VARIÁVEIS ALEATÓRIAS

Tamanho: px
Começar a partir da página:

Download "VARIÁVEIS ALEATÓRIAS"

Transcrição

1 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

2 Variáveis aleatórias ufjfbr/joaquim_neto 31 Introdução Informalmente, uma variável aleatória va) é uma característica numérica do resultado de um experimento Matematicamente, uma variável aleatória é uma função com domínio Ω e contradomínio R Porém, nem toda função deste tipo é uma variável aleatória Para saber sobre as condições que uma função deve satisfazer para ser uma variável aleatória, consulte James 1981) Ω X ufjfbr/joaquim_neto R Exemplo 38: Em um experimento que consiste em lançar uma moeda n vezes, o número de caras observado é uma característica numérica do experimento Exemplo 39: Suponhamos agora um experimento que consiste em escolher um número ao acaso em [0, 1] Podemos definir uma va X que associa o resultado do experimento ao seu quadrado Assim, Ω = [0, 1] e Xω) = ω, ω Ω Exemplo 330: Suponhamos um experimento que consiste em escolher um número ao acaso no círculo unitário Podemos definir uma va X que associa o resultado do experimento à distância entre o ponto escolhido e a origem Assim, Ω = {x, y) : x + y 1} e, com ω = x, y), Xω) = x + y Notação: Seja x R e A R Consideremos os seguintes conjuntos: Joaquim Neto ufjfbr/joaquim_neto página 51 de 73

3 [X x] = {ω Ω : Xω) x} [X = x] = {ω Ω : Xω) = x} [X < x] = {ω Ω : Xω) < x} [X x] = {ω Ω : Xω) x} [X > x] = {ω Ω : Xω) > x} [X A] = {ω Ω : Xω) A} 3 Função de distribuição acumulada Definição 30: A função de distribuição acumulada fda) de uma variável aleatória X, representada por F é definida por Fx) = P[X x]), x R Obs: A função de distribuição acumulada também é chamada de simplesmente de função de distribuição Exemplo 331: Suponhamos um experimento que consiste em escolher um número ao acaso em Ω = [ 1, 1] Sejam X uma va que associa o número escolhido ao seu quadrado e F a fda de X a) Calcule F05) b) Determine F c) Construa o gráfico de F Solução: a) F 05) = P [ X 05 ]) = P { ω Ω : X ω) 05 }) = P { ω Ω : ω 05 }) = P {ω Ω : 05 ω 05}) = pela definição geométrica de probabilidade ) = = 05 05) 1 1) b) Para x < 0, temos que Para 0 x 1, = 05 F x) = P [ X x ]) = P { ω Ω : X ω) x }) = P { ω Ω : ω x }) = como x < 0) = P ) = 0 a) F x) = P [ X x ]) = P { ω Ω : X ω) x }) = P { ω Ω : ω x }) = P { ω Ω : x ω x }) = pela definição geométrica de probabilidade ) = ) x x = 1 1) = x Joaquim Neto ufjfbr/joaquim_neto página 5 de 73

4 Finalmente, se x > 1, F x) = P [ X x ]) = P { ω Ω : X ω) x }) = P { ω Ω : ω x }) = como x > 1) = PΩ) = 1 Logo, c) Fx) 0, se x < 0 F x) = x, se 0 x 1 1 se x > ufjfbr/joaquim_neto x 33 Variável aleatória discreta e função de probabilidade Definição 31: Uma variável aleatória X é discreta se toma um número finito ou enumerável de valores, ou seja, se existe um conjunto finito ou enumerável {x 1, x, } R tal que P[X {x 1, x, }]) = 1 Se X for uma va discreta, a função px) = P[X = x]) é chamada de função de probabilidade de X px) x ufjfbr/joaquim_neto Gráfico de uma função de probabilidade Joaquim Neto ufjfbr/joaquim_neto página 53 de 73

5 Exemplo 33: Suponhamos um experimento que consiste em jogar dois dados Suponhamos ainda que os resultados são equiprováveis, ou seja, que cada resultado possível tem a mesma probabilidade Seja X uma variável aleatória que associa cada resultado à soma dos números obtidos em cada dado a) Faça o gráfico da função de probabilidade de X b) Faça o gráfico da função de distribuição de X Solução: Veja abaixo uma tabela com os valores de x, px) e Fx) x px) px) decimal) Fx) Fx) decimal) 1/ / / / / / / / / / / / / / / / / / / / / A partir da tabela, podemos construir os gráficos px) x ufjfbr/joaquim_neto a) Função de probabilidade Fx) x ufjfbr/joaquim_neto b) Função de distribuição acumulada Exemplo 333: Suponhamos um experimento que consiste em arremessar um dado honesto Seja X a va associada ao número observado na face voltada para cima após o dado parar Sejam px) e Fx) a função de probabilidade e a função de distribuição acumulada de X, respectivamente a) Calcule p) b) Calcule p35) c) Calcule F) d) Calcule F37) e) Calcule F500) f) Calcule F 9) Joaquim Neto ufjfbr/joaquim_neto página 54 de 73

6 g) Construa o gráfico de px) h) Construa o gráfico de Fx) Solução: Temos que a) p) = P[X = ]) = 1/6 b) p35) = P[X = 35]) = 0 c) F) = P[X ]) = P[X = 1]) + P[X = ]) = 1/6 + 1/6 = /6 d) F37) = P[X 37]) = P[X = 1]) + P[X = ]) + P[X = 3]) = 1/6 + 1/6 + 1/6 = 3/6 e) F500) = P[X 500]) = 1 f) F 9) = P[X 9]) = P[X = 1]) + P[X = ]) + P[X = 3] + P[X = 4] + P[X = 5] + P[X = 6]) = P ) = 0 Obs: Se X é uma va discreta e A R então P X A ) = P [ X A ] [ X { x 1, x, }]) = P X A { x 1, x, })) [ ] = P X = xi i:x i A = P [ ]) X = x i i:x i A Resultado 38: Uma função px) é função de probabilidade de alguma variável aleatória discreta se, e somente se, existir um conjunto finito ou enumerável {x 1, x, } R tal que px) > 0 para x {x 1, x, }, px) = 0 caso contrário e i px i ) = 1 34 Variável aleatória contínua e densidade Definição 3: Uma variável aleatória X é contínua se existe uma função integrável px) 0 tal que x F x) = p t) dt, x R Joaquim Neto ufjfbr/joaquim_neto página 55 de 73

7 Se X for contínua, px) é chamada de função densidade de probabilidade de m _n et o X, ou simplesmente densidade de X /jo aq ui 𝑷 𝑿 𝒙 𝒙 u fjf b r 𝒑 𝒙 Resultado 39: Se X é uma va contínua então PX = x) = 0, x R Resultado 330S: e X é uma va contínua então, a, b R, PX a) = PX < a), PX a) = PX > a), e Pa < X < b) = Pa X b) = Pa < X b) = Pa X < b) Prova: Veremos apenas a prova da primeira equação, pois as demais possuem provas análogas PX a) = P[X < a] [X = a]) = pelo axioma 3) = = PX < a) + PX = a) = PX < a) + 0 = PX < a) Resultado 331: Se X é uma va contínua com densidade px), então Rb a p x) dx, a, b R 𝑷 𝒂<𝑿<𝒃 r/ jo aq ui m _n et o Pa X b) = Pa < X < b) = Fb) Fa) = u fjf b 𝒑 𝒙 𝒃 𝒂 Joaquim Neto ufjfbr/joaquim_neto página 56 de 73

8 Prova: Pa X b) = Pa < X b) = P[X b] [X a] c ) = PX b) PX a) = Fb) Fa) b a b = p x) dx p x) dx = p x) dx a Exemplo 334: Seja X uma variável aleatória com densidade p x) = { 6x x ), se 0 x 1 0, caso contrário a) Encontre a função de distribuição acumulada de X b) Calcule P0 < x < 07) Solução: a) Para x 0, F x) = x p t) dt = x 0dt = 0 Para 0 < x < 1, x x F x) = p t) dt = 6 x t t ) dt = 6 t t dt 0 0 = 6 t t3 x 3 = 6 x x3 = 3x x Para x 1, 0 1 F x) = p t) dt + 0 x 1 p t) dt + p t) dt = t t ) dt = 1 b) Usando a função de distribuição acumulada encontrada no item anterior, temos P0 < x < 07) = F07) F0) = ) = 068 Resultado 33: Uma função px) é densidade de alguma variável aleatória contínua se, e somente se, px) 0, x R e Joaquim Neto ufjfbr/joaquim_neto página 57 de 73

9 R p x) dx = 1 _n et o 𝒑 𝒙 𝒅𝒙 = 𝟏 𝒑 𝒙 u fjf b r/ jo aq ui m Resultado 333: Uma função F é uma função de distribuição se, e somente se, as condições abaixo forem satisfeitas: x y implicar Fx) Fy), ou seja, F for uma função não decrescente lim F x) = F a), ou seja, F for contínua a direita x a+ lim F x) = 0 x lim F x) = 1 x Prova: Ver James 1981) Resultado 334: Para os pontos x onde Fx) é derivável, temos que px) = F0 x) Prova: Teorema Fundamental do Cálculo Obs: Este resultado estabelece que a densidade de uma va contínua pode ser obtida derivando a função de distribuição acumulada Exemplo 335: Sejam k R e X uma va com função de distribuição acumulada k 1 e x, se x > 0 F x) = 0, se x 0 a) Calcule o valor de k b) Encontre a densidade de X Solução: a) Lembre-se que o limite da função de distribuição acumulada quando x tende a infinito é igual a 1 Assim, lim F x) = 1 k lim 1 e x = 1 x k lim 1 e x = 1 x x k =1 k = Joaquim Neto ufjfbr/joaquim_neto página 58 de 73

10 et o _n im oa qu r/j jf b u f b) Como a densidade é dada pela derivada da função de distribuição acumulada, temos que Se x 0, Se x > 0, p x) = F0 x) = 0)0 = 0 0 p x) = F0 x) = 1 e x = e x Logo p x) = 35 0, se x 0 e x, se x > 0 Variável aleatória mista Exemplo 336: A função de distribuição acumulada de uma variável aleatória X é dada por: F x) = a) Faça o b) Calcule c) Calcule d) Calcule e) Calcule f) Calcule Solução: 0, se x < 0 x, se 0 x < 1, se 1 x < 3 11, se x < 3 1 1, se x 3 gráfico de Fx) PX = ) PX < ) PX = 1) PX > 1 ) P1 < X < 3) a) 11 3 = 1 b) PX = ) = 1 = 41 = 0, c) PX < ) = PX ) PX = ) = 1 1 = 1 = = 0, d) PX = 1) = 3 = 6 = 1, e) PX > 1 ) = 1 PX 1 ) = 1 41 = 4 = 075 Joaquim Neto ufjfbr/joaquim_neto página 59 de 73

11 f) P1 < X < 3) = PX < 3) PX 1) = PX 3) PX = 3) PX 1) = ) 3 = 0, 5 36 Função de uma variável aleatória Se X é uma variável aleatória, então qualquer função de X, digamos gx), é também uma variável aleatória Assim, podemos considerar uma variável Y = gx), onde g é uma função com domínio e contradomínio R Para cada subconjunto A de R, consideremos um novo conjunto, denotado por g 1 A), e definido por g 1 A) = {x R : gx) A} Ω Ω X Y = gx) g 1 A) R g ufjfbr/joaquim_neto A PX g 1 A)) = PY A) R A partir da distribuição de probabilidades da variável X, podemos calcular chances para a variável Y Este cálculo pode ser feito com a equação PY A) = PgX) A) = PX g 1 A)) Exemplo 337: Seja X uma va com função de probabilidade p X x) = x 15, para x = 1, 1,, 3 0, caso contrário Encontre a distribuição de Y = X Solução: A tabela abaixo exibe uma relação entre valores e chances x y p X x) / /15 4 4/ /15 Joaquim Neto ufjfbr/joaquim_neto página 60 de 73

12 Resumindo as informações da tabela acima, podemos construir uma tabela que com a distribuição de chances de Y, a saber: y p y y) 1 /15 4 4/15 9 9/15 Exemplo 338: Seja X uma va com densidade p X x) = 9 x + 1), se 1 x 0, caso contrário a) Encontre a função de distribuição acumulada de Y = X b) Encontre a densidade p Y y) de Y = X Solução: a) Primeiro, observe o gráfico da densidade e o gráfico da função gx) = x ufjfbr/joaquim_neto c) Densidade de X ufjfbr/joaquim_neto d) Função gx) = x Sejam F X x) e F Y y) as funções de distribuição acumulada de X e Y, respectivamente Vamos encontrar F Y y) Para y 0, temos Para 0 < y 1, temos F Y y) = PY y) = PX y) = P ) = 0 F Y y) = PY y) = PX g 1 [Y y])) = P y X y) y = 9 t + 1) dt = t ) y 9 + t y y = y 9 + y y + ) y 4 y = 9 Joaquim Neto ufjfbr/joaquim_neto página 61 de 73

13 Para 1 < y 4, temos F Y y ) = P Y y ) = P X g 1 [ Y y ])) = P 1 < X y ) y = 9 t + 1) dt = t ) y 9 + t 1 1 = y 9 + y 1 ) + 1 y + y + 1 = 9 Por fim, se y > 4, F Y y ) = P Y y ) = P X g 1 [ Y y ])) = P 1 < X ) = 1 Resumindo, temos ) F Y y = 0, se y 0 4 y 9, se 0 < y 1 y+ y+1, se 1 < y 4 9 1, se y > 4 b) Agora, para encontrar a densidade de Y, basta derivar a função de distribuição acumulada obtida no item anterior, ou seja, ) p Y y = 0, se y 0 y 05, se 0 < y y 05, se 1 < y 4 9 0, se y > 4 Definição 33 suporte): Sejam X uma va X Consideremos os conjuntos e Y = gx) uma tranformação de X = {x : p X x) > 0} e Y = {y : y = gx) para algum x X} O conjunto X é chamado de suporte de X Resultado 335: Sejam X uma va e Y = gx) uma tranformação de X Se g for uma função crescente em X, F Y y) = F X g 1 y)) para y Y Joaquim Neto ufjfbr/joaquim_neto página 6 de 73

14 Se g for uma função decrescente em X e X for contínua, F Y y) = 1 F X g 1 y)) para y Y Exemplo 339 Relação da exponencial com a uniforme): Seja X uma va com densidade 1 p X x) = { 1, se 0 < x < 1 0, caso contrário Encontre a densidade de Y = gx) = lnx) Solução: Consideremos os conjuntos X = 0, 1) e Y = 0, ) Primeiro, observe que g é decrescente em X derive a função g para uma verificação formal deste fato) Além disso, g 1 y) = e y e Pelo resultado 36, temos que 0, se x 0 F X x) = x, se 0 < x < 1 1, se x 1 F Y y) = 1 F X g 1 y)) = 1 F X e y ) = 1 e y, para y 0, ) Naturalmente, F Y y) = 0 para y 0 Resultado 336 densidade de uma transformação): Sejam X uma va e Y = gx) uma tranformação de X, onde g é uma função estritamente crescente ou estritamente decrescente Suponhamos ainda que p X x) é contínua 3 em X e que g 1 y) é derivável em Y A densidade de Y é dada por p Y y ) = p X g 1 y )) d dy g 1 y ), 0, caso contrário se y Y Prova: Usando o resultado anterior e a regra da cadeia, ) d p Y y = dy F ) Y y = 31) p X g 1 y )) d dy g 1 y ), se g for crescente p X g 1 y )) d dy g 1 y ), se g for decrescente, que pode ser expressa de forma concisa como 31) Exemplo 340: Seja X uma va com densidade p X x) = { x, se 0 < x < 0, caso contrário 1 Mais adiante, veremos que esta é a distribuição uniforme Mais adiante, veremos que esta é a distribuição exponencial 3 A continuidade de px) garante a diferenciabilidade de F X x) Joaquim Neto ufjfbr/joaquim_neto página 63 de 73

15 Encontre a densidade p Y y) de Y = X Solução: Consideremos os conjuntos X = 0, ) e Y = 0, 4) Temos que Y = gx), onde gx) = x e, como g é uma função estritamente crescente em X, temos que ) p p Y y = X g 1 y )) d dy g 1 y ), se y Y 0, caso contrário ) p = X y y, se 0 < y < 4 0, caso contrário 1 = 4, se 0 < y < 4 0, caso contrário 37 Quantil e mediana Definição 34: Seja p um número real tal que 0 < p < 1 uma va contínua X é um número real tal que O quantil qp) de PX qp)) = p Obs: Podemos obter qp) a partir da densidade com a equação qp) p x) dx = p Podemos obter qp) a partir da acumulada com a equação qp) = F 1 p) Definição 35: A mediana de uma va contínua X é dada por q0, 5) Exemplo 341: Seja X uma va com densidade p x) = { 3x, se 0 < x < 1 0, caso contrário Calcule a mediana de X Joaquim Neto ufjfbr/joaquim_neto página 64 de 73

16 Solução: Para x < 1, temos que q0,5) R p x) dx = 05 q0,5) R 0 3x dx = 05 q0, 5)3 = 05 3 q0, 5) = Valor esperado Definição 36: Se X é uma va discreta que assume valores no conjunto {x1, x,, xn }, o valor esperado de X é n X xi p xi = x1 p x1 ) + x p x ) + + xn p xn ) E X = Seja X uma va contínua, o valor esperado de X é Z E X = x p x) dx, 𝒑 𝒙 𝑬 𝑿 u fjf b r /jo aq ui m _n et o quando a integral está bem definida Obs: O valor esperado também é chamado de esperança ou expectativa Exemplo 34: Uma empresa comercializa um produto que possui um determinado prazo de validade Para cada R$8,00 reais e tem um custo produto ser vendido antes de a seguradora espera lucrar em Joaquim Neto unidade vendida do produto, a empresa recebe de R$,00 Sabendo que a probabilidade de um vencer seu prazo de validade é de 90%, quanto uma unidade do produto? ufjfbr/joaquim_neto página 65 de 73

17 Solução: Seja X o lucro da empresa em uma unidade do produto Se o produto for vendido, temos que X assume o valor R$8,00-R$,00=R$6,00 Caso contrário, X assume o valor -R$,00 Assim, EX) = R$6, R$, 00) 0, 1 = R$5, 0 Logo, o lucro esperado em uma unidade do produto é de R$5,0 reais Exemplo 343: Sejam k R e X uma va com densidade p x) = a) Encontre o valor de k b) Calcule o valor esperado de X Solução: a) b) x 1 k, se 1 < x < 3 0, caso contrário p x) dx = 1 3 x 1 k dx = 1 1 ) 1 x k x 3 = 1 1 k = E X ) 3 x 1 ) = xp x) dx = x dx 1 = 1 x 3 3 x 3 = ) = Valor esperado da função de uma va Resultado 337: Sejam X e Y = gx) duas variáveis aleatórias Se X é discreta e assume valores em um conjunto {x 1, x, }, então E Y ) = g ) ) x i px xi i Joaquim Neto ufjfbr/joaquim_neto página 66 de 73

18 Se X é contínua, então E Y ) = g x) p X x) dx 310 Propriedades do valor esperado Resultado 338: Se a, b R e X é uma va, temos que a) Ea) = a, b) EaX + b) = aex) + b e Prova: a) Ea) = a 1 = a b) Vamos provar o resultado assumindo que X é discreta A prova para X contínua é análoga basta trocar os somatórios por integrais) E ax + b ) n = axi + b ) P [ ax + b ) = ax i + b )]) n = axi + b ) P [ ]) X = x i n = a x i p ) n x i + b p ) x i = ae X ) + b } {{ } 1 Como consequência imediata do resultado acima, temos que EaX) = aex), a R e EX EX)) = Momento Definição 37: O k-ésimo momento da variável aleatória X, é definido por EX k ) Seja a R definido por O k-ésimo momento em torno de a da variável aleatória X, é EX a) k ) O k-ésimo momento central da variável aleatória X, é definido por EX EX)) k ) Joaquim Neto ufjfbr/joaquim_neto página 67 de 73

19 31 Variância Definição 38: Seja X uma va discreta que assume valores no conjunto {x 1, x,, x n } A variância de X é VarX) = EX EX)) ) Exemplo 344: Uma empresa comercializa um produto que possui um determinado prazo de validade Para cada unidade vendida do produto, a empresa recebe R$9,00 reais e tem um custo de R$,00 Nestas condições a probabilidade de um produto ser vendido antes de vencer seu prazo de validade é de 80% a) Quanto a empresa espera lucrar em uma unidade do produto? b) Qual é a variabilidade do lucro da empresa em uma unidade do produto? c) Faça uma comparação entre esta empresa e a empresa apresentada no exercício 38 compare a expectativa de lucro por unidade do produto e a variabilidade do lucro/prejuízo por unidade) Solução: a) Seja X o lucro da empresa em uma unidade do produto Se o produto for vendido, temos que X assume o valor R$9,00-R$,00=R$7,00 Caso contrário, X assume o valor R$, 00 Assim, EX) = R$7, R$, 00) 0 = R$5, 0 Logo, o lucro esperado em um carro segurado é de R$5,0 reais b) A variabilidade do lucro da seguradora em um carro segurado é dada por Var X ) = n xi E X )) ) p xi = 5, 0 ) , 0 ) 08 = 1, 96 c) Note que o valor esperado da unidade do produto nesta empresa é igual ao da empresa apresentada no exemplo 38 R$5, 0) Por outro lado, a variabilidade do lucro em uma unidade do produto desta empresa é maior aplicando os passos do item b) no exemplo 38, temos VarX) = 5, 76) Assim, podemos concluir que ambas as empresas possuem a mesma expectativa de lucro por carro Porém, a empresa deste exercício possui uma variabilidade de lucro maior, ou seja, está sujeita a perdas maiores mas, por outro lado, possui a possibilidade de lucrar mais mais agressiva) 313 Propriedades da variância Sejam a, b R e X uma variável aleatória As seguintes propriedades são válidas: a) Vara) = 0, b) VaraX + b) = a VarX) Joaquim Neto ufjfbr/joaquim_neto página 68 de 73

20 Prova: a) Vara) = a Ea)) 1 = a a) = 0 b) Sem perda de generalidade, suponhamos que X é uma va discreta Assim, Var ax ) n = axi E ax )) ) p xi = n = axi ae X )) ) p xi n = a xi E X )) ) p xi = a Var X ) Resultado 339: Prova: VarX) = EX ) EX)) Sem perda de generalidade, suponhamos que X é uma va discreta Assim, Var X ) = n xi E X )) ) p xi n = x i x i E X ) + E X )) ) p x i ) n = x p ) x i i E X ) n x i p ) x i + E X )) n p ) x i } {{ }} {{ }} {{ } EX ) EX) 1 = E X ) E X )) )) + E X = E X ) E X )) 314 Exercícios Exercício 31 Uma variável aleatória X tem densidade k p x) = e x, se x 0 0, caso contrário a) Qual é o valor de k? b) Qual é a função de distribuição acumulada de X? c) Qual é a mediana da distribuição de X? Joaquim Neto ufjfbr/joaquim_neto página 69 de 73

21 Exercício 3 Seja X uma variável aleatória associada ao diâmetro de um cabo elétrico Assuma que X tem densidade p x) = { kx x ), se 0 x 1 0, caso contrário a) Qual é o valor de k? b) Calcule EX) e VARX) c) Calcule P0 X 1/) Exercício 33 Seja X uma variável aleatória com densidade p x) = { 6x x ), se 0 x 1 0, caso contrário Calcule Pµ σ < x < µ + σ), onde µ = EX) e σ = VarX) Exercício 34 Considere a função: p x) = x 14, para x = 1,, 3 0, caso contrário a) Mostre que esta função é uma função de probabilidade b) Seja X uma variável aleatória com função de probabilidade px) Qual é a função de distribuição acumulada de X c) Seja X uma variável aleatória com função de probabilidade px) Determine P X = 1 X ) Joaquim Neto ufjfbr/joaquim_neto página 70 de 73

22 315 Respostas dos exercícios 31) a) k = ; b) F X x) = { 1 e x ), se x 0 0, caso contrário ; c) ) a) k = 3 ; b) EX) = 5 8 ; c) P0 X 1/) = ) µ = EX) = 1, EX ) = 3, σ = 0, Pµ σ < x < µ + σ) = x 34) a) Primeiro, observe que px) 0, x R Além disso, = 1; b) 14 x=1 0, se x < 1 1/14, se 1 x < F x) = ; c) 0 5/14, se x < 3 1, se x > 3 Joaquim Neto ufjfbr/joaquim_neto página 71 de 73

Variáveis aleatórias

Variáveis aleatórias Variáveis aleatórias Joaquim Neto joaquim.neto@ufjf.edu.br www.ufjf.br/joaquim_neto Departamento de Estatística - ICE Universidade Federal de Juiz de Fora (UFJF) Versão 3.0 Joaquim Neto (UFJF) ICE - UFJF

Leia mais

1 Variáveis Aleatórias

1 Variáveis Aleatórias Centro de Ciências e Tecnologia Agroalimentar - Campus Pombal Disciplina: Estatística Básica - 2013 Aula 5 Professor: Carlos Sérgio UNIDADE 3 - VARIÁVEIS ALEATÓRIAS DISCRETAS (Notas de aula) 1 Variáveis

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

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

Processos Estocásticos. Luiz Affonso Guedes

Processos 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 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

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

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

Variáveis Aleatórias. Departamento de Matemática Escola Superior de Tecnologia de Viseu

Variáveis 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 mais

Distribuições de Probabilidade. Variáveis aleatórias contínuas

Distribuições de Probabilidade. Variáveis aleatórias contínuas Distribuições de Probabilidade Variáveis aleatórias contínuas 1 Variáveis contínuas Uma variável aleatória contínua toma um nº infinito não numerável de valores (intervalos de números reais), os quais

Leia mais

Variáveis Aleatórias. Esperança e Variância. Prof. Luiz Medeiros Departamento de Estatística - UFPB

Variáveis Aleatórias. Esperança e Variância. Prof. Luiz Medeiros Departamento de Estatística - UFPB Variáveis Aleatórias Esperança e Variância Prof. Luiz Medeiros Departamento de Estatística - UFPB ESPERANÇA E VARIÂNCIA Nos modelos matemáticos aleatórios parâmetros podem ser empregados para caracterizar

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

Lucas Santana da Cunha de junho de 2017

Lucas Santana da Cunha de junho de 2017 VARIÁVEL ALEATÓRIA Lucas Santana da Cunha email: lscunha@uel.br http://www.uel.br/pessoal/lscunha/ Universidade Estadual de Londrina 19 de junho de 2017 Uma função que associa um número real aos resultados

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

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

Variável Aleatória. Gilson Barbosa Dourado 6 de agosto de 2008

Variável Aleatória. Gilson Barbosa Dourado 6 de agosto de 2008 Variável Aleatória Gilson Barbosa Dourado gdourado@uneb.br 6 de agosto de 2008 Denição de Variável Aleatória Considere um experimento E e seu espaço amostral Ω = {a 1, a 2,..., a n }. 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 II 26 de Novembro de 2013 Distribuição Contínua Uniforme Média e Variância Objetivos Ao final deste capítulo você deve ser capaz

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

Estatística. Capítulo 3 - Parte 1: Variáveis Aleatórias Discretas. Professor Fernando Porto

Estatística. Capítulo 3 - Parte 1: Variáveis Aleatórias Discretas. Professor Fernando Porto Estatística Capítulo 3 - Parte 1: Variáveis Aleatórias Discretas Professor Fernando Porto Lançam-se 3 moedas. Seja X o número de ocorrências da face cara. O espaço amostral do experimento é: W = {(c,c,c),(c,c,r),(c,r,c),(c,r,r),(r,c,c),(r,c,r),(r,r,c),(r,r,r)}

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

Cursos de Licenciatura em Ensino de Matemática e de EGI Teoria de Probabilidade

Cursos de Licenciatura em Ensino de Matemática e de EGI Teoria de Probabilidade FACULDADE DE CIÊNCIAS NATURAIS E MATEMÁTICA DEPARTAMENTO DE MATEMÁTICA Campus de Lhanguene, Av. de Moçambique, km, Tel: +5 4007, Fax: +5 400, Maputo Cursos de Licenciatura em Ensino de Matemática e de

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

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

Lista de Exercícios 4

Lista de Exercícios 4 Introdução à Teoria de Probabilidade. Informática Biomédica. Departamento de Física e Matemática. USP-RP. Prof. Rafael A. Rosales 30 de maio de 2007. Lista de Exercícios 4 são difíceis, são bem mais difíceis.

Leia mais

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:

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: 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 mais

Análise de Dados e Simulação

Análise 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 mais

Variáveis Aleatórias Discretas e Distribuição de Probabilidade

Variáveis Aleatórias Discretas e Distribuição de Probabilidade Variáveis Aleatórias Discretas e Distribuição de Probabilidades 2012/02 1 Variáveis Aleatórias Discretas 2 Distribuições de Probabilidade e Funções de Probabilidade 3 4 de uma Variável Aleatória Discreta

Leia mais

MAT 461 Tópicos de Matemática II Aula 5: Resumo de Probabilidade

MAT 461 Tópicos de Matemática II Aula 5: Resumo de Probabilidade MAT 461 Tópicos de Matemática II Aula 5: Resumo de Probabilidade Edson de Faria Departamento de Matemática IME-USP 26 de Agosto, 2013 Probabilidade: uma Introdução / Aula 5 1 Variáveis aleatórias Definição

Leia mais

Variáveis Aleatórias e Distribuições de Probabilidade

Variáveis Aleatórias e Distribuições de Probabilidade de Fernando de Pol Mayer Laboratório de Estatística e Geoinformação (LEG) Departamento de Estatística (DEST) Universidade Federal do Paraná (UFPR) Este conteúdo está disponível por meio da Licença Creative

Leia mais

Variáveis Aleatórias e Distribuições de Probabilidade

Variáveis Aleatórias e Distribuições de Probabilidade de Fernando de Pol Mayer Laboratório de Estatística e Geoinformação (LEG) Departamento de Estatística (DEST) Universidade Federal do Paraná (UFPR) Este conteúdo está disponível por meio da Licença Creative

Leia mais

EST029 Cálculo de Probabilidade I Cap. 6: Caracterização Adicional de Variáveis Aleatórias

EST029 Cálculo de Probabilidade I Cap. 6: Caracterização Adicional de Variáveis Aleatórias EST029 Cálculo de Probabilidade I Cap. 6: Caracterização Adicional de Variáveis Aleatórias Prof. Clécio da Silva Ferreira Depto Estatística - UFJF Motivação Suponha que tenhamos um experimento onde a probabilidade

Leia mais

Estudo de funções. Universidade Portucalense Departamento de Inovação, Ciência e Tecnologia Curso Satélite - Módulo I - Matemática.

Estudo de funções. Universidade Portucalense Departamento de Inovação, Ciência e Tecnologia Curso Satélite - Módulo I - Matemática. Universidade Portucalense Departamento de Inovação, Ciência e Tecnologia Curso Satélite - Módulo I - Matemática Estudo de funções Continuidade Consideremos as funções: f : R R g : R R x x + x x +, x 1

Leia mais

Cálculo das Probabilidades I

Cálculo das Probabilidades I Cálculo das Probabilidades I Departamento de Estatística Universidade Federal da Paraíba Prof. Tarciana Liberal (UFPB) Aula Função Geradora de Momentos 10/13 1 / 19 Calculamos algumas características da

Leia mais

I. Variáveis Aleatórias

I. Variáveis Aleatórias I. Variáveis Aleatórias Raciocínio Lógico e Estatística Olá, Pessoal! Tudo em paz? Como vão os estudos? Segue um pequeno artigo introdutório sobre Variáveis Aleatórias. I.1 Conceito Bem, se você ler a

Leia mais

Modelos discretos e contínuos

Modelos discretos e contínuos Modelos discretos e contínuos Joaquim Neto joaquim.neto@ufjf.edu.br Departamento de Estatística - ICE Universidade Federal de Juiz de Fora (UFJF) Versão 3.0 Joaquim Neto (UFJF) ICE - UFJF Versão 3.0 1

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

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

Demonstração. Ver demonstração em [1]. . Para que i j se tem µ i µ j? Determine a derivada no sentido de Radon-Nikodym em cada caso.

Demonstração. Ver demonstração em [1]. . Para que i j se tem µ i µ j? Determine a derivada no sentido de Radon-Nikodym em cada caso. Proposição 2.39 (Propriedades de e.). Sejam µ, λ, λ 1, λ 2 medidas no espaço mensurável (X, F). Então 1. se λ 1 µ e λ 2 µ então (λ 1 + λ 2 ) µ. 2. se λ 1 µ e λ 2 µ então (λ 1 + λ 2 ) µ. 3. se λ 1 µ e λ

Leia mais

Conceitos básicos: Variável Aleatória

Conceitos básicos: Variável Aleatória : Variável Aleatória Variável aleatória (v.a.) valor numérico que é resultado de uma eperiência aleatória. Podemos ter variáveis aleatórias contínuas ou discretas. Eemplo 1: Suponha que lança duas moedas

Leia mais

3. Variáveis aleatórias

3. Variáveis aleatórias 3. Variáveis aleatórias Numa eperiência aleatória, independentemente de o seu espaço de resultados ser epresso numericamente, há interesse em considerar-se funções reais em Ω, denominadas por variáveis

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

6.3 Valor Médio de uma Variável Aleatória

6.3 Valor Médio de uma Variável Aleatória 6. 3 V A L O R M É D I O D E U M A V A R I Á V E L A L E A T Ó R I A 135 1. Considere uma urna contendo três bolas vermelhas e cinco pretas. Retire três bolas, sem reposição, e defina a v.a. X igual ao

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

Revisões de Matemática e Estatística

Revisões de Matemática e Estatística Revisões de Matemática e Estatística Joaquim J.S. Ramalho Contents 1 Operadores matemáticos 2 1.1 Somatório........................................ 2 1.2 Duplo somatório....................................

Leia mais

INTRODUÇÃO À INFERÊNCIA ESTATÍSTICA

INTRODUÇÃO À INFERÊNCIA ESTATÍSTICA UFPE - Universidade Federal de Pernambuco Departamento de Estatística Disciplina: ET-406 Estatística Econômica Professor: Waldemar A. de Santa Cruz Oliveira Júnior INTRODUÇÃO À INFERÊNCIA ESTATÍSTICA Podemos

Leia mais

Probabilidade. Experiências aleatórias

Probabilidade. Experiências aleatórias Probabilidade Experiências aleatórias 1 Experiências aleatórias Acontecimento: Qualquer colecção de resultados de uma experiência. Acontecimento elementar: Um resultado que não pode ser simplificado ou

Leia mais

Variáveis Aleatórias

Variáveis Aleatórias Variáveis Aleatórias Definição: Uma variável aleatória v.a. é uma função que associa elementos do espaço amostral a valores numéricos, ou seja, X : I, em que I. Esquematicamente: As variáveis aleatórias

Leia mais

Bioestatística F. Modelo Binomial. Enrico A. Colosimo

Bioestatística F. Modelo Binomial. Enrico A. Colosimo Bioestatística F Modelo Binomial Enrico A. Colosimo Departamento de Estatística Universidade Federal de Minas Gerais http://www.est.ufmg.br/~enricoc 2011 1 / 1 Variável aleatória discreta Definição Uma

Leia mais

Derivadas 1 DEFINIÇÃO. A derivada é a inclinação da reta tangente a um ponto de uma determinada curva, essa reta é obtida a partir de um limite.

Derivadas 1 DEFINIÇÃO. A derivada é a inclinação da reta tangente a um ponto de uma determinada curva, essa reta é obtida a partir de um limite. Derivadas 1 DEFINIÇÃO A partir das noções de limite, é possível chegarmos a uma definição importantíssima para o Cálculo, esta é a derivada. Por definição: A derivada é a inclinação da reta tangente a

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 Esperança e Variância Variáveis Contínuas 10/13 1 / 1 Esperança Definição 2.1:(Valor Esperado

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

Notas de Aula. tal que, para qualquer ponto (x, y) no plano xy, temos: p XY

Notas de Aula. tal que, para qualquer ponto (x, y) no plano xy, temos: p XY UNIVERSIDDE FEDERL D BHI INSTITUTO DE MTEMÁTIC DEPRTMENTO DE ESTTÍSTIC v. demar de Barros s/n - Campus de Ondina 40170-110 - Salvador B Tel:(071)247-405 Fax 245-764 Mat 224 - Probabilidade II - 2002.2

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

Variáveis Aleatórias

Variáveis Aleatórias Variáveis Aleatórias Conceitos, Discretas, Contínuas, Propriedades Itens 5. e 6. BARBETTA, REIS e BORNIA Estatística para Cursos de Engenharia e Informática. Atlas, 004 Variável aleatória Uma variável

Leia mais

Aula 10 Variáveis aleatórias discretas

Aula 10 Variáveis aleatórias discretas AULA 0 Aula 0 Variáveis aleatórias discretas Nesta aula você aprenderá um conceito muito importante da teoria de probabilidade: o conceito de variável aleatória. Você verá que as variáveis aleatórias e

Leia mais

Cap. 6 Variáveis aleatórias contínuas

Cap. 6 Variáveis aleatórias contínuas Estatística para Cursos de Engenharia e Informática Pedro Alberto Barbetta / Marcelo Menezes Reis / Antonio Cezar Bornia São Paulo: Atlas, 004 Cap. 6 Variáveis aleatórias contínuas APOIO: Fundação de Apoio

Leia mais

Probabilidade I. Departamento de Estatística. Universidade Federal da Paraíba. Prof. Tarciana Liberal (UFPB) Aula Distribuição Geométrica 08/14 1 / 13

Probabilidade I. Departamento de Estatística. Universidade Federal da Paraíba. Prof. Tarciana Liberal (UFPB) Aula Distribuição Geométrica 08/14 1 / 13 Probabilidade I Departamento de Estatística Universidade Federal da Paraíba Prof. Tarciana Liberal (UFPB) Aula Distribuição Geométrica 08/14 1 / 13 Distribuição Geométrica Considere novamente uma sequência

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

Uma estatística é uma característica da amostra. Ou seja, se

Uma estatística é uma característica da amostra. Ou seja, se Estatística Uma estatística é uma característica da amostra. Ou seja, se X 1,..., X n é uma amostra, T = função(x 1,..., X n é uma estatística. Exemplos X n = 1 n n i=1 X i = X 1+...+X n : a média amostral

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

4. Distribuições de probabilidade e

4. Distribuições de probabilidade e 4. Distribuições de probabilidade e características Valor esperado de uma variável aleatória. Definição 4.1: Dada uma v.a. discreta (contínua) X com f.m.p. (f.d.p.) f X (), o valor esperado (ou valor médio

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

Fundamentos de Estatística Aplicada. Módulo III: Variáveis Aleatórias Unidimensionais

Fundamentos de Estatística Aplicada. Módulo III: Variáveis Aleatórias Unidimensionais Universidade Federal Fluminense Instituto de Matemática e Estatística Fundamentos de Estatística Aplicada Módulo III: Variáveis Aleatórias Unidimensionais Ana Maria Lima de Farias Departamento de Estatística

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

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 Aula Valor esperado como solução do problema do menor erro quadrático médio e Quantis 03/14 1 / 15 Valor esperado como solução

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

GET00143 TEORIA DAS PROBABILIDADES II Variáveis Aleatórias Unidmensionais

GET00143 TEORIA DAS PROBABILIDADES II Variáveis Aleatórias Unidmensionais Universidade Federal Fluminense Instituto de Matemática e Estatística GET43 TEORIA DAS PROBABILIDADES II Variáveis Aleatórias Unidmensionais Ana Maria Lima de Farias Jessica Quintanilha Kubrusly Mariana

Leia mais

Distribuição Normal. Prof. Eduardo Bezerra. (CEFET/RJ) - BCC - Inferência Estatística. 25 de agosto de 2017

Distribuição Normal. Prof. Eduardo Bezerra. (CEFET/RJ) - BCC - Inferência Estatística. 25 de agosto de 2017 padrão - padronização Distribuição Normal Prof. Eduardo Bezerra (CEFET/RJ) - BCC - Inferência Estatística 25 de agosto de 2017 Eduardo Bezerra (CEFET/RJ) Distribuição Normal Março/2017 1 / 32 Roteiro Distribuições

Leia mais

A Derivada. Derivadas Aula 16. Alexandre Nolasco de Carvalho Universidade de São Paulo São Carlos SP, Brazil

A Derivada. Derivadas Aula 16. Alexandre Nolasco de Carvalho Universidade de São Paulo São Carlos SP, Brazil Derivadas Aula 16 Alexandre Nolasco de Carvalho Universidade de São Paulo São Carlos SP, Brazil 04 de Abril de 2014 Primeiro Semestre de 2014 Turma 2014104 - Engenharia Mecânica A Derivada Seja x = f(t)

Leia mais

Estatística Aplicada I

Estatística Aplicada I Estatística Aplicada I ESPERANCA MATEMATICA AULA 1 25/04/17 Prof a Lilian M. Lima Cunha Abril de 2017 EXPERIMENTO RESULTADOS EXPERIMENTAIS VARIÁVEL ALEATÓRIA X = variável aleatória = descrição numérica

Leia mais

14/03/2014. Tratamento de Incertezas TIC Aula 1. Conteúdo Espaços Amostrais e Probabilidade. Revisão de conjuntos. Modelos Probabilísticos

14/03/2014. Tratamento de Incertezas TIC Aula 1. Conteúdo Espaços Amostrais e Probabilidade. Revisão de conjuntos. Modelos Probabilísticos Tratamento de Incertezas TIC-00.176 Aula 1 Conteúdo Espaços Amostrais e Probabilidade Professor Leandro Augusto Frata Fernandes laffernandes@ic.uff.br Material disponível em http://www.ic.uff.br/~laffernandes/teaching/2014.1/tic-00.176

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

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

Variáveis Aleatórias Discretas - Esperança e Variância

Variáveis Aleatórias Discretas - Esperança e Variância Exemplo Um empresário pretende estabelecer uma firma para montagem de um componente mecânico. Cada peça é composta de duas partes, A e B, cada uma com uma chance específica de ser defeituosa. Só é possível

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

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

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

Probabilidade. Variáveis Aleatórias Distribuição de Probabilidade

Probabilidade. Variáveis Aleatórias Distribuição de Probabilidade Probabilidade Variáveis Aleatórias Distribuição de Probabilidade Variáveis Aleatórias Variável Aleatória Indica o valor correspondente ao resultado de um experimento A palavra aleatória indica que, em

Leia mais

Probabilidade Lista 6 - Variáveis Aleatórias Contínuas e Vetores Aleatórios

Probabilidade Lista 6 - Variáveis Aleatórias Contínuas e Vetores Aleatórios Probabilidade Lista - Variáveis Aleatórias Contínuas e Vetores Aleatórios Exercício. Uma v.a. X tem distribuição triangular no intervalo [0, ] se sua densidade for dada por 0, x < 0 cx, 0 x /2 c( x), /2

Leia mais

INTRODUÇÃO À PROBABILIDADE

INTRODUÇÃO À PROBABILIDADE INTRODUÇÃO À PROBABILIDADE Foto extraída em http://www.alea.pt Profª Maria Eliane Universidade Estadual de Santa Cruz USO DE PROBABILIDADES EM SITUAÇÕES DO COTIDIANO Escolhas pessoais Previsão do tempo

Leia mais

Métodos Estatísticos Aplicados à Economia II (GET00118) Variáveis Aleatórias Contínuas

Métodos Estatísticos Aplicados à Economia II (GET00118) Variáveis Aleatórias Contínuas Universidade Federal Fluminense Instituto de Matemática e Estatística Métodos Estatísticos Aplicados à Economia II GET118) Variáveis Aleatórias Contínuas Ana Maria Lima de Farias Departamento de Estatística

Leia mais

MAT 461 Tópicos de Matemática II Aula 8: Resumo de Probabilidade

MAT 461 Tópicos de Matemática II Aula 8: Resumo de Probabilidade MAT 461 Tópicos de Matemática II Aula 8: Resumo de Probabilidade Edson de Faria Departamento de Matemática IME-USP 28 de Agosto, 2013 Probabilidade: uma Introdução / Aula 8 1 Desigualdades de Markov e

Leia mais

AULA 02 Distribuição de Probabilidade Normal

AULA 02 Distribuição de Probabilidade Normal 1 AULA 02 Distribuição de Probabilidade Normal Ernesto F. L. Amaral 20 de agosto de 2012 Faculdade de Filosofia e Ciências Humanas (FAFICH) Universidade Federal de Minas Gerais (UFMG) Fonte: Triola, Mario

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 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

Prof. Lorí Viali, Dr.

Prof. Lorí Viali, Dr. Prof. Lorí Viali, Dr. viali@mat.ufrgs.br http://www.mat.ufrgs.br/~viali/ Tipos de Modelos Determinístico Sistema Real Probabilístico Modelo determinístico Causas Efeito Exemplos Gravitação F GM 1 M /r

Leia mais

Probabilidade I. Departamento de Estatística. Universidade Federal da Paraíba. Prof. Tarciana Liberal (UFPB) Aula Esperança e Variância 06/14 1 / 19

Probabilidade I. Departamento de Estatística. Universidade Federal da Paraíba. Prof. Tarciana Liberal (UFPB) Aula Esperança e Variância 06/14 1 / 19 Probabilidade I Departamento de Estatística Universidade Federal da Paraíba Prof. Tarciana Liberal (UFPB) Aula Esperança e Variância 06/14 1 / 19 Nos modelos matemáticos aleatórios parâmetros podem ser

Leia mais

Lista de Exercicios 1 MEDIDAS RESUMO. ESTIMAÇÃO PONTUAL.

Lista de Exercicios 1 MEDIDAS RESUMO. ESTIMAÇÃO PONTUAL. Introdução à Inferência Estatística Departamento de Física é Matemática. USP-RP. Prof. Rafael A. Rosales 5 de setembro de 004 Lista de Exercicios 1 MEDIDAS RESUMO. ESTIMAÇÃO PONTUAL. 1 Medidas Resumo DISTRIBUIÇÕES

Leia mais

1 A Equação Fundamental Áreas Primeiras definições Uma questão importante... 7

1 A Equação Fundamental Áreas Primeiras definições Uma questão importante... 7 Conteúdo 1 4 1.1- Áreas............................. 4 1.2 Primeiras definições...................... 6 1.3 - Uma questão importante.................. 7 1 EDA Aula 1 Objetivos Apresentar as equações diferenciais

Leia mais

Métodos Estatísticos

Métodos Estatísticos Métodos Estatísticos Cristina Maria Martins Maria da Graça Temido Departamento de Matemática Universidade de Coimbra Hidrologia Urbana Módulo I Conceitos básicos Probabilidade Experiência aleatória Acontecimentos

Leia mais

Departamento de InformáAca - PUC- Rio. Hélio Lopes Departamento de InformáAca PUC- Rio. A plataforma R

Departamento de InformáAca - PUC- Rio. Hélio Lopes Departamento de InformáAca PUC- Rio. A plataforma R Introdução à Simulação Estocás5ca usando R INF2035 PUC- Rio, 2013.1 Departamento de InformáAca - PUC- Rio Hélio Lopes Departamento de InformáAca PUC- Rio A plataforma R R é uma linguagem de programação

Leia mais

Estatística Básica MEDIDAS RESUMO

Estatística Básica MEDIDAS RESUMO Estatística Básica MEDIDAS RESUMO Renato Dourado Maia Instituto de Ciências Agrárias Universidade Federal de Minas Gerais Motivação Básica Se você estivesse num ponto de ônibus e alguém perguntasse sobre

Leia mais

Vetor de Variáveis Aleatórias

Vetor 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 mais

Métodos Estatísticos Básicos

Métodos Estatísticos Básicos Aula 6 - Introdução à probabilidade Departamento de Economia Universidade Federal de Pelotas (UFPel) Maio de 2014 Experimento Experimento aleatório (E ): é um experimento que pode ser repetido indenidamente

Leia mais

TE802 Processos Estocásticos em Engenharia. Valores Esperados de Somas de Variáveis Aleatórias Notes. PDF da Soma de Duas Variáveis Aleatórias.

TE802 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 mais

Noções de Simulação. Ciências Contábeis - FEA - Noturno. 2 o Semestre MAE0219 (IME-USP) Noções de Simulação 2 o Semestre / 23

Noções de Simulação. Ciências Contábeis - FEA - Noturno. 2 o Semestre MAE0219 (IME-USP) Noções de Simulação 2 o Semestre / 23 Noções de Simulação Ciências Contábeis - FEA - Noturno 2 o Semestre 2013 MAE0219 (IME-USP) Noções de Simulação 2 o Semestre 2013 1 / 23 Objetivos da Aula Sumário 1 Objetivos da Aula 2 Motivação 3 Geração

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

canal para sinais contínuos

canal 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 mais

Departamento de Matemática Escola Superior de Tecnologia de Viseu

Departamento de Matemática Escola Superior de Tecnologia de Viseu Distribuições contínuas Departamento de Matemática Escola Superior de Tecnologia de Viseu Distribuição Normal Diz-se que uma variável aleatória X tem distribuição normal, se a sua função densidade de probabilidade

Leia mais