiprováveis é igual a e a divisão de 1 por é (pelo menos no limite) igual a zero. Para representar tudo isto temos que usar o conceito de função densidade de probabilidade (ou simplesmente função densidade). Para uma variável aleatória contínua não podemos usar uma função de probabilidade, tal como no caso de uma variável aleatória discreta. Para esta última, a variável aleatória só assume um determinado número supostamente finito de valores. Desta forma podemos associar valores de probabilidade para cada valor da variável aleatória. Isto não ocorre com as variáveis aleatórias contínuas. Neste caso, como vimos no exemplo do relógio, temos um número infinito de valores para uma variável aleatória contínua. Não temos como associar um valor de probabilidade para cada valor da variável aleatória e sabemos que todos estes valores são nulos. Podemos definir uma função matemática que será chamada de função densidade cujas propriedades serão: ˆ + f (x)dx = 1 (1)
5 e P(a X b) = ˆ b a f (x)dx (2) No caso do experimento aleatório do relógio temos uma função densidade: f (x) = 1/12 para qualquer valor de x no intervalo 0 X 12. Se quisermos calcular a probabilidade de que o ponteiro do relógio pare no intervalo que vai de 6 a 8, teremos: P(6 X 8) = 8 6 f (x)dx = dx = x = = 1 6 Então podemos dizer que uma função densidade é um instrumento matemático definido para variáveis aleatórias contínuas e que pode ser usada para calcular probabilidade de ocorrência destas variáveis em determinados intervalos. Estamos aqui definindo um exemplo de função densidade, chamado de função densidade uniforme que está associada a uma variável aleatória contínua uniforme. De uma forma geral uma função densidade uniforme pode ser qualquer função constante que respeite as condições (1) e (2).
6 O valor constante da ordenada desta função irá depender do intervalo de variação definido para esta função. Digamos, de uma forma geral que a função é definida no intervalo fechado de números reais [a,b]. Então f (x) = 1 b a. Especificamente, no caso do relógio, quando a = 0 e b = 12, f (x) = 1 12.
7 Esperança matemática e variância de uma variável aleatória contínua De uma forma análoga ao caso de uma variável aleatória discreta, para o caso de uma variável aleatória contínua X com função densidade f (x), definimos esperança matemática de X como sendo: E(X) = ˆ + Xf (x)dx (3) No caso de uma variável aleatória contínua uniforme na sua forma geral, com função densidade igual a f (x) = 1 (b a) temos: E(X) = + Xf (x)dx = b a X 1 (b a) dx = x 2 2(b a) b a = b2 a 2 2(b a) = a+b 2 A variância de uma variável aleatória contínua pode ser definida como sendo: var(x) = ˆ + (X E(X)) 2 f (x)dx = ( ˆ + X 2 f (x)dx) E(X) 2 (4)
8 Novamente, no caso de uma variável aleatória contínua uniforme na sua forma geral, com função densidade igual a f (x) = 1 (b a) temos: var(x) = ( + b 3 a 3 3(b a) ( a+b 2 )2 X 2 1 (b a) dx) ( a+b 2 )2 = x 3 3(b a) b a ( a+b 2 )2 = Podemos ter uma variável aleatória contínua com uma função densidade com forma triangular: { cx/k para 0 x k f (X) = 2c cx/k para k x 2k Exercício: Determine as condições para c e k de forma que f(x) seja uma função densidade e determine as expressoes para a esperança matemática e variância para esta variável aleatória.
9 Variável aleatória Normal Uma variável aleatória normal é uma variável aleatória contínua que tem a seguinte função densidade: f (x) = 1 σ (X µ) 2 2π e 2 (5) A mais importante (e mais utilizada na prática) variável aleatória contínua é a variável aleatória normal. A variável aleatória normal tem uma função densidade de probabilidade (chamada de curva normal) que apresenta a forma de um sino e é unimodal no centro exato da distribuição. A média, mediana e a moda da distribuição normal são iguais e localizadas no pico da distribuição. Metade da área sob a curva está acima do ponto central (pico) e a outra metade está acima dele. A distribuição de probabilidade normal é simétrica em relação a sua média.
10 Ela é assintótica: a curva aproxima-se cada vez mais do eixo X mas nunca toca efetivamente ele. scalar sigma = 1 scalar mu = 0 twoway function y = (1/(sigma*sqrt(2*_pi)))*exp(-(x-mu)^2/2), range(-3 3) Para desenhar a função de densidade da variável aleatória normal vamos usar alguns recursos gráficos do Stata, de acordo com a segueinte sequência de comandos:
11 y x Figura : Função densidade da variável normal padrão
12 De propósito, definimos que a nossa função densidade normal tem como parâmetros µ = 0 e σ = 1. Este é um caso particular de função densidade normal, chamado de função densidade normal padrão associada a variável aleatória normal padrão. A maior parte dos livros de Estatística apresentam tabelas que contem as probabilidades observadas em diversos intervalos de valores para a variável normal padrão. Vamos aproveitar o Stata para calcular valores de probabilidades para determinados intervalos da variável normal padrão. Por exemplo, desejamos calcular a probabilidade de que a variável normal padrão esteja contida no intervalo [1,3]. Para isto usamos o seguinte comando Stata: disp normal(3) - normal(1) O resultado é , o que significa que P(1 < X < 3) = Como é uma função densidade (associada a uma variável aleatória contínua), podemos dizer que: P(1 < X < 3) = P(1 X < 3) = P(1 < X 3) = e
13 que P(X = 1) = P(X = 3) = 0. twoway (function X1 = (1/(2*sqrt(2*_pi)))*exp(-(x-2)^2/2), range(-3 8)) (function X2 = (1/(4*sqrt(2*_pi)))*exp(-(x-2)^2/2), range(-3 8)) Vamos agora construir dois gráficos de função densidade justapostos - um com desvio padrão 2 e outro com desvio padrão 4, ambos com média 2:
14 x X1 X2 Figura : Duas funções densidade para variáveis aleatórias normais com distintos desvios padrões
15 O mais interessante deste último gráfico é que nele é mostrado que a função densidade com desvio padrão menor (curva em azul) abarca ( encompasses ) a distribuição com maior (curva em vermelho) desvio padrão. Poderiamos querer calcular o valores de probabilidades para as duas variáveis aleatórias normais do ultimo gráfico. Chamemos a variável normal que tem desvio padrão igual a 2 de X 1 e a variável normal que tem desvio padrão igual a 4 de X 2. Para calcularmos P(3 < X 1 < 5) temos que fazer a seguinte transformação: P(3 < X 1 < 5) = P( < z < ) = P(0, 5 < z < 1, 5) = O comando Stata para fazer este último cálculo é: disp normal(1.5)-normal(.5) Da mesma forma podemos calcular: P(3 < X 2 < 5) = P( < z < ) = P(0, 25 < z < 0, 75) = Estes resultados estão bastante coerentes com o que mostra o último gráfico: a distribuição com maior desvio padrão tem uma
16 probabilidade menor (para o mesmo intervalo da variável aleatória normal X). Temos que explicar dois pontos importantes: 1) Porque fizemos a transformação anterior? 2) Podemos igualar probabilidades a áreas abaixo da função densidade? Fizemos a transformação P(3 < X 1 < 5) = P( < z < ) porque as probabilidades não sçao calculadas diretamente para qualquer variável normal, mas indiretamente a partir de probabilidades para a variável normal padrão. Assim podemos converter qualquer variável aleatória normal em uma normal padrão através da seguinte expressão de transformação: z = X µ σ Utilizamos esta expressão para converter a probabilidade de uma variável normal qualquer estar contida em um determinado intervalo para achar o correspondente intervalo para a variável normal padrão. Todas as funções densidade de variáveis aleatórias normais (sejam o não padrão) devem ter uma área total sob a (6)
17 curva da função densidade igual a 1, ou seja, devem cumprir a condição (1) para uma função densidade. Vimos que a propriedade (2) de uma função densidade f(x) é: P(a X b) = b a f (x)dx. Como a integral definida da função densidade é numericamente igual a área abaixo da curva (e delimitada no intervalo [a,b]), podemos dizer que probabilidades de ocorrência de uma variável aleatória contínua podem ser medidas como sendo a área abaixo da curva correspondente a função densidade. Podemos definir função de distribuição cumulativa F(x), como sendo: F (x) = ˆ x f (x)dx (7) Particularmente, para a função densidade normal padrão temos a função de distribuição cumulativa da normal padrão que é simbolizada por φ(x). Então, se P( < z < 1) = então podemos dizer que φ(1) = e que P(a < z < b) = φ(b) φ(a) onde z é a variável aleatória normal padrão.
18 Exemplos 1) Numa distribuição normal, 30% dos elementos são menores que 45 e 10% são maiores que 64. Calcular os parâmetros que definem a distribuição (média e desvio-padrão). Solução: P(X < 45) = 0, 30 P(X > 64) = 0, 10 P(z < 45 µ X σ x ) = 0, 30 Determinamos um valor de z = z de tal forma que P(z < z ) = 0, 30. Isto corresponde a função inversa da distribuição normal cumulativa da normal padrão. No Stata basta digitar o comando: disp invnormal(.30) O resultado é: Ou seja P(z < ) = 0, 30
19 Desta forma descobrimos que 45 µx σ x = De forma análoga obtemos que P(z > ) = 0, 10 através do comando disp invnormal(.90) e descobrimos que: 64 µ x σ x = Agora basta resolver o seguinte sistema de duas equações a duas incógnitas: 45 µ x σ x = µ x σ x = Que resultarão em: σ x µ x = σ x µ x = 64 Multiplicando a primeira equação por (-1) e somando-se a segunda equação, temos: ( ) σ x = σ x = µ x = = ) O tempo de vida de transistores produzidos pela Indústria Zeppelin Ltda. tem distribuição aproximadamente normal, com valor esperado e desvio-padrão igual a 500 horas e 50 horas,
20 respectivamente. Se o consumidor exige que pelo menos 95% dos transistores fornecidos tenham vida superior a 400 horas, pergunta-se se tal especificação é atendida. Justifique! Solução: P(X > 400) = P( X > ) = P(z > 2) = 1 φ( 2) = = A especificação é atendida já que 97,72% dos transístores atende a especificação. 3) Seja X normalmente distribuída com média µ X = 100 e desvio padrão σ X = 7 (daqui a diante indicaremos tal distribuição como X ~ N(100;7) ). Determinar: a. P(X = 80) b. P(X > 100) c. P( X 95 < 5)d. P( X 100 < 10) Solução: a. P(X = 80) = 0 b. P(X > 100) = P( X ) = P(z > 0) = 0.50 c. Se X 95 0 então P( X 95 < 5) = P(X 95 < 5) = P(X < 100) = 0.50 Se X 95 < 0 então P( X 95 < 5) = P(95 X < 5) = 7 > P( X < 90) = P(X > 90) = P( X > ) = P(z >
21 ) = 1 φ( ) = ). Os pesos de certos produtos em quilogramas são normalmente distribuídos com média µ X = 180 e desvio padrão σ X = 4. Se uma unidade deste produto é escolhida aleatoriamente, qual é o peso desta unidade se a probabilidade de ocorrência: a. De um peso maior é igual a 0,10? b. De um peso menor é igual a 0,05? Solução: a. P(X > x ) = 0.10 Portanto P(z > x ) = 0.10 Temos que achar no Stata o valor de z tal que φ(z) = 0.90 Isto pode ser feito através do comando: disp invnormal(.90) Resultado: Portanto: x = e x = = ) Se uma distribuição normal tem média 200 e desvio padrão 20, ache K tal que a probabilidade de que um valor amostral seja menor do que K é 0,975. Solução: P(X < k) = Portanto P(z < k ) = 0.975
22 Através do comando disp invnormal(.975) achamos o valor Portanto k = e k = = Uma alternativa ao Stata para fazer cálculos de probabilidades correspondentes a variáveis aleatórias normais é o Excel. Por exemplo se quisermos calcular φ( ) colocamos em qualquer célula a função =DIST.NORMP( ) e retorna o resultado Para a função inversa da distribuição normal cumulativa da normal padrão se quisermos calcular φ 1 (.90) colocamos em uma célula a função =INV.NORMP(0.9) e retornamos ao valor anterior Vamos gerar no Stata uma Tabela da Função de Distribuição Cumulativa da Variável Normal Padrão φ(x), através da seguinte sintaxe (do file): * SINTAXE PARA GERAR UMA TABELA PARA A FUNÇÃO DISTRIBUIÇÃO phi(x) matrix C = J(31,11,0) forvalues j = 2(1)11 { matrix C[1, j ] = j - 2
23 } forvalues i = 2(1)31 { matrix C[ i,1] = ( i - 2)/10 } forvalues i = 2(1)31 { forvalues j = 2(1)11 { scalar x = ( i -2)/10 + ( j -2)/100 scalar phi = normal(x) matrix C[ i, j ] = phi } } matrix list C svmat C, names(c) format C2-C11 %5.4f xmlsave "D:\ECN26\APOSTILA DE ESTATISTICA\TABELA DISTRIBUIÇÃO NORMAL.xml", doctype(excel) replace
24 Tabela da distribuição cumulativa da variável normal padrão φ(x)
25 Tabela da distribuição cumulativa da variável normal padrão φ(x) (cont.)
Intervalo de Confiança e cálculo de tamanho de amostra. Henrique Dantas Neder
Intervalo de Confiança e cálculo de tamanho de amostra Henrique Dantas Neder Intervalo de confiança para a média da população µ X Até o momento discutimos as propriedades da distrbuição normal e vimos
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 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 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 maisAula 4 Estatística Conceitos básicos
Aula 4 Estatística Conceitos básicos Plano de Aula Amostra e universo Média Variância / desvio-padrão / erro-padrão Intervalo de confiança Teste de hipótese Amostra e Universo A estatística nos ajuda a
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 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 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 maisExercícios Teóricos Resolvidos
Universidade Federal de Minas Gerais Instituto de Ciências Exatas Departamento de Matemática Exercícios Teóricos Resolvidos O propósito deste texto é tentar mostrar aos alunos várias maneiras de raciocinar
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 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 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 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 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 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 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 mais2 Pesquisa de valores em uma lista de dados
2 Pesquisa de valores em uma lista de dados Vinicius A. de Souza va.vinicius@gmail.com São José dos Campos, 2011. 1 Sumário Tópicos em Microsoft Excel 2007 Introdução...3 Funções PROCV e PROCH...3 PROCV...3
Leia maisCap. 7 - Fontes de Campo Magnético
Universidade Federal do Rio de Janeiro Instituto de Física Física III 2014/2 Cap. 7 - Fontes de Campo Magnético Prof. Elvis Soares Nesse capítulo, exploramos a origem do campo magnético - cargas em movimento.
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 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 maisNotas de Cálculo Numérico
Notas de Cálculo Numérico Túlio Carvalho 6 de novembro de 2002 2 Cálculo Numérico Capítulo 1 Elementos sobre erros numéricos Neste primeiro capítulo, vamos falar de uma limitação importante do cálculo
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 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 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 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 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 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 mais0,999... OU COMO COLOCAR UM BLOCO QUADRADO EM UM BURACO REDONDO Pablo Emanuel
Nível Intermediário 0,999... OU COMO COLOCAR UM BLOCO QUADRADO EM UM BURACO REDONDO Pablo Emanuel Quando um jovem estudante de matemática começa a estudar os números reais, é difícil não sentir certo desconforto
Leia maisMétodos de Monte Carlo
Departamento de Estatística - UFJF Outubro e Novembro de 2014 são métodos de simulação São utilizados quando não temos uma forma fechada para resolver o problema Muito populares em Estatística, Matemática,
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 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 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 maisAV1 - MA 12-2012. (b) Se o comprador preferir efetuar o pagamento à vista, qual deverá ser o valor desse pagamento único? 1 1, 02 1 1 0, 788 1 0, 980
Questão 1. Uma venda imobiliária envolve o pagamento de 12 prestações mensais iguais a R$ 10.000,00, a primeira no ato da venda, acrescidas de uma parcela final de R$ 100.000,00, 12 meses após a venda.
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 maisMÉDIA ARITMÉTICA MÉDIA PONDERADA MODA MEDIANA
MÉDIA ARITMÉTICA MÉDIA PONDERADA MODA MEDIANA Em um amostra, quando se têm os valores de uma certa característica, é fácil constatar que os dados normalmente não se distribuem uniformemente, havendo uma
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 maisFração como porcentagem. Sexto Ano do Ensino Fundamental. Autor: Prof. Francisco Bruno Holanda Revisor: Prof. Antonio Caminha M.
Material Teórico - Módulo de FRAÇÕES COMO PORCENTAGEM E PROBABILIDADE Fração como porcentagem Sexto Ano do Ensino Fundamental Autor: Prof. Francisco Bruno Holanda Revisor: Prof. Antonio Caminha M. Neto
Leia maisProbabilidade e Estatística I Antonio Roque Aula 11 Probabilidade Elementar: Novos Conceitos
Probabilidade Elementar: Novos Conceitos Vamos começar com algumas definições: Experimento: Qualquer processo ou ação bem definida que tenha um conjunto de resultados possíveis 1) Lançamento de um dado;
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 maisCapítulo 1. x > y ou x < y ou x = y
Capítulo Funções, Plano Cartesiano e Gráfico de Função Ao iniciar o estudo de qualquer tipo de matemática não podemos provar tudo. Cada vez que introduzimos um novo conceito precisamos defini-lo em termos
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 maisUniversidade Federal de São João Del Rei - UFSJ
Universidade Federal de São João Del Rei - UFSJ Instituída pela Lei 0.45, de 9/04/00 - D.O.U. de /04/00 Pró-Reitoria de Ensino de Graduação - PROEN Disciplina: Cálculo Numérico Ano: 03 Prof: Natã Goulart
Leia maisANALISE COMBINATORIA Um pouco de probabilidade
ANALISE COMBINATORIA Um pouco de probabilidade Programa Pró-Ciência Fapesp/IME-USP-setembro de 1999 Antônio L. Pereira -IME USP (s. 234A) tel 818 6214 email:alpereir@ime.usp.br 1 Um carro e dois bodes
Leia maisTestedegeradoresde. Parte X. 38 Testes de Ajuste à Distribuição. 38.1 Teste Chi-Quadrado
Parte X Testedegeradoresde números aleatórios Os usuários de uma simulação devem se certificar de que os números fornecidos pelo gerador de números aleatórios são suficientemente aleatórios. O primeiro
Leia maisExercícios Adicionais
Exercícios Adicionais Observação: Estes exercícios são um complemento àqueles apresentados no livro. Eles foram elaborados com o objetivo de oferecer aos alunos exercícios de cunho mais teórico. Nós recomendamos
Leia maisGrupo A - 1 o semestre de 2014 Gabarito Lista de exercícios 5 - Variáveis Aleatórias e Distribuição Binomial C A S A
Exercício 1. (2,0 pontos). Dados sobre acidentes automobilísticos levantados por uma companhia de seguros informaram o seguinte: a probabilidade de que um motorista segurado sofra um acidente automobilístico
Leia maisEste procedimento gera contribuições não só a φ 2 e φ 4, mas também a ordens superiores. O termo por exemplo:
Teoria Quântica de Campos II 168 Este procedimento gera contribuições não só a φ 2 e φ 4, mas também a ordens superiores. O termo por exemplo: Obtemos acoplamentos com derivadas também. Para o diagrama
Leia maisVestibular UFRGS 2015 Resolução da Prova de Matemática
Vestibular UFRGS 015 Resolução da Prova de Matemática 6. Alternativa (D) (0,15) 15 1 15 8 1 15 [() ] 15 5 7. Alternativa (C) Algarismo da unidade de 9 99 é 9 Algarismo da unidade de é 6 9 6 8. Alternativa
Leia maisFUNÇÃO DE 1º GRAU. = mx + n, sendo m e n números reais. Questão 01 Dadas as funções f de IR em IR, identifique com um X, aquelas que são do 1º grau.
FUNÇÃO DE 1º GRAU Veremos, a partir daqui algumas funções elementares, a primeira delas é a função de 1º grau, que estabelece uma relação de proporcionalidade. Podemos então, definir a função de 1º grau
Leia mais1. A corrida de vetores numa folha de papel.
1. A corrida de vetores numa folha de papel. desenhando a pista. o movimento dos carros. o início da corrida. as regras do jogo. 2. A corrida no computador. o número de jogadores. o teclado numérico. escolhendo
Leia maisAlém do Modelo de Bohr
Além do Modelo de Bor Como conseqüência do princípio de incerteza de Heisenberg, o conceito de órbita não pode ser mantido numa descrição quântica do átomo. O que podemos calcular é apenas a probabilidade
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 maisTeorema do Limite Central e Intervalo de Confiança
Probabilidade e Estatística Teorema do Limite Central e Intervalo de Confiança Teorema do Limite Central Teorema do Limite Central Um variável aleatória pode ter uma distribuição qualquer (normal, uniforme,...),
Leia maisAula 4 Conceitos Básicos de Estatística. Aula 4 Conceitos básicos de estatística
Aula 4 Conceitos Básicos de Estatística Aula 4 Conceitos básicos de estatística A Estatística é a ciência de aprendizagem a partir de dados. Trata-se de uma disciplina estratégica, que coleta, analisa
Leia maisIntrodução ao estudo de equações diferenciais
Matemática (AP) - 2008/09 - Introdução ao estudo de equações diferenciais 77 Introdução ao estudo de equações diferenciais Introdução e de nição de equação diferencial Existe uma grande variedade de situações
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 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 maisResolução de sistemas lineares
Resolução de sistemas lineares J M Martínez A Friedlander 1 Alguns exemplos Comecemos mostrando alguns exemplos de sistemas lineares: 3x + 2y = 5 x 2y = 1 (1) 045x 1 2x 2 + 6x 3 x 4 = 10 x 2 x 5 = 0 (2)
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 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 maisRealizando cálculos para o aparelho divisor (I)
Realizando cálculos para o aparelho divisor (I) A UU L AL A Você já estudou como fazer os cálculos para encontrar as principais medidas para a confecção de uma engrenagem cilíndrica de dentes retos. Vamos
Leia maisCláudio Tadeu Cristino 1. Julho, 2014
Inferência Estatística Estimação Cláudio Tadeu Cristino 1 1 Universidade Federal de Pernambuco, Recife, Brasil Mestrado em Nutrição, Atividade Física e Plasticidade Fenotípica Julho, 2014 C.T.Cristino
Leia maisSeu pé direito nas melhores faculdades
Seu pé direito nas melhores faculdades IM - maio 006 MTMÁTI 0. a) atore a epressão 3 3 + 6. b) Resolva, em, a inequação 3 3 + 6 +. a) 3 3 + 6 = (3 ) 6(3 ) = ( 6)(3 ) = ( + 6 )( 6 )(3 ) é a forma fatorada
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 maisSistemas Lineares. Módulo 3 Unidade 10. Para início de conversa... Matemática e suas Tecnologias Matemática
Módulo 3 Unidade 10 Sistemas Lineares Para início de conversa... Diversos problemas interessantes em matemática são resolvidos utilizando sistemas lineares. A seguir, encontraremos exemplos de alguns desses
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 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 maisAluno do Curso de Lic. em Matemática da UFMS; e mail: tmviana2000@gmail.com;
Encontro de Ensino, Pesquisa e Extensão, Presidente Prudente, 22 a 25 de outubro, 2012 26 GRUPOS DE PERMUTAÇÕES E ALGUMAS DE PROPOSIÇÕES Thiago Mariano Viana 1, Marco Antônio Travasso 2 & Antônio Carlos
Leia maisApresentação de Dados em Tabelas e Gráficos
Apresentação de Dados em Tabelas e Gráficos Os dados devem ser apresentados em tabelas construídas de acordo com as normas técnicas ditadas pela Fundação Instituto Brasileiro de Geografia e Estatística
Leia maisRetas e Planos. Equação Paramétrica da Reta no Espaço
Retas e lanos Equações de Retas Equação aramétrica da Reta no Espaço Considere o espaço ambiente como o espaço tridimensional Um vetor v = (a, b, c) determina uma direção no espaço Dado um ponto 0 = (x
Leia maisEstatística Básica. Armando Oscar Cavanha Filho
Estatística Básica Armando Oscar Cavanha Filho 1- INTRODUÇÃO A Estatística tem ampliado a sua participação na linguagem das atividades profissionais da atualidade, já que os números e seus significados
Leia mais3.4 O Princípio da Equipartição de Energia e a Capacidade Calorífica Molar
3.4 O Princípio da Equipartição de Energia e a Capacidade Calorífica Molar Vimos que as previsões sobre as capacidades caloríficas molares baseadas na teoria cinética estão de acordo com o comportamento
Leia maisProg A B C A e B A e C B e C A,B e C Nenhum Pref 100 150 200 20 30 40 10 130
Polos Olímpicos de Treinamento Curso de Combinatória - Nível 2 Prof. Bruno Holanda Aula 2 Lógica II Quando lemos um problema de matemática imediatamente podemos ver que ele está dividido em duas partes:
Leia mais2. Representação Numérica
2. Representação Numérica 2.1 Introdução A fim se realizarmos de maneira prática qualquer operação com números, nós precisamos representa-los em uma determinada base numérica. O que isso significa? Vamos
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 maisDepartamento de Matemática - UEL - 2010. Ulysses Sodré. http://www.mat.uel.br/matessencial/ Arquivo: minimaxi.tex - Londrina-PR, 29 de Junho de 2010.
Matemática Essencial Extremos de funções reais Departamento de Matemática - UEL - 2010 Conteúdo Ulysses Sodré http://www.mat.uel.br/matessencial/ Arquivo: minimaxi.tex - Londrina-PR, 29 de Junho de 2010.
Leia maisMATEMÁTICA A - 12o Ano Probabilidades - Triângulo de Pascal Propostas de resolução
MATEMÁTICA A - 12o Ano Probabilidades - Triângulo de Pascal Propostas de resolução Exercícios de exames e testes intermédios 1. A linha do triângulo de Pascal em que a soma dos dois primeiros elementos
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 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 maisUNIVERSIDADE DOS AÇORES Cursos de Sociologia e de Serviço Social Estatística I 1º Semestre 2006/2007
UNIVERSIDADE DOS AÇORES Cursos de Sociologia e de Serviço Social Estatística I 1º Semestre 2006/2007 Ficha de Exercícios nº 5 Distribuições Importantes 1. A probabilidade de os doentes de uma determinada
Leia mais1) Eficiência e Equilíbrio Walrasiano: Uma Empresa
1) Eficiência e Equilíbrio Walrasiano: Uma Empresa Suponha que há dois consumidores, Roberto e Tomás, dois bens abóbora (bem 1) e bananas (bem ), e uma empresa. Suponha que a empresa 1 transforme 1 abóbora
Leia maisTUTORIAL PARA PREPARAÇÃO E IMPORTAÇÃO DE DADOS PARA. Os dados de suas coletas devem ser organizados em uma planilha eletrônica, de modo
TUTORIAL PARA PREPARAÇÃO E IMPORTAÇÃO DE DADOS PARA ESTIMATIVAS DE RIQUEZA DE ESPÉCIES Softwares utilizados: Excel, EstimateS e Statistica. Preparação dos dados Os dados de suas coletas devem ser organizados
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 maisConstrução dos números racionais, Números fracionários e operações com frações
Construção dos números racionais, Números fracionários e operações com frações O número racional pode ser definido a partir da aritmética fechamento da operação de divisão entre inteiros ou partir da geometria
Leia maisTruques e Dicas. = 7 30 Para multiplicar fracções basta multiplicar os numeradores e os denominadores: 2 30 = 12 5
Truques e Dicas O que se segue serve para esclarecer alguma questão que possa surgir ao resolver um exercício de matemática. Espero que lhe seja útil! Cap. I Fracções. Soma e Produto de Fracções Para somar
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 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 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 maisCURSO ON-LINE PROFESSOR GUILHERME NEVES 1
CURSO ON-LINE PROFESSOR GUILHERME NEVES 1 Olá pessoal! Resolverei neste ponto a prova de Matemática e Estatística para Técnico Administrativo para o BNDES 2008 organizado pela CESGRANRIO. Sem mais delongas,
Leia maisAula 9 Plano tangente, diferencial e gradiente
MÓDULO 1 AULA 9 Aula 9 Plano tangente, diferencial e gradiente Objetivos Aprender o conceito de plano tangente ao gráfico de uma função diferenciável de duas variáveis. Conhecer a notação clássica para
Leia maisFractais com o Mathematica
Fractais com o Mathematica E. Marques de Sá DMUC, 2009 Dou alguns exemplos de fractais e respectivas imagens que podem facilmente obter-se usando o programa Mathematica. O texto explica brevemente a parte
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 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 maisCPV 82% de aprovação na ESPM
CPV 8% de aprovação na ESPM ESPM julho/010 Prova E Matemática 1. O valor da expressão y =,0 é: a) 1 b) c) d) e) 4 Sendo x =, e y =,0, temos: x 1 + y 1 x. y 1 y. x 1 1 1 y + x x 1 + y 1 + x y xy = = = xy
Leia maisFUNÇÃO REAL DE UMA VARIÁVEL REAL
Hewlett-Packard FUNÇÃO REAL DE UMA VARIÁVEL REAL Aulas 01 a 04 Elson Rodrigues, Gabriel Carvalho e Paulo Luís Ano: 2015 Sumário INTRODUÇÃO AO PLANO CARTESIANO... 2 PRODUTO CARTESIANO... 2 Número de elementos
Leia maisXXVI Olimpíada de Matemática da Unicamp. Instituto de Matemática, Estatística e Computação Científica Universidade Estadual de Campinas
Gabarito da Prova da Primeira Fase 15 de Maio de 010 1 Questão 1 Um tanque de combustível, cuja capacidade é de 000 litros, tinha 600 litros de uma mistura homogênea formada por 5 % de álcool e 75 % de
Leia maisSistemas de Apoio à Decisão
Sistemas de Apoio à Decisão Processo de tomada de decisões baseia-se em informação toma em consideração objectivos toma em consideração conhecimento sobre o domínio. Modelar o processo de tomada de decisões
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 maisProbabilidades e Estatística
Departamento de Matemática Probabilidades e Estatística LEAN, LEE, LEGI, LERC, LMAC, MEAer, MEAmbi, MEBiol, MEEC, MEMec o semestre 011/01 1 o Teste B 1/04/01 11:00 Duração: 1 hora e 30 minutos Justifique
Leia mais