Processos Estocásticos
|
|
- Ana Lameira Quintanilha
- 7 Há anos
- Visualizações:
Transcrição
1 Processos Estocásticos Hélio Lopes INF Introdução à Simulação Estocástica 1 Introdução Um processo estocástico é uma família de variáveis aleatórias {X(t), t T } definidas em um espaço de probabilidade, indexado por um parâmetro t, onde t varia no conjunto T. Lembre que uma variável aleatória é uma função definida num espaço amostral Ω. Então, o processo estocástico {X(t), t T } é uma função de dois argumentos {X(t, ω), t T, ω Ω}. Para um t = t 0 fixo, X(t 0, ω) = X t0 (ω) é uma variável aleatória denotada por X(t 0 ) já que ω varia no espaço amostral Ω. Por outro lado, fixando ω = ω 0, X(t, ω 0 ) = X ω0 (t) é uma função que só depende de t, e é camada de uma realização do processo. É claro que se t e ω são fixos, X(t, ω) é um número real. Para facilitar a notação, X(t) será usado daqui por diante para denotar um processo estocástico. O conjunto T é camado de espaço de parâmetro. Os valores assumidos por X(t) são camados de estados, e o conjunto de todos os possíveis estados é camado de espaço de estados do processo estocástico e é denotado por E. Se o conjunto T é discreto, então o processo estocático é dito ser de tempo discreto, nesse caso ele também pode ser camado de uma seqüência aleatória. Se T é contínuo, então o processo é dito ser de tempo contínuo. Se E é discreto, então o processo é dito ser um processo de estados discretos, e pode ser camado também de uma cadeia. Se E é contínuo, então o processo é dito ser de epaço contínuo. 1
2 2 Caracterização Considere um processo estocástico X(t). Para um tempo fixo t 1, X(t 1 ) = X 1 é uma v.a. e a sua função de distribuição acumulada F X (x 1 ; t 1 ) é definida por: F X (x 1 ; t 1 ) = P r[x(t 1 ) x 1 ]. F X (x 1 ; t 1 ) é conecida como a distribuição de primeira ordem de X(t). De forma semelante, para dois tempos fixos t 1 e t 2 define-se como a distribuição de segunda ordem de X(t) por: F x (x 1, x 2 ; t 1, t 2 ) = P r[x(t 1 ) x 1, X(t 2 ) x 2 ]. E de forma geral, a distribuição de n-ésima ordem de X(t) é dada por: F x (x 1,..., x n ; t 1,..., t n ) = P r[x(t 1 ) x 1,..., X(t n ) x n ]. Para um caracterização completa do processo estocástico X(t) é preciso saber as distribuições de todas as ordens (n ). 3 Média, Correlação e Covariância A média de X(t) é definida por µ X (t) = E[X(t)], onde X(t) é vista como uma v.a. para um t fixo. Em geral, µ X (t) é uma função do tempo. A medida de dependência entre as v.a. s de X(t) é dada pela função de autocorrelação R X (t, s) = E[X(t)X(s)]. Note que R X (t, s) = R X (s, t) e que R X (t, t) = E[(X(t)) 2 ]. A função de autocovariância de X(T ) é definida por: K X (t, s) = Cov[X(t), X(s)] = E[(X(t) µ X (t))(x(s) µ X (s))]. É fácil provar que K X (t, s) = R X (t, s) µ X (t)µ X (s). Se a média de X(t) é zero para qualquer t, então K X (t, s) = R X (t, s). A variância de X(t) é dada por: σ 2 X(t) = V ar[x(t)] = E[(X(t) µ X (t)) 2 ] = K X (t, t). 2
3 4 Classificação 4.1 Processos estacionários Um processo X(t) é dito ser estacionário se para todo n e para qualquer conjunto de instantes de tempo {t i T, i = 1, 2,..., n}, tem-se que: F X (x 1,..., x n ; t 1,..., t n ) = F X (x 1,..., x n ; t 1 + τ,..., t n + τ), para qualquer valor de τ. Portanto, a distribuição do proceso X(t) não é afetada por uma translação na origem do tempo. Em particular, X(t) e X(t + τ) tem a mesma distribuição para qualquer valor de τ. Assim, podese dizer que F X (x, t) = F X (x, t + τ) = F X (x). Nesse caso, µ X (t) = µ e V ar[x(t)] = σ 2, onde µ e sigma são constantes. 4.2 Processos independentes Dado um processo X(t). Se X(t i ) para i = 1, 2,..., n são v.a. s independentes, de tal forma que F X (x 1,..., x n ; t 1,..., t n ) = Π n i=1f X (x i ; t i ), então camamos X(t) de um processo independente. 4.3 Processos com incrementos independentes Um processo {X(t), t 0} é dito ter incrementos independentes se para quaisquer n instantes de tempos 0 < t 1 < t 2 <... < t n, tem-se que: X(0), X(t 1 ) X(0), X(t 2 ) X(t 1 ),..., X(t n ) X(t n 1 ) são v.a. s independentes. Se {X(t), t 0} tem incrementos independentes e X(t) X(s) tem a mesma distribuição que X(t + ) X(s + ) para todo s, t, 0, s < t, então o processo é dito ter incrementos independentes e estacionários. Se {X(t), t 0} possui incrementos independentes e estacionários e X(0) = 0, então E[X(t)] = µ 1 t e V ar[x(t)] = σ 2 1t, onde µ 1 = E[X(1)] e σ 1 = V ar[x(1)]. Os processos de Poisson e de Weiner, que serão apresentados a seguir, são dois exemplos de processos com incrementos independentes e estacionários. 3
4 4.4 Processos de Poisson Considere que t é uma variável que representa o tempo. Supona que um experimento começa em t = 0. Eventos de um determinado tipo ocorrem aleatoriamente, o primeiro em T 1, o segundo em T 2 e assim por diante. A v.a. T i denota o tempo em que o i-ésimo evento ocorre. Os valores t i assumidos pelas realizações de T i são camados de tempos de ocorrência. Seja Z i = T i T i 1 e T 0 = 0. Então Z n denota o tempo entre os n 1 primeiros eventos and o n-ésimo evento. A sequüência ordenada de v.a. {Z n ; n 1} é muitas vezes denominada de processo de intervalos de ocorrência (interarrival process). Se todas as v.a. s Z n são independentes e idênticamente distribuídas, então {Z n ; n 1} é camado de processo de renovação. Vale lembrar que T n = Z 1 +Z 2 + +Z n. O processo {T n ; n 1} é camado de processo de ocorrência. Um processo estocástico {X(t); t 0} é camado de processo de contagem se X(t) representa o número de eventos total ocorridos no intervalo (0,t). Esse processo deve satisfazer as seguintes propriedades: 1. X(t) 0 e X(0) = X(t) é um número inteiro. 3. X(s) X(t) se s < t. 4. X(t) X(s) é igual ao número de eventos que ocorreram no intervalo (s, t). Um processo de contagem X(t) é dito ter incrementos independentes se o número de eventos ocorridos em intervalos de tempo disjuntos são independentes. Um processo de contagem X(t) é dito ter incrementos estacionários se o número de eventos no interval (s +, t + ) tem a mesma distribuição do número de eventos (s, t), para todo s < t e > 0. Um processo de contagem X(t) é dito ser um processo de Poisson omogêneo com intensidade λ > 0 se: 1. X(0) = X(t) tem incrementos estacionários independentes. 3. lim 0 P r[x(t+) X(t)=1] = λ. 4
5 4. lim 0 P r[x(t+) X(t) 2] = 0. Num processo de Poisson omogêneo, tem-se que E[X(t)] = λt e V ar[x(t)] = λt. Portanto, o valor esperado do número de eventos no intervalo unitário (0, 1), ou qualquer outro de tamano unitário, é igual a λ. Outra propriedade muito importante é que os tamanos dos intervalos de tempos {Z n ; n 1} de um processo de Poisson omogêneo X(t) com intensidade λ são v.a. s exponenciais com taxa λ independentes entre si. Por fim, o número de eventos que ocorrem em um intervalo de tamano t num processo de Poisson é uma v.a. discreta de Poisson com taxa λt. Um processo de contagem X(t) é dito ser um processo de Poisson nãoomogêneo com função intensidade λ(t) > 0 se: 1. X(0) = X(t) tem incrementos independentes. 3. lim 0 P r[x(t+) X(t)=1] = λ(t). 4. lim 0 P r[x(t+) X(t) 2] = 0. No processo de Poisson não-omogêneo, vale dizer que X(t + ) X(t) é uma variável aleatária discreta de Poisson com média m(t + ) m(t), onde m(t) = t 0 λ(s)ds, para t 0. 5
Probabilidade III. Ulisses U. dos Anjos. Departamento de Estatística Universidade Federal da Paraíba. Período 2014.1
Probabilidade III Ulisses U. dos Anjos Departamento de Estatística Universidade Federal da Paraíba Período 2014.1 Ulisses Umbelino (DE-UFPB) Probabilidade III Período 2014.1 1 / 42 Sumário 1 Apresentação
Leia maisAvaliação e Desempenho Aula 1 - Simulação
Avaliação e Desempenho Aula 1 - Simulação Introdução à simulação Geração de números aleatórios Lei dos grandes números Geração de variáveis aleatórias O Ciclo de Modelagem Sistema real Criação do Modelo
Leia maisProbabilidade II. Departamento de Estatística. Universidade Federal da Paraíba. Prof. Tarciana Liberal (UFPB) Aula Distribuição Uniforme 11/13 1 / 19
Probabilidade II Departamento de Estatística Universidade Federal da Paraíba Prof. Tarciana Liberal (UFPB) Aula Distribuição Uniforme 11/13 1 / 19 Distribuições Contínuas Apresentaremos agora alguns dos
Leia maisModelos de Probabilidade e Inferência Estatística
Modelos de Probabilidade e Inferência Estatística Departamento de Estatística Universidade Federal da Paraíba Prof. Tarciana Liberal (UFPB) Aula Distribuições Qui-quadrado, t-student e F de Snedecor 04/14
Leia maisMOQ 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 Probabilidade e Estatística The Science of collecting and analyzing data for the purpose of drawing
Leia maisIND 1115 Inferência Estatística Aula 8
Conteúdo IND 5 Inferência Estatística Aula 8 Setembro 4 Mônica Barros O - aproximação da Binomial pela Este teorema é apenas um caso particular do teorema central do limite, pois uma variável aleatória
Leia maisModelo Uniforme. como eu e meu colega temos 5 bilhetes, temos a mesma probabilidade de ganhar a rifa:
Modelo Uniforme Exemplo: Uma rifa tem 100 bilhetes numerados de 1 a 100. Tenho 5 bilhetes consecutivos numerados de 21 a 25, e meu colega tem outros 5 bilhetes, com os números 1, 11, 29, 68 e 93. Quem
Leia maisé 4. Portanto, o desvio padrão é 2. Neste caso 100% dos valores da população estão a um desvio padrão da média.
Desvio Padrão From Wikipedia, the free encyclopedia probabilidade e estatística, o desvio padrão de uma distribuição de probabilidade, de uma variável aleatória, ou população é uma medida do espalhamento
Leia maisAnálise de Regressão Linear Simples III
Análise de Regressão Linear Simples III Aula 03 Gujarati e Porter Capítulos 4 e 5 Wooldridge Seção.5 Suposições, Propriedades e Teste t Suposições e Propriedades RLS.1 O modelo de regressão é linear nos
Leia maisTécnicas estatísticas para análise de dados e de resultados de modelos de simulação
Parte XIV Técnicas estatísticas para análise de dados e de resultados de modelos de simulação A saída de um modelo de simulação geralmente constitui-se de VA s, muitas das quais podem ter variância grande.
Leia mais3 Modelos de Simulação
43 3 Modelos de Simulação 3.1 Simulação de Monte Carlo O método de Monte Carlo foi concebido com este nome nos anos 40 por John Von Neumann, Stanislaw Ulam e Nicholas Metropolis durante o projeto de pesquisa
Leia maisSeqüências. George Darmiton da Cunha Cavalcanti CIn - UFPE
Seqüências George Darmiton da Cunha Cavalcanti CIn - UFPE Introdução Uma seqüência é uma estrutura discreta usada para representar listas ordenadas. Definição 1 Uma seqüência é uma função de um subconjunto
Leia maisCoeficiente de Assimetria e Curtose. Rinaldo Artes. Padronização., tem as seguintes propriedades: Momentos
Coeficiente de Assimetria e Curtose Rinaldo Artes 2014 Padronização Seja X uma variável aleatória com E(X)=µ e Var(X)=σ 2. Então a variável aleatória Z, definida como =, tem as seguintes propriedades:
Leia maisAula 1 Variáveis aleatórias contínuas
Aula 1 Variáveis aleatórias contínuas Objetivos: Nesta aula iremos estudar as variáveis aleatórias contínuas e você aprenderá os seguintes conceitos: função de densidade de probabilidade; função de distribuição
Leia maisUniversidade Federal do Amazonas Instituto de Ciências Exatas Departamento de Estatística
PLANO DE ENSINO 1. IDENTIFICAÇÃO Disciplina: PROBABILIDADE E ESTATÍSTICA Código: IEE001 Pré-Requisito: IEM011 - CÁLCULO I N O de Créditos: 4 Número de Aulas Teóricas: 60 Práticas: 0 Semestre: 1 O Ano:
Leia maisAula de Exercícios - Variáveis Aleatórias Discretas
Aula de Exercícios - Variáveis Aleatórias Discretas Organização: Airton Kist Digitação: Guilherme Ludwig Valor Médio de uma variável aleatória Considere uma urna contendo três bolas vermelhas e cinco pretas.
Leia maisDistribuição Binomial e Normal
Distribuição Binomial e Normal O que se pretende, neste módulo, é apresentar dois modelos teóricos de distribuição de probabilidade, aos quais um experimento aleatório estudado possa ser adaptado, o que
Leia maisVamos denotar por C o evento balancete de custo e por O o evento balancete de orçamento. Temos: #O = 4 #C = 3 # = 7 Logo, Pr(O) =4/7 Pr(C) =2/7
AEDB - 2ª BI Probabilidade e Estatística - 2 o Ano 2011 - Prof: Roberto Campos Leoni Simulado 1. Em um arquivo há 4 balancetes de orçamento e 3 balancetes de custos. Em uma auditoria, o auditor seleciona
Leia maisCapítulo 4 Inferência Estatística
Capítulo 4 Inferência Estatística Slide 1 Resenha Intervalo de Confiança para uma proporção Intervalo de Confiança para o valor médio de uma variável aleatória Intervalo de Confiança para a variância de
Leia maisAnálise estatística. Aula de Bioestatística. 17/9/2008 (2.ª Parte) Paulo Nogueira
Análise estatística Aula de Bioestatística 17/9/2008 (2.ª Parte) Paulo Nogueira Testes de Hipóteses Hipótese Estatística de teste Distribuição da estatística de teste Decisão H 0 : Não existe efeito vs.
Leia maisErros e Incertezas. Rafael Alves Batista Instituto de Física Gleb Wataghin Universidade Estadual de Campinas (Dated: 10 de Julho de 2011.
Rafael Alves Batista Instituto de Física Gleb Wataghin Universidade Estadual de Campinas (Dated: 10 de Julho de 2011.) I. INTRODUÇÃO Quando se faz um experimento, deseja-se comparar o resultado obtido
Leia mais3 Distribuições Teóricas Contínuas
3 Distribuições Teóricas Contínuas Exercício 3.1 Sendo X uma variável aleatória com distribuição exponencial, mostre que P (X a + b/x a) =P (X b), a 0,b 0. Exercício 3.2 Sabe-se que o tempo entre 2 acidentesdeviaçãonumdeterminado
Leia maisAnálise de Séries Temporais
Universidade Federal do Rio de Janeiro Instituto de Matemática Departamento de Métodos Estatísticos Análise de Séries Temporais Prof. Hélio Migon Sumário 1 Introdução 3 1.1 Noções Básicas......................
Leia maisProbabilidade. Distribuição Binomial
Probabilidade Distribuição Binomial Distribuição Binomial (Eperimentos de Bernoulli) Considere as seguintes eperimentos/situações práticas: Conformidade de itens saindo da linha de produção Tiros na mosca
Leia maisAULA 12 Inferência a Partir de Duas Amostras
1 AULA 12 Inferência a Partir de Duas Amostras Ernesto F. L. Amaral 15 de setembro de 2011 Metodologia de Pesquisa (DCP 854B) Fonte: Triola, Mario F. 2008. Introdução à estatística. 10 ª ed. Rio de Janeiro:
Leia maisPlanejamento e Análise Estatística de Experimentos Fatoriais em blocos completos
Planejamento e Análise Estatística de Experimentos Fatoriais em blocos completos Contexto Já vimos como analisar um experimento em blocos na presença de um único fator de interesse. Podemos ter experimentos
Leia maisINTRODUÇÃO À INFERÊNCIA ESTATÍSTICA. Prof. Anderson Rodrigo da Silva anderson.silva@ifgoiano.edu.br
INTRODUÇÃO À INFERÊNCIA ESTATÍSTICA Prof. Anderson Rodrigo da Silva anderson.silva@ifgoiano.edu.br Tipos de Pesquisa Censo: é o levantamento de toda população. Aqui não se faz inferência e sim uma descrição
Leia maisMatemática Aplicada às Ciências Sociais
ESCOLA SECUNDÁRIA DE AMORA PLANIFICAÇÃO ANUAL Matemática Aplicada às Ciências Sociais Ensino Regular Curso Geral de Ciências Sociais e Humanas 11º ANO Ano Letivo 2014 / 2015 PLANIFICAÇÃO A LONGO PRAZO
Leia maisEstatística AMOSTRAGEM
Estatística AMOSTRAGEM Estatística: É a ciência que se preocupa com a coleta, a organização, descrição (apresentação), análise e interpretação de dados experimentais e tem como objetivo fundamental o estudo
Leia maisTeste Intermédio de Matemática A Matemática A Entrelinha 1,5 (Versão única igual à Versão 1) 12.º Ano de Escolaridade
Teste Intermédio de Matemática A Entrelinha,5 Teste Intermédio Matemática A Entrelinha,5 (Versão única igual à Versão ) Duração do Teste: 90 minutos 8.0.03.º Ano de Escolaridade Decreto-Lei n.º 74/004,
Leia maisEntão, a distribuição de converge para a distribuição normal com média nμ e variância nσ 2
Aula 6 Distribuição amostral da proporção Nesta aula você verá uma importante aplicação do Teorema Central do Limite: iremos estudar a distribuição amostral de proporções. Assim, você verá os resultados
Leia maisCapítulo 5. Inferência no Modelo de Regressão Simples: Estimação de Intervalos, Teste de Hipóteses e Previsão
Capítulo 5 Inferência no Modelo de Regressão Simples: Estimação de Intervalos, Teste de Hipóteses e Previsão Hipóteses do Modelo de Regressão Linear Simples RS1. y x e t 1 t t RS. RS3. RS4. RS5. RS6. Ee
Leia maisMAE116 - Noções de Estatística
MAE116 - Noções de Estatística Grupo A - 1 semestre de 2015 Gabarito da Lista de exercícios 10 - Introdução à Estatística Descritiva - CASA Exercício 1. (2 pontos) Sabe-se que, historicamente, 18% dos
Leia maisUnidade 3 Função Afim
Unidade 3 Função Afim Definição Gráfico da Função Afim Tipos Especiais de Função Afim Valor e zero da Função Afim Gráfico definidos por uma ou mais sentenças Definição C ( x) = 10. x + Custo fixo 200 Custo
Leia maisEstatística. Slide 0. Ana M. Abreu - 2006/07
Estatística Slide 0 Capítulo 1 Estatística Descritiva Slide 1 I-1 Introdução à organização e ao processamento de dados. I-2 Amostra e população; cuidados a ter na recolha da amostra. I-3 Ordenação dos
Leia maisMedidas de Tendência Central. Introdução Média Aritmética Moda Mediana
Medidas de Tendência Central Introdução Média Aritmética Moda Mediana Introdução A maioria dos dados apresenta uma tendência de se concentrar em torno de um ponto central Portanto, é possível selecionar
Leia maisEstimação. Como definir um estimador. Como obter estimativas pontuais. Como construir intervalos de confiança
Estimação Como definir um estimador. Como obter estimativas pontuais. Como construir intervalos de confiança Motivação A partir da média de uma a amostra em uma colheita recente, o conselho de qualidade
Leia maisPopulação e Amostra POPULAÇÃO AMOSTRA AMOSTRAGEM TIPOS DE AMOSTRAGEM I. Amostra probabilística: II. Amostra não-probabilística
População e Amostra POPULAÇÃO A palavra população, na sua acepção mais comum, representa o conjunto de habitantes de uma dada região em determinado período. Em estatística, população (ou universo) é o
Leia maisESTATÍSTICA PARTE 1 OBJETIVO DA DISCIPLINA
ESTATÍSTICA PARTE 1 OBJETIVO DA DISCIPLINA Apresentar a Estatística no contexto do dia-a-dia e fazendo uso da planilha Excel. Espera-se que o estudante ao término do curso esteja apto a usar a planilha
Leia maisProposta de resolução da Prova de Matemática A (código 635) 2ª fase. 19 de Julho de 2010
Proposta de resolução da Prova de Matemática A (código 65) ª fase 9 de Julho de 00 Grupo I. Como só existem bolas de dois tipos na caixa e a probabilidade de sair bola azul é, existem tantas bolas roxas
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 maisCONHECIMENTOS ESPECÍFICOS
CONHECIMENTOS ESPECÍFICOS» PROBABILIDADE E ESTATÍSTICA «21. Uma fábrica, que produz pequenas peças utilizadas em materiais eletrônicos, armazena essa mercadoria em lotes com 1000 unidades. Inspecionada
Leia maisIBM1018 Física Básica II FFCLRP USP Prof. Antônio Roque Aula 7
Potencial Elétrico Quando estudamos campo elétrico nas aulas passadas, vimos que ele pode ser definido em termos da força elétrica que uma carga q exerce sobre uma carga de prova q 0. Essa força é, pela
Leia maisVariáveis Frequências Gráficos Medidas de Posição Medidas de Dispersão Medidas Complementares Inferência
Tipos de Variáveis Problema Motivador: Um pesquisador está interessado em fazer um levantamento sobre aspectos sócio-econômicos dos empregados da seção de orçamentos de uma companhia (vide tabela). Algumas
Leia maisAMOSTRAGEM: DIMENSIONAMENTO DE AMOSTRAS. SELEÇÃO DOS ELEMENTOS DE UMA AMOSTRA. ESTIMATIVA DA CARACTERÍSTICA TOTAL DA POPULAÇÃO INVESTIGADA
AMOSTRAGEM: DIMENSIONAMENTO DE AMOSTRAS. SELEÇÃO DOS ELEMENTOS DE UMA AMOSTRA. ESTIMATIVA DA CARACTERÍSTICA TOTAL DA POPULAÇÃO INVESTIGADA META Dimensionar o tamanho ideal de amostra para cada população.
Leia maisEngenharia Econômica
UNIVERSIDADE FEDERAL DE PERNAMBUCO UFPE CENTRO ACADÊMICO DO AGRESTE NÚCLEO DE TECNOLOGIA ENGENHARIA CIVIL Engenharia Econômica Aula I Professora Jocilene Otilia da Costa, Dra Conteúdo Juros Simples Juros
Leia maisRegressão linear múltipla. Prof. Tatiele Lacerda
Regressão linear múltipla Prof Tatiele Lacerda Yi = B + Bx + B3X3 + u Plano de resposta E(Y i ) = 0,00 Y i i 0 (,33;,67) Y i 0 X i Xi X p i, p i 3 Modelo de regressão linear múltipla em termos matriciais,
Leia maisProgressão aritmética ( PA )
Progressão aritmética ( PA ) Definição Consideremos a seqüência ( 2, 4, 6, 8, 10, 12, 14, 16). Observamos que, a partir do segundo termo, a diferença entre qualquer termo e seu antecessor é sempre a mesma:
Leia maisExemplo de Projeto. 2. Controle de velocidade de um fita de áudio digital sujeito a retardo no tempo 2.1. Controle PID 2.2. Estabilidade robusta
Exemplo de Projeto 1. Retardo no tempo 1.1. Modelo de incerteza? 2. Controle de velocidade de um fita de áudio digital sujeito a retardo no tempo 2.1. Controle PID 2.2. Estabilidade robusta 3. Exercícios
Leia maisProva Escrita de MATEMÁTICA A - 12o Ano 2015-2 a Fase
Prova Escrita de MATEMÁTICA A - o Ano 205-2 a Fase Proposta de resolução GRUPO I. O valor médio da variável aleatória X é: µ a + 2 2a + 0, Como, numa distribuição de probabilidades de uma variável aleatória,
Leia maisx = xi n x = xifi fi 1. MÉDIA Exercício: Quando a distribuição é simétrica, a média e a mediana coincidem.
1. MÉDIA Exercício: Quando a distribuição é simétrica, a média e a mediana coincidem. Determine a média aritmética da distribuição: A mediana não é tão sensível, como a média, às observações que são muito
Leia maisMatemática. A probabilidade pedida é p =
a) Uma urna contém 5 bolinhas numeradas de a 5. Uma bolinha é sorteada, tem observado seu número, e é recolocada na urna. Em seguida, uma segunda bolinha é sorteada e tem observado seu número. Qual a probabilidade
Leia maisMedida de Tendência Central
Medida de Tendência Central um valor no centro ou no meio de um conjunto de dados 1 Definições Média (Média Aritmética) o número obtido somando-se todos os valores de um conjunto de dados, dividindo-se
Leia maisDistribuições Binomiais Negativas, Geométricas e Hipergeométricas
Distribuições Binomiais Negativas, Geométricas e Hipergeométricas Distribuição geométrica Suponhamos que temos uma série de amostragens de Bernoulli (amostragens independentes com probabilidade constante
Leia maisAula 8 Intervalos de confiança para proporções amostras grandes
Aula 8 Intervalos de confiança para proporções amostras grandes Objetivos Na aula anterior, foram apresentadas as idéias básicas da estimação por intervalos de confiança. Para ilustrar o princípio utilizado
Leia maiscuja distribuição é t de Student com n 1 graus de liberdade.
Aula 13 Teste de hipótese sobre a média de uma população normal σ 2 desconhecida Objetivos: Nesta aula você completará seu estudo básico sobre testes de hipóteses, analisando a situação relativa a uma
Leia maisMétodos Numéricos e Estatísticos Parte II-Métodos Estatísticos
Métodos Numéricos e Estatísticos Parte II-Métodos Estatísticos Lic. Eng. Biomédica e Bioengenharia-2009/2010 Podemos dividir a Estatística em duas áreas: estatística indutiva (ou inferência estatística)
Leia maisProva Escrita de MATEMÁTICA A - 12o Ano 2011-2 a Fase
Prova Escrita de MATEMÁTICA A - 1o Ano 011 - a Fase Proposta de resolução GRUPO I 1. Como no lote existem em total de 30 caixas, ao selecionar 4, podemos obter um conjunto de 30 C 4 amostras diferentes,
Leia maisEstatística. Professora: Eliana Carvalho Estatística e Probabilidade 1
Estatística Fonte bibliográfica: FARIAS, Alberto Alves Introdução a Estatística MEYER, Paul L. Probabilidade: Aplicações à Estatística MONTGOMERY, Douglas C; Estatística aplicada e probabilidade para engenheiros.
Leia mais25 a 30 de novembro de 2013
LSD Introdução à Programa de Pós-Graduação em Estatística e Experimentação Agronômica ESALQ/USP 25 a 30 de novembro de 2013 LSD 1 2 3 LSD 4 Parte 2 - Conteúdo LSD Quando o F da ANOVA está sendo utilizado
Leia maisTeste de Hipótese e Intervalo de Confiança. Parte 2
Teste de Hipótese e Intervalo de Confiança Parte 2 Questões para discutirmos em sala: O que é uma hipótese estatística? O que é um teste de hipótese? Quem são as hipóteses nula e alternativa? Quando devemos
Leia maisCritérios Norteadores para o Processo Seletivo ao Programa de Pós-Graduação em Matemática da UFCG, no Curso de Mestrado, Modalidade Acadêmico
Critérios Norteadores para o Processo Seletivo ao Programa de Pós-Graduação em Matemática da UFCG, no Curso de Mestrado, Modalidade Acadêmico A Seleção para o Curso de Mestrado Acadêmico do Programa de
Leia maisAula 1 Estatística e Probabilidade
Aula 1 Estatística e Probabilidade Anamaria Teodora Coelho Rios da Silva Aula 1 Plano de ensino Planejamento das aulas Referências Bibliográficas Atividades de Aprendizagem Orientadas Sistema de Avaliação
Leia maisíndice Introdução Estatística Descritiva Capítulo 1 Capítulo 2 O que é a Estatística Escalas de medida Escalas Nominais Escalas Ordinais
índice MENSAGEM DO AUTOR 11 AGRADECIMENTOS 13 Capítulo 1 Introdução Importância da estatística 17 O que é a Estatística? Escalas de medida Escala de medida qualitativa Escalas Nominais Escalas Ordinais
Leia maisEstatística - exestatmedposic.doc 25/02/09
Medidas de Posição Introdução Vimos anteriormente que, através de uma distribuição de freqüências se estabelece um sistema de classificação que descreve o padrão de variação de um determinado fenômeno
Leia mais1. Coeficiente de Rendimento Escolar mínimo e Formação Acadêmica:
Critérios Norteadores para o Processo Seletivo ao Programa de Pós-Graduação em Matemática da UFCG, no Curso de Mestrado, Modalidade Acadêmico - Área Probabilidade e Estatística A Seleção para o Curso de
Leia maisANÁLISE DE FALHAS DE COMPUTADORES
UNIVERSIDADE FEDERAL DO PARANÁ SETOR DE CIÊNCIAS EXATAS DANIELE APARECIDA DE OLIVEIRA VERANICE POLATO ANÁLISE DE FALHAS DE COMPUTADORES LINHA DE PESQUISA: Projeto de Pesquisa apresentado à disciplina de
Leia maisMatrizes e Sistemas Lineares. Professor: Juliano de Bem Francisco. Departamento de Matemática Universidade Federal de Santa Catarina.
e Aula Zero - Álgebra Linear Professor: Juliano de Bem Francisco Departamento de Matemática Universidade Federal de Santa Catarina agosto de 2011 Outline e e Part I - Definição: e Consideremos o conjunto
Leia maisPlano de Ensino PROBABILIDADE E ESTATÍSTICA APLICADA À ENGENHARIA - CCE0292
Plano de Ensino PROBABILIDADE E ESTATÍSTICA APLICADA À ENGENHARIA - CCE0292 Título PROBABILIDADE E ESTATÍSTICA APLICADA À ENGENHARIA Código da disciplina SIA CCE0292 16 Número de semanas de aula 4 Número
Leia maisESTATÍSTICA DESCRITIVA:
UNIVERSIDADE FEDERAL DE MATO GROSSO Campus Universitário de Sinop(CUS) ESTATÍSTICA DESCRITIVA: Medidas de forma: Assimetria e Curtose Profº Evaldo Martins Pires SINOP -MT TEMAS TRABALHADOS ATÉ AGORA Aula
Leia maisAplicações das derivadas ao estudo do gráfico de funções
Aplicações das derivadas ao estudo do gráfico de funções MÁXIMOS E MÍNIMOS LOCAIS: Seja f uma f. r. v. r. definida num intervalo e D f. 1) f tem um mínimo local f ( ), em, se e só se f ( ) f ( ) para qualquer
Leia maisMétodos Quantitativos Aplicados
Métodos Quantitativos Aplicados Aula 5 http://www.iseg.utl.pt/~vescaria/mqa/ Tópicos apresentação Análise de dados bivariada: cruzamentos e medidas de associação variáveis nominais e ordinais e variáveis
Leia maisROLAMENTO, TORQUE E MOMENTUM ANGULAR Física Geral I (1108030) - Capítulo 08
ROLAMENTO, TORQUE E MOMENTUM ANGULAR Física Geral I (1108030) - Capítulo 08 I. Paulino* *UAF/CCT/UFCG - Brasil 2012.2 1 / 21 Sumário Rolamento Rolamento como rotação e translação combinados e como uma
Leia maisAula 12 Teste de hipótese sobre proporções amostras grandes
Aula 12 Teste de hipótese sobre proporções amostras grandes Objetivos Na aula anterior, você aprendeu a construir testes de hipóteses sobre a média de uma população normal com variância σ 2 conhecida.
Leia maisO Modelo Econômico da Empresa em Condições de Incerteza - Aplicação do Método de Simulação de Monte Carlo
1 O MODELO ECONÔMICO DA EMPRESA EM CONDIÇÕES DE INCERTEZA APLICAÇÃO DO MÉTODO DE SIMULAÇÃO DE MONTE CARLO Introdução Autor:Luiz João Corrar Mestre e Doutor do Departamento de Contabilidade e Atuária da
Leia maisESCOLA SUPERIOR DE TECNOLOGIA DE SETÚBAL DEPARTAMENTO DE MATEMÁTICA PROBABILIDADES E ESTATÍSTICA Teste Final 2009/2010. Curso: 12/06/2010.
ESCOLA SUPERIOR DE TECNOLOGIA DE SETÚBAL DEPARTAMENTO DE MATEMÁTICA PROBABILIDADES E ESTATÍSTICA Teste Final 2009/2010 Curso: 12/06/2010 Nome: N o Instruções: Estaprovatemaduraçãode120 minutos e é constituída
Leia maisCONHECIMENTOS ESPECÍFICOS
CONHECIMENTOS ESPECÍFICOS Em junho de 2014, o Brasil registrou 275,71 milhões de linhas ativas na telefonia móvel e teledensidade de 136,06 acessos por 100 habitantes. Além disso, nesse mesmo mês, houve
Leia maisOperações Básicas em Sinais 1
Operações Básicas em Sinais Operações realizadas em variáveis dependentes Mudança de escala de amplitude Adição Multiplicação Diferenciação Integração Operações Básicas em Sinais 1 Operações Realizadas
Leia maisExercícios Selecionados de Estatística Avançada. Sumário
1 Exercícios Selecionados de Estatística Avançada Sumário I Probabilidade... 2 II Medidas de Posição e de Dispersão. Assimetria e Curtose... 5 III Variáveis Aleatórias Discretas e Contínuas. Função de
Leia maisAvaliação de Desempenho
Avaliação de Desempenho Aula passada Métricas, Técnicas, Erros Aula de hoje Conceitos importantes de probabilidade Como fazer a análise de desempenho? Modelos Matemáticos Modelos de Simulação Como fazer
Leia maisDISTRIBUIÇÃO DE FREQUÊNCIA DE VARIÁVEIS QUALITATIVAS E QUANTITATIVAS DISCRETAS (TABELAS E GRÁFICOS)
DISTRIBUIÇÃO DE FREQUÊNCIA DE VARIÁVEIS QUALITATIVAS E QUANTITATIVAS DISCRETAS (TABELAS E GRÁFICOS) O QUE É ESTATÍSTICA Estatística é a ciência de obter conclusões a partir de dados. Envolve métodos para
Leia mais1 Introdução. 1.1 Importância da Utilização da Amostragem
1 Introdução Um dos principais objetivos da maioria dos estudos, análises ou pesquisas estatísticas é fazer generalizações seguras com base em amostras, sobre as populações das quais as amostras foram
Leia maisMedidas de dispersão e assimetria
Metodologia de Diagnóstico e Elaboração de Relatório FASHT Medidas de dispersão e assimetria Profª Cesaltina Pires cpires@uevora.pt Plano da Apresentação Medidas de dispersão Variância Desvio padrão Erro
Leia maisJogos Bayesianos Estratégias e Equilíbrio Aplicações. Jogos Bayesianos. Prof. Leandro Chaves Rêgo
Jogos Bayesianos Prof. Leandro Chaves Rêgo Programa de Pós-Graduação em Estatística - UFPE Programa de Pós-Graduação em Engenharia de Produção - UFPE Recife, 14 de Outubro de 2014 Jogos Bayesianos Jogos
Leia maisMatemática Básica Intervalos
Matemática Básica Intervalos 03 1. Intervalos Intervalos são conjuntos infinitos de números reais. Geometricamente correspondem a segmentos de reta sobre um eixo coordenado. Por exemplo, dados dois números
Leia maisStela Adami Vayego DEST/UFPR
Resumo 5 - Análise Bivariada (Bidimensional) 5.1. Introdução O principal objetivo das análises nessa situação é explorar relações (similaridades) entre duas variáveis. A distribuição conjunta das freqüências
Leia maisBIOESTATÍSTICA. Parte 1 - Estatística descritiva e análise exploratória dos dados
BIOESTATÍSTICA Parte 1 - Estatística descritiva e análise exploratória dos dados Aulas Teóricas de 17/02/2011 a 03/03/2011 1.1. População, amostra e dados estatísticos. Dados qualitativos e quantitativos
Leia maisFACULDADE DE CIÊNCIAS E TECNOLOGIA. Redes de Telecomunicações (2006/2007)
FACULDADE DE CIÊNCIAS E TECNOLOGIA Redes de Telecomunicações (2006/2007) Engª de Sistemas e Informática Trabalho nº4 (1ª aula) Título: Modelação de tráfego utilizando o modelo de Poisson Fundamentos teóricos
Leia mais3º Ano do Ensino Médio. Aula nº09 Prof. Paulo Henrique
Nome: Ano: º Ano do E.M. Escola: Data: / / 3º Ano do Ensino Médio Aula nº09 Prof. Paulo Henrique Assunto: Funções do Segundo Grau 1. Conceitos básicos Definição: É uma função que segue a lei: onde, Tipos
Leia maisMatemática para a Economia I - 1 a lista de exercícios Prof. - Juliana Coelho
Matemática para a Economia I - 1 a lista de exercícios Prof. - Juliana Coelho 1 - Para cada função abaixo, calcule os valores pedidos, quando for possível: (a) f(x) = x 3 3x + 3x 1, calcule f(0), f( 1)
Leia maisAlgoritmos e Estruturas de Dados I. Variáveis Indexadas. Pedro O.S. Vaz de Melo
Algoritmos e Estruturas de Dados I Variáveis Indexadas Pedro O.S. Vaz de Melo Por que índices são importantes? Como uma loja de sapatos artesanais deve guardar os seus produtos? 1 2 3 4 Tamanhos entre
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 maisCAPÍTULO 8. de Variância - ANOVA ANOVA. Análise
CAPÍTULO 8 Análise de Variância - UFRGS Os testes de hipótese apresentados até aqui limitaram-se à comparação de duas médias ou duas variâncias. Contudo, há situações onde se deseja comparar várias médias,
Leia maisCurvas no Plano e no Espaço*
Cálculo III Departamento de Matemática - ICEx - UFMG Marcelo Terra Cunha Curvas no Plano e no Espaço* *Esta segunda versăo corresponde ao que efetivamente foi apresentado na aula de 22/09. É justo dizer
Leia maisAula 1 Conjuntos Numéricos
1 Tecnólogo em Construção de Edifícios Aula 1 Conjuntos Numéricos Professor Luciano Nóbrega 2 SONDAGEM Inicialmente, façamos uma revisão: 1 Calcule o valor das expressões abaixo. Dê as respostas de todas
Leia maisApresentação de Dados
Probabilidade e Estatística CCT - UDESC Apresentação de Dados Departamento de Matemática CCT-UDESC 1 Média amostral Variância amostral 2 Média populacional 3 3 Variância amostral 4 Fórmula eficiente para
Leia maisEquação e Inequação do 2 Grau Teoria
Equação e Inequação do Grau Teoria Candidato segue um resumo sobre resolução e discussão de equações e inequações do grau. Bons Estudos! Equação do Grau Onde Uma Equação do Grau é sentença aberta do tipo
Leia maisÁLGEBRA LINEAR. Transformações Lineares. Prof. Susie C. Keller
ÁLGEBRA LINEAR Transformações Lineares Prof. Susie C. Keller É um tipo especial de função (aplicação), onde o domínio e o contradomínio são espaços vetoriais. Tanto a variável independente quanto a variável
Leia maisIntrodução. Ou seja, de certo modo esperamos que haja uma certa
UNIVERSIDADE FEDERAL DA PARAÍBA Teste de Independência Luiz Medeiros de Araujo Lima Filho Departamento de Estatística Introdução Um dos principais objetivos de se construir uma tabela de contingência,
Leia maisAnálise de Regressão. Notas de Aula
Análise de Regressão Notas de Aula 2 Modelos de Regressão Modelos de regressão são modelos matemáticos que relacionam o comportamento de uma variável Y com outra X. Quando a função f que relaciona duas
Leia mais