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

Save this PDF as:
 WORD  PNG  TXT  JPG

Tamanho: px
Começar a partir da página:

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

Transcrição

1 Módulo básico - Tópicos de Estatística e obabilidade ONS 006/007 - ofa. Mônica Barros LISTA DE EXERCÍCIOS # PROBLEMA O retorno mensal de certo investimento de risco pode ser modelado pela variável aleatória R com função de probabilidade dada abaixo : r -5 % 0 % 5 % 0 % 5 % (R r) a) Calcule o retorno esperado (em %) do investimento e sua variância e desvio padrão. b) Considere agora a variável aleatória X, onde X 0 se houve retorno negativo ou zero, e X ("sucesso") se houve retorno positivo. Suponha que você aplica o seu dinheiro por meses consecutivos, e que as aplicações em meses subsequentes são independentes e com a mesma probabilidade de "sucesso". Qual a probabilidade de obter retorno positivo em 7 ou mais meses? a) Média.75% E(R ) variância d.padrão 6.57% b) A variável X é Bernoulli com probabilidade de sucesso p Seja Y X i. Então Y tem distribuição Binomial (n, p 0.45). i Desejamos calcular ( Y > 7) ( Y 8 ) + ( Y ) ( Y ) y prob 8 7.6%.77% % 0.0% 0.0% ( Y > 7).7%

2 PROBLEMA Um engenheiro encarregado da manutenção de uma certa máquina notou que os defeitos têm três possíveis causas (elétrica, mecânica e operacional). Os custos de reparo, por sua vez, estão associados ao tipo de defeito encontrado, e são: R$ 00 C R$ 50 R$ 50 falha elétrica falha mecânica falha operacional A experiência passada mostra que 0% dos defeitos são causados por falhas elétricas, e 50% por falhas mecânicas. a) Qual o custo esperado de reparo da máquina em R$? b) Qual o desvio padrão do custo de reparo da máquina? a) A probabilidade de uma falha operacional é O custo esperado de reparo da máquina é: E(C) 00.(0.) + 50(0.5) + 50(0.) R$ 0 b) A variância dos custos é: VAR(C) E(C ) (E(C)) E(C ) (0) Logo, o desvio padrão dos custos é: σ 700 R$0.77 PROBLEMA A probabilidade de uma pessoa ser fumante na população é 0%. Você é fumante e quer acender seu cigarro mas perdeu seu isqueiro. Suponha que os eventos {ter isqueiro} e {ser fumante} são equivalentes. Você sai perguntando a cada pessoa numa enorme fila se elas têm isqueiro. a) Qual a probabilidade de precisar perguntar a pelo menos cinco pessoas antes de encontrar um fumante? b) Na média, a quantas pessoas você terá que perguntar por um isqueiro até encontrar um fumante? Este é um problema típico da distribuição Geométrica. Cada repetição de Bernoulli pode ser descrita como: X i 0 se a se a i - ésima i - ésima pessoa não tem isqueiro pessoa TEM isqueiro ("sucesso")

3 Seja Y o número de pessoas a quem você tem que perguntar antes de encontrar a primeira com um isqueiro. Então Y é uma variável Geométrica com probabilidade de sucesso p 0% e a sua função de probabilidade é: y ( Y y) ( 0.) ( 0.) y,,,... a) (Y 5) (Y 5) + (Y 6) + (Y 7) +... (Y 4) (Y ) - (Y ) - (Y ) - (Y 4) (0.).( ) b) A média da distribuição Geométrica é: E p 0. ( Y ) 0 pessoas PROBLEMA 4 O consumo mensal em minutos por conta de celular numa certa região é uma v.a. Normal com média 40 minutos e desvio padrão minutos. a) Qual a probabilidade de alguém usar o celular menos de 50 minutos? b) Qual a probabilidade de alguém usar o celular mais de 5 minutos? c) Quantos minutos por mês alguém deve passar no celular para estar entre os 0% que mais usam o aparelho? d) Quantos minutos por mês alguém deve passar no celular para estar entre os 5% que MENOS usam o aparelho? Toma-se uma amostra de 4 usuários de celular. e) Qual a probabilidade do tempo médio de uso na amostra exceder 45 minutos? f) Qual a probabilidade do maior tempo de uso na amostra ser menor que 50 minutos? g) Qual a probabilidade do menor tempo de uso na amostra ser menor que 40 minutos? X consumo em minutos ~ N(40, ) X < Z < 0 / Φ Φ 6 X > ( Z > 5/) Φ b) (X > 5) Φ Φ( ) 0. a) ( X < 50) ( ) ( 0.8) ( ) 665 c) Para ser um dos 0% que mais usam o aparelho, a variável normalizada é z.86

4 4 Logo: X X 40 + (.86) 55.8 minutos d) Para estar entre os 5% que menos usam o celular, a variável normalizada é z e então: X X 40 + (.645) 0.6 minutos Agora considere uma amostra de 4 usuários de celular. O tempo médio é uma variável Normal com média 40 minutos e variância () /4 6. e) X ( X > 45) > ( 6 6 Z > Z 6 - Φ(.04) >.04) f) Seja V Max(X, X,..., X 4 ). Então (V < 50) ( X < 50, X < 50,..., X 4 < 50) e como os X i s são iid, esta probabilidade é igual a {(X < 50)} 4. Mas: X ( X < 50) < Z < Φ( 0.8) (vide item a)) E então: (V < 50) (0.777) g) Seja U Min(X, X,..., X 4 ). Então: (U < 40) - (U 40) - ( X 40, X 40,..., X 4 40) {(X 40)} 4 {0.50} 4 00% oblema 5 Num bar existem 60 pessoas, de dois grupos: bebedores de chopp (5 pessoas) e bebedores de tequila. Toma-se uma amostra sem reposição de 8 pessoas. Qual a probabilidade de encontrar pelo menos 5 bebedores de chopp na amostra? Seja X a variável que mede o número de bebedores de chopp na amostra. Então a função de probabilidade de X é: x x 60 8 ( X x) onde x 0,,,... 8

5 5 (X 5) 0.8 (X 6) 0.0 (X 7) (X 8) 0.00 A soma destas probabilidades nos dá: (X 5) PROBLEMA 6 O salário dos funcionários numa empresa pode ser modelado por uma variável contínua X com a seguinte densidade: f ( x) c. x se 000 X 8000 a) Ache a constante c que faz de f(x) uma densidade. b) Qual o salário médio? c) Ache o ponto m entre 000 e 8000 tal que (X m) Este ponto é a mediana de X, ou seja, o salário mediano dos funcionários desta empresa? a) Para achar c precisamos satisfazer a condição: 8000 x 8000 c 50 ( ) { } ( ) c cx dx c. 0 5 c b) O salário médio é dado por: ( ) ( 405) ( 5) x 8000 ( ) ( ) ( ) ( ) ( )( ) ( 405)( 0) x dx ( 4) 50 ( ) E( X ) x. f ( x) dx x c) O salário mediano é obtido resolvendo-se: m f ( x) dx m 0 m ( ) 50 c cx dx 0.5 m ( m 0 ) m ( ) ( m 0 ) 0.5 { 56.5} m 0 ( 56.6) / PROBLEMA 7 Você trabalha numa empresa que vende produtos pelo telefone. Apenas 0% das chamadas resultam numa venda. Calcule as seguintes probabilidades: a) De que a primeira venda ocorra na 8a. ligação telefônica. b) De que sejam necessárias ligações para que você consiga fazer a quarta venda? c) Se você faz exatamente chamadas telefônicas, qual a probabilidade de completar exatamente vendas?

6 6 d) Se você faz exatamente 0 chamadas telefônicas, qual a probabilidade de completar entre e 4 vendas (inclusive e 4)? a) Neste caso X representa a ligação em que ocorre a a. venda, e X é uma variável Geométrica com probabilidade p 0.. Logo: 7 ( X 8) ( 0.8) ( 0.) b) Aqui a variável de interesse é o número de ligações até que a 4 a. venda seja efetuada, ou seja, trata-se de uma variável Binomial Negativa com parâmetros r 4 e p ( X ) ( 0.8) ( 0.) c) Neste caso o número de chamadas é fixo a priori e portanto temos uma variável Binomial. X aqui representa o número de chamadas que resultaram em vendas dentre as chamadas realizadas. Então X é Bin(n, p 0.). 0 ( X ) ( 0.) ( 0.8) d) Neste caso você faz exatamente 0 ligações e quer saber a probabilidade de completar, ou 4 vendas. X é o número de chamadas que resultam em vendas dentre as 0 realizadas, e assim X é Bin(n 0, p 0.). 0 x Avalie esta última expressão para x,, 4 x 0 x ( X x) ( 0.) ( 0.8) para x 0,,,... 0 x ob Soma Então ( X 4) oblema 8 Um estudante universitário gasta em média R$ 600,00 em livros por ano. A dispersão entre os valores gastos, medida pelo desvio padrão, é R$ 40,00. Além disso, pode-se encarar os valores gastos pelos universitários como independentes entre si e Normalmente distribuídos. Além disso, a maioria dos estudantes adquire livros pela Internet.

7 7 a) Uma grande livraria na Internet pretende oferecer um cartão VIP aos clientes que mais compram livros. Apenas os % que mais consomem livros num período de um ano receberão o cartão. Acima de qual volume anual de compras um consumidor se candidata ao cartão VIP? b) Considere 6 estudantes universitários. Qual a probabilidade do gasto médio anual em livros destas 6 pessoas ultrapassar R$ 660,00? c) Dentre as 6 pessoas nesta mesma amostra, qual a probabilidade do estudante que menos consumiu livros ter gasto mais de R$ 650 no ano? a) O ponto da distribuição N(0,) tal que a probabilidade de estar abaixo dele é 0. é, pela tabela, z.6. Seja X o gasto médio anual em livros de um estudante universitário. Então X é Normal com média 600 e desvio padrão 40. Logo: Z X ~ N(0,) (Z <.6) 0. e você será cliente VIP na livraria se: X 600 Z.6 X 58., ou seja, se gastar mais que este valor. 40 b) Seja X o gasto médio anual em livros de uma amostra de n estudantes universitários. Neste caso, n 6 estudantes. Sabemos que X é Normal com média R$ 600 e variância (40) /6, isto é, desvio padrão (40)/4 R$ X ( X > 660) > Z > Φ() c) Seja U o estudante que menos gastou em livros na amostra. Se ele gastou mais de R$ 650, então TODOS NA AMOSTRA gastaram mais que R$ 650 em livros. Ou seja, (U > 650) (X > 650, X > 650,..., X 6 > 650). Como os X i s são independentes, esta probabilidade conjunta é o produto das probabilidade dos X i s individuais. Além disso, os X i s formam uma amostra, e portanto são identicamente distribuídos, o que torna (X > 650) (X > 650) (X 6 > 650). Então: (U > 650) {(X > 650)} 6 Mas:

8 8 X ( X > 650) > Z > Φ( 0.08) (U > 650) {(X > 650)} 6 (0.475) (0-7 ) oblema Sejam X e Y variáveis aleatórias contínuas com densidade conjunta: xy f ( x, y) kx + onde 0 < x < e 0 < y < a) Encontre a constante k que faz de f(x,y) uma densidade. b) Ache a densidade marginal de X. c) Ache a densidade marginal de Y. d) Ache a densidade condicional de Y dado X x. e) Ache a média condicional de Y dado X x. f) X e Y são independentes? Por que? a) 0 0 xy k f ( x, y) dxdy kx + dxdy y k dy k 7 8 k 8 b) A densidade marginal de X é: f x xy x x x ( x) x + dy + se 0 < x < 0 x c) A densidade marginal de Y é: f y xy y y 8 ( y) x + dx + + se 0 < y < 0 y 4 d) A densidade condicional de Y dado X x é: f ( y x) xy x + f ( x, y) 8 x + 4xy onde 0 < y < e 0 < x < f x ( x) x + x x + x 8 Note que, nesta densidade, x deve ser encarado como um parâmetro fixo, enquanto y é a variável aleatória.

9 Abaixo exibimos o gráfico das densidades condicionais para alguns valores de x. Densidades Condicionais de Y dado X x para alguns valores de x f(y 0.) f(y 0.5) f(y 0.5) f(y 0.75) e) A média condicional de Y dado X x é: x + 4xy ( ) ( x ) + 8x y x y 4 + dy x x x + x x + x 6( x + x) E 0 6x + 8 6x + 8 6x + ( 6x + 6) 6x 6x + 8x + x f) X e Y não são independentes pois a densidade conjunta NÃO É o produto das marginais de X e Y. oblema 0 O preço de um certo carro usado é uma variável Normal com média R$ 0 mil e desvio padrão R$ 400,00. a) Você está interessado em comprar este carro e pesquisa muitos anúncios no jornal e na internet. Como você não entende nada de mecânica, prefere comprar um carro mais caro e (supostamente) em melhores condições, pois não quer ter aborrecimentos futuros. A partir de quanto você deve pagar para comprar um carro dentre os 0% mais caros?

10 0 b) Considere uma amostra de carros escolhidos aleatoriamente. Qual a probabilidade do preço médio na amostra exceder R$ mil? c) Considere uma amostra de carros (como no item anterior). Qual a probabilidade do carro mais barato custar menos de R$ 8800? Seja X o preço do carro usado. Então: X 0000 Z ~ N(0,) 400 a) O percentil 80% da distribuição N(0,) é, pela tabela, z Logo, para estar entre os 0% mais caros, o preço do carro deve ser IGUAL OU SUPERIOR A: X X R$0.84 b) Numa amostra de carros, o preço médio terá distribuição Normal com média R$ 0 mil e variância (400) /, ou seja, desvio padrão 400/ X ( X > 000) > ( Z >.5) Φ(.5) c) Se o carro mais barato custa MENOS que R$ 8800, nada podemos afirmar sobre os preços dos outros carros na amostra. Mas, se o carro mais barato custa MAIS que R$ 8800, então TODOS os carros na amostra custarão mais que R$ Seja U mín(x, X,..., X ) o preço do carro mais barato na amostra. Então: U < 8800 ( ) ( U 8800) ( X 8800, X 8800,..., X 8800) { ( X 8800) } pois os X i s são independentes e identicamente distribuídos. Mas: ( X 8800) > ( Z > 0.5) Φ( 0.5) [ Φ ( + 0.5) ] Φ + ( 0.5) X ( U < 8800) { ( X 8800) } ( 0.65) 0. 68

11 oblema A loteria de um certo estado promete que um a cada 60 raspadinhas é premiada. Você decide comprar raspadinhas até encontrar uma premiada. Cada raspadinha custa R$.50. a) Qual o custo esperado do seu procedimento? b) E se agora você compra raspadinhas até encontrar a a. premiada, quando você espera gastar? c) Qual a probabilidade de, na situação do item b), você ter que comprar mais de 6 raspadinhas? a) Seja X o número de raspadinhas que você precisa comprar até encontrar a a. premiada. Então X é uma variável Geométrica com probabilidade p /60. A média de X é E(X) /p 60, na média você precisa comprar 60 raspadinhas para encontrar a a. premiada. O custo deste procedimento é: C.5X e então E(C).5E(C).5(60) R$ 0. b) Agora X é uma Binomial Negativa com r e p /60. A média de X passa a ser E(X) /p (60) R$0 e o custo esperado passa a ser E(C).5E(C).5(0) R$ 80. c) A probabilidade de ter que comprar mais de 6 raspadinhas é: ( ) ( X > 6) ( X 7) X 6 ( X ) ( X ) ( X 4) ( X 5) ( X 6) Onde: x r x r ( X x) p q x r, r+, r+,... r E neste caso, como r, temos: x ( X x) ( x ) p q x,, 4,... x (Xx) 0,0% 0,05% 4 0,08% 5 0,% 6 0,% soma 0,40% (X>6),60%

12 oblema O preço por litro da gasolina comum no Rio de Janeiro é uma variável aleatória Normal com média R$.60 e desvio padrão R$ 0.5. a) Qual a probabilidade do litro da gasolina comum custar menos de R$.50? b) Qual a probabilidade do litro da gasolina comum custar mais de R$.75? c) Quanto um posto deve cobrar pela gasolina para estar entre os 0% mais caros? d) Quanto um posto deve cobrar pelo litro da gasolina para estar entre os 0% mais baratos? Toma-se uma amostra de postos de gasolina. e) Qual a probabilidade do preço médio da gasolina na amostra ser menor que R$.65? f) Qual a probabilidade do maior preço na amostra exceder R$.65? g) Qual a probabilidade do menor preço na amostra ser inferior a R$.55? Seja X o preço do litro da gasolina comum, Então X é N(.60, (0.5) ). Logo: X.60 Z é N(0,). 0.5 a) X ( X <.50) < Φ( ) Φ ( ) X ( >.75) > Φ b) X () c) Na escala da N(0,), o ponto que tem 0% de probabilidade abaixo dele (isto é, 0% de probabilidade acima dele) é:.86. ecisamos transformar este ponto no seu equivalente na escala dos preços da gasolina. X Z X (.86 ).7. Logo, um posto estará entre 0.5 os 0% mais caros se cobrar acima de R$.7 por litro. d) Na escala da N(0,), o ponto tem probabilidade 80% de estar abaixo dele (e 0% de estar acima). Logo, por simetria, a probabilidade de estar abaixo do ponto é 0%. Transformando para a escala dos preços da gasolina: X.60 Z X ( 0.846)

13 e) Toma-se uma amostra de postos. A média amostral é uma variável Normal com média.60 e variância (0.5) /, ou seja, desvio padrão 0.5/ X ( X <.65) < Φ () f) Seja V Max(X, X,..., X ). Então (V >.65) - (V.65) - ( X <.65, X <.65,..., X <.65) e como os X i s são iid, esta probabilidade é igual a: - {(X <.65)}. Mas: X ( X < ) < Z < Φ( ) E então: (V >.65) - (0.606) 0.84 g) Seja U Min(X, X,..., X ). Então: (U <.55) - (U.55) - ( X.55, X.55,..., X.55) {(X.55)} Mas: X ( X.55) Z Φ 0. Φ ( ) ( ) E então: (U <.55) {0.60} 0.84

1 x. = π 2. pois. Probabilidade: um curso introdutório - Mônica Barros - Capítulo 7 - Soluções

1 x. = π 2. pois. Probabilidade: um curso introdutório - Mônica Barros - Capítulo 7 - Soluções Soluções - Capítulo 7 Lista semestre 000.0:, 3, 5 a, 5, 6, 7,, 4, 5 Problema Ache a mediana das densidades Qui-quadrado com e graus de liberdade. A densidade Qui-quadrado com n graus de liberdade é dada

Leia mais

Probabilidade 2 - ME310 - Lista 2

Probabilidade 2 - ME310 - Lista 2 Probabilidade - ME3 - Lista September 4, Lembrando:. Estatística de ordem, pg 38 Ross: f xj (x) = n! (n j)!(j )! F (x)j ( F (x)) n j f(x). Distribuição de probabilidade conjunta de funções de variáveis

Leia mais

Exercícios Funções Multivariadas, Exponencial e Outras

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

Leia mais

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

Logo, para estar entre os 1% mais caros, o preço do carro deve ser IGUAL OU SUPERIOR A:

Logo, para estar entre os 1% mais caros, o preço do carro deve ser IGUAL OU SUPERIOR A: MQI 00 ESTATÍSTICA PARA METROLOGIA - SEMESTRE 008.0 Teste 6/05/008 GABARITO PROBLEMA O preço de um certo carro usado é uma variável Normal com média R$ 5 mil e desvio padrão R$ 400,00. a) Você está interessado

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

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 Distribuições Condicionais 11/13 1 / 19 Em estudo feito em sala perguntamos aos alunos qual

Leia mais

Fundamentos de Estatística

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

Leia mais

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

Distribuições Amostrais e Estimação Pontual de Parâmetros

Distribuições Amostrais e Estimação Pontual de Parâmetros Distribuições Amostrais e Estimação Pontual de Parâmetros - parte I 19 de Maio de 2011 Introdução Objetivos Ao final deste capítulo você deve ser capaz de: Entender estimação de parâmetros de uma distribuição

Leia mais

Probabilidade 2 - ME310 - Lista 2

Probabilidade 2 - ME310 - Lista 2 Probabilidade - ME3 - Lista November, 5 Lembrando:. Estatística de ordem, pg 38 Ross: f xj (x) = n! (n j)!(j )! F (x)j ( F (x)) n j f(x). Distribuição de probabilidade conjunta de funções de variáveis

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

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

CONHECIMENTOS ESPECÍFICOS

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

Leia mais

Premium até 10 S.M. 180 60 30 20 10 a 20 S.M. 80 40 40 40 20 a 30 S.M. 60 30 60 70 mais de 30 S.M. 40 20 70 160

Premium até 10 S.M. 180 60 30 20 10 a 20 S.M. 80 40 40 40 20 a 30 S.M. 60 30 60 70 mais de 30 S.M. 40 20 70 160 1 MQI 2003 Estatística para Metrologia semestre 2008.01 LISTA DE EXERCÍCIOS # 1 PROBLEMA 1 Uma empresa de TV a cabo toma uma amostra de 1000 clientes, com o objetivo de verificar a relação entre a renda

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

IND 1115 Inferência Estatística Aula 6

IND 1115 Inferência Estatística Aula 6 Conteúdo IND 5 Inferência Estatística Aula 6 Setembro de 004 A distribuição Lognormal A distribuição Beta e sua relação com a Uniforme(0,) Mônica Barros mbarros.com mbarros.com A distribuição Lognormal

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

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

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

Leia mais

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

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

Leia mais

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

Probabilidades e Estatística LEAN, LEE, LEGI, LEMat, LETI, LMAC, MEAmb, MEAer, MEBiol, MEBiom, MEEC, MEFT, MEQ

Probabilidades e Estatística LEAN, LEE, LEGI, LEMat, LETI, LMAC, MEAmb, MEAer, MEBiol, MEBiom, MEEC, MEFT, MEQ Duração: 90 minutos Grupo I Probabilidades e Estatística LEAN, LEE, LEGI, LEMat, LETI, LMAC, MEAmb, MEAer, MEBiol, MEBiom, MEEC, MEFT, MEQ Justifique convenientemente todas as respostas! o semestre 015/016

Leia mais

Distribuições Amostrais e Estimação Pontual de Parâmetros

Distribuições Amostrais e Estimação Pontual de Parâmetros Distribuições Amostrais e Estimação Pontual de Parâmetros - parte I 2012/02 1 Introdução 2 3 4 5 Objetivos Ao final deste capítulo você deve ser capaz de: Entender estimação de parâmetros de uma distribuição

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 Distribuição Normal Motivação: Distribuição

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

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

Probabilidade II. Departamento de Estatística. Universidade Federal da Paraíba. Prof. Tarciana Liberal (UFPB) Aula Desigualdades 02/14 1 / 31

Probabilidade II. Departamento de Estatística. Universidade Federal da Paraíba. Prof. Tarciana Liberal (UFPB) Aula Desigualdades 02/14 1 / 31 Probabilidade II Departamento de Estatística Universidade Federal da Paraíba Prof. Tarciana Liberal (UFPB) Aula Desigualdades 02/14 1 / 31 Um teorema de grande importância e bastante utilidade em probabilidade

Leia mais

Modelos Probabiĺısticos Discretos

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

Leia mais

Amostragem e distribuições por amostragem

Amostragem e distribuições por amostragem Amostragem e distribuições por amostragem Carla Henriques e Nuno Bastos Departamento de Matemática Escola Superior de Tecnologia de Viseu Contabilidade e Administração População, amostra e inferência estatística

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

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

PROVA DE ESTATÍSTICA e PROBABILIDADES SELEÇÃO - MESTRADO/UFMG /2012

PROVA DE ESTATÍSTICA e PROBABILIDADES SELEÇÃO - MESTRADO/UFMG /2012 PROVA DE ESTATÍSTICA e PROBABILIDADES SELEÇÃO - MESTRADO/UFMG - 0/0 Instruções:. Cada questão respondida corretamente vale (um) ponto.. Cada questão respondida incorretamente vale - (menos um) ponto. 3.

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

5 Distribuição normal de probabilidade. Estatística Aplicada Larson Farber

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

Leia mais

Estatística

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

Leia mais

LISTA DE EXERCÍCIOS 1 VARIÁVEIS ALEATÓRIAS DISCRETAS

LISTA DE EXERCÍCIOS 1 VARIÁVEIS ALEATÓRIAS DISCRETAS Universidade Federal de Ouro Preto Instituto de Ciências Exatas e Biológicas Departamento de Matemática MTM 151 Estatística e Probabilidade Turma 76 Professor: Rodrigo Luiz Pereira Lara LISTA DE EXERCÍCIOS

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 Modelos de distribuição Para utilizar a teoria

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

Introdução aos Proc. Estocásticos - ENG 430

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

Leia mais

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

Lista de Exercícios 3 Probabilidades Escola Politécnica, Ciclo Básico

Lista de Exercícios 3 Probabilidades Escola Politécnica, Ciclo Básico RESOLUÇÃO NA PÁGINA 06 Lista de Exercícios 3 Probabilidades 0303200 Escola Politécnica, Ciclo Básico 1 o semestre 2017 1) Um equipamento tem tempo de vida T com distribuição normal, valor esperado de 40

Leia mais

1073/B - Introdução à Estatística Econômica

1073/B - Introdução à Estatística Econômica Lista de exercicios 2 Prof. Marcus Guimaraes 1073/B - Introdução à Estatística Econômica Ciências Econômicas 1) Suponha um espaço amostral S constituido de 4 elementos: S={a 1,a2,a3,a4}. Qual das funções

Leia mais

c) Encontre um intervalo de confiança 95% para a razão das variâncias variâncias das duas amostras podem ser iguais com este grau de confiança?

c) Encontre um intervalo de confiança 95% para a razão das variâncias variâncias das duas amostras podem ser iguais com este grau de confiança? MQI 003 Estatística para Metrologia semestre 008.0 Lista 4 Profa. Mônica Barros PROBLEMA Toma-se duas amostras de engenheiros formados há 5 anos por duas Universidades e faz-se uma pesquisa salarial, cujos

Leia mais

Técnicas Computacionais em Probabilidade e Estatística I. Aula I

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

Leia mais

COS767 - Modelagem e Análise Aula 3 - Simulação

COS767 - Modelagem e Análise Aula 3 - Simulação COS767 - Modelagem e Análise Aula 3 - Simulação Validando resultados da simulação Média e variância amostral Teorema do Limite Central Intervalo de confiança Organizando as execuções da simulação Verificando

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 : Ω A, em que A R. Esquematicamente As variáveis aleatórias

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

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

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

Nome: N o : Espaço reservado a classificações

Nome: N o : Espaço reservado a classificações ESTATÍSTICA I 2 o Ano/Gestão 1 o Semestre Época Normal Duração: 2 horas 1 a Parte Teórica N o de Exame: abcde 03.Jan.11 Este exame é composto por duas partes. Esta é a 1 a Parte Teórica (Cotação: 8 valores).

Leia mais

Modelos de Distribuições

Modelos de Distribuições 4/05/014 Universidade Federal do Pará Instituto de Tecnologia Estatística Aplicada I Prof. Dr. Jorge Teófilo de Barros Lopes Campus de Tucuruí CTUC Curso de Engenharia Mecânica 4/05/014 06:56 ESTATÍSTICA

Leia mais

Probabilidades e Estatística

Probabilidades e Estatística Departamento de Matemática Probabilidades e Estatística LEAN, LEGM, LEIC-A, LEIC-T, MEAer, MEMec 2 o semestre 2010/2011 1 o Teste - Código A 16/4/2011 9 horas Duração: 1 hora e 30 minutos Grupo I Exercício

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

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

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

Cálculo das Probabilidades I

Cálculo das Probabilidades I Cálculo das Probabilidades I Departamento de Estatística Universidade Federal da Paraíba Prof. Tarciana Liberal (UFPB) Aula Distribuição Normal 06/11 1 / 41 LEMBRANDO: Variável Aleatória Contínua Assume

Leia mais

Prova Resolvida Raciocínio Lógico Quantitativo e Estatística (ANAC/2016) Prof. Guilherme Neves

Prova Resolvida Raciocínio Lógico Quantitativo e Estatística (ANAC/2016) Prof. Guilherme Neves Prova Resolvida Raciocínio Lógico Quantitativo e Estatística (ANAC/2016) 31- (ANAC 2016/ESAF) A negação da proposição se choveu, então o voo vai atrasar pode ser logicamente descrita por a) não choveu

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

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

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

Leia mais

Distribuição Amostral e Estimação Pontual de Parâmetros

Distribuição Amostral e Estimação Pontual de Parâmetros Roteiro Distribuição Amostral e Estimação Pontual de Parâmetros 1. Introdução 2. Teorema Central do Limite 3. Conceitos de Estimação Pontual 4. Métodos de Estimação Pontual 5. Referências População e Amostra

Leia mais

ESTATÍSTICA APLICADA À ADMINISTRAÇÃO

ESTATÍSTICA APLICADA À ADMINISTRAÇÃO ESTATÍSTICA APLICADA À ADMINISTRAÇÃO Thiago Marzagão DISTRIBUIÇÕES CONTÍNUAS DE PROBABILIDADE Thiago Marzagão (IDP) ESTATÍSTICA APLICADA À ADMINISTRAÇÃO 2/2016 1 / 35 variáveis discretas vs variáveis contínuas

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

Variáveis Aleatórias Discretas e Distribuição de Probabilidade

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

Leia mais

Primeira prova UFRJ - CCMN - IM - Departamento de Métodos Estatísticos 24/maio/2016

Primeira prova UFRJ - CCMN - IM - Departamento de Métodos Estatísticos 24/maio/2016 Probabilidade e Estatística Atenção: Não serão aceitas respostas sem justicativa.. O funcionamento do sistema ilustrado abaixo depende de 5 componentes: C, C, C 3, C 4 e C 5. Cada um desses componentes

Leia mais

PROBABILIDADES E INTRODUÇÃO A PROCESSOS ESTOCÁSTICOS. Aula 7 11 e 12 abril MOQ-12 Probabilidades e Int. a Processos Estocásticos

PROBABILIDADES E INTRODUÇÃO A PROCESSOS ESTOCÁSTICOS. Aula 7 11 e 12 abril MOQ-12 Probabilidades e Int. a Processos Estocásticos PROBABILIDADES E INTRODUÇÃO A PROCESSOS ESTOCÁSTICOS Aula 7 11 e 12 abril 2007 1 Distribuições Discretas 1. Distribuição Bernoulli 2. Distribuição Binomial 3. Distribuição Geométrica 4. Distribuição Pascal

Leia mais

Teorema central do limite e es/mação da proporção populacional p

Teorema central do limite e es/mação da proporção populacional p Teorema central do limite e es/mação da proporção populacional p 1 RESULTADO 1: Relembrando resultados importantes Seja uma amostra aleatória de tamanho n de uma variável aleatória X, com média µ e variância

Leia mais

Exercícios Resolvidos

Exercícios Resolvidos Exercícios Resolvidos R10.1) Velocidade média na estrada Sergio afirma que Raquel dirige seu carro na estrada a uma velocidade média superior a 100 km/h, enquanto Raquel discorda, afirmando dirigir na

Leia mais

Ref: H.Gould e J. Tobochnik. Para integrais em uma dimensão as regras do trapezóide e de Simpson são

Ref: H.Gould e J. Tobochnik. Para integrais em uma dimensão as regras do trapezóide e de Simpson são Método de Monte Carlo Resolução de Integrais Ref: H.Gould e J. Tobochnik Para integrais em uma dimensão as regras do trapezóide e de Simpson são melhores, mais rápidas. A técnica de resolução de integrais

Leia mais

Amostragem Aleatória e Descrição de Dados - parte I

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

Leia mais

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

Revisão de distribuições de probabilidades contínuas (Capítulo 6 Levine)

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

Leia mais

VARIÁVEIS ALEATÓRIAS

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

Leia mais

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

Métodos Empíricos de Pesquisa I. } Análise Bidimensional

Métodos Empíricos de Pesquisa I. } Análise Bidimensional Métodos Empíricos de Pesquisa I } Análise Bidimensional 1 Aula de hoje } Temas } Associação entre variáveis } Qualitativas e Quantitativas } Covariância: conceitos e propriedades } Coeficiente de correlação

Leia mais

Universidade Federal de Pelotas Disciplina de Microeconomia 1 Professor Rodrigo Nobre Fernandez Lista 3 - Soluções. x 2 5 = 40 x.

Universidade Federal de Pelotas Disciplina de Microeconomia 1 Professor Rodrigo Nobre Fernandez Lista 3 - Soluções. x 2 5 = 40 x. Universidade Federal de Pelotas Disciplina de Microeconomia 1 Professor Rodrigo Nobre Fernandez Lista 3 - Soluções 1) Dada as funções de demanda p(x) = 40 x e de oferta p(x) = x 5, pede-se: a) O ponto

Leia mais

DE ESPECIALIZAÇÃO EM ESTATÍSTICA APLICADA)

DE ESPECIALIZAÇÃO EM ESTATÍSTICA APLICADA) 1. Sabe-se que o nível de significância é a probabilidade de cometermos um determinado tipo de erro quando da realização de um teste de hipóteses. Então: a) A escolha ideal seria um nível de significância

Leia mais

Matemática para a Economia II - 7 a lista de exercícios Prof. Juliana Coelho

Matemática para a Economia II - 7 a lista de exercícios Prof. Juliana Coelho Matemática para a Economia II - 7 a lista de exercícios Prof. Juliana Coelho - Cacule a integral dupla I fx, y) dxdy onde f e R são dados abaixo. R a) fx, y) x + y e R [, ] [, ]; b) fx, y) x + xy + e R

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

Catarina Marques. Estatística II Licenciatura em Gestão. Conceitos: População, Unidade Estatística e Amostra

Catarina Marques. Estatística II Licenciatura em Gestão. Conceitos: População, Unidade Estatística e Amostra Amostragem Estatística II Licenciatura em Gestão 1 Conceitos: População, Unidade Estatística e Amostra População (ou Universo) dimensão N Conjunto de unidades com uma ou mais características comuns População

Leia mais

Conceitos Básicos, Básicos,Básicos de Probabilidade

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

Leia mais

Distribuição Normal. Prof a Dr a Alcione Miranda dos Santos. Abril, 2011

Distribuição Normal. Prof a Dr a Alcione Miranda dos Santos. Abril, 2011 Distribuição Normal Prof a Dr a Alcione Miranda dos Santos Universidade Federal do Maranhão Programa de Pós-Graduação em Saúde Coletiva email:alcione.miranda@gmail.com Abril, 2011 1 / 18 Sumário Introdução

Leia mais

Cap. 8 - Variáveis Aleatórias

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

Leia mais

Distribuição de Probabilidade. Prof. Ademilson

Distribuição de Probabilidade. Prof. Ademilson Distribuição de Probabilidade Prof. Ademilson Distribuição de Probabilidade Em Estatística, uma distribuição de probabilidade descreve a chance que uma variável pode assumir ao longo de um espaço de valores.

Leia mais

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

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

Leia mais

Distribuição Normal. Estatística Aplicada I DISTRIBUIÇÃO NORMAL. Algumas característica importantes. 2πσ

Distribuição Normal. Estatística Aplicada I DISTRIBUIÇÃO NORMAL. Algumas característica importantes. 2πσ Estatística Aplicada I DISTRIBUIÇÃO NORMAL Prof a Lilian M. Lima Cunha AULA 5 09/05/017 Maio de 017 Distribuição Normal Algumas característica importantes Definida pela média e desvio padrão Media=mediana=moda

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

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

Probabilidade II. Departamento de Estatística. Universidade Federal da Paraíba

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

Leia mais

Variáveis Aleatórias Discretas e Distribuição de Probabilidade

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

Leia mais

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

Probabilidade e Modelos Probabilísticos

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

Leia mais

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

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

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

Leia mais

Estatística. Capítulo 4: Distribuições Teóricas de Probabilidades de Variáveis Aleatórias Discretas. Professor Fernando Porto

Estatística. Capítulo 4: Distribuições Teóricas de Probabilidades de Variáveis Aleatórias Discretas. Professor Fernando Porto Estatística Capítulo 4: Distribuições Teóricas de Probabilidades de Variáveis Aleatórias Discretas Professor Fernando Porto Capítulo 4 Baseado no Capítulo 4 do livro texto, Distribuições Teóricas de Probabilidades

Leia mais

Departamento de Estatística UFSCar Probabilidade e Estatística Lista de Exercícios 2 Prof. José Carlos Fogo (11/09/2014)

Departamento de Estatística UFSCar Probabilidade e Estatística Lista de Exercícios 2 Prof. José Carlos Fogo (11/09/2014) Departamento de Estatística UFSCar Probabilidade e Estatística Lista de Exercícios 2 Prof. José Carlos Fogo (11/09/2014) 1) Seja X v.a. representando o número de usuários de um microcomputador no período

Leia mais

1 Distribuição Uniforme

1 Distribuição Uniforme Centro de Ciências e Tecnologia Agroalimentar - Campus Pombal Disciplina: Estatística Básica - 03 Aula 8 Professor: Carlos Sérgio UNIDADE 4 - Distribuições Contínuas (Notas de Aula) Distribuição Uniforme

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

Princípios de Estatística

Princípios de Estatística Instituto Tecnológico de Aeronáutica Divisão de Engenharia Mecânica-Aeronáutica MOQ-13 Probabilidade e Estatística Profa. Denise Beatriz Ferrari www.mec.ita.br/ denise denise@ita.br 05/10/2011 Probabilidade

Leia mais

i. f Y (y, θ) = 1/θ... 0 y θ 0... y < 0 ou y > θ Se a amostra selecionada foi ( ), qual será a estimativa para θ?

i. f Y (y, θ) = 1/θ... 0 y θ 0... y < 0 ou y > θ Se a amostra selecionada foi ( ), qual será a estimativa para θ? Fundação Getulio Vargas Curso: Graduação Disciplina: Estatística Professor: Moisés Balassiano Lista de Exercícios Inferência. Seja (Y, Y 2,..., Y n ) uma amostra aleatória iid, de tamanho n, extraída de

Leia mais