M. Eisencraft 4.6 Distribuição e densidade de uma soma de variáveis aleatórias57. + w y. f X,Y (x,y)dxdy (4.24) w y
|
|
- Izabel de Sá Vidal
- 7 Há anos
- Visualizações:
Transcrição
1 M. Eisencraft 4.6 Distribuição e densidade de uma soma de variáveis aleatórias57 Assim, e usando a Eq. (4.17), F W (w) = F W (w) = + w y + x= f X,Y (x,y)dxdy (4.24) w y f Y (y)dy f X (x)dx (4.25) x= Diferenciando a Eq e usando a regra de Leibniz chega-se à função densidade desejada f W (w) = + f Y (y)f X (w y)dy. (4.26) Esta expressão é uma integral de convolução. Consequentemente, mostrou-se que a função densidade da soma de duas variáveis aleatórias estatísticamente independentes é a convolução das suas densidades individuais. Exercício 4.8. Calcule a densidade de W = X + Y em que as densidades de X e Y são, respectivamente, f X (x) = 1 [u(x) u(x a)] a (4.27) f Y (y) = 1 [u(y) u(y b)] b (4.28) com 0 < a < b Soma de diversas variáveis aleatórias Quando deseja-se considerar a soma Y de N variáveis aleatórias X 1, X 2,..., X N, pode-se extender os resultados acima. Continuando o processo encontra-se que a função densidade de Y = X 1 +X X N é a convolução das funções densidade individuais: f Y (y) = f XN (x N ) f XN 1 (x N 1 ) f X1 (x 1 ). (4.29)
2 M. Eisencraft 4.7 Teorema do Limite Central Teorema do Limite Central De forma geral, o teorema do limite central diz que a função distribuição de probabilidades da soma de um grande número de VAs aproxima-se de uma distribuição gaussiana. Seja X i e σ 2 X i as médias e variâncias, respectivamente, de N variáveis aleatórias X i, i = 1,2,...,N que podem ter densidades de probabilidade arbitrárias. O teorema do limite central estabelece que a soma Y N = X 1 +X 2 + +X N, que tem média Y N = X 1 + X X N e variância σ 2 Y = σ2 X 1 +σ 2 X 2 + +σ 2 X N tem uma distribuição de probabilidade que se aproxima de uma gaussiana para N. A importância prática do teorema do limite central não reside tanto na exatidão da distribuição gaussiana quando N porque a variância de Y N torna-se infinita, mas sim no fato de que Y N para N finito ter distribuição muito próxima de uma gaussiana. Exercício 4.9. Use o Matlab R para traçar histogramas da variável aleatória Y = X 1 +X 2 + +X N, sendo que cada uma das VAs X i tem distribuição uniforme no intervalo [0,1]. Veja o que ocorre para diversos valores de N.
3 Capítulo 5 Operações sobre múltiplas variáveis aleatórias Nessa seção, estende-se o conceito de valor esperado para o caso de duas ou mais variáveis aleatórias. 5.1 Valor esperado de uma função de variáveis aleatórias O valor esperado de uma função de uma variável aleatória foi definido na Seção 3.1 por E[g(X)] = g(x)f X (x)dx. (5.1) Quando mais de uma variável aleatória é envolvida, o valor esperado deve ser tomado em relação atodasasvariáveis envolvidas. Por exemplo, seg(x,y) éuma função deduas variáveis aleatórias X e Y, o valor esperado de g(.,.) é dado por g = E[g(X,Y)] = g(x,y)f X,Y (x,y)dxdy. (5.2) Para N variáveis aleatórias X 1, X 2,..., X N e uma função dessas variáveis denotada por 59
4 M. Eisencraft 5.1 Valor esperado de uma função de variáveis aleatórias 60 g(x1,...,x N ), o valor esperado dessa função se torna: g = E[g(X 1,...,X N )] = g(x 1,...,x N )f X1,...,X N (x 1,...,x N )dx 1...dx N. (5.3) Um resultado que segue diretamente da definição acima é que o valor esperado de uma soma ponderada de variáveis aleatórias g(x 1,...,X N ) = N α i X i (5.4) é a soma ponderada de seus valores médios: [ N ] g = E α i X i = N α i E[X i ] (5.5) Momentos conjuntos em torno da origem Uma importante aplicação do valor esperado é na definição de momentos conjuntos em torno da origem. Eles são denotados por m nk e são definidos por m nk = E [ X n Y k] = x n y k f X,Y (x,y)dxdy (5.6) para o caso de duas variáveis aleatórias X e Y. Claramente, m n0 = E[X n ] são os momentos m n de X e m 0k = E [ Y k] são os momentos de Y. A soma n + k é chamada de ordem dos momentos. Assim, m 02, m 20 e m 11 são todos momentos de segunda ordem de X e Y. Os momentos de primeira ordem m 01 = E[Y] = Y e m 10 = E[X] = X são os valores esperados de X e Y respectivamente e são as coordenadas do centro de gravidade da função f X,Y (x,y). O momento de segunda ordem m 11 = E[XY] é chamado de correlação de X e Y. Ele é tão
5 M. Eisencraft 5.1 Valor esperado de uma função de variáveis aleatórias 61 importante que recebe um símbolo especial R XY. Assim, R XY = m 11 = E[XY] = xyf X,Y (x,y)dxdy. (5.7) Se a correlação puder ser escrita na forma R XY = E[X] E[Y], (5.8) então X e Y são ditas não-correlacionadas. A independência estatística de X e Y é suficiente para garantir que elas são não-correlacionadas. Porém, o contrário não é verdade em geral. Ou seja, independência implica não-correlação, mas não-correlação não implica independência. Se R XY = 0 as variáveis X e Y são ditas ortogonais. Resumindo: f X,Y (x,y) = f X (x) f Y (y) X e Y são independentes R XY = E[X] E[Y] X e Y são não-correlacionadas R XY = 0 X e Y são ortogonais X e Y são independentes X e Y são não-correlacionadas Exercício 5.1. Seja X uma variável aleatória com valor médio X = E[X] = 3 e variância σ 2 X = 2 e uma outra variável Y dada por Y = 6X +22. Pede-se: a E[X 2 ] b Y c R XY d as variáveis são correlacionadas? e as variáveis são ortogonais?
6 M. Eisencraft 5.1 Valor esperado de uma função de variáveis aleatórias Momentos conjuntos centrais Uma outra aplicação importante da definição de valores esperado é a definição de momentos centrais conjuntos. Para duas variáveis aleatórias X e Y, estes momentos denotados por µ n,k são dados por: [ (X ) n ( ) k ] µ nk = E X Y Y = ( x X ) n ( y Y ) kfx,y (x,y)dxdy (5.9) Os momentos centrais de segunda ordem [ (X ) 2 ] µ 20 = E X = σx 2 (5.10) [ (Y ) 2 ] µ 02 = E Y = σy 2 (5.11) (5.12) são as variâncias de X e Y. Omomento conjuntodesegundaordemµ 11 émuitoimportante. Échamadodeco-variância de X e Y é simbolizado por C XY. Assim, C XY = µ 11 = E [( X X )( Y Y )] = ( x X )( y Y ) fx,y (x,y)dxdy. (5.13) Expandindo-se o produto ( X X )( Y Y ) esta integral se reduz a C XY = R XY X Y = R XY E[X] E[Y] (5.14) SeX ey foremindependentes ounão-correlacionadas, entãor XY = E[X] E[Y]eC XY = 0. Se X e Y forem ortogonais, então C XY = E[X] E[Y]. Claramente, C XY = 0 se X ou Y também tiverem média nula além de serem ortogonais.
7 M. Eisencraft 5.2 Funções características conjuntas 63 O momento de segunda ordem normalizado ρ = µ 11 µ20 µ 02 = C XY σ X σ Y (5.15) é conhecido como coeficiente de correlação de X e Y. Pode-se mostrar [1] que 1 ρ 1. Uma aplicação direta das definições acima é que se X é uma soma ponderada de variáveis aleatórias X i, X = N α ix i, então E[X] = N α i X i (5.16) N σx 2 = αi 2 σ2 X i. (5.17) Exercício 5.2. [1] Num sistema de controle, sabe-se que uma tensão aleatória X tem média X = m 1 = 2V e momento de segunda ordem X 2 = m 2 = 9V 2. Se a tensão X é amplificada por um amplificador que fornece como saída Y = 1,5X +2, encontre σ 2 X, Y, Y 2, σ 2 Y e R XY. 5.2 Funções características conjuntas A função característica conjunta de duas VAs X e Y é definida por Φ X,Y (ω 1,ω 2 ) = E [ e jω 1X+jω 2 Y ] (5.18) em que ω 1 e ω 2 são números reais. Uma forma equivalente é Φ X,Y (ω 1,ω 2 ) = f X,Y (x,y)e jω 1x+jω 2 y dxdy. (5.19) Esta expressão é a transformada de Fourier bidimensional (com os sinais de ω 1 e ω 2 trocados) [3]. Fazendo ω 2 = 0 ou ω 1 = 0 na Eq. (5.19), a função característica de X ou Y é obtida,
8 M. Eisencraft 5.2 Funções características conjuntas 64 respectivamente. São as chamadas funções características marginais: Φ X (ω 1 ) = Φ X,Y (ω 1,0) (5.20) Φ Y (ω 2 ) = Φ X,Y (0,ω 2 ) (5.21) Os momentos conjuntos m nk podem ser encontrados a partir da função característica conjunta por: m nk = ( j) n+k n+k Φ X,Y (ω 1,ω 2 ) ω n 1 ω k 2 ω1 =0,ω 2 =0 (5.22) Esta expressão é a generalização bidimensional da Eq. (3.16). Exercício 5.3. Duas variáveis aleatórias X e Y tem função característica conjunta Φ X,Y (ω 1,ω 2 ) = exp ( 2ω 2 1 8ω3 2 ) (5.23) Mostre que X e Y têm média nula é que elas são não correlacionadas.
9 Referências Bibliográficas [1] P. Z. P. Jr., Probability, Random Variables And Random Signal Principles, 4th ed. New York: Mcgraw-Hill, [2] B. P. Lathi, Modern Digital and Analog Communication Systems, 3rd ed. New York, NY, USA: Oxford University Press, Inc., [3] A. V. Oppenheim, A. S. Willsky, and S. H. Nawab, Sinais e sistemas, 2nd ed. São Paulo: Pearson Prentice Hall,
5.3 Variáveis aleatórias gaussianas conjuntas
M. Eisencraft 5.3 Variáveis aleatórias gaussianas conjuntas 64 respectivamente. São as chamadas funções características marginais: Φ X (ω ) = Φ X,Y (ω,0) (5.0) Φ Y (ω ) = Φ X,Y (0,ω ) (5.) Os momentos
Leia maisProcessos aleatórios - características
Capítulo 6 Processos aleatórios - características temporais 6.1 O conceito de processo aleatório Um processo aleatório ou estocástico é um espaço de amostras em que cada elemento é associado a uma função
Leia maisM. Eisencraft 6.3 Funções de correlação 81. R YX (τ) R YY (τ). (6.19) R XY (τ) = R YX ( τ) (6.20)
M. Eisencraft 6.3 Funções de correlação 81 R XY (τ) = E[X(t)Y(t+τ)] e (6.17) R YX (τ) = E[Y(t)X(t+τ)]. (6.18) As propriedades de correlação de dois processos X(t) e Y(t) podem ser mostradas convenientemente
Leia mais2.3 Operações sobre uma variável aleatória - Esperança matemática
matemática 58 atingir a mosca dado que ele atingiu o alvo. Exercício 2.33. [3] Duas caixas tem bolas vermelhas, verdes e azuis dentro; a quantidade de cada uma é dada a seguir. Caixa 01-5 vermelhas; 35
Leia maisNeste capítulo é introduzido um conceito que permite definir eventos de uma forma mais
Capítulo 2 A variável aleatória Neste capítulo é introduzido um conceito que permite definir eventos de uma forma mais consistente. Este novo conceito é o de variáveis aleatórias e se constitui em uma
Leia mais5.7 Amostragem e alguns teoremas sobre limites
M. Eisencraft 5.7 Amostragem e alguns teoremas sobre limites 7 5.7 Amostragem e alguns teoremas sobre limites Para quantificar os problemas associados às medidas práticas de uma VA, considere o problema
Leia maisAula 11. Variáveis Aleatórias Contínuas Bidimensionais
Aula. Variáveis Aleatórias Contínuas Bidimensionais Resumo de caso unidimensional Caso Discreto p p 2 p 3 Caso Contínuo f(x) x x 2 x 3 i p i + f x dx X x x 2 x 3 P p p 2 p 3 Caso bidimensional Caso Discreto
Leia maisMP-208: Filtragem Ótima com Aplicações Aeroespaciais
MP-208: Filtragem Ótima com Aplicações Aeroespaciais Seção 2.6: Vetores Aleatórios Davi Antônio dos Santos Departamento de Mecatrônica Instituto Tecnológico de Aeronáutica davists@ita.br São José dos Campos,
Leia maisOperações sobre uma variável aleatória
Capítulo 3 Operações sobre uma variável aleatória - Esperança matemática Neste capítulo, introduz-se algumas operações importantes que podem ser realizadas sobre uma variável aleatória. 3.1 Esperança Valor
Leia maisEisencraft e Loiola 2.1 Probabilidade 37. Para resolver problemas de probabilidades são necessários 3 passos:
Eisencraft e Loiola 2.1 Probabilidade 37 Modelo matemático de experimentos Para resolver problemas de probabilidades são necessários 3 passos: a Estabelecimento do espaço das amostras b Definição dos eventos
Leia maisPar de Variáveis Aleatórias
Par de Variáveis Aleatórias Luis Henrique Assumpção Lolis 7 de abril de 2014 Luis Henrique Assumpção Lolis Par de Variáveis Aleatórias 1 Conteúdo 1 Introdução 2 Par de Variáveis Aleatórias Discretas 3
Leia maisTE802 Processos Estocásticos em Engenharia
TE802 Processos Estocásticos em Engenharia Duas Variáveis Aleatórias 29 de agosto de 2017 Duas Variáveis Aleatórias Função Distribuição Acumulada Conjunta: F X,Y (x,y) = P[X x, Y y] Propriedades: (a) 0
Leia maisProcessos 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 maisProcessos Estocásticos. Variáveis Aleatórias. Variáveis Aleatórias. Variáveis Aleatórias. Variáveis Aleatórias. Luiz Affonso Guedes
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 maisProcessos Estocásticos. Luiz Affonso Guedes
Processos Estocásticos Luiz Affonso Guedes Sumário Probabilidade Variáveis Aleatórias Funções de Uma Variável Aleatória Funções de Várias Variáveis Aleatórias Momentos e Estatística Condicional Teorema
Leia maisPRE29006 LISTA DE EXERCÍCIOS #
INSTITUTO FEDERAL DE SANTA CATARINA CAMPUS SÃO JOSÉ COORDENADORIA DE ÁREA DE TELECOMUNICAÇÕES ENGENHARIA DE TELECOMUNICAÇÕES PRE9006 LISTA DE EXERCÍCIOS #3 06. Exercícios. [, Exercício 7.] Seja A uma variável
Leia maisM. Eisencraft 6.5 Processos aleatórios gaussianos 86. t1 +T. x(t)y(t+τ)dt. (6.35) t 1 T. x(t)y(t+τ)dt R xy (τ) = R XY (τ). (6.36)
M. Eisencraft 6.5 Processos aleatórios gaussianos 86 R 0 (t 1 +2T) = 1 2T t1 +T t 1 Assim, tomando t 1 = 0 e assumindo que T é grande, temos x(t)y(t+τ)dt. (6.35) R 0 (2T) = 1 2T x(t)y(t+τ)dt R xy (τ) =
Leia maisTE802 Processos Estocásticos em Engenharia
TE802 Processos Estocásticos em Engenharia Vetores Aleatórios 10 de setembro de 2017 Modelos Probabiĺısticos para N Variáveis Aleatórias F X1,...,X n (x 1,...,x n) = P[X 1 x 1,..., X n x n] (x 1,...,x
Leia maisPrincípios de Comunicação - s.7
Princípios de Comunicação - s.7 Adão Souza Jr. July 7, 207 Abstract Variável aleatória. Momentos de de primeira ordem. Processo gaussiano. Teorema do limite central. Momentos conjuntos. Geração de distribuições
Leia maisM. Eisencraft 2.5 Outros exemplos de distribuições e densidades 29. Densidade e distribuição uniforme. 0 a b x. 0 a b x
M. Eisencraft 2.5 Outros eemplos de distribuições e densidades 29 Densidade e distribuição uniforme /(b a) () a b.8 ().6.4.2.2 a b 2.5.2 Eponencial Figura 2.8: Funções densidade e distribuição uniforme.
Leia maisMódulo II: Cálculo dos Momentos de um Processo Estocástico, Processo de Bernoulli, Processo Random Walk
Módulo II: Cálculo dos Momentos de um Processo Estocástico, Processo de Bernoulli, Processo Random Walk Wamberto J. L. Queiroz Universidade Federal de Campina Grande-UFCG Departamento de Engenharia Elétrica
Leia maisProbabilidade e Variáveis Aleatórias. Prof. Walter Fetter Lages 4 de outubro de 2004
Universidade Federal do Rio Grande do Sul Escola de Engenharia Departamento de Engenharia Elétrica Programa de Pós-Graduação em Engenharia Elétrica ELE0007-Tópicos Especiais em Automação e Controle II
Leia mais3 3. Variáveis Aleatórias
ÍNDICE 3. VARIÁVEIS ALEATÓRIAS...49 3.. VARIÁVEIS ALEATÓRIAS UNIDIMENSIONAIS...49 3.2. VARIÁVEIS DISCRETAS FUNÇÃO DE PROBABILIDADE E FUNÇÃO DISTRIBUIÇÃO DE PROBABILIDADE...50 3.2.. Função de probabilidade...50
Leia maisAnálise de Dados e Simulação
Universidade de São Paulo Instituto de Matemática e Estatística http:www.ime.usp.br/ mbranco Simulação de Variáveis Aleatórias Contínuas. O método da Transformada Inversa Teorema Seja U U (0,1). Para qualquer
Leia maisPrincípios de Modelagem Matemática Aula 10
Princípios de Modelagem Matemática Aula 10 Prof. José Geraldo DFM CEFET/MG 19 de maio de 2014 1 Alguns resultados importantes em estatística A distribuição normal tem importante papel em estatística pois
Leia maisVariáveis Aleatórias Bidimensionais &Teoremas de Limite 1/22
all Variáveis Aleatórias Bidimensionais & Teoremas de Limite Professores Eduardo Zambon e Magnos Martinello UFES Universidade Federal do Espírito Santo DI Departamento de Informática CEUNES Centro Universitário
Leia maisVariáveis Aleatórias. Departamento de Matemática Escola Superior de Tecnologia de Viseu
Variáveis Aleatórias Departamento de Matemática Escola Superior de Tecnologia de Viseu Exemplo No lançamento de duas moedas ao ar, os resultados possíveis são: FF, FC, CF ou CC. No entanto, o nosso interesse
Leia maisFundamentos da Teoria da Probabilidade
Fundamentos da Teoria da Probabilidade Edmar José do Nascimento (Princípios de Comunicações) http://www.univasf.edu.br/ edmar.nascimento Universidade Federal do Vale do São Francisco Sinais Aleatórios
Leia maisAnexo 1 - Revisões de Teoria das Probabilidades e Processos Estocásticos
1 Anexo 1 - Revisões de Teoria das Probabilidades e Processos Estocásticos Documento auxiliar à disciplina de Modelação, Identificação e Controlo Digital Alexandre Bernardino 003/005 IST-Secção de Sistemas
Leia maisVariáveis 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 maisA estacionariedade prova-se de maneira semel- hante.
Se por outro lado (U 1, U 2,...) é IID então mostremos que X n U 1 + + U n tem incrementos independentes e estacionários. De facto, dados n > m temos que X n X m U m+1 + + U n. Tome-se quaisquer n 1
Leia maisProcessos Aleatórios e Ruído
Processos Aleatórios e Ruído Luis Henrique Assumpção Lolis 11 de abril de 2014 Luis Henrique Assumpção Lolis Processos Aleatórios e Ruído 1 Conteúdo 1 O Experimento Aleatório / Espaço de Amostras 2 Algebra
Leia maisCAPÍTULO 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 maisDepartamento de Matemática Escola Superior de Tecnologia de Viseu. Engenharia e Gestão Industrial
Variáveis Aleatórias Departamento de Matemática Escola Superior de Tecnologia de Viseu Engenharia e Gestão Industrial 1 Exemplo No lançamento de duas moedas ao ar, os resultados possíveis são: FF, FC,
Leia maisSeja (X,Y) uma v.a. bidimensional contínua ou discreta. Define-se valor esperado condicionado de X para um dado Y igual a y da seguinte forma:
46 VALOR ESPERADO CONDICIONADO Seja (X,Y) uma v.a. bidimensional contínua ou discreta. Define-se valor esperado condicionado de X para um dado Y igual a y da seguinte forma: Variável contínua E + ( X Y
Leia maisMotivação. VA n-dimensional. Distribuições Multivariadas VADB. Em muitas situações precisamos
Motivação Em muitas situações precisamos Prof. Lorí Viali, Dr. viali@pucrs.br lidar com duas ou mais variáveis aleatórias ao mesmo tempo. Por exemplo o comprimento e a largura de uma determinada peça.
Leia maisAnexo 1 - Revisões de Teoria das Probabilidades e Processos Estocásticos
1 Anexo 1 - Revisões de Teoria das Probabilidades e Processos Estocásticos Documento auxiliar à disciplina de Modelação, Identificação e Controlo Digital Alexandre Bernardino IST-Secção de Sistemas e Controlo
Leia maisCE085 - Estatística Inferencial
CE085 - Estatística Inferencial Revisão: Probabilidade Básica Prof. Wagner Hugo Bonat Laboratório de Estatística e Geoinformação - LEG Curso de Bacharelado em Estatatística Universidade Federal do Paraná
Leia maisTE802 Processos Estocásticos em Engenharia. Valores Esperados de Somas de Variáveis Aleatórias Notes. PDF da Soma de Duas Variáveis Aleatórias.
TE802 Processos Estocásticos em Engenharia Somas de Variáveis Aleatórias 25 de abril de 2016 Valores Esperados de Somas de Variáveis Aleatórias Seja W n = X 1 + + X n, E[W n ] = E[X 1 ] + E[X 2 ] + + E[X
Leia maisDisciplina: Processamento Estatístico de Sinais (ENGA83) - Aula 02 / Processos Aleatórios
Disciplina: Processamento Estatístico de Sinais (ENGA83) - Aula 02 / Processos Aleatórios Prof. Eduardo Simas (eduardo.simas@ufba.br) Programa de Pós-Graduação em Engenharia Elétrica/PPGEE Universidade
Leia maisNotas de Probabilidades e Estatística
Notas de Probabilidades e Estatística Giovani Loiola da Silva Dep. Matemática - IST Setembro, 2008 Estas notas visam apoiar as aulas teóricas da disciplina Probabilidades e Estatística. Agradecimentos:
Leia maiscanal para sinais contínuos
Processos estocásticos, Entropia e capacidade de canal para sinais contínuos 24 de setembro de 2013 Processos estocásticos, Entropia e capacidade de canal para1 sin Conteúdo 1 Probabilidade de sinais contínuos
Leia mais1.4.2 Probabilidade condicional
M. Eisencraft 1.4 Probabilidades condicionais e conjuntas 9 Portanto, P(A B) = P(A)+P(B) P(A B) (1.2) Para eventos mutuamente exclusivos, P(A B) = e P(A)+P(B) = P(A B). 1.4.2 Probabilidade condicional
Leia maisEstatística Matemática I
Estatística Matemática I Roseli Aparecida Leandro e Clarice G.B. Demétrio Março de 2011 Depto. de Ciências Exatas, ESALQ/USP e-mail: raleandr@esalq.usp.br 1 Variáveis aleatórias Sejam E um experimento
Leia mais2.2 A variável aleatória
Eisencraft e Loiola 2.2 A variável aleatória 45 de 24 por minuto e que a probabilidade de acertar um alvo seja,4. Encontre a probabilidade de que eatamente 5 balas atinjam o alvo. (Dica: use a aproimação
Leia mais1.3.2 Sistemas LIT - a integral de convolução
Eisencraft e Loiola 1.3 Análise e transmissão de sinais 23 Figura 1.22: Propriedades da Transformada de Fourier [1]. 1.3.2 Sistemas LIT - a integral de convolução Na Seção 1.2, página 4, já foi discutido
Leia maisTE802 Processos Estocásticos em Engenharia. Valores Esperados de Somas de Variáveis Aleatórias. TE802 Somas de Variáveis Aleatórias
TE802 Processos Estocásticos em Engenharia Somas de Variáveis Aleatórias 27 de setembro de 2017 Valores Esperados de Somas de Variáveis Aleatórias Seja W n = X 1 + + X n, E[W n ] = E[X 1 ] + E[X 2 ] +
Leia maisEstatística Descritiva e Exploratória
Gledson Luiz Picharski e Wanderson Rodrigo Rocha 9 de Maio de 2008 Estatística Descritiva e exploratória 1 Váriaveis Aleatórias Discretas 2 Variáveis bidimensionais 3 Váriaveis Aleatórias Continuas Introdução
Leia maisVARIÁVEIS 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 mais2 Conceitos de Teoria da Probabilidade
2 Conceitos de Teoria da Probabilidade Neste capítulo, enunciaremos algumas denições e resultados de teoria de probabilidade. justicativa deste capítulo reside no fato que u objetivo nal é estimar momentos
Leia maisVariância, DP e Desigualdades
Variância, DP e Desigualdades Renato Martins Assunção DCC - UFMG 2016 Renato Martins Assunção (DCC - UFMG) Variância, DP e Desigualdades 2016 1 / 76 Esperança e Variância Suponha que você VAI SIMULAR uma
Leia maisCapítulo 5 - Distribuições conjuntas de probabilidade e complementos 3
Capítulo 5 - Distribuições conjuntas de probabilidade e complementos Conceição Amado e Ana M. Pires Departamento de Matemática Instituto Superior Técnico Capítulo 5 - Distribuições conjuntas de probabilidade
Leia maisProbabilidades e Estatística TODOS OS CURSOS
Duração: 90 minutos Grupo I Probabilidades e Estatística TODOS OS CURSOS Justifique convenientemente todas as respostas o semestre 07/08 0/07/08 :0 o Teste C 0 valores. Um relatório anual estabelece que
Leia maisVetor de Variáveis Aleatórias
Vetor de Variáveis Aleatórias Luis Henrique Assumpção Lolis 25 de junho de 2013 Luis Henrique Assumpção Lolis Vetor de Variáveis Aleatórias 1 Conteúdo 1 Vetor de Variáveis Aleatórias 2 Função de Várias
Leia maisAula 3 - Revisão de Probabilidade e Estatística: Esclarecimento de Dúvidas
Aula 3 - Revisão de Probabilidade e Estatística: Esclarecimento de Dúvidas Matheus Rosso e Camila Steffens 19 de Março de 2018 Independência de variáveis aleatórias Duas V.A. são independentes se, e somente
Leia maisReviso de Teoria da Medida e Elementos Bsicos de Probabilidade
Reviso de Teoria da Medida e Elementos Bsicos de Probabilidade Roberto Imbuzeiro Oliveira 9 de Março de 2009 Resumo Esta lista cobre o básico do básico sobre espaços e distribuições de probabilidade. Pouco
Leia maisProf. Lorí Viali, Dr.
Prof. Lorí Viali, Dr. viali@mat.ufgrs.br http://www.mat.ufrgsbr/~viali/ Motivação Em muitas situações precisamos lidar com duas ou mais variáveis aleatórias ao mesmo tempo. Por exemplo o comprimento e
Leia maisTeoria da Informação
Charles Casimiro Cavalcante charles@gtel.ufc.br Grupo de Pesquisa em Telecomunicações Sem Fio GTEL Programa de Pós-Graduação em Engenharia de Teleinformática Universidade Federal do Ceará UFC http://www.gtel.ufc.br/
Leia maisDisciplina: Processamento Estatístico de Sinais (ENGA83) - Aula 01 / Introdução
Disciplina: Processamento Estatístico de Sinais (ENGA83) - Aula 1 / Introdução Prof. Eduardo Simas (eduardo.simas@ufba.br) Programa de Pós-Graduação em Engenharia Elétrica/PPGEE Universidade Federal da
Leia maisVariáveis Aleatórias. Henrique Dantas Neder. April 26, Instituto de Economia - Universidade Federal de Uberlândia
Variáveis Aleatórias Henrique Dantas Neder Instituto de Economia - Universidade Federal de Uberlândia April 2, 202 VARIÁVEL ALEATÓRIA DISCRETA O conceito de variável aleatória está intrínsicamente relacionado
Leia maisDisciplina: Processamento Estatístico de Sinais (ENGA83) - Aula 01 / Introdução
Disciplina: Processamento Estatístico de Sinais (ENGA83) - Aula 1 / Introdução Prof. Eduardo Simas (eduardo.simas@ufba.br) Programa de Pós-Graduação em Engenharia Elétrica/PPGEE Universidade Federal da
Leia maisProbabilidade Aula 11
0303200 Probabilidade Aula 11 Magno T. M. Silva Escola Politécnica da USP Junho de 2017 A maior parte dos exemplos dessa aula foram extraídos de Jay L. Devore, Probabilidade e Estatística para engenharia
Leia maisConteúdo 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 maisMESTRADO INTEGRADO EM ENGENHARIA ELECTROTÉCNICA E DE COMPUTADORES PROBABILIDADES E ESTATÍSTICA. 1ª Chamada 10/01/2008.
MESTRADO INTEGRADO EM ENGENHARIA ELECTROTÉCNICA E DE COMPUTADORES PROBABILIDADES E ESTATÍSTICA 1ª Chamada 10/01/2008 Parte Teórica DURAÇÃO : 50 min COTAÇÃO DA PARTE TEÓRICA: 8 Valores em 20 PERGUNTAS DE
Leia maisLista de Exercícios #5 Assunto: Variáveis Aleatórias Multidimensionais Contínuas
1. ANPEC 018 Questão 9 Uma pessoa investe R$ 10.000,00 (I) em duas aplicações cujas taxas de retorno são variáveis aleatórias independentes, R 1 e R, com médias 5% e 14% e desvios-padrão 1% e 8%, respectivamente.
Leia mais5 a Lista de PE Solução
Universidade de Brasília Departamento de Estatística 5 a Lista de PE Solução. Sejam X A e X B o números de jogos que o time ganha contra times da classe A e da classe B respectivamente. Claramente X A
Leia maisUniversidade Federal do ABC. Processos Estocásticos. Profs. Marcio Eisencraft e Murilo Loiola
Universidade Federal do ABC Processos Estocásticos Profs. Marcio Eisencraft e Murilo Loiola São Paulo 2011 Capítulo 1 Introdução à análise e transmissão de sinais 1.1 Intodução Neste curso, trata-se dos
Leia maisAULA 11 - Valor esperado e suas propriedades
AULA 11 - Valor esperado e suas propriedades Susan Schommer Introdução à Estatística Econômica - IE/UFRJ O valor esperado de uma variável aleatória Como forma de resumir o comportamento de uma variável
Leia maisVetor de Variáveis Aleatórias
Vetor de Variáveis Aleatórias Luis Henrique Assumpção Lolis 14 de abril de 2014 Luis Henrique Assumpção Lolis Vetor de Variáveis Aleatórias 1 Conteúdo 1 Vetor de Variáveis Aleatórias 2 Função de Várias
Leia maisMotivação. VA n-dimensional. Distribuições Multivariadas VADB
Motivação Em muitas situações precisamos lidar com duas ou mais variáveis aleatórias ao mesmo tempo. Por exemplo o comprimento e a largura de uma Prof. Lorí Viali, Dr. viali@mat.ufgrs.br http://www.mat.ufrgsbr/~viali/
Leia maisCapítulo 2. Variáveis Aleatórias e Distribuições
Capítulo 2 Variáveis Aleatórias e Distribuições Experimento Aleatório Não existe uma definição satisfatória de Experimento Aleatório. Os exemplos dados são de fenômenos para os quais modelos probabilísticos
Leia maisSUMÁRIO. 1.1 Introdução, Conceitos Fundamentais, 2
SUMÁRIO 1 CONCEITOS BÁSICOS, 1 1.1 Introdução, 1 1.2 Conceitos Fundamentais, 2 1.2.1 Objetivo, 2 1.2.2 População e amostra, 2 1.3 Processos estatísticos de abordagem, 2 1.4 Dados estatísticos, 3 1.5 Estatística
Leia maisProcessos Estocásticos
Processos Estocásticos Luis Henrique Assumpção Lolis 26 de maio de 2014 Luis Henrique Assumpção Lolis Processos Estocásticos 1 Conteúdo 1 Introdução 2 Definição 3 Especificando um processo aleatório 4
Leia maisProcessos estocásticos
36341 - Introdução aos Processos Estocásticos Curso de Pós-Graduação em Engenharia Elétrica Departamento de Engenharia Elétrica Universidade de Brasília Processos estocásticos Geovany A. Borges gaborges@ene.unb.br
Leia maisAula 15 Propriedades da TFD
Processamento Digital de Sinais Aula 5 Professor Marcio Eisencraft abril 0 Aula 5 Propriedades da TFD Bibliografia OPPENHEIM, A. V.; SCHAFER. Discrete-time signal processing, 3rd. ed., Prentice-Hall, 00.
Leia maisMomentos: 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 maisVariáveis Aleatórias Contínuas e Distribuição de Probabilidad
Variáveis Aleatórias Contínuas e Distribuição de Probabilidades - parte II 26 de Novembro de 2013 Distribuição Contínua Uniforme Média e Variância Objetivos Ao final deste capítulo você deve ser capaz
Leia maisProbabilidade II. Departamento de Estatística. Universidade Federal da Paraíba
Probabilidade II Departamento de Estatística Universidade Federal da Paraíba Prof. Tarciana Liberal (UFPB) Aula Distribuições Condicionais 11/13 1 / 19 Em estudo feito em sala perguntamos aos alunos qual
Leia maisRicardo Ehlers Departamento de Matemática Aplicada e Estatística Universidade de São Paulo
Geração de Números Aleatórios Ricardo Ehlers ehlers@icmc.usp.br Departamento de Matemática Aplicada e Estatística Universidade de São Paulo 1 / 61 Simulando de Distribuições Discretas Assume-se que um
Leia maisRedes de Computadores sem Fio
Redes de Computadores sem Fio Prof. Marcelo Gonçalves Rubinstein Programa de Pós-Graduação em Engenharia Eletrônica Faculdade de Engenharia Universidade do Estado do Rio de Janeiro Programa Introdução
Leia mais4.1. ESPERANÇA x =, x=1
4.1. ESPERANÇA 139 4.1 Esperança Certamente um dos conceitos mais conhecidos na teoria das probabilidade é a esperança de uma variável aleatória, mas não com esse nome e sim com os nomes de média ou valor
Leia maisEstimativas e Erros. Propagação de erros e Ajuste de funções
Estimativas e Erros Propagação de erros e Ajuste de funções 1 Algumas referências Estimativas e Erros em Experimentos de Física - Vitor Oguri et al (EdUERJ) Fundamentos da Teoria de Erros - José Henrique
Leia maisPARTE TEÓRICA Perguntas de escolha múltipla
PROBABILIDADES E ESTATÍSTICA MIEEC/FEUP PARTE TEÓRICA Perguntas de escolha múltipla 1 Dada a experiência aleatória ε define-se espaço amostral associado a ε como sendo: A O espaço físico onde se realiza
Leia maisIntrodução ao Processamento Estatístico de Sinais
Charles Casimiro Cavalcante charles@gtel.ufc.br Grupo de Pesquisa em Telecomunicações Sem Fio GTEL Departamento de Engenharia de Teleinformática Universidade Federal do Ceará UFC http://www.gtel.ufc.br/
Leia maisDistribuições de probabilidade contínuas
BIE5781 Aula 3 Distribuições de probabilidade contínuas CONCEITOS Distribuições de probabilidade (revisão) Função de densidade probabilística Função de probabilidade acumulada Esperança e variância de
Leia maisNome: N. o : f(u) du para todo o x (V) d) Se F (x) tiver pontos de descontinuidade, então X é discreta (F)
ESTATÍSTICA I 2. o Ano/Gestão 1. o Semestre Época Normal Duração: 2 horas 1. a Parte Teórica N. o de Exame: RESOLUÇÃO 09.01.2015 Este exame é composto por duas partes. Esta é a 1 a Parte Teórica (Cotação:
Leia maisMais sobre Modelos Continuos
Mais sobre Modelos Continuos Ricardo Ehlers ehlers@icmc.usp.br Departamento de Matemática Aplicada e Estatística Universidade de São Paulo 1 / 41 Transformação Linear da Uniforme Seja X uma variável aleatória
Leia maisInferência para CS Modelos univariados contínuos
Inferência para CS Modelos univariados contínuos Renato Martins Assunção DCC - UFMG 2014 Renato Martins Assunção (DCC - UFMG) Inferência para CS Modelos univariados contínuos 2014 1 / 42 V.A. Contínua
Leia maisSUMÁRIOS DE VARIÁVEIS ALEATÓRIAS CONTINUAS
4 SUMÁRIOS DE VARIÁVEIS ALEATÓRIAS CONTINUAS Em muitos problemas de probabilidade que requerem o uso de variáveis aleatórias, uma completa especificação da função de densidade de probabilidade ou não está
Leia maisModelagem Estocástica e Quantificação de Incertezas
Modelagem Estocástica e Quantificação de Incertezas Rubens Sampaio rsampaio@puc-rio.br Roberta de Queiroz Lima robertalima@puc-rio.br Departamento de Engenharia Mecânica DINCON 2015 Organização do curso
Leia maisExercícios de Teoria da Probabilidade e Processos Estocásticos Parte I
Exercícios de Teoria da Probabilidade e Processos Estocásticos Parte I 2014/2015 Os exercícios assinalados com (*) têm um nível de dificuldade superior. Exercício 1. Seja (X, F) um espaço mensurável. Mostre
Leia maisCálculo II (Primitivas e Integral)
Cálculo II (Primitivas e Integral) Antônio Calixto de Souza Filho Escola de Artes, Ciências e Humanidades Universidade de São Paulo 5 de março de 2013 1 Aplicações de Integrais subject Aplicações de Integrais
Leia maisDistribuições derivadas da distribuição Normal. Distribuição Normal., x real.
Distribuições derivadas da distribuição Normal Distribuição Normal Uma variável aleatória X tem distribuição normal com parâmetros µ e σ, quando sua densidade de probabilidade é f ( x) π σ e ( x µ ) σ,
Leia maisAGA Análise de Dados em Astronomia I. 2. Probabilidades
1 / 20 AGA 0505- Análise de Dados em Astronomia I 2. Probabilidades Laerte Sodré Jr. 1o. semestre, 2018 2 / 20 tópicos 1 probabilidades - cont. 2 distribuições de probabilidades 1 binomial 2 Poisson 3
Leia maisDistribuições de Probabilidade Contínuas 1/19
all Distribuições de Probabilidade Contínuas Professores Eduardo Zambon e Magnos Martinello UFES Universidade Federal do Espírito Santo DI Departamento de Informática CEUNES Centro Universitário Norte
Leia maisDISTRIBUIÇÃO CONJUNTA (parte II)
UFPE - Universidade Federal de Pernambuco Departamento de Estatística Disciplina: ET-406 Estatística Econômica Professor: Waldemar A. de Santa Cruz Oliveira Júnior DISTRIBUIÇÃO CONJUNTA (parte II) Variáveis
Leia mais{ C(1 x 2 ), se x ( 1, 1), f(x) = Cxe x/2, se x > 0, x + k, se 0 x 3; 0, c.c. k, se 1 < x 2; kx + 3k, se 2 < x 3;
Universidade de Brasília Departamento de Estatística 4 a Lista de PE 1. Seja X uma variável aleatória com densidade { C(1 x 2 ), se x ( 1, 1), 0, se x / ( 1, 1). a) Qual o valor de C? b) Qual a função
Leia maisAula 1 - Revisão de Probabilidade e Estatística
Aula 1 - Revisão de Probabilidade e Estatística Matheus Rosso e Camila Steffens 1 de Março de 2018 Conteúdos 1. Introdução à probabilidade 2. Probabilidade condicional e independência 3. Variáveis aleatórias
Leia mais