Revisão estatística e probabilidade. Prof. Anderson Almeida Ferreira

Save this PDF as:
 WORD  PNG  TXT  JPG

Tamanho: px
Começar a partir da página:

Download "Revisão estatística e probabilidade. Prof. Anderson Almeida Ferreira"

Transcrição

1 Revisão estatística e probabilidade Prof. Anderson Almeida Ferreira

2 População População é o conjunto de elementos (indivíduos, objetos, etc.) que formam o universo de nosso estudo e que são passíveis de serem observados, sob as mesmas condições. Num processo de inspeção da qualidade, a população pode ser considerada como o conjunto de todos os itens que saem da linha de produção. Numa pesquisa de mercado, a população é o conjunto de possíveis consumidores.

3 Amostragem Grande parte das pesquisas científicas ou de resoluções de problemas de engenharia são feitos por amostragem, ou seja, observamos apenas um subconjunto de elementos da população. A amostragem é particularmente interessante quando: a população é grande ou infinita. as observações ou mensurações têm alto custo. as medidas exigem testes destrutivos. necessidade de rapidez, etc. POPULAÇÃO: todos os possíveis consumidores amostragem Amostra: um subconjunto dos consumidores inferência

4 População e Amostra População (ou universo): todos os N membros de uma classe ou grupo. Ex.: todos os processos executados numa máquina durante o período que esteve ativa. Amostra é uma parte da população, denotada por n. Ex.: todos processos executados pela máquina em 18/03/2006

5 Variáveis Normalmente, estamos interessados em certas características dos objetos de uma população. Por exemplo: Número de falhas; Espessura de cada parede; Sexo de um formando; Idade com que um indivíduo se formou Uma característica pode ser categorizada, como sexo ou tipo de defeito, ou pode ser de natureza numérica.

6 Variáveis Uma variável é qualquer característica que cujo valor pode mudar de um objeto para outro da população. Ou seja, uma variável, é o nome que se dá a um fenômeno que pode ser medido e que varia conforme a medição. Se não variasse seria uma constante e não teria maior interesse para a pesquisa. Normalmente, identificamos as variáveis com letras minúsculas do final do alfabeto. Exemplo: x = marca da calculadora de um estudante y = número de defeitos graves em um automóvel recentemente fabricado z = distância de frenagem de um automóvel sob condições específicas

7 Variáveis Os dados resultam da observação de uma, ou de duas ou mais variáveis simultaneamente. Univariados observações sobre uma única variável. Exemplos: Tipo de transmissão (A, M) de cada um dentre 10 automóveis recentemente comprados Vida útil (horas) de baterias da marca D colocadas em determinado uso Bivariados observações feitas em cada uma de duas variáveis. Exemplo: O par (altura, peso) de cada jogador de basquete de um time. Multivariados quando são feitas observações sobre mais de duas variáveis

8 Pesquisa Observacional e Experimental Numa pesquisa observacional (ou de levantamento) as características de uma população são levantadas (observadas ou medidas), mas sem manipulação. É o caso de um censo demográfico, pesquisas eleitorais, pesquisas de mercado, inspeção da qualidade, etc. Em todos esses casos, se quer ter idéia de uma certa população tal qual ela é na natureza ou no processo. Nas pesquisas experimentais, grupos de indivíduos (ou animais, ou objetos) são manipulados para se avaliar o efeito de diferentes tratamentos. É o caso de se verificar o rendimento de um processo químico para diferentes temperaturas de reação, as quais são manipuladas de acordo com o interesse prático.

9 Os métodos não são os mesmos

10 Estatística Descritiva É utilizada quando se deseja simplesmente resumir e descrever características importantes de dados coletados Envolve: Coletar dados Apresentar dados Caracterizar dados Finalidade: Descrever dados

11 Estatística Inferencial É utilizada quando um investigador usa as informações da amostra para tirar algum tipo de conclusão sobre a população Envolve: Estimativas Testes de Hipótese Finalidade: Tomar decisões sobre características da população de uma coleta

12 Terminologia

13 Variável Aleatória Uma variável aleatória (VA) x em um espaço amostral S é uma função x: S que atribui um número real a cada ponto amostral em S Ou seja, uma variável aleatória é uma variável que recebe um valor numérico como resultado de um experimento. Ex. Atrasos numa rede, tempo de resposta de um servidor, tempo entre chegadas de clientes em um servidor, número de tweets recebidos por uma conta experimental do Twitter

14 Média A média amostral Para um conjunto de números x 1, x 2, x 3,...x n, x Para informar a média amostral recomenda-se o uso de precisão decimal de um dígito a mais do que a precisão dos x i. Média da população = (soma dos N valores da população)/n n i 1 n x i

15 Mas cuidado com Média

16 Variância Considere-se as três séries de valores abaixo: <10, 12, 14, 9> <1, 20, 2, 22> <11, 11, 11, 12> É possível notar certa semelhança entre elas? Aparentemente são conjuntos bem diferentes. Mas todos têm a mesma média: 11,25.

17 Variância Essa observação do distanciamento dos elementos em relação à média é chamada de variância. Então, além da média, o pesquisador deve ficar atento também à variância do conjunto de valores, já que esta complementa a caracterização do conjunto.

18 Cálculo da variância Para cada elemento, subtraia a média do conjunto deste elemento: <10-11,25, 12-11,25, 14-11,25, 9-11,25> = <-1,25, 0,75, 2,75, -2,25> <1-11,25, 20-11,25, 2-11,25, 22-11,25> = <-10,25, 8,75, -9,25, 10,75> <11-11,25, 11-11,25, 11-11,25, 12-11,25> = <-0,25, -0,25, -0,25, 0,75> Agora, cada valor representa a distância do elemento para a média do conjunto

19 Eleve os valores resultantes ao quadrado: <-1,25 2, 0,75 2, 2,75 2, -2,25 2 > = <1,5625, 0,5625, 7,5625, 5,0625> <-10,25 2, 8,75 2, -9,25 2, 10,75 2 > = <105,0625, 76,5625, 85,5625, 115,5625> <-0,25 2, -0,25 2, -0,25 2, 0,75 2 > = <0,0625, 0,0625, 0,0625, 0,5625> Isso faz com que todas as distâncias fiquem positivas e aumenta a influência de elementos mais distantes da média.

20 Some os resultados: 1,5625+0,5625+7,5625+5,0625 = 14,75 105, , , ,5625 = 382,75 0,0625+0,0625+0,0625+0,5625 = 0,75 Isso gera um valor absoluto da variância acumulada

21 Divida pelo número de elementos do conjunto menos 1: 14,75/3 = 4, ,75/3 = 127, ,75/3 = 0,25 Isso gera a distância média, ou seja, independente do número de elementos no conjunto. Poderia ser n ao invés de n-1, mas a variância de um conjunto com apenas 1 elemento deve ser indeterminada.

22 Fórmula da Variância é a variância do conjunto X representa cada um dos elementos do conjunto X é a média do conjunto X é o número de elementos do conjunto X

23 Desvio-Padrão O desvio-padrão é uma medida também bastante utilizada para analisar conjuntos e é definido simplesmente como a raiz quadrada da variância

24 Indices de Dispersão Medem qual é a variação de conjunto de dados Intervalo (minímo e máximo) Variancia da amostra E os derivados da variância da amostra: Desvio Padrão, S s 1 n xi n 1 i1 2 2 COV = Razão da média da amostra e o desvio padrão s / x Percentis Especificação de quantas observações caem nos intervalos x

25 Sumarização de Dados Dado uma amostra {x 1, x 2,..., x n } de no observações. No caso da mediana, x (i) é o i-esimo elemento da lista ordenada 4. Mediana x(( n1/ 2) se impar 0.5( x( n/ 2) x(( n1)/ 2) ) se par 5. Moda: observação com maior frequência 6. Variância da amostra s 2 1 n 1 n i1 ( x i x) 2

26 Sumarização de Dados Dado uma amostra {x 1, x 2,..., x n } de no observações. 7. Desvio Padrão s 1 n 1 n i1 ( x i x) 2 8. Coeficiente de Variação = s / x

27 Mediana amostral: Valor x~ Mediana tal que 50% dos pontos estão abaixo dele Ordene as observações em ordem crescente x~ x~ = ao (n+1)/2 esimo valor se n impar = à média do (n/2)-esimo e do (n/2+1)-esimo valores, se n par Divide as observações em duas partes

28 Quartis e Percentis Quartis: Divide as observações em 4 partes O 2º quartil é a mediana Percentis: Divide as observações em 100 partes 99-esimo percentil separa as 1% maiores observações do restante

29 Exercício O artigo The Pedaling Technique of Elite Endurance Cyclists (Int. J. of Sport Biomechanics, 1991, p.29-53) relatou os dados a seguir sobre a potência de uma única perna de um ciclista em alta carga de trabalho: Calcule a média e a mediana amostral. Suponha que a primeira observação tenha sido 204 em vez de 244. Como a média e a mediana seriam afetadas? Calcule uma média aparada, eliminando a maior e a menor observação da amostra O artigo também relatou valores sobre a potência uma única perna para uma carga de trabalho baixa. A média amostral para 13 observações foi 119,8 e a 14ª observação foi 159. Qual é o valor da média para a amostra toda?

30 Exercício O artigo Oxygen Consumption During Fire Suppression: Error of Heart Rate Estimation (Ergonomics, 1991, p ) informou os dados a seguir sobre consumo de oxigênio (ml/kg/min) para uma amostra de 10 bombeiros em uma simulação de supressão de incêndio: 29,5 49,3 30,6 28,2 28,0 26,3 33,9 29,4 23,5 31,6 Calcule: A amplitude amostral A variância amostral O desvio padrão

31 Exercício Em uma amostra foram observados os seguintes valores para uma característica: 116,4 115,9 114,6 115,2 115,8 Calcule a média amostral e os desvios em relação a média Use os desvios calculados para obter a variância amostral e o desvio padrão amostral Subtraia 100 de cada observação para obter uma nova amostra de valores transformados. Calcule a variância amostral desses valores e a compare a variância dos dados originais.

32 Probabilidade Probabilidade se refere ao estudo da aleatoriedade e da incerteza A teoria da probabilidade oferece métodos de quantificação das chances ou possibilidades de ocorrência associadas aos diversos resultados Experimento qualquer ação ou processo cujo resultado está sujeito a incerteza.

33 Espaço Amostral O espaço amostral de um experimento, representado por S, é o conjunto de todos os resultados possíveis desse experimento. Exemplos: Examinar um fusível para verificar se funciona S={N, D} N representa sem defeito e D com defeito Examinar três fusíveis em sequência S={NNN, NND, NDN, NDD, DNN, DND, DDN, DDD}

34 Exemplo Dois postos de gasolina estão localizados em uma determinada interseção. Cada um possui seis bombas. Considere o experimento em que o número de bombas em uso em determinada hora do dia é determinado para cada posto.

35 Exemplo Se uma bateria de lanterna nova, tipo D, tiver uma voltagem fora de certos limites, será classificada como falha (F); se a voltagem estiver dentro dos limites especificados, será classificada como sucesso (S). Suponha que um experimento consista em testar cada bateria quando sai de uma da linha de montagem até que seja observado um sucesso.

36 Evento Evento é qualquer grupo (subconjunto) de resultados contidos no espaço amostral S. Simples se possui um único resultado Composto se possui mais de um resultado Quando um experimento é realizado, determinado evento A ocorre se o resultado experimental estiver contido em A.

37 Exemplo Considere um experimento em que cada um de três veículos que trafeguem em uma determinada estrada siga ela saída à esquerda (E) ou à direita (D) no final da rampa de saída. Alguns eventos compostos: O evento em que exatamente um dos três veículos vira à direita O evento em que no máximo um dos veículos vira à direita O evento em que os três veículos viram na mesma direção

38 Exemplo Para o exemplo das bombas em uso em cada um de dois postos Exemplos de eventos compostos O evento em que o número de bombas em uso é o mesmo nos dois postos; O evento em que o número total de bombas em uso é 4; O evento em que no máximo uma bomba está em uso em cada posto.

39 Álgebra de Eventos

40 Álgebra de Eventos

41 Álgebra de Eventos

42 Álgebra de Eventos

43 Três axiomas da probabilidade Dado um experimento e um espaço amostral S, o objetivos da probabilidade é atribuir a cada evento A um número P(A), denominado probabilidade do evento A, que fornecerá uma medida precisa da chance de ocorrência de A. Para assegura que as atribuições de probabilidades sejam consistentes, todas as atribuições devem satisfazer os axiomas a seguir: Para qualquer evento A, P(A) >= 0 P(S) = 1 (Normalização) Se A e B são mutuamente exclusivos P (A + B) = P(A) + P(B)

44 Exemplo Representando os seis eventos simples associados ao lançamento de um dado de seis lados por E 1, E 2, E 3, E 4 E 5 e E 6. Se o dado for construído de tal forma que qualquer um dos três resultados pares tenha o dobro de probabilidade de ocorrer em relação aos ímpares, como seria uma atribuição apropriada de probabilidades a cada evento simples? Qual seria a probabilidade do evento A = resultado par?

45 Técnicas de contagem Quando os diversos resultados são igualmente prováveis, a tarefa de calcular probabilidades se reduz a contagem. Em particular se N for a quantidade de resultados de um espaço amostral e N(A) for a quantidade de resultados contidos em um evento A, então P(A) = N(A)/N

46 Técnicas de Contagem Regra do produto Se o primeiro elemento ou objeto de um par ordenado puder ser selecionado de n 1 formas e para cada uma das n 1 formas, o segundo elemento do par pode se selecionado de n 2 formas, o número de pares é n 1 n 2. Exemplo: Uma família se mudou para uma cidade e precisa dos serviços de um obstetra e de um pediatra. Há duas clínicas de fácil acesso e cada uma tem dois obstetras e três pediatras. De quantas formas a família pode escolher os dois especialistas na mesma clínica.

47 Exemplo Há 10 professores disponíveis para correção de provas de um determinado curso. O primeiro exame consiste em quatro questões e deseja-se selecionar um professor diferente para corrigir cada uma (apenas um por questão). De quantas formas diferentes os professores podem ser escolhidos para a correção?

48 Combinação Definição Dado um conjunto de n objetos diferentes, qualquer subconjunto não-ordenado de tamanho k é denominado combinação. O número de combinações de tamanho k que podem ser formadas a partir de n objetos é representado por n k n k P k, n k! n! k!( n k)!

49 Exemplo Um depósito de uma universidade recebeu uma entrega de 25 impressoras, das quais 10 são impressoras a laser e 15 são a jato de tinta. Se 6 das 25 forem selecionadas aleatoriamente para serem verificadas por um técnico, qual será a probabilidade de que exatamente 3 delas sejam a laser? E a probabilidade de ao menos 3 impressoras a jato de tinta serem selecionadas?

50 Probabilidade Condicional Exemplo Componentes complexos são montados em uma fábrica que usa duas linhas de montagem diferentes: A e A. A linha A usa equipamentos mais antigos que A, de forma que é mais lenta e um pouco menos confiável. Suponha que em determinado dia, a linha A tenha montado 8 componentes, dos quais 2 foram identificados como defeituosos e 6 não defeituosos, ao passo que a linha A produziu 1 defeituoso e 9 não defeituosos. O gerente de vendas seleciona aleatoriamente 1 dos 18 componentes para uma demonstração. Antes da demonstração, qual a probabilidade do componente selecionado ser na linha A? Se o componente tiver defeito, qual a probabilidade do componente selecionado ser na linha A?

51 Probabilidade condicional A probabilidade condicional trata da probabilidade de ocorrer um evento A, tendo ocorrido um evento B, ambos do espaço amostral S, ou seja, ela é calculada sobre o evento B e não em função o espaço amostral S.

52 Exemplo Probabilidade condicional Uma pesquisa realizada entre 1000 consumidores,registrou que 650 deles trabalham com cartões de crédito da bandeira MasterCard, que 550 trabalham com cartões de crédito da bandeira VISA e que 200 trabalham com cartões de crédito de ambas as bandeiras. Qual a probabilidade de ao escolhermos deste grupo uma pessoa que utiliza a bandeira VISA, ser também um dos consumidores que utilizam cartões de crédito da bandeira MasterCard?

53 Probabilidade condicional

54 Exercício Suponha que, de todos os indivíduos que compram uma determinada câmera digital, 60% incluem um cartão de memória opcional na compra, 40% incluem uma pilha extra e 30% incluem um cartão e uma pilha. Dado que o indivíduo selecionado comprou uma pilha extra, qual é a probabilidade de compra de um cartão opcional?

55 Variáveis Aleatórias Def.: Para um dado espaço amostral S de um experimento, uma variável aleatória (va) é qualquer regra que associe um valor a cada resultado de S. Em termos matemáticos, uma variável aleatória é uma função cujo domínio é o espaço amostral e o contradomínio é um conjunto de números reais. Exemplo: Quando um estudante tenta acessar um computador em um sistema de compartilhamento de tempo, toda as portas estão ocupadas (F), caso em que o aluno não terá sucesso, ou haverá ao menos uma porta livre (S), caso em que o estudante conseguirá acessar o sistema. Com S= {S, F}, defina uma va X X(S) = 1 X(F)=0

56 Variáveis aleatórias Variável aleatória de Bernoulli Qualquer variável aleatória cujos únicos valores possíveis são 0 e 1. Variáveis aleatórias discretas, quando os valores possíveis constituem um conjunto finito ou podem ser relacionados em uma sequência infinita na qual haja um primeiro elemento, segundo elemento e assim por diante. Variáveis aleatórias contínuas, quando o seu conjunto de valores possíveis consiste em um intervalo completo da reta de números (Reta real).

57 Distribuição de probabilidade para variáveis aleatórias discretas Exemplo: Seis lotes de componentes estão prontos para embarque em um fornecedor. O número de componentes com defeito em cada lote é mostrado a seguir: Lote Número de peças com defeito Seja X o número de peças com defeito no lote selecionado. Sendo os eventos igualmente prováveis p(0) = P( X=0 ) = p(1) = P( X=1 ) = p(2) = P( X=2 ) =

58 Função de massa de probabilidade Def.: A função distribuição de probabilidade ou função de massa de probabilidade (fmp ou pmf) de uma va discreta é definida para cada número x por p(x) = P(X=x)=P(todos os ss: X(s)=x). Exemplo 1: Suponha que visitemos uma loja durante uma semana e observemos se a próxima pessoa a comprar um computador comprará um laptop ou um desktop. Se 20% de todos os computadores durante aquela semana selecionaram um laptop, a fmp de X será:

59 Exemplo 2: Considere um grupo de cinco doadores de sangue potenciais: A, B, C, D e E. Desses apenas A e B possuem O+. Cinco amostras de sangue, uma de cada indivíduo, serão testadas em ordem aleatória até que seja identificado um indivíduo O+. Seja va Y=número de testes necessários para identificar um indivíduo O+. Então a fmp de Y é:

60 p(x) PDF (probability distribution function) ou pmf Seja X o número de visitas que cada requisição faz ao disco p(x): p(0) = 0.25 p(1) = 0.5 p(2) = Função de Probabilidade de Massa # visitas ao disco

61 # Requisições Histograma Outra representação gráfica equivalente Plota o número de vezes que a saída de um experimento aleatório foi igual a cada ponto amostral Ex: se total de requisições ao servidor = Histograma # visitas ao disco

62 Zipf() Distribuições Discretas Comumente usada quando a distribuição é altamente concentrada em poucos valores Popularidade de arquivos em servidores Web/multimídia 90% dos acessos são para 10% dos arquivos Popularidade de palavras na língua inglesa Seja i, o elemento que ocupa a i-esima posição no ranking de concentração C P( X i) i i C é a constante de normalização Zipf: lei das Potências 1,2,...

63 Distribuição Zipf Modela popularidade dos remetentes de s

64 Parâmetro de uma distribuição de probabilidade No exemplo 1, tínhamos p(0)=0,8 e p(1)=0,2. Em outra loja temos p(0)=0,9 e p(1) = 0,1. De forma geral, a fmp de qualquer va Bernoulli pode ser expressa na forma 1 se x 0 p( x; ) se x 1 0 caso contrário aqui é um parâmetro

65 Função de distribuição acumulada (FDA ou CDF) A FDA F(x) de uma va discreta X com fmp p(x) é definida para cada valor de x po F( x) P( X Para qualquer valor x, F(x) é a probabilidade de o valor X observado ser no máximo x. x) y: yx p( y)

66 Exemplo: Para a fmp y P(y) 0,4 0,3 0,2 0,1 F(y) para cada valor de {1,2,3,4} é: F(2,7)= F(3,9999)=

67

68 Valor Esperado Seja X uma va discreta com conjunto de valores possíveis D e fmp p(x). O valor esperado ou valor médio de X denotado por E(X) ou x é E ( X ) x x p( x) xd Qual o valor esperado de uma va Bernoulli X?

69 Distribuição de probabilidade binomial Há diversos experimentos que satisfazem exatamente ou aproximadamente a seguinte lista de requisitos: O experimento consiste em uma sequência de n experimentos menores denominados tentativas, onde n é estabelecido antes do experimento. Cada tentativa pode resultar em um de dois resultados possíveis, chamados de sucesso (S) ou falha (F). As tentativas são independentes, de forma que o resultado de qualquer tentativa particular não influencia o resultado de qualquer outra tentativa. A probabilidade de sucesso é constante de uma tentativa para a outra. Denominamos essa probabilidade p. Um experimento para o qual essas condições são satisfeitas é denominado experimento binomial. Exemplo: A mesma moeda é lançada sucessiva e independentemente n vezes.

70

71

72

73 Exercício Calcule usando a fórmula b(3; 8, 0,6)= b(5; 8, 0,6)= P(3 X 5) quando n=8 e p=0,6 P(1 X) quando n=12 e p=0,1

74

75

76

77

78

79

80 Exercício Seja X o número de falhas na superfície de uma caldeira de um determinado tipo selecionada aleatoriamente, com distribuição de Poisson de parâmetro =5. Calcule P(X8)= P(X=8)= P(X9)= P(5 X 8)= P(5<X<8)= x F(x;) 0,007 0,040 0,125 0,265 0,440 0,616 0,762 0,867 0,932 0,968 0,986

81

82 Exemplo A probabilidade de X ter um valor no intervalo [a, b] é a área contida entre o intervalo e abaixo da curva da função de densidade. O gráfico de f(x) normalmente é denominado curva de densidade.

83 Função de distribuição acumulada e valores esperados A função de distribuição acumulada F(x) de uma va contínua X é definida para cada número x por É a área abaixo da curva de densidade à esquerda de x. O valor médio ou esperado de uma va contínua X com fdp f(x) é A variância de uma va contínua X com fdp f(x) e média é V ( X ) ( x ) f ( x) dx E[( x ) ] X x F ( x) P( X x) f ( y) dy x E( X ) x f ( x) dx

84

85

86

87

88

89

90

91

92

93 Exemplo Suponha que o tempo de resposta X em um terminal de computador on-line específico tenha distribuição exponencial com tempo de resposta esperado igual a 5 segundos. Qual é a probabilidade de o tempo de resposta ser no máximo 10 segundos? 1 E( X ) 5, 0,2 P( X 10) F(10;0,2) 1 e (0,2)(10) 1 e 1 0,135 0,865 A probabilidade de o tempo de resposta estar entre 5 e 10 é P(5 X 10) F(10;0,2) F(5;0,2) 2 1 (1 e ) (1 e ) 0,233 2

94

95

96

97

98

99 Intervalos de confiança Estimando a População a Partir das Amostras Quão alto são os humanos? Medir todos nesta sala (amostra) Calcular a média da amostra x Assumir que a média da população é igual da amostra. x Uma estimativa pontual não diz nada sobre o quanto pode estar próxima de Uma alternativa para apresentar um único valor sensato para o parâmetro que está sendo estimado é calcular e relatar um intervalo completo de valores plausíveis.

100 Intervalos de confiança Valor da média da amostra é apenas uma estimativa da verdadeira média da distribuição. Os limite c 1 e c 2 tais que existe uma alta probabilidade, 1-, que a média da população está no intervalo (c 1,c 2 ): Pr{ c 1 < m < c 2 } =1- Pr[ x c1 ] Pr[ x c2] 2 onde é o nível de significância e 100(1- ) é o nível de confiança

101 Intervalos de Confiança Quão alto é José? Suponha que a média da altura humana seja 1,70 m José mede 1,70 m certo? Suponha que 90% dos humanos estão entre 1,55 e 1,90 m José está entre 1,55 e 1,90 m Então estamos 90% confiantes que José está entre 1,55 e 1,90 cm

102 Estimando os Intervalos de Confiança Duas fórmulas para intervalo de confiança Acima de 30 amostras de qualquer distribuição: distribuição-z Pequenas amostras de populações normalmente distribuídas: distribuição-t

103 Distribuição Z O intervalo de confiança 100(1-)% da média de uma população normal, quando o valor de e conhecido, é dado por x z / 1 / 2 Teorema do limite central: A média amostral de observações distribuídas identicamente e independentes: x ~ N( ; / n) n

104 Distribuição-z Intervalo em cada lado da média: z x / x n x z 1 2 s n O nível de significância é pequeno para níveis maiores do intervalo de confiança. Existem tabelas para a variável z! z z

105 Exemplo da Distribuição z 35 amostras: x Média da amostra = 42,1 Desvio padrão s = 20,1 n = 35 z z x z 1 2 s n Calcule o intervalo com 90% de confiança (. ) 1 ( 36. 5, 47. 7) 35

106

107 Definindo o tamanho da amostra Quantas observações n para obter uma acurácia de r% e um nível de confiança 100(1-)%? x z r% de acurácia implica em CI = ( x(1 r /100), x(1 r /100)) s n

108 Distribuição t Fórmula quase a mesma: x t 1 2 ; n1 s n Usável para populações normalmente distribuídas! Mas funciona para pequenas amostras n-1 indica o grau de liberdade

109 Exemplo da Distribuição t 10 amostras de chegada de transações: Média da amostra x= Desvio padrão s = 25.1, n = 10 Calcule o intervalo de confiança de 90%: x t 1 2 ; n1 s n Quanto é t 10.1 ;101 2

110 Exemplo da Distribuição t x (. ) ( , ) 10

111 Exemplo da Distribuição t 10 amostras de chegada de transações: Média da amostra x = Desvio padrão s = 25.1, n = 10 Calcule o intervalo de confiança de 90%: x t 1 2 ; n1 s n (. ) ( , ) 10 Calcule agora o intervalo de 99% de confiança

112 Exemplo da Distribuição t x (. ) ( , ) 10

113 Exemplo da Distribuição t 10 amostras de chegada de transações: Média da amostra x = Desvio padrão s = 25.1, n = 10 Calcule o intervalo de confiança de 90%: x t 1 2 ; n1 s n (3.250) 10 (144.7,196.3)

114

115 Tomando decisões sobre os dados experimentais Por que usamos intervalos de confiança? Sumarizar o erro na média da amostra Prover elementos para saber se a amostra é significativa Permitir comparações à luz dos erros

116

117 Referências Raj Jain. The Art of Computer System Performance Analysis: Techniques for Experimental Design, Measurement, Simulation and Modeling, John Wiley & Sons, Inc., Jay L. Devore, PROBABILIDADE E ESTATÍSTICA PARA ENGENHARIA E CIÊNCIAS. Cengage Learning, Material didático do prof. Fabrício Benevenuto. Material didático da profa. Jussara Almeida DCC/UFMG.

Probabilidade Aula 02

Probabilidade Aula 02 0303200 Probabilidade Aula 02 Magno T. M. Silva Escola Politécnica da USP Março de 2017 Sumário 2.3 Técnicas de contagem 2.4 Probabilidade condicional 2.3 Princípio fundamental da contagem Suponhamos que

Leia mais

Conceitos Básicos, Básicos,Básicos de Probabilidade

Conceitos Básicos, Básicos,Básicos de Probabilidade Conceitos Básicos, Básicos,Básicos de Probabilidade Espaço Amostral Base da Teoria de Probabilidades Experimentos são realizados resultados NÃO conhecidos previamente Experimento aleatório Exemplos: Determinar

Leia mais

Cálculo das Probabilidades e Estatística I

Cálculo 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 Variáveis Aleatórias Ao descrever um espaço

Leia mais

Técnicas Computacionais em Probabilidade e Estatística I. Aula I

Técnicas Computacionais em Probabilidade e Estatística I. Aula I Técnicas Computacionais em Probabilidade e Estatística I Aula I Chang Chiann MAE 5704- IME/USP 1º Sem/2008 1 Análise de Um conjunto de dados objetivo: tratamento de um conjunto de dados. uma amostra de

Leia mais

Amostragem Aleatória e Descrição de Dados - parte I

Amostragem Aleatória e Descrição de Dados - parte I Amostragem Aleatória e Descrição de Dados - parte I 2012/02 1 Amostra e População 2 3 4 Objetivos Ao final deste capítulo você deve ser capaz de: Calcular e interpretar as seguintes medidas de uma amostra:

Leia mais

MOQ-13 PROBABILIDADE E ESTATÍSTICA. Professor: Rodrigo A. Scarpel

MOQ-13 PROBABILIDADE E ESTATÍSTICA. Professor: Rodrigo A. Scarpel MOQ-13 PROBABILIDADE E ESTATÍSTICA Professor: Rodrigo A. Scarpel rodrigo@ita.br www.mec.ita.br/~rodrigo Programa do curso: Semanas 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 e 16 Introdução à probabilidade (eventos,

Leia mais

Variáveis Aleatórias. Prof. Tarciana Liberal Departamento de Estatística - UFPB

Variáveis Aleatórias. Prof. Tarciana Liberal Departamento de Estatística - UFPB Variáveis Aleatórias Prof. Tarciana Liberal Departamento de Estatística - UFPB Introdução Ao descrever o espaço amostral de um experimento aleatório, não especificamos que um resultado individual seja

Leia mais

Variáveis Aleatórias. Prof. Luiz Medeiros Departamento de Estatística - UFPB

Variáveis Aleatórias. Prof. Luiz Medeiros Departamento de Estatística - UFPB Variáveis Aleatórias Prof. Luiz Medeiros Departamento de Estatística - UFPB Introdução Ao descrever o espaço amostral de um experimento aleatório, não especificamos que um resultado individual seja um

Leia mais

CONHECIMENTOS ESPECÍFICOS

CONHECIMENTOS ESPECÍFICOS CONHECIMENTOS ESPECÍFICOS 2003 2004 2005 2006 2007 2008 2009 2010 X 39,0 39,5 39,5 39,0 39,5 41,5 42,0 42,0 Y 46,5 65,5 86,0 100,0 121,0 150,5 174,0 203,0 A tabela acima mostra as quantidades, em milhões

Leia mais

AULA 07 Distribuições Discretas de Probabilidade

AULA 07 Distribuições Discretas de Probabilidade 1 AULA 07 Distribuições Discretas de Probabilidade Ernesto F. L. Amaral 31 de agosto de 2010 Metodologia de Pesquisa (DCP 854B) Fonte: Triola, Mario F. 2008. Introdução à estatística. 10 ª ed. Rio de Janeiro:

Leia mais

Probabilidade e Modelos Probabilísticos

Probabilidade e Modelos Probabilísticos Probabilidade e Modelos Probabilísticos 2ª Parte: modelos probabilísticos para variáveis aleatórias contínuas, modelo uniforme, modelo exponencial, modelo normal 1 Distribuição de Probabilidades A distribuição

Leia mais

Variáveis Aleatórias. Prof. Tarciana Liberal Departamento de Estatística - UFPB

Variáveis Aleatórias. Prof. Tarciana Liberal Departamento de Estatística - UFPB Variáveis Aleatórias Prof. Tarciana Liberal Departamento de Estatística - UFPB Introdução Ao descrever o espaço amostral de um experimento aleatório, não especificamos que um resultado individual seja

Leia mais

Variáveis Aleatórias Discretas e Distribuição de Probabilidade

Variáveis Aleatórias Discretas e Distribuição de Probabilidade Variáveis Aleatórias Discretas e Distribuição de Probabilidades - parte III 08 de Abril de 2014 Distribuição Binomial Negativa Objetivos Ao final deste capítulo você deve ser capaz de: Ententer suposições

Leia mais

5 Distribuição normal de probabilidade. Estatística Aplicada Larson Farber

5 Distribuição normal de probabilidade. Estatística Aplicada Larson Farber 5 Distribuição normal de probabilidade Estatística Aplicada Larson Farber Seção 5.1 Introdução às distribuições normais Propriedades de uma distribuição normal Suas média, mediana e moda são iguais. Tem

Leia mais

Modelos Probabilísticos Teóricos Discretos e Contínuos. Bernoulli, Binomial, Poisson, Uniforme, Exponencial, Normal

Modelos Probabilísticos Teóricos Discretos e Contínuos. Bernoulli, Binomial, Poisson, Uniforme, Exponencial, Normal Modelos Probabilísticos Teóricos Discretos e Contínuos Bernoulli, Binomial, Poisson, Uniforme, Exponencial, Normal Distribuição de Probabilidades A distribuição de probabilidades de uma variável aleatória:

Leia mais

Probabilidade Revisão de Conceitos

Probabilidade Revisão de Conceitos Probabilidade Revisão de Conceitos Espaço de Amostras A totalidade dos possíveis resultados de um experimento aleatório. Exemplo: jogar dados S = {(1,1),(1,),... (,1),(,)... (6,6)} S é dito o número de

Leia mais

MB-210 Probabilidade e Estatística

MB-210 Probabilidade e Estatística Instituto Tecnológico de Aeronáutica Divisão de Engenharia Mecânica-Aeronáutica MB-210 Probabilidade e Estatística Profa. Denise Beatriz Ferrari www.mec.ita.br/ denise denise@ita.br 2o. semestre/2013 Variáveis

Leia mais

1 Introdução. 2 Variáveis Aleatórias Discretas (VAD)

1 Introdução. 2 Variáveis Aleatórias Discretas (VAD) Prof. Janete Pereira Amador 1 1 Introdução Muitas situações cotidianas podem ser usadas como experimento que dão resultados correspondentes a algum valor, e tais situações podem ser descritas por uma variável

Leia mais

Revisão de distribuições de probabilidades contínuas (Capítulo 6 Levine)

Revisão de distribuições de probabilidades contínuas (Capítulo 6 Levine) Revisão de distribuições de probabilidades contínuas (Capítulo 6 Levine) Statistics for Managers Using Microsoft Excel, 5e 2008 Pearson Prentice-Hall, Inc. Chap 6-1 Objetivos: Neste capítulo, você aprenderá:

Leia mais

Métodos Quantitativos para Ciência da Computação Experimental. Jussara Almeida DCC-UFMG 2013

Métodos Quantitativos para Ciência da Computação Experimental. Jussara Almeida DCC-UFMG 2013 Métodos Quantitativos para Ciência da Computação Experimental Jussara Almeida DCC-UFMG 2013 Revisão de Probabilidade e Estatística Concentrado em estatística aplicada Estatística apropriada para medições

Leia mais

Variáveis Aleatórias Discretas e Distribuição de Probabilidade

Variáveis Aleatórias Discretas e Distribuição de Probabilidade Variáveis Aleatórias Discretas e Distribuição de Probabilidades - parte II 29 de Março de 2011 Distribuição Uniforme Discreta Média Propriedade da falta de memória Objetivos Ao final deste capítulo você

Leia mais

Conceito de Estatística

Conceito de Estatística Conceito de Estatística Estatística Técnicas destinadas ao estudo quantitativo de fenômenos coletivos, observáveis. Unidade Estatística um fenômeno individual é uma unidade no conjunto que irá constituir

Leia mais

Distribuições de Probabilidade

Distribuições de Probabilidade Distribuições de Probabilidade 7 6 5 4 3 2 1 0 Normal 1 2 3 4 5 6 7 8 9 10 11 Exemplos: Temperatura do ar 20 18 16 14 12 10 8 6 4 2 0 Assimetrica Positiva 1 2 3 4 5 6 7 8 9 10 11 Exemplos: Precipitação

Leia mais

Capítulo 5. Variáveis aleatórias. 5.1 Introdução

Capítulo 5. Variáveis aleatórias. 5.1 Introdução Capítulo 5 Variáveis aleatórias 5.1 Introdução Em experimentos aleatórios cujo espaço amostral contém alguns eventos de interesse é, em geral, mais fácil lidar como uma variável aleatória, isto é, é mais

Leia mais

PROBABILIDADE E ESTATÍSTICA. Profa. Dra. Yara de Souza Tadano

PROBABILIDADE E ESTATÍSTICA. Profa. Dra. Yara de Souza Tadano PROBABILIDADE E ESTATÍSTICA Profa. Dra. Yara de Souza Tadano yaratadano@utfpr.edu.br Aula 7 11/2014 Variáveis Aleatórias Variáveis Aleatórias Probabilidade e Estatística 3/41 Variáveis Aleatórias Colete

Leia mais

MOQ-12: PROBABILIDADES E PROCESSOS ESTOCÁSTICOS. VA s e Distribuições

MOQ-12: PROBABILIDADES E PROCESSOS ESTOCÁSTICOS. VA s e Distribuições Motivação: MOQ-2: PROBABILIDADES E PROCESSOS ESTOCÁSTICOS VA s e Distribuições Definimos anteriormente Espaço de Probabilidades como sendo a tripla (W,, P(.)), em que, dado um eperimento, W representa

Leia mais

Instituto Tecnológico de Aeronáutica Divisão de Engenharia Mecânica-Aeronáutica. Professora: Denise Beatriz T. P. do Areal Ferrari

Instituto Tecnológico de Aeronáutica Divisão de Engenharia Mecânica-Aeronáutica. Professora: Denise Beatriz T. P. do Areal Ferrari Instituto Tecnológico de Aeronáutica Divisão de Engenharia Mecânica-Aeronáutica Professora: Denise Beatriz T. P. do Areal Ferrari denise@ita.br Distribuições Discretas Uniforme Bernoulli Binomial Poisson

Leia mais

Daniel Queiroz VARIÁVEIS ALEATÓRIAS DISCRETAS

Daniel Queiroz VARIÁVEIS ALEATÓRIAS DISCRETAS Daniel Queiroz VARIÁVEIS ALEATÓRIAS DISCRETAS INTRODUÇÃO O que é uma variável aleatória? Um tipo de variável que depende do resultado aleatório de um experimento aleatório. Diz-se que um experimento é

Leia mais

Estatística I Aula 8. Prof.: Patricia Maria Bortolon, D. Sc.

Estatística I Aula 8. Prof.: Patricia Maria Bortolon, D. Sc. Estatística I Aula 8 Prof.: Patricia Maria Bortolon, D. Sc. MODELOS PROBABILÍSTICOS MAIS COMUNS VARIÁVEIS ALEATÓRIAS CONTÍNUAS Lembram o que vimos sobre V.A. contínua na Aula 6? Definição: uma variável

Leia mais

Conteúdo Teórico: 04 Esperança

Conteúdo Teórico: 04 Esperança ACH2053 Introdução à Estatística Conteúdo Teórico: 04 Esperança Marcelo de Souza Lauretto Sistemas de Informação EACH www.each.usp.br/lauretto Referência: Morris DeGroot, Mark Schervish. Probability and

Leia mais

ESTATÍSTICA. x(s) W Domínio. Contradomínio

ESTATÍSTICA. x(s) W Domínio. Contradomínio Variáveis Aleatórias Variáveis Aleatórias são funções matemáticas que associam números reais aos resultados de um Espaço Amostral. Uma variável quantitativa geralmente agrega mais informação que uma qualitativa.

Leia mais

Teoria das Probabilidades

Teoria das Probabilidades Capítulo 2 Teoria das Probabilidades 2.1 Introdução No capítulo anterior, foram mostrados alguns conceitos relacionados à estatística descritiva. Neste capítulo apresentamos a base teórica para o desenvolvimento

Leia mais

Variável Aleatória. O conjunto de valores. Tipos de variáveis. Uma função X que associa a cada

Variável 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 mais

1.1 Exemplo da diferença da média da população para a média amostral.

1.1 Exemplo da diferença da média da população para a média amostral. 1 Estatística e Probabilidades Inferência Estatística consiste na generalização das informações a respeito de uma amostra, para a sua população. A Probabilidade considera modelos para estimar informações

Leia mais

Probabilidade ESQUEMA DO CAPÍTULO. UFMG-ICEx-EST Cap. 2- Probabilidade 1

Probabilidade ESQUEMA DO CAPÍTULO. UFMG-ICEx-EST Cap. 2- Probabilidade 1 Probabilidade ESQUEMA DO CAPÍTULO 2.1 ESPAÇOS AMOSTRAIS E EVENTOS 2.2 INTERPRETAÇÕES DE PROBABILIADE 2.3 REGRAS DE ADIÇÃO 2.4 PROBABILIDADE CONDICIONAL 2.5 REGRAS DA MULTIPLICAÇÃO E DA PROBABILIDADE TOTAL

Leia mais

EST029 Cálculo de Probabilidade I Cap. 4: Variáveis Aleatórias Unidimensionais

EST029 Cálculo de Probabilidade I Cap. 4: Variáveis Aleatórias Unidimensionais EST029 Cálculo de Probabilidade I Cap. 4: Variáveis Aleatórias Unidimensionais Prof. Clécio da Silva Ferreira Depto Estatística - UFJF Introdução Considere o experimento: Lançamento de uma moeda. Resultados

Leia mais

Prof. Adriano Mendonça Souza, Dr. Departamento de Estatística PPGEMQ / PPGEP - UFSM

Prof. Adriano Mendonça Souza, Dr. Departamento de Estatística PPGEMQ / PPGEP - UFSM Prof. Adriano Mendonça Souza, Dr. Departamento de Estatística PPGEMQ / PPGEP - UFSM Noções básicasb de Inferência Estatística descritiva inferencial População - Parâmetros desconhecidos (reais) Amostra

Leia mais

Cap. 8 - Variáveis Aleatórias

Cap. 8 - Variáveis Aleatórias Variáveis Aleatórias Discretas: A de Poisson e Outras ESQUEMA DO CAPÍTULO 8.1 A DISTRIBUIÇÃO DE POISSON 8.2 A DISTRIBUIÇÃO DE POISSON COMO APROXIMAÇÃO DA DISTRIBUIÇÃO BINOMIAL 8.3 O PROCESSO DE POISSON

Leia mais

VARIÁVEIS ALEATÓRIAS E DISTRIBUIÇÕES DE PROBABILIDADE

VARIÁVEIS ALEATÓRIAS E DISTRIBUIÇÕES DE PROBABILIDADE VARIÁVEIS ALEATÓRIAS E DISTRIBUIÇÕES DE PROBABILIDADE.1 INTRODUÇÃO Admita que, de um lote de 10 peças, 3 das quais são defeituosas, peças são etraídas ao acaso, juntas (ou uma a uma, sem reposição). Estamos

Leia mais

Variáveis Aleatórias Discretas 1/1

Variáveis Aleatórias Discretas 1/1 Variáveis Aleatórias Discretas Professores Eduardo Zambon e Magnos Martinello UFES Universidade Federal do Espírito Santo DI Departamento de Informática CEUNES Centro Universitário Norte do Espírito Santo

Leia mais

4ª LISTA DE EXERCÍCIOS - LOB1012. Variáveis Aleatórias Contínuas, Aproximações e TLC

4ª LISTA DE EXERCÍCIOS - LOB1012. Variáveis Aleatórias Contínuas, Aproximações e TLC 4ª LISTA DE EXERCÍCIOS - LOB1012 Variáveis Aleatórias Contínuas, Aproximações e TLC Assunto: Função Densidade de Probabilidade Prof. Mariana Pereira de Melo 1. Suponha que f(x) = x/8 para 3

Leia mais

Modelos Probabiĺısticos Discretos

Modelos Probabiĺısticos Discretos Discretos Prof. Gilberto Rodrigues Liska UNIPAMPA 19 de Setembro de 2017 Material de Apoio e-mail: gilbertoliska@unipampa.edu.br Gilberto R. Liska ( UNIPAMPA ) Notas de Aula 19 de Setembro de 2017 1 /

Leia mais

Probabilidade e Modelos Probabilísticos

Probabilidade e Modelos Probabilísticos Probabilidade e Modelos Probabilísticos 1ª Parte: Conceitos básicos, variáveis aleatórias, modelos probabilísticos para variáveis aleatórias discretas, modelo binomial, modelo de Poisson 1 Probabilidade

Leia mais

Distribuição Normal de Probabilidade

Distribuição 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 mais

VARIÁVEIS ALEATÓRIAS

VARIÁVEIS ALEATÓRIAS UNIVERSIDADE FEDERAL DE JUIZ DE FORA INSTITUTO DE CIÊNCIAS EXATAS DEPARTAMENTO DE ESTATÍSTICA VARIÁVEIS ALEATÓRIAS Joaquim H Vianna Neto Relatório Técnico RTE-03/013 Relatório Técnico Série Ensino Variáveis

Leia mais

à Análise de Padrões

à Análise de Padrões CC-226 Introdução à Análise de Padrões Prof. Carlos Henrique Q. Forster Variáveis, Estatísticas sticas e Distribuições de Probabilidades Tópicos de hoje Definições Alguns estimadores estatísticos Distribuições

Leia mais

2.1 Variáveis Aleatórias Discretas

2.1 Variáveis Aleatórias Discretas 4CCENDMMT02-P PROBABILIDADE E CÁLCULO DIFERENCIAL E INTEGRAL Girlan de Lira e Silva (1),José Gomes de Assis (3) Centro de Ciências Exatas e da Natureza /Departamento de Matemática /MONITORIA Resumo: Utilizamos

Leia mais

Mas, para começar a aplicar métodos estatísticos, é preciso conhecer alguns conceitos básicos.

Mas, para começar a aplicar métodos estatísticos, é preciso conhecer alguns conceitos básicos. Na Criptologia, assim como em outras ciências, são realizados estudos experimentais ou obser vacionais que resultam numa coleção de dados numéricos. O propósito da investigação é responder uma questão

Leia mais

Estatística Descritiva (I)

Estatística Descritiva (I) Estatística Descritiva (I) 1 O que é Estatística Origem relacionada com a coleta e construção de tabelas de dados para o governo. A situação evoluiu: a coleta de dados representa somente um dos aspectos

Leia mais

Estatística 1. Resumo Teórico

Estatística 1. Resumo Teórico Estatística 1 Resumo Teórico Conceitos do Curso 1. Tipos de Variáveis e Representações Gráficas a. Tipos de Variáveis b. Distribuição de Frequências c. Histograma 2. Estatística Descritiva Medidas Estatísticas

Leia mais

Redes Complexas Aula 7

Redes Complexas Aula 7 Redes Complexas Aula 7 Aula retrasada Lei de potência Distribuição Zeta Propriedades Distribuição Zipf Exemplo Wikipedia Aula de hoje Distribuição de Pareto Medindo lei de potência Estimando expoente Exemplos

Leia mais

2. EXERCÍCIOS PROPOSTOS SOBRE V.A. E DISTRIB.PROBAB.

2. EXERCÍCIOS PROPOSTOS SOBRE V.A. E DISTRIB.PROBAB. 2. EXERCÍCIOS PROPOSTOS SOBRE V.A. E DISTRIB.PROBAB. 1) Classifique as seguintes variáveis aleatórias como discretas ou contínuas. X : o número de acidentes de automóvel por ano na rodovia BR 116. Y :

Leia mais

Bioestatística e Computação I

Bioestatística e Computação I Bioestatística e Computação I Distribuições Teóricas de Probabilidade Maria Virginia P Dutra Eloane G Ramos Vania Matos Fonseca Pós Graduação em Saúde da Mulher e da Criança IFF FIOCRUZ Baseado nas aulas

Leia mais

Aproximação da binomial pela normal

Aproximação da binomial pela normal Aproximação da binomial pela normal 1 Objetivo Verificar como a distribuição normal pode ser utilizada para calcular, de forma aproximada, probabilidades associadas a uma variável aleatória com distribuição

Leia mais

Fundamentos de Estatística

Fundamentos de Estatística Fundamentos de Estatística Clássica Workshop Análise de Incertezas e Validação Programa de Verão 2017 Marcio Borges 1 1LABORATÓRIO NACIONAL DE COMPUTAÇÃO CIENTÍFICA mrborges@lncc.br Petrópolis, 9 de Fevereiro

Leia mais

)XQGDPHQWRVGHSUREDELOLGDGHHHVWDWtVWLFD

)XQGDPHQWRVGHSUREDELOLGDGHHHVWDWtVWLFD )XQGDPHQWRVGHUREDELOLGDGHHHVWDWtVWLFD,QWURGXomR A história da estatística pode ser dividida em três fases. De acordo com PEANHA (00), a estatística inicialmente não mantinha nenhuma relação com a probabilidade,

Leia mais

PARTE 2. Profª. Drª. Alessandra de Ávila Montini

PARTE 2. Profª. Drª. Alessandra de Ávila Montini PARTE 2 Profª. Drª. Alessandra de Ávila Montini Conteúdo Introdução a Probabilidade Conceito de Experimento Conceito de Espaço Amostral Conceito de Variável Aleatória Principais Distribuições de Probabilidade

Leia mais

DISTRIBUIÇÕES ESPECIAIS DE PROBABILIDADE DISCRETAS

DISTRIBUIÇÕES ESPECIAIS DE PROBABILIDADE DISCRETAS VARIÁVEIS ALEATÓRIAS E DISTRIBUIÇÕES DE PROBABILIDADES 1 1. VARIÁVEIS ALEATÓRIAS Muitas situações cotidianas podem ser usadas como experimento que dão resultados correspondentes a algum valor, e tais situações

Leia mais

Escola Politécnica da USP Engenharia de Petróleo e Gás DISTRIBUIÇÃO DE PROBABILIDADE CONTÍNUA. Aulas 10, 11,12 e 13 - Prof. Regina Meyer Branski

Escola Politécnica da USP Engenharia de Petróleo e Gás DISTRIBUIÇÃO DE PROBABILIDADE CONTÍNUA. Aulas 10, 11,12 e 13 - Prof. Regina Meyer Branski Escola Politécnica da USP Engenharia de Petróleo e Gás DISTRIBUIÇÃO DE PROBABILIDADE CONTÍNUA Aulas 10, 11,12 e 13 - Prof. Regina Meyer Branski Objetivos Distribuição Normal e Distribuição Normal Padrão

Leia mais

CAPÍTULO 5: VARIÁVEIS ALEATÓRIAS BIDIMENSIONAIS Todas as coisas aparecem e desaparecem por causa da concorrência de causas e condições. Nada nunca existe inteiramente só, tudo está em relação com todo

Leia mais

Aproximação da binomial pela normal

Aproximação da binomial pela normal Aproximação da binomial pela normal 1 Objetivo Verificar como a distribuição normal pode ser utilizada para calcular, de forma aproximada, probabilidades associadas a uma variável aleatória com distribuição

Leia mais

Análise de dados, tipos de amostras e análise multivariada

Análise de dados, tipos de amostras e análise multivariada Les-0773: ESTATÍSTICA APLICADA III Análise de dados, tipos de amostras e análise multivariada AULA 1 12/05/17 Prof a Lilian M. Lima Cunha Maio de 2017 Introdução O que significa o termo estatística? No

Leia mais

Distribuição de frequências:

Distribuição de frequências: Distribuição de frequências: Uma distribuição de frequências é uma tabela que reúne o conjunto de dados conforme as frequências ou as repetições de seus valores. Esta tabela pode representar os dados em

Leia mais

Experimento Aleatório

Experimento 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 mais

Estatística

Estatística Estatística 1 2016.2 Sumário Capítulo 1 Conceitos Básicos... 3 MEDIDAS DE POSIÇÃO... 3 MEDIDAS DE DISPERSÃO... 5 EXERCÍCIOS CAPÍTULO 1... 8 Capítulo 2 Outliers e Padronização... 12 VALOR PADRONIZADO (Z)...

Leia mais

2 Conceitos Básicos de Probabilidade

2 Conceitos Básicos de Probabilidade CE003 1 1 Introdução No capítulo anterior, foram mostrados alguns conceitos relacionados à estatística descritiva. Neste capítulo apresentamos a base teórica para o desenvolvimento de técnicas estatísticas

Leia mais

Momentos: Esperança e Variância. Introdução

Momentos: Esperança e Variância. Introdução Momentos: Esperança e Variância. Introdução Em uma relação determinística pode-se ter a seguinte relação: " + " = 0 Assim, m =, é a declividade e a e b são parâmetros. Sabendo os valores dos parâmetros

Leia mais

AULAS 6 e 7. ESPERANÇA, MOMENTOS E DISTRIBUIÇÕES DE PROBABILIDADES de VARIÁVEIS DISCRETAS 05/05/2017

AULAS 6 e 7. ESPERANÇA, MOMENTOS E DISTRIBUIÇÕES DE PROBABILIDADES de VARIÁVEIS DISCRETAS 05/05/2017 AULAS 6 e 7 ESPERANÇA, MOMENTOS E DISTRIBUIÇÕES DE PROBABILIDADES de VARIÁVEIS DISCRETAS 05/05/2017 Em aulas passadas vimos as funções de probabilidade de variáveis discretas e contínuas agora vamos ver

Leia mais

UNIVERSIDADE FEDERAL DA PARAÍBA. Variáveis Aleatórias. Departamento de Estatística Luiz Medeiros

UNIVERSIDADE FEDERAL DA PARAÍBA. Variáveis Aleatórias. Departamento de Estatística Luiz Medeiros UNIVERSIDADE FEDERAL DA PARAÍBA Variáveis Aleatórias Departamento de Estatística Luiz Medeiros Introdução Como sabemos, características de interesse em diversas áreas estão sujeitas à variação; Essa variabilidade

Leia mais

Chamamos de evento qualquer subconjunto do espaço amostral: A é um evento A Ω.

Chamamos de evento qualquer subconjunto do espaço amostral: A é um evento A Ω. PROBABILIDADE 1.0 Conceitos Gerais No caso em que os possíveis resultados de um experimento aleatório podem ser listados (caso discreto), um modelo probabilístico pode ser entendido como a listagem desses

Leia mais

Conforme o conjunto de valores X(S) uma variável aleatória poderá ser discreta ou contínua.

Conforme 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 mais

Variáveis Aleatórias - VA

Variáveis Aleatórias - VA Variáveis Aleatórias - VA cc ck kc kk 0 1 2 1/4 1/2 Prof. Adriano Mendonça Souza, Dr. Departamento de Estatística - PPGEMQ / PPGEP - UFSM - Introdução Se entende por VA ou V. indicadoras uma lista de valores

Leia mais

Introdução à probabilidade e estatística I

Introdução à probabilidade e estatística I Introdução à probabilidade e estatística I Variáveis Aleatórias Prof. Alexandre G Patriota Sala: 298A Email: patriota@ime.usp.br Site: www.ime.usp.br/ patriota Probabilidade Daqui por diante utilizaremos

Leia mais

VARIÁVEL ALEATÓRIA e DISTRIBUIÇÃO BINOMIAL

VARIÁVEL ALEATÓRIA e DISTRIBUIÇÃO BINOMIAL VARIÁVEL ALEATÓRIA e DISTRIBUIÇÃO BINOMIAL 1 Variável Aleatória Uma função X que associa a cada elemento w do espaço amostral W um valor x R é denominada uma variável aleatória. Experimento: jogar 1 dado

Leia mais

SUMÁRIO. Prefácio, Espaço amostrai, Definição de probabilidade, Probabilidades finitas dos espaços amostrais fin itos, 20

SUMÁRIO. Prefácio, Espaço amostrai, Definição de probabilidade, Probabilidades finitas dos espaços amostrais fin itos, 20 SUMÁRIO Prefácio, 1 3 1 CÁLCULO DAS PROBABILIDADES, 15 1.1 Introdução, 15 1.2 Caracterização de um experimento aleatório, 15 1.3 Espaço amostrai, 16 1.4 Evento, 17 1.5 Eventos mutuamente exclusivos, 17

Leia mais

PROBABILIDADE. ENEM 2016 Prof. Marcela Naves

PROBABILIDADE. ENEM 2016 Prof. Marcela Naves PROBABILIDADE ENEM 2016 Prof. Marcela Naves PROBABILIDADE NO ENEM As questões de probabilidade no Enem podem cobrar conceitos relacionados com probabilidade condicional e probabilidade de eventos simultâneos.

Leia mais

FACULDADE DE TECNOLOGIA DE GUARATINGUETÁ

FACULDADE DE TECNOLOGIA DE GUARATINGUETÁ FACULDADE DE TECNOLOGIA DE GUARATINGUETÁ ESTATÍSTICA II Nota de aula 1 Prof. MSc. Herivelto T Marcondes dos Santos Fevereiro /2009 1 Modelos de probabilidade 1.1 Variável aleatória Definição: Sejam ε um

Leia mais

Les Estatística Aplicada II AMOSTRA E POPULAÇÃO

Les Estatística Aplicada II AMOSTRA E POPULAÇÃO Les 0407 - Estatística Aplicada II AMOSTRA E POPULAÇÃO AULA 1 04/08/16 Prof a Lilian M. Lima Cunha Agosto de 2016 Estatística 3 blocos de conhecimento Estatística Descritiva Levantamento e resumo de dados

Leia mais

Probabilidade e Estatística (Aula Prática - 23/05/16 e 24/05/16)

Probabilidade e Estatística (Aula Prática - 23/05/16 e 24/05/16) Probabilidade e Estatística (Aula Prática - 23/05/16 e 24/05/16) Resumo: Veremos nesta aula tabelas, cálculos de porcentagem e gráficos; amostras e tipo de amostragem; Medidas de tendência central e medidas

Leia mais

Exercícios Funções Multivariadas, Exponencial e Outras

Exercícios Funções Multivariadas, Exponencial e Outras Turma 2017 Exercícios Funções Multivariadas, Exponencial e Outras Problema 1 (bivariada) Um bim de cinco transistores possui dois que são defeituosos. Os transistores são testados um a um, até que os defeituosos

Leia mais

Processos Estocásticos. Variáveis Aleatórias. Variáveis Aleatórias. Luiz Affonso Guedes. Como devemos descrever um experimento aleatório?

Processos Estocásticos. Variáveis Aleatórias. Variáveis Aleatórias. Luiz Affonso Guedes. Como devemos descrever um experimento aleatório? Processos Estocásticos Luiz Affonso Guedes Sumário Probabilidade Funções de Uma Variável Aleatória Funções de Várias Momentos e Estatística Condicional Teorema do Limite Central Processos Estocásticos

Leia mais

Estatística. Probabilidade. Conteúdo. Objetivos. Definições. Probabilidade: regras e aplicações. Distribuição Discreta e Distribuição Normal.

Estatística. Probabilidade. Conteúdo. Objetivos. Definições. Probabilidade: regras e aplicações. Distribuição Discreta e Distribuição Normal. Estatística Probabilidade Profa. Ivonete Melo de Carvalho Conteúdo Definições. Probabilidade: regras e aplicações. Distribuição Discreta e Distribuição Normal. Objetivos Utilizar a probabilidade como estimador

Leia mais

Estatística Descritiva

Estatística Descritiva Estatística Descritiva 1 O que é Estatística A Estatística originou-se com a coleta e construção de tabelas de dados para o governo. A situação evoluiu e esta coleta de dados representa somente um dos

Leia mais

CAPÍTULO 4 PROBABILIDADE PROBABILIDADE PPGEP Espaço Amostral e Eventos Espaço Amostral e Eventos UFRGS. Probabilidade.

CAPÍTULO 4 PROBABILIDADE PROBABILIDADE PPGEP Espaço Amostral e Eventos Espaço Amostral e Eventos UFRGS. Probabilidade. PROBABILIDADE CAPÍTULO 4 PROBABILIDADE UFRGS A Teoria das s estuda os fenômenos aleatórios. Fenômeno Aleatório: são os fenômenos cujo resultado não pode ser previsto exatamente. Se o fenômeno se repetir,

Leia mais

Introdução aos Proc. Estocásticos - ENG 430

Introdução aos Proc. Estocásticos - ENG 430 Introdução aos Proc. Estocásticos - ENG 430 Fabrício Simões IFBA 16 de novembro de 2015 Fabrício Simões (IFBA) Introdução aos Proc. Estocásticos - ENG 430 16 de novembro de 2015 1 / 34 1 Motivação 2 Conceitos

Leia mais

MEDIDAS DE POSIÇÃO E DE DISPERSÃO. Profª Andréa H Dâmaso

MEDIDAS DE POSIÇÃO E DE DISPERSÃO. Profª Andréa H Dâmaso MEDIDAS DE POSIÇÃO E DE DISPERSÃO Profª Andréa H Dâmaso Bioestatística e Delineamento Experimental - 2012 Tópicos da aula Medidas de tendência central e dispersão Variáveis contínuas: distribuição normal

Leia mais

PROBABILIDADE E ESTATÍSTICA DISTRIBUIÇÕES DE PROBABILIDADES

PROBABILIDADE E ESTATÍSTICA DISTRIBUIÇÕES DE PROBABILIDADES PROBABILIDADE E ESTATÍSTICA DISTRIBUIÇÕES DE PROBABILIDADES Bruno Baierle Maurício Furigo Prof.ª Sheila Regina Oro (orientadora) Edital 06/2013 - Produção de Recursos Educacionais Digitais Variável Aleatória

Leia mais

Variáveis Aleatórias Contínuas e Distribuição de Probabilidad

Variáveis Aleatórias Contínuas e Distribuição de Probabilidad Variáveis Aleatórias Contínuas e Distribuição de Probabilidades - parte I 2012/02 1 Variáveis Aleatórias Contínuas 2 Distribuições de Probabilidade e Funções Densidades de Probabil 3 4 Objetivos Ao final

Leia mais

CE Estatística I

CE Estatística I CE 002 - Estatística I Agronomia - Turma B Professor Walmes Marques Zeviani Laboratório de Estatística e Geoinformação Departamento de Estatística Universidade Federal do Paraná 1º semestre de 2012 Zeviani,

Leia mais

PROBLEMA 1 O retorno mensal de certo investimento de risco pode ser modelado pela variável aleatória R com função de probabilidade dada abaixo :

PROBLEMA 1 O retorno mensal de certo investimento de risco pode ser modelado pela variável aleatória R com função de probabilidade dada abaixo : Módulo básico - Tópicos de Estatística e obabilidade ONS 006/007 - ofa. Mônica Barros LISTA DE EXERCÍCIOS # PROBLEMA O retorno mensal de certo investimento de risco pode ser modelado pela variável aleatória

Leia mais

Revisão Conceitos de Estatística aplicados à Epidemiologia

Revisão Conceitos de Estatística aplicados à Epidemiologia Revisão Conceitos de Estatística aplicados à Epidemiologia Carlos R. V. Kiffer Médico Infectologista Professor Doutor / Pesquisador Visitante LEMC / UNIFESP Sumário O que é Estatística? Conceitos População

Leia mais

PROBABILIDADE E ESTATÍSTICA. Profa. Dra. Yara de Souza Tadano

PROBABILIDADE E ESTATÍSTICA. Profa. Dra. Yara de Souza Tadano PROBABILIDADE E ESTATÍSTICA Profa. Dra. Yara de Souza Tadano yaratadano@utfpr.edu.br Aula 5 09/2014 Probabilidade Espaços Amostrais e Eventos Probabilidade e Estatística 3/41 Experimentos Aleatórios Experimento

Leia mais

Introdução à estatística. Prof. Anderson Rodrigo da Silva

Introdução à estatística. Prof. Anderson Rodrigo da Silva Prof. Anderson Rodrigo da Silva anderson.silva@ifgoiano.edu.br Sobre Estatística Conjunto de conceitos e métodos. Ciência que recolhe fatos e fenômenos, analisa-os e interpreta-os quanto ao número de frequência,

Leia mais

Probabilidade II. Departamento de Estatística. Universidade Federal da Paraíba

Probabilidade II. Departamento de Estatística. Universidade Federal da Paraíba Probabilidade II Departamento de Estatística Universidade Federal da Paraíba Prof. Tarciana Liberal (UFPB) Aula Variáveis Aleatórias Contínuas 14/10 1 / 25 VALE A PENA VER DE NOVO:Variáveis Aleatórias

Leia mais

MÉTODOS QUANTITATIVOS PARA CIÊNCIA DA COMPUTAÇÃO EXPERIMENTAL

MÉTODOS QUANTITATIVOS PARA CIÊNCIA DA COMPUTAÇÃO EXPERIMENTAL MÉTODOS QUANTITATIVOS PARA CIÊNCIA DA COMPUTAÇÃO EXPERIMENTAL Pedro Henrique Bragioni Las Casas Pedro.lascasas@dcc.ufmg.br Apresentação baseada nos slides originais de Jussara Almeida e Virgílio Almeida

Leia mais

Variáveis Aleatórias Discretas e Distribuição de Probabilidade

Variáveis Aleatórias Discretas e Distribuição de Probabilidade Variáveis Aleatórias Discretas e Distribuição de Probabilidades - parte IV 2012/02 1 Distribuição Poisson Objetivos Ao final deste capítulo você deve ser capaz de: Ententer suposições para cada uma das

Leia mais

Probabilidade - aula III

Probabilidade - aula III 2012/02 1 Regra da Multiplicação 2 3 4 5 Objetivos Ao final deste capítulo você deve ser capaz de: Usar a regra da multiplicação para calcular probabilidade de eventos Usar a. Regra da Multiplicação Frequentemente

Leia mais

Lista de Exercícios 1 Probabilidades Escola Politécnica, Ciclo Básico

Lista de Exercícios 1 Probabilidades Escola Politécnica, Ciclo Básico Lista de Exercícios 1 Probabilidades 0303200 Escola Politécnica, Ciclo Básico 1 o semestre 2017 1) Historicamente sabe-se que 10% dos artigos de uma firma são de segunda qualidade. Um inspetor de controle

Leia mais

Lista de Exercícios 1 Probabilidades Escola Politécnica, Ciclo Básico

Lista de Exercícios 1 Probabilidades Escola Politécnica, Ciclo Básico Lista de Exercícios 1 Probabilidades 0303200 Escola Politécnica, Ciclo Básico 1 o semestre 2017 1) Historicamente sabe-se que 10% dos artigos de uma firma são de segunda qualidade. Um inspetor de controle

Leia mais