Probabilidade II Aula 9
|
|
- Daniel Maranhão Bergler
- 7 Há anos
- Visualizações:
Transcrição
1 Coteúdo Probabilidade II Aula 9 Maio de 9 Môica Barros, D.Sc. Estatísticas de Ordem Distribuição do Máximo e Míimo de uma amostra Uiforme(,) Distribuição do Máximo e Míimo caso geral Distribuição das Estatísticas de Ordem Distribuição da Amplitude Estatísticas sticas de Ordem Sejam X, X,..., X um cojuto de variáveis iid (idepedetes e ideticamete distribuídas) com desidade (ou fução de probabilidade) f(x) e fução de distribuição acumulada x). Estatísticas sticas de Ordem Sejam: X () mí(x, X,..., X ), X () o. meor detre X, X,..., X,... X () máx(x, X,..., X ). Supoha que ordeamos X, X,..., X. X (), X (),..., X () são também variáveis aleatórias, e estamos iteressados em descobrir qual as suas distribuições. 3 4
2 Estatísticas sticas de Ordem Começamos este estudo pelas distribuições do míimo e do máximo. Exemplo Cosidere um cojuto de variáveis iid com a desidade Uif(,). A seguir fazemos uma simulação e, em seguida, obtemos a distribuição teórica correspodete aos dados simulados. A seguir geramos 5 cojutos destas variáveis. Isso os permite obter 5 valores míimos e 5 máximos (detre outras variáveis). 5 6 Exemplo Assim, a partir dos 5 valores gerados, podemos tetar iferir sobre a cara das distribuições do míimo e do máximo das amostras de variáveis Uif(,). Também, podemos calcular a Amplitude, defiida como o (máximo míimo), e teremos também uma aproximação para a distribuição teórica desta quatidade. 7 Exemplo Distribuição simulada do míimo Frequêcia.5 x 4 Histograma dos míimos
3 Exemplo Distribuição simulada do máximo.5 x 4 Histograma dos máximos Exemplo Distribuição simulada da amplitude 4 Histograma da amplitude Frequêcia.5 Frequêcia Exemplo Estatísticas Descritivas MÍNIMO MÁXIMO AMPLITUDE umero de amostras simuladas tamaho de cada amostra média amostral mediaa amostral desvio padrao miimo máximo Dos gráficos fica claro que as distribuições do máximo, míimo e amplitude ão são Uif(,). Note também que a média dos 5 mil míimos gerados é.9, a mediaa.67. Veja as outras estatísticas descritivas... Exemplo Podemos também obter a fução de distribuição empírica dos dados simulados. A idéia por trás da costrução da fução de distribuição empírica é simples. Supoha que defiimos uma fução de probabilidade que associa o valor /N a cada um dos N valores observados.
4 Exemplo Exemplo distribuição empírica do míimom Neste caso, geramos N 5 míimos, por exemplo. Etão, podemos atribuir uma probabilidade /5 acada um destes míimos observados..9.8 Fucao de distribuição empírica do míimo A fução de distribuição empírica F* tem o aspecto de uma fução degrau, e é tal que F*(x) úmero de valores observados meores ou iguais a x dividido por N (N 5 aqui). Nos gráficos a seguir, a forma de degrau da fução de distribuição empírica ão fica evidete, pois foram gerados muitos valores e a fução se aproxima de uma fução cotíua. 3 Frequêcia Relativa Por exemplo, cerca de 6% dos valores míimos gerados estão abaixo de. 4 Exemplo distribuição empírica do máximom Exemplo distribuição empírica da amplitude Fucao de distribuição empírica do máximo Fucao de distribuição empírica da amplitude Frequêcia Relativa Frequêcia Relativa
5 Exemplo Uma questão que deve ser ivestigada é: Como o tamaho da amostra Uiforme iflui estes resultados? Parece ituitivo que, se partimos de uma amostra grade, o míimo da amostra deve estar mais próximo de zero que se usarmos uma amostra pequea. Aalogamete, para uma amostra grade, o máximo deve estar mais perto de um que uma amostra pequea. Exemplo Para verificar estas cojecturas, repetimos o experimeto do Exemplo, mas agora geramos 5 amostras de tamaho 5 da Uiforme(,), ao ivés de amostras de tamaho, como foi feito o exemplo aterior. Os resultados das simulações seguem os próximos slides. 7 8 Exemplo Distribuição simulada do míimo Frequêcia x 4 Histograma dos míimos Compare com o gráfico do slide 8. Que difereças você ota? Exemplo Distribuição simulada do máximo Frequêcia x 4 Histograma dos máximos Compare com a figura do slide 9
6 Exemplo Distribuição simulada da amplitude Frequêcia Histograma da amplitude Compare com a figura do slide Exemplo distribuição empírica do míimom Frequêcia Relativa Fucao de distribuição empírica do míimo Compare com a figura do slide 4 Por exemplo, quase % dos valores míimos gerados estão abaixo de. Exemplo distribuição empírica do máximom Exemplo distribuição empírica da amplitude.9.8 Fucao de distribuição empírica do máximo Compare com a figura do slide Fucao de distribuição empírica da amplitude Compare com a figura do slide 6 Frequêcia Relativa Frequêcia Relativa
7 Exemplo Estatísticas descritivas MÍNIMO MÁXIMO AMPLITUDE umero de amostras simuladas tamaho de cada amostra média amostral mediaa amostral desvio padrao miimo máximo a média dos 5 mil míimos gerados é., a mediaa.4. Compare com as estatísticas descritivas do Exemplo. Exemplo Em resumo... O efeito do tamaho da amostra () Uiforme(,) é claro, como a comparação das as simulações revela. Quato maior o tamaho da amostra, mais perto de está o míimo da amostra, e mais perto de está o máximo da amostra. Que coclusões você tira acerca da amplitude? 5 6 Exemplo 3 O próximo passo é derivar aaliticamete as desidades do míimo e do máximo de uma amostra de tamaho da Uiforme(,). Qual a distribuição do míimo? Seja X () mí(x, X,..., X ) 7 Exemplo 3 Ecotraremos a desidade de X () através do método da fução de distribuição. Para isso, é bom recordar quem é a fução de distribuição de uma variável Uif(,). Se U tem desidade Uif(,) etão: Pr( U u se u < se u se u > 8
8 Exemplo 3 A fução de distribuição de X () é: ( X Pr( X > G ( Pr () () Pr ( X > u, X > u,..., X > Pela idepedêcia dos X i, esta última probabilidade pode ser escrita como o proto das probabilidades idiviais e etão: Exemplo 3 G ( Pr Pr G ( Pr ( X Pr( X > u, X > u,..., X > ( X > Pr( X >...Pr( X > () ( X Pr( X > Pr( X >...Pr( X > { Pr( X > } () Mas, os X i s são ideticamete distribuídos, e etão todos os termos o proto acima são iguais. Logo: Como os X i s são Uif(,), segue que Pr(X > -u. Logo: G ( () ( X { u} Pr 9 3 Exemplo 3 A desidade de X () é apeas a derivada da fução de distribuição: dg ( d { u} g ( + (. u ( { } ( ) { u } Γ Γ ( + ) ( ) Γ( ) ( para < u < Ou seja, X () tem desidade Beta(,). Em particular, sua média é /(+). u Exemplo 3 Do último slide, a depedêcia da desidade do míimo da amostra o tamaho da amostra deve ter ficado explícita. Note que, em particular, se tomarmos uma amostra de tamaho grade, a média dos X () se aproxima de zero. 3 3
9 Exemplo 3 Por exemplo, uma amostra de tamaho (vide exemplo ), o valor esperado de X () é /.99 Exemplo 3 Neste mesmo cotexto (amostra de tamaho da Uif(,)) qual a desidade do máximo? Numa amostra de tamaho 5 (vide exemplo ), a média de X () é /5.96 Compare estes valores com os ecotrados as simulações dos exemplos e. A fução de distribuição de X () é: G ( Pr ( X Pr( X u, X u,..., X ( ) Pr( X Pr( X...Pr( X { Pr( X } { } ( Exemplo 3 A desidade de X () é: dg ( d g( Γ. u ( Γ { u } { u} ( + ) ( ) Γ( ) u ( para < u < Ou seja, X () é Beta(,). Em particular, E{X () } /(+) Exemplo 4 Os resultados ecotrados para o míimo e o máximo de uma amostra Uiforme(,) podem ser facilmete geeralizados para uma amostra de uma desidade f(x) qualquer. Sejam X, X,..., X um cojuto de variáveis CONTÍNUAS iid (idepedetes e ideticamete distribuídas) com desidade f(x) e fução de distribuição acumulada x)
10 Exemplo 4 Etão a fução de distribuição do míimo é: ( X Pr( X > Pr( X >...Pr( X > G ( Pr () { } E a desidade do míimo é: { { } } dg ( d d g ( ( ) { } +. f ( ( ) 37 Exemplo 4 Aalogamete, a fução de distribuição do máximo é: G ( Pr ( X Pr( X u, X u,..., X ( ) Pr( X Pr( X...Pr( X { Pr( X } { } E a desidade do máximo é: dg ( d g( { } d { } { } 38. f ( u ) Exemplo 5 Sejam X, X,..., X um cojuto de variáveis Expo(λ). Ecotre a desidade do míimo destas variáveis. Solução Lembre-se que a fução de distribuição dos X s é: x) exp(-λ.x) e etão x) exp(-λ.x) Exemplo 5 Dos resultados ateriores: g ( +. f ( λ. e λu λu λu ( ). λ. e { e } Assim, X() é Expoecial com parâmetro.λ 39 4
11 Distribuição das Estatísticas sticas de Ordem Teorema A desidade de X (k) a k-ésima estatística de ordem, é: f k ( x)! ( k )!( k)! { } x k k f ( x). F ( x) ) 4 Distribuição das Estatísticas sticas de Ordem Demostração Seja dx um úmero positivo pequeo. Etão: f ( x). dx Pr x X x dx ( ) k ( k ) + O eveto x X (k) x + dx ocorre se k- observações são meores que x, uma observação está em [x, x + dx] e k observações estão acima de x + dx. A probabilidade de qualquer sequêcia deste tipo é f(x).{x)} k-.{ x)} -k.dx e existem!/{(k-)!!(k)!} sequêcias deste tipo. 4 Distribuição das Estatísticas sticas de Ordem Do teorema aterior podemos descobrir facilmete quais são as distribuições de todas as estaísticas de ordem de uma amostra Uiforme(,), como idicado o próximo teorema. Distribuição Beta e relação com a Uiforme(,) Teorema Sejam X, X,..., X variáveis aleatórias idepedetes com desidade Uif(,). Seja X (k) a k-ésima estatística de ordem da amostra. Etão X (k) tem desidade Beta com parâmetros k e k
12 Exemplo 6 Um computador gera úmeros aleatórios uiformemete o itervalo (,). Calcule a probabilidade de que o meor destes úmeros será maior que.5. Solução Pelo teorema aterior, a desidade do meor dos úmeros é uma Beta com parâmetros e. Isto é, se Y deota este úmero temos: Exemplo 6 A desidade de Y é: ( ) Γ( ) ( ) Γ( )! ( ) ( ) ( ) ode <y< Γ.!9! 9 9 f y y y y y A probabilidade deste úmero exceder.5 é: 9 Pr ( Y >.5) ( y) dy.5 Faça a mudaça de variável: t - y dt - dy e se y.5, t.5 e se y, t. Logo: Pr ( Y >.5) t ( dt ) t dt t (.5).977% Distribuição Beta (para casa) Cosidere uma amostra de tamaho > 3 da desidade Uiforme(,). Calcule, como fução do tamaho da amostra, as seguites probabilidades: a) De que o maior úmero a amostra exceda.8; b) De que o meor úmero a amostra seja meor que.. c) Faça um gráfico das probabilidades os ítes a) e b) versus. Distribuição Beta (para casa) Um computador gera 6 úmeros aleatórios uiformemete distribuídos o itervalo (,). Calcule a probabilidade de que o meor destes úmeros será maior que.. Calcule o valor esperado do meor destes úmeros. Ecotre a desidade do o. meor destes úmeros e calcule a sua média e variâcia. Calcule a probabilidade de que o maior destes úmeros exceda
13 Distribuição da Amplitude Para ecotrar a distribuição da amplitude é preciso achar a distribuição cojuta do míimo e do máximo. Supoha que (pois se < a amplitude é zero). Seja u v. Etão: Distribuição da Amplitude Pr(X () > x, X () y) Pr(x < X y, x < X y,..., x < X y) {Pr(x < X y)} { y) x) } Também: Pr(X () y) { y)} Assim a fução de distribuição cojuta de X () e X () é: 49 5 Distribuição da Amplitude F X () Pr, X ( x, y) Pr( X x X y) (), ( ) ( ) ( X y) Pr( X > x, X y) ( ) () ( ) { y) } { y) x) } A desidade cojuta de X () e X () é dada por: f X (), X ( ) ( x, y) + ( ) f ( x) f ( y) FX, (, ) () X x y ( ) x y { y) x) } para x y Distribuição da Amplitude A desidade cojuta é zero se x > y. A desidade da amplitude, R X () - X () é dada por uma ligeira modificação da desidade da soma: f r) ( ) se r < R ( f ( x) f ( r + x) { r + x) x) } dx se r > 5 5
14 Distribuição da Amplitude Exemplo 7 Podemos aplicar o resultado do slide aterior a uma amostra de tamaho da desidade Uif(,). A desidade da amplitude é: f R ( r) ( ) f ( r) ( ) r R r se r < ()() {( r + x) ( x) } ( -r) Γ Γ( + ) ( ) Γ( ) dx ( ). r r (- r) ( r) se < r < se < r < 53 Distribuição da Amplitude Exemplo 7 Ou seja, a amplitude R tem desidade Beta(-, ). Sua média é: E( R) + + Assim, quado o tamaho da amostra cresce, a amplitude se aproxima de. 54 Distribuição da Amplitude Exemplo 7 Assim, para uma amostra de tamaho da Uif(,), E(R) 9/.88. Na simulação do Exemplo, a média da distribuição simulada foi.883. Para uma amostra de tamaho 5 da Uif(,), E(R) 49/5.968, e ecotramos o Exemplo o mesmo valor como média amostral da distribuição simulada. 55
Amostras Aleatórias e Distribuições Amostrais. Probabilidade e Estatística: afinal, qual é a diferença?
Amostras Aleatórias e Distribuições Amostrais Probabilidade e Estatística: afial, qual é a difereça? Até agora o que fizemos foi desevolver modelos probabilísticos que se adequavam a situações reais. Por
Leia maisProbabilidade II Aula 12
Coteúdo Probabilidade II Aula Juho de 009 Desigualdade de Marov Desigualdade de Jese Lei Fraca dos Grades Números Môica Barros, D.Sc. Itrodução A variâcia de uma variável aleatória mede a dispersão em
Leia maisLista de Exercícios #4 Assunto: Variáveis Aleatórias Contínuas
. ANPEC 8 - Questão Seja x uma variável aleatória com fução desidade de probabilidade dada por: f(x) = x, para x f(x) =, caso cotrário. Podemos afirmar que: () E[x]=; () A mediaa de x é ; () A variâcia
Leia maisAvaliação de Desempenho de Sistemas Discretos
Distribuições Comus Avaliação de Desempeho de Sistemas Discretos Probabilidade e Estatística 2 Uiforme Normal Poisso Hipergeométrica Biomial Studet's Geométrica Logormal Expoecial Beta Gamma Qui-Quadrado
Leia maisn ) uma amostra aleatória da variável aleatória X.
- Distribuições amostrais Cosidere uma população de objetos dos quais estamos iteressados em estudar uma determiada característica. Quado dizemos que a população tem distribuição FX ( x ), queremos dizer
Leia maisMAE Introdução à Probabilidade e Estatística II Resolução Lista 1
MAE 229 - Itrodução à Probabilidade e Estatística II Resolução Lista 1 Professor: Pedro Moretti Exercício 1 (a) Fazer histograma usado os seguites dados: Distribuição de probabilidade da variável X: X
Leia maisLista de Exercícios #6 Assunto: Propriedade dos Estimadores e Métodos de Estimação
Assuto: Propriedade dos Estimadores e Métodos de Estimação. ANPEC 08 - Questão 6 Por regulametação, a cocetração de um produto químico ão pode ultrapassar 0 ppm. Uma fábrica utiliza esse produto e sabe
Leia maisAula 5. Aula de hoje. Aula passada. Limitante da união Método do primeiro momento Lei dos grandes números (fraca e forte) Erro e confiança
Aula 5 Aula passada Valor esperado codicioal Espaço amostral cotíuo, fução desidade Limitates para probabilidade Desigualdades de Markov, Chebyshev, Cheroff with high probability Aula de hoje Limitate
Leia maisMQI 2003 ESTATÍSTICA PARA METROLOGIA - SEMESTRE Teste 2 07/07/2008 Nome: PROBLEMA 1 Sejam X e Y v.a. contínuas com densidade conjunta:
MQI 003 ESTATÍSTICA PARA METROLOGIA - SEMESTRE 008.0 Teste 07/07/008 Nome: PROBLEMA Sejam X e Y v.a. cotíuas com desidade cojuta: f xy cy xy x y (, ) = + 3 ode 0 e 0 a) Ecotre a costate c que faz desta
Leia maisSumário. 2 Índice Remissivo 11
i Sumário 1 Esperaça de uma Variável Aleatória 1 1.1 Variáveis aleatórias idepedetes........................... 1 1.2 Esperaça matemática................................. 1 1.3 Esperaça de uma Fução de
Leia mais1 Distribuições Amostrais
1 Distribuições Amostrais Ao retirarmos uma amostra aleatória de uma população e calcularmos a partir desta amostra qualquer quatidade, ecotramos a estatística, ou seja, chamaremos os valores calculados
Leia maisDISTRIBUIÇÃO AMOSTRAL E ESTIMAÇÃO PONTUAL INTRODUÇÃO ROTEIRO POPULAÇÃO E AMOSTRA. Estatística Aplicada à Engenharia
ROTEIRO DISTRIBUIÇÃO AMOSTRAL E ESTIMAÇÃO PONTUAL 1. Itrodução. Teorema Cetral do Limite 3. Coceitos de estimação potual 4. Métodos de estimação potual 5. Referêcias Estatística Aplicada à Egeharia 1 Estatística
Leia maisLista 9 - Introdução à Probabilidade e Estatística
Lista 9 - Itrodução à Probabilidade e Estatística Desigualdades e Teoremas Limites 2.=000. 1 Um ariro apota a um alvo de 20 cm de raio. Seus disparos atigem o alvo, em média, a 5 cm do cetro deste. Assuma
Leia maisDISTRIBUIÇÕES DE PROBABILIDADE
DISTRIBUIÇÕES DE PROBABILIDADE DISTRIBUIÇÃO DE PROBABILIDADE Seja uma v.a. que assume os valores,,..., com probabilidade p, p,..., p associadas a cada elemeto de, sedo p p... p diz-se que está defiida
Leia maisVariáveis Aleatórias e Distribuições de Probabilidade
PROBABILIDADES Variáveis Aleatórias e Distribuições de Probabilidade BERTOLO Fução de Probabilidades Vamos cosiderar um experimeto E que cosiste o laçameto de um dado hoesto. Seja a variável aleatória
Leia maisMAE Introdução à Probabilidade e Estatística II Resolução Lista 2
MAE 9 - Itrodução à Probabilidade e Estatística II Resolução Lista Professor: Pedro Moretti Exercício 1 Deotado por Y a variável aleatória que represeta o comprimeto dos cilidros de aço, temos que Y N3,
Leia maisDESIGUALDADES, LEIS LIMITE E TEOREMA DO LIMITE CENTRAL. todas as repetições). Então, para todo o número positivo ξ, teremos:
48 DESIGUALDADES, LEIS LIMITE E TEOREMA DO LIMITE CENTRAL LEI DOS GRANDES NÚMEROS Pretede-se estudar o seguite problema: À medida que o úmero de repetições de uma experiêcia cresce, a frequêcia relativa
Leia maisPedro Alberto Barbetta / Marcelo Menezes Reis / Antonio Cezar Bornia São Paulo: Atlas, 2004
Estatística para Cursos de Egeharia e Iformática Pedro Alberto Barbetta / Marcelo Meezes Reis / Atoio Cezar Boria São Paulo: Atlas, 004 Cap. 7 - DistribuiçõesAmostrais e Estimaçãode deparâmetros APOIO:
Leia maisProbabilidade 2 - ME310 - Lista 5
Probabilidade - ME30 - Lista 5 November 3, 0 Lembrado:. Covergêcia de sequêcias em L p (também chamada de covergêcia em média): se lim E( X X 0 p ) 0 quado, etão a sequêcia deida por X é dita covergete
Leia maisbinomial seria quase simétrica. Nestas condições será também melhor a aproximação pela distribuição normal.
biomial seria quase simétrica. Nestas codições será também melhor a aproximação pela distribuição ormal. Na prática, quado e p > 7, a distribuição ormal com parâmetros: µ p 99 σ p ( p) costitui uma boa
Leia maisCap. 4 - Estimação por Intervalo
Cap. 4 - Estimação por Itervalo Amostragem e iferêcia estatística População: cosiste a totalidade das observações em que estamos iteressados. Nº de observações a população é deomiado tamaho=n. Amostra:
Leia maisDistribuições de Estatísticas Amostrais e Teorema Central do Limite
Distribuições de Estatísticas Amostrais e Teorema Cetral do Limite Vamos começar com um exemplo: A mega-sea de 996 a N 894 úmeros de a 6: Média: m 588 Desvio padrão: 756 49 amostras de 6 elemetos Frequêcia
Leia maisb) Fabrico de peças cilíndricas Capítulo 5 - Distribuições conjuntas de probabilidades e complementos X - comprimento da peça Y - diâmetro da peça
Capítulo 5 - Distribuições cojutas de probabilidades e complemetos 5.1 Duas variáveis aleatórias discretas. Distribuições cojutas, margiais e codicioais. Idepedêcia Em relação a uma mesma eperiêcia podem
Leia maisn C) O EMV é igual a i 1
PROVA DE ESTATÍSTICA E PROBABILIDADE SELEÇÃO MESTRADO/UFMG 009 Istruções: a) Cada questão respodida corretamete vale (um) poto. c) Cada questão respodida icorretamete vale - (meos um) poto. b) Cada questão
Leia mais1. Resolução da lista 1. Primeiro apresentaremos uma integral importante, obtida a partir da distribuição gama generalizada.
1. Resolução da lista 1. Primeiro apresetaremos uma itegral importate, obtida a partir da distribuição gama geeralizada. 1) J x a 1 e bxc dx Γa/c), a, b, c >. cba/c Demostração: fazedo a substituição y
Leia maisInstruções gerais sobre a Prova:
DEPARTAMENTO DE ESTATÍSTICA - UFMG PROVA DE ESTATÍSTICA & PROBABILIDADES SELEÇÃO MESTRADO/UFMG 2012/2013 Istruções gerais sobre a Prova: (a) Cada questão respodida corretamete vale 1 (um) poto. (b) Cada
Leia maisDEPARTAMENTO DE ESTATÍSTICA - UFMG PROVA DE ESTATÍSTICA E PROBABILIDADE SELEÇÃO - MESTRADO/ UFMG /2016
DEPARTAMENTO DE ESTATÍSTICA - UFMG PROVA DE ESTATÍSTICA E PROBABILIDADE SELEÇÃO - MESTRADO/ UFMG - 205/206 Istruções:. Cada questão respodida corretamete vale (um poto. 2. Cada questão respodida icorretamete
Leia maisDistribuições Amostrais
9/3/06 Uiversidade Federal do Pará Istituto de Tecologia Estatística Aplicada I Prof. Dr. Jorge Teófilo de Barros Lopes Campus de Belém Curso de Egeharia Mecâica 3/09/06 3:38 ESTATÍSTICA APLICADA I - Teoria
Leia maisDistribuições Amostrais
Distribuições Amostrais O problema da iferêcia estatística: fazer uma afirmação sobre os parâmetros da população θ (média, variâcia, etc) através da amostra. Usaremos uma AAS de elemetos sorteados dessa
Leia maisAula 5 Teorema central do limite & Aplicações
Diâmica Estocástica Aula 5 Teorema cetral do limite & Aplicações Teorema cetral do limite Se x é tal que: x 0 e ( xv é fiita,,..., x x, x,...,, 3 x variáveis aleatórias idepedetes com a mesma distribuição
Leia maisDistribuições Amostrais
7/3/07 Uiversidade Federal do Pará Istituto de Tecologia Estatística Aplicada I Prof. Dr. Jorge Teófilo de Barros Lopes Campus de Belém Curso de Egeharia Mecâica 3/07/07 09:3 ESTATÍSTICA APLICADA I - Teoria
Leia maisRevisando... Distribuição Amostral da Média
Estatística Aplicada II DISTRIBUIÇÃO AMOSTRAL MÉDIA AULA 08/08/16 Prof a Lilia M. Lima Cuha Agosto de 016 Revisado... Distribuição Amostral da Média Seja X uma v. a. de uma população com média µ e variâcia
Leia maisO teste de McNemar. A tabela 2x2. Depois - Antes
Prof. Lorí Viali, Dr. http://www.pucrs.br/famat/viali/ viali@pucrs.br O teste de McNemar O teste de McNemar para a sigificâcia de mudaças é particularmete aplicável aos experimetos do tipo "ates e depois"
Leia maisMEDIDAS DESCRITIVAS DE POSIÇÃO, TENDÊNCIA CENTRAL E VARIABILIDADE
MEDIDAS DESCRITIVAS DE POSIÇÃO, TENDÊNCIA CENTRAL E VARIABILIDADE 1 Estatística descritiva (Eploratória) PRIMEIRO PASSO: Tabelas (distribuição de frequêcia) e Gráficos. SEGUNDO PASSO: Cálculo de medidas
Leia maisLista de Exercícios 5
Itrodução à Teoria de Probabilidade. Iformatica Biomedica. Departameto de Física e Matemática. USP-RP. Prof. Rafael A. Rosales 22 de juho de 2006. Lista de Exercícios 5 1 Modelos Probabilísticos Discretos
Leia maisDepartamento de Informática. Modelagem Analítica. Modelagem Analítica do Desempenho de Sistemas de Computação. Disciplina: Algumas Distribuições
Deartameto de Iformática Discilia: do Desemeho de Sistemas de Comutação Algumas Distribuições Algumas Distribuições Discretas Prof. Sérgio Colcher colcher@if.uc-rio.br Coyright 999-8 by TeleMídia Lab.
Leia maisEstatística para Economia e Gestão REVISÕES SOBRE VARIÁVEIS ALEATÓRIAS DISCRETAS E CONTÍNUAS
Estatística para Ecoomia e Gestão REVISÕES SOBRE VARIÁVEIS ALEATÓRIAS DISCRETAS E CONTÍNUAS Primavera 008/009 Variável Aleatória: Defiição: uma variável aleatória é uma fução que atribui a cada elemeto
Leia maisUNIVERSIDADE FEDERAL DO PARANÁ NOTAS DE AULA PROFa. SONIA MÜLLER
PROBABILIDADE. DEFINIÇÕES BÁSICAS:.- INTRODUÇÃO: UNIVERSIDADE FEDERAL DO PARANÁ NOTAS DE AULA PROFa. SONIA MÜLLER PROBABILIDADE POPULAÇÃO AMOSTRA ESTATÍSTICA Uiverso : Ω ou U Vazio: Uião: A B Itersecção:
Leia maisCálculo Numérico Lista 02
Cálculo Numérico Lista 02 Professor: Daiel Herique Silva Essa lista abrage iterpolação poliomial e método dos míimos quadrados, e cobre a matéria da seguda prova. Istruções gerais para etrega Nem todos
Leia mais1 a Lista de PE Solução
Uiversidade de Brasília Departameto de Estatística 1 a Lista de PE Solução 1. a) Qualitativa omial. b) Quatitativa discreta. c) Quatitativa discreta. d) Quatitativa cotíua. e) Quatitativa cotíua. f) Qualitativa
Leia mais) E X. ) = 0 2 ( 1 p ) p = p. ) E 2 ( X ) = p p 2 = p ( 1 p ) ( ) = i 1 n. ( ) 2 n E( X) = ( ) = 1 p ( ) = p V ( X ) = E ( X 2 E X
3.5 A distribuição uiforme discreta Defiição: X tem distribuição uiforme discreta se cada um dos valores possíveis,,,, tiver fução de probabilidade P( X = i ) = e represeta-se por, i =,, 0, c.c. X ~ Uif
Leia maisUNIVERSIDADE FEDERAL DO PARANÁ SETOR DE CIÊNCIAS EXATAS DEPTO. DE ESTATÍSTICA LISTA 4 PROBABILIDADE A (CE068) Prof. Benito Olivares Aguilera
UNIVERSIDADE FEDERAL DO PARANÁ SETOR DE CIÊNCIAS EATAS DEPTO. DE ESTATÍSTICA LISTA 4 PROBABILIDADE A (CE068) Prof. Beito Olivares Aguilera 2 o Sem./09 1. Das variáveis abaixo descritas, assiale quais são
Leia maisPropriedades: Notação: X ~ U(α, β). PRINCIPAIS MODELOS CONTÍNUOS
0 CONTÍNUOS PRINCIPAIS MODELOS Notação: ~ U(α β). Propriedades: Eemplo A dureza de uma peça de aço pode ser pesada como sedo uma variável aleatória uiforme o itervalo (5070) uidades. Qual a probabilidade
Leia maisCÁLCULO I. Exibir o cálculo de algumas integrais utilizando a denição;
CÁLCULO I Prof Edilso Neri Júior Prof Adré Almeida Aula o 9: A Itegral de Riema Objetivos da Aula Deir a itegral de Riema; Exibir o cálculo de algumas itegrais utilizado a deição; Apresetar fuções que
Leia maisMATEMÁTICA II. Profa. Dra. Amanda Liz Pacífico Manfrim Perticarrari
MATEMÁTICA II Profa. Dra. Amada Liz Pacífico Mafrim Perticarrari amada@fcav.uesp.br O PROBLEMA DA ÁREA O PROBLEMA DA ÁREA Ecotre a área da região que está sob a curva y = f x de a até b. S = x, y a x b,
Leia maisCONHECIMENTOS ESPECÍFICOS
Acerca dos coceitos de estatística e dos parâmetros estatísticos, julgue os ites seguites. CONHECIMENTOS ESPECÍFICOS CESPE/UB STM 67 A partir do histograma mostrado a figura abaixo, é correto iferir que
Leia maisS E Q U Ê N C I A S E L I M I T E S. Prof. Benito Frazão Pires. Uma sequência é uma lista ordenada de números
S E Q U Ê N C I A S E L I M I T E S Prof. Beito Frazão Pires Uma sequêcia é uma lista ordeada de úmeros a, a 2,..., a,... ) deomiados termos da sequêcia: a é o primeiro termo, a 2 é o segudo termo e assim
Leia maisProbabilidades e Estatística
Departameto de Matemática Probabilidades e Estatística Primeiro exame/segudo teste 2 o semestre 29/21 Duração: 18/9 miutos Grupo I Justifique coveietemete todas as respostas. 17/6/21 9: horas 1. Com base
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 Programa do curso: Semaas 1 2 3 4 5 6 7 8 9 1 11 12 13 14 15 e 16 Itrodução à probabilidade evetos
Leia maisMATEMÁTICA II. Profa. Dra. Amanda Liz Pacífico Manfrim Perticarrari
MATEMÁTICA II Profa. Dra. Amada Liz Pacífico Mafrim Perticarrari amada@fcav.uesp.br Ecotre a área da região que está sob a curva y = f x de a até b. S = x, y a x b, 0 y f x Isso sigifica que S, ilustrada
Leia maisUniversidade Federal de Lavras Departamento de Estatística Prof. Daniel Furtado Ferreira 1 a Aula Prática Técnicas de somatório
Uiversidade Federal de Lavras Departameto de Estatística Prof. Daiel Furtado Ferreira 1 a Aula Prática Técicas de somatório Notação e propriedades: 1) Variáveis e ídices: o símbolo x j (leia x ídice j)
Leia maisProf. Fabrício Maciel Gomes Departamento de Engenharia Química Escola de Engenharia de Lorena EEL
Prof. Fabrício Maciel Gomes Departameto de Egeharia Química Escola de Egeharia de Lorea EEL Referêcias Bibliográficas Sistema de Avaliação Duas Provas teóricas Um Trabalho em Grupo MédiaFial 0,4 P 0,4
Leia maisNotas do Curso Inferência em Processos Estocásticos. 1 Estimação de máxima verossimilhança para cadeias de Markov de ordem k
Notas do Curso Iferêcia em Processos Estocásticos Prof. Atoio Galves Trascrita por Karia Yuriko Yagiuma 1 Estimação de máxima verossimilhaça para cadeias de Markov de ordem k Seja (X ) =0,1,,... uma cadeia
Leia maisESTATÍSTICA. PROF. RANILDO LOPES U.E PROF EDGAR TITO
ESTATÍSTICA PROF. RANILDO LOPES http://ueedgartito.wordpress.com U.E PROF EDGAR TITO Medidas de tedêcia cetral Medidas cetrais são valores que resumem um cojuto de dados a um úico valor que, de alguma
Leia maisProbabilidades e Estatística TODOS OS CURSOS
Duração: 9 miutos Grupo I Probabilidades e Estatística TODOS OS CURSOS Justifique coveietemete todas as respostas 1 o semestre 217/218 3/1/218 11:3 1 o Teste C 1 valores 1. A Marta e o João irão passar
Leia maisESTATÍSTICA- II DISTRIBUIÇÃO DE FREQUÊNCIA. 1- CONCEITO É a série estatística que tem o tempo, o espaço e a espécie como variáveis dependentes.
ESTATÍSTICA- II DISTRIBUIÇÃO DE FREQUÊNCIA 1- CONCEITO É a série estatística que tem o tempo, o espaço e a espécie como variáveis depedetes. - DISTRIBUIÇÃO DE FREQUÊNCIA a) Dados Brutos É um cojuto resultate
Leia maisVirgílio A. F. Almeida DCC-UFMG 1/2005
Virgílio A. F. Almeida DCC-UFMG 1/005 !" # Comparado quatitativamete sistemas eperimetais: Algoritmos, protótipos, modelos, etc Sigificado de uma amostra Itervalos de cofiaça Tomado decisões e comparado
Leia maisObtemos, então, uma amostra aleatória de tamanho n de X, que representamos por X 1, X 2,..., X n.
Vamos observar elemetos, extraídos ao acaso e com reposição da população; Para cada elemeto selecioado, observamos o valor da variável X de iteresse. Obtemos, etão, uma amostra aleatória de tamaho de X,
Leia maisEstimação da média populacional
Estimação da média populacioal 1 MÉTODO ESTATÍSTICO Aálise Descritiva Teoria das Probabilidades Iferêcia Os dados efetivamete observados parecem mostrar que...? Se a distribuição dos dados seguir uma certa
Leia mais5 Teoria dos Valores Extremos
Teoria dos Valores Extremos 57 5 Teoria dos Valores Extremos A Teoria dos Valores Extremos vem sedo bastate utilizada em campos ligados a evetos raros. Sua estatística é aplicada a estimação de evetos
Leia maisComo se decidir entre modelos
Como se decidir etre modelos Juliaa M. Berbert Quado uma curva é lei de potecia? O procedimeto amplamete usado para testar movimetação biológica a fim de ecotrar padrões de busca como Voos de Levy tem
Leia mais6.1 Estimativa de uma média populacional: grandes amostras. Definição: Um estimador é uma característica amostral (como a média amostral
6 ESTIMAÇÃO 6.1 Estimativa de uma média populacioal: grades amostras Defiição: Um estimador é uma característica amostral (como a média amostral x ) utilizada para obter uma aproximação de um parâmetro
Leia maisMATEMÁTICA MÓDULO 6 ESTATÍSTICA. Professor Haroldo Filho
MATEMÁTICA Professor Haroldo Filho MÓDULO 6 ESTATÍSTICA 1.1 ESTATÍSTICA É a ciêcia que utiliza a coleta de dados, sua classificação, sua apresetação, sua aálise e sua iterpretação para se tomar algum tipo
Leia maisPreliminares 1. 1 lim sup, lim inf. Medida e Integração. Departamento de Física e Matemática. USP-RP. Prof. Rafael A. Rosales. 8 de março de 2009.
Medida e Itegração. Departameto de Física e Matemática. USP-RP. Prof. Rafael A. Rosales 8 de março de 2009. 1 lim sup, lim if Prelimiares 1 Seja (x ), N, uma seqüêcia de úmeros reais, e l o limite desta
Leia maisEstatística Aplicada I DISTRIBUIÇÃO AMOSTRAL MÉDIA ERRO AMOSTRAL
Estatística Aplicada I DISTRIBUIÇÃO AMOSTRAL MÉDIA ERRO AMOSTRAL AULA 8 16/05/17 Prof a Lilia M. Lima Cuha Maio de 017 PROPOSITO FUNDAMENTAL DA INFERÊNCIA ESTATISTICA DESENVOLVER ESTIMATIVAS E TESTAR HIPOTESES
Leia maisSéquências e Séries Infinitas de Termos Constantes
Capítulo Séquêcias e Séries Ifiitas de Termos Costates.. Itrodução Neste capítulo estamos iteressados em aalisar as séries ifiitas de termos costates. Etretato, para eteder as séries ifiitas devemos ates
Leia maisEstimadores de Momentos
Estimadores de Mometos A média populacioal é um caso particular daquilo que chamamos de mometo. Na realidade, ela é o primeiro mometo. Se X for uma v.a. cotíua, com desidade f(x; θ 1,..., θ r ), depededo
Leia maisO Princípio da Substituição e o Teorema Central do Limite
O Pricípio da Substituição e o Teorema Cetral do Limite Roberto Imbuzeiro M. F. de Oliveira 6 de Maio de 009 Resumo 1 Prelimiares são variáveis aleatórias idepedetes sat- No que segue {X i } {Y i} isfazedo
Leia maisTécnicas Computacionais em Probabilidade e Estatística I. Aula II
Técicas Computacioais em Probabilidade e Estatística I Aula II Chag Chia MAE 5704- IME/USP º Sem/008 Algus modelos de iteresse prático: a Beroulli; Biomial; b Poisso; Geométrica; Hipergeométrica; c Uiforme;
Leia maisMétodos Quantitativos para Ciência da Computação Experimental
Métodos Quatitativos para Ciêcia da Computação Experimetal -Aula #b- Virgílio A. F. Almeida Março 008 Departameto de Ciêcia da Computação Uiversidade Federal de Mias Gerais Material de Estatistica http://www.itl.ist.gov/div898/hadbook/idex.htm
Leia maisMAT Cálculo Diferencial e Integral para Engenharia IV 2 o Semestre de a Lista de exercícios. x 2. + d) x. 1 2 x3. x x8.
MAT456 - Cálculo Diferecial e Itegral para Egeharia IV o Semestre de 6 - a Lista de exercícios. Obter uma expressão das somas das séries abaixo e os respectivos raios de covergêcia, usado derivação e itegração
Leia maisMAE 116 Estimação para a média FEA - 2º Semestre de 2018
MAE 116 Estimação para a média FEA - 2º Semestre de 2018 1 Objetivo da aula O objetivo é estimar a média de uma população (ou de uma variável aleatória) Vamos iicialmete estudar de forma empírica a distribuição
Leia maisNosso objetivo agora é estudar a média de uma variável quantitativa X. Denotamos a média desconhecida como E(X)=µ
TESTE DE HIPÓTESES PARA A MÉDIA POPULACIONAL µ Nosso objetivo agora é estudar a média de uma variável quatitativa X. Deotamos a média descohecida como E(X)µ Mais precisamete, estimamos a média µ, costruímos
Leia maisDERIVADAS. Professor Dr. Jair Silvério dos Santos * e n 2 =
MATEMATICA APLICADA A NEGÓCIOS 4, 3 (00) Cálculo Cálculo Diferecial e Itegral I DERIVADAS Professor Dr Jair Silvério dos Satos * Prova-se facilmete por idução fiita que para todo N, + + + i i ( + ) e +
Leia mais2.2. Séries de potências
Capítulo 2 Séries de Potêcias 2.. Itrodução Série de potêcias é uma série ifiita de termos variáveis. Assim, a teoria desevolvida para séries ifiitas de termos costates pode ser estedida para a aálise
Leia maisEstacionariedade e correlação temporal em dados financeiros
Estacioariedade e correlação temporal em dados fiaceiros Hoje em dia há uma quatidade imesa de dados fiaceiros sedo armazeados, egócio a egócio, pelo mudo afora. Gratuitamete, é possível coseguir facilmete
Leia mais5. A nota final será a soma dos pontos (negativos e positivos) de todas as questões
DEPARTAMENTO DE ESTATÍSTICA - UFMG PROVA DE ESTATÍSTICA E PROBABILIDADE SELEÇÃO - MESTRADO/ UFMG - 2013/2014 Istruções: 1. Cada questão respodida corretamete vale 1 (um) poto. 2. Cada questão respodida
Leia maisEstatística. 7 - Distribuições Amostrais
Estatística 7 - Distribuições Amostrais 07 - Distribuição da Média Amostral Distribuição costituída de todos os valores de, cosiderado todas as possíveis amostras de tamaho i ( Ode,,..., são V.A. com mesma
Leia maisCONHECIMENTOS ESPECÍFICOS
CESPE/UB FUB/0 fa 5 4 CONHECIMENTOS ESPECÍFICOS 60 As distribuições B e C possuem os mesmos valores para os quartis Q e Q, e o quartil superior em B correspode ao quartil cetral (Q ) da distribuição A.
Leia maisExame Final Nacional de Matemática Aplicada às Ciências Sociais Época especial
Exame Fial Nacioal de Matemática Aplicada às Ciêcias Sociais 016 - Época especial Proposta de resolução 1. Aplicado o primeiro método para o apurameto do vecedor, temos: N o. de votos 615 300 435 150 Total
Leia maisEstatística. Estatística II - Administração. Prof. Dr. Marcelo Tavares. Distribuições de amostragem. Estatística Descritiva X Estatística Inferencial
Estatística II - Admiistração Prof. Dr. Marcelo Tavares Distribuições de amostragem Na iferêcia estatística vamos apresetar os argumetos estatísticos para fazer afirmações sobre as características de uma
Leia maisSucessão ou Sequência. Sucessão ou seqüência é todo conjunto que consideramos os elementos dispostos em certa ordem. janeiro,fevereiro,...
Curso Metor www.cursometor.wordpress.com Sucessão ou Sequêcia Defiição Sucessão ou seqüêcia é todo cojuto que cosideramos os elemetos dispostos em certa ordem. jaeiro,fevereiro,...,dezembro Exemplo : Exemplo
Leia maisMétodos Quantitativos para Ciência da Computação Experimental Aula #4
Métodos Quatitativos para Ciêcia da Computação Experimetal Aula #4 Jussara Almeida DCC-UFMG 2017 Measuremets are ot to provide umbers, but isights Metodologia de Comparação de Sistemas Experimetais Comparado
Leia mais10 - Medidas de Variabilidade ou de Dispersão
10 - Medidas de Variabilidade ou de Dispersão 10.1 Itrodução Localizado o cetro de uma distribuição de dados, o próximo passo será verificar a dispersão desses dados, buscado uma medida para essa dispersão.
Leia maisStela Adami Vayego DEST/UFPR
Resumo 0 Estimação de parâmetros populacioais 9.. Itrodução Aqui estudaremos o problema de avaliar certas características dos elemetos da população (parâmetros), com base em operações com os dados de uma
Leia maisCap. VI Histogramas e Curvas de Distribuição
TLF /11 Capítulo VI Histogramas e curvas de distribuição 6.1. Distribuições e histogramas. 6 6.. Distribuição limite 63 6.3. Sigificado da distribuição limite: frequêcia esperada e probabilidade de um
Leia maisObjetivo. Estimar a média µ de uma variável aleatória X, que representa uma característica de interesse de uma população, a partir de uma amostra.
ESTIMAÇÃO PARA A MÉDIAM Objetivo Estimar a média µ de uma variável aleatória X, que represeta uma característica de iteresse de uma população, a partir de uma amostra. Exemplos: µ : peso médio de homes
Leia mais1 Formulário Seqüências e Séries
Formulário Seqüêcias e Séries Difereça etre Seqüêcia e Série Uma seqüêcia é uma lista ordeada de úmeros. Uma série é uma soma iita dos termos de uma seqüêcia. As somas parciais de uma série também formam
Leia maisEconometria. Econometria. Algumas considerações. Algumas considerações MQO. Derivando as Propriedades
Ecoometria. Propriedades fiitas dos estimadores MQO. Estimação da Variâcia do estimador de MQO 3. Revisão de Iferêcia (testes em ecoometria) Ecoometria. Propriedades fiitas dos estimadores MQO Algumas
Leia maisEPR 007 Controle Estatístico de Qualidade
EP 7 Cotrole Estatístico de Qualidade Prof. Dr. Emerso José de Paiva Gráficos e tabelas origiadas de Costa, Epprecht e Carpietti (212) 1 Num julgameto, ifelizmete, um iocete pode ir pra cadeia, assim como
Leia maisRepresentação de Números em Ponto Flutuante
Represetação de Números em Poto Flutuate OBS: Esta aula é uma reprodução, sob a forma de slides, da aula em vídeo dispoibilizada pelo prof. Rex Medeiros, da UFRN/ECT, em https://youtu.be/ovuymcpkoc Notação
Leia maisProbabilidades e Estatística LEGM, LEIC-A, LEIC-T, MA, MEMec
Duração: 90 miutos Grupo I Probabilidades e Estatística LEGM, LEIC-A, LEIC-T, MA, MEMec Justifique coveietemete todas as respostas 2 o semestre 208/209 04/05/209 9:00 o Teste A 0 valores. As amostras de
Leia maisProcessos Estocásticos
IFBA Processos Estocásticos Versão 1 Alla de Sousa Soares Graduação: Liceciatura em Matemática - UESB Especilização: Matemática Pura - UESB Mestrado: Matemática Pura - UFMG Vitória da Coquista - BA 2014
Leia maisCapítulo 5- Introdução à Inferência estatística. (Versão: para o manual a partir de 2016/17)
Capítulo 5- Itrodução à Iferêcia estatística. (Versão: para o maual a partir de 2016/17) 1.1) Itrodução.(222)(Vídeo 39) Na iferêcia estatística, aalisamos e iterpretamos amostras com o objetivo de tirar
Leia maisDisciplina: Probabilidade e Estatística (MA70H) Profª Silvana Heidemann Rocha Estudante: Código: APRESENTAÇÃO DE DADOS PARA VARIÁVEL QUANTITATIVA
Miistério da Educação UIVERSIDADE TECOLÓGICA FEDERAL DO PARAÁ Câmpus Curitiba Diretoria de Graduação e Educação Profissioal Departameto Acadêmico de Estatística 1 Disciplia: Probabilidade e Estatística
Leia mais3. Seja C o conjunto dos números complexos. Defina a soma em C por
Eercícios Espaços vetoriais. Cosidere os vetores = (8 ) e = ( -) em. (a) Ecotre o comprimeto de cada vetor. (b) Seja = +. Determie o comprimeto de. Qual a relação etre seu comprimeto e a soma dos comprimetos
Leia maisComparação entre duas populações
Comparação etre duas populações AMOSTRAS INDEPENDENTES Comparação etre duas médias 3 Itrodução Em aplicações práticas é comum que o iteresse seja comparar as médias de duas diferetes populações (ambas
Leia maisTeste de Estatística 29 Outubro 2012 Correcção
Teste de Estatística 9 Outubro 0 Correcção Grupo I ( valores) ATENÇÃO Etre todas as versões, existem 7 pergutas este grupo, mas apeas aparecem em cada versão do teste. Além disso, as hipóteses de resposta
Leia maisEstimar uma proporção p (desconhecida) de elementos em uma população, apresentando certa característica de interesse, a partir da informação
ESTIMAÇÃO DA PROPORÇÃO POPULACIONAL p 1 Objetivo Estimar uma proporção p (descohecida) de elemetos em uma população, apresetado certa característica de iteresse, a partir da iformação forecida por uma
Leia mais