IND 1115 Inferência Estatística Aula 6
|
|
- Ana Sofia Carvalho Gama
- 7 Há anos
- Visualizações:
Transcrição
1 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 A distribuição Lognormal é uma distribuição de probabilidade contínua usada para dados positivos. Esta distribuição é freqüentemente usada na modelagem do preço de ações e outros ativos financeiros, e também pode modelar o tempo até a ocorrência de um defeito de uma máquina. mbarros.com 3 A Distribuição Lognormal Como criar uma variável lognormal? Seja X ~ N(µ, σ ). Seja Y = exp(x). Então Y tem densidade Lognormal com parâmetros µ e σ. A densidade de Y pode ser facilmente encontrada pelos métodos usuais (por exemplo, o método do Jacobiano), e é dada por: ( log( y) µ ) f( y) =..exp onde y > 0 πσ y σ mbarros.com 4
2 A Distribuição Lognormal A Distribuição Lognormal Exemplo Lognormais com µ = 0.05 e 0.5 e σ = f( x, 0.05, 0.30) f( x, 0.5, 0.30) x 7 mbarros.com 5 Atenção: A distribuição Lognormal, ao contrário do que o nome indica, não significa a densidade do logaritmo de uma variável Normal, pois uma variável Normal admite valores negativos, onde o logaritmo não está definido. Uma variável aleatória com densidade Lognormal é encontrada tomando-se a exponencial de uma variável aleatória Normal! mbarros.com 6 Lognormal como modelo para o preço de uma ação Uma forma de descrever a incerteza sobre o preço de uma ação é supor que as variações no preço entre os instantes t e t+ t podem ser divididas em componentes, uma aleatória e a outra determinística, como a seguir: { ( µ σ )} S =.exp.. t t S + + t t Z t onde Z é uma variável N(0,) e µ e σ > 0 são parâmetros conhecidos. O parâmetro µ representa a taxa média de crescimento do preço ao longo do tempo. mbarros.com 7 Lognormal como modelo para o preço de uma ação Note que, se σ = 0, a evolução dos preços é puramente determinística, e então: S = t t St.exp { ( µ. + t) } Nesta expressão percebemos que a tendência determinística dos preços é crescente desde que µ > 0. Se σ > 0 então existe uma componente aleatória no comportamento dos preços. Esta componente aleatória é dada por uma variável aleatória N(0,), e assim o efeito desta variável pode ser o de atenuar o crescimento determinístico no preço, pois Z pode ser negativo. Note que a variável exp(z) é Lognormal. mbarros.com 8
3 Propriedades da distribuiçã ção Lognormal Teorema (média e variância da Lognormal) Se Y ~ Lognormal(µ, σ ) então: E(Y) = exp( µ + σ /) ( µ σ ) ( e ) σ VAR( Y ) = exp +. Demonstração faça em casa use a fgm de uma Normal. mbarros.com 9 Lognormal (para casa) Sejam Y e Y variáveis Normais independentes com médias 4 e e variâncias iguais a. Sejam X e X definidos como: X = exp(y ) e X = exp(y ). Defina uma nova variável W como: W = e. X. X a) Calcule E(W) b) Calcule VAR(W) 3 mbarros.com 0 Lognormal (para casa) Dicas: ) Se X tem densidade N(µ, σ ) então sua função geradora de momentos é: exp(µt + σ t /) ) Se U é uma variável qualquer então : VAR(U) = E(U ) - {E(U)} Não é necessário especificar completamente a densidade da variável W - você só precisa calcular sua média e variância. mbarros.com É uma distribuição conjunta para duas variáveis X e X, ambas Normais e, a princípio dependentes. A densidade conjunta é dada por: Onde R é: f ( x, x) =.exp. R π ( ρ ) σ ( ρ ) σ x µ x µ x µ x µ. ρ.. σ σ σ σ R = + mbarros.com
4 Esta densidade conjunta é chamada de densidade Normal com parâmetros µ, µ, ρ, σ, σ, onde µ e µ são números reais quaisquer, ρ está restrito ao intervalo (-,) e σ, σ são positivos. Se (X, X ) ~ N( µ, µ, ρ, σ, σ ) então: mbarros.com 3 A densidade marginal de X én(µ,σ ) A densidade marginal de X én(µ,σ ) As densidades condicionais também são Normais. A densidade condicional de X dado X = x é: σ ( X X = x)~ N µ + ρ.. ( x µ ), σ. ( ρ ) σ A densidade condicional de X dado X = x é: σ ( X X = x)~ N µ + ρ.. ( x µ ), σ. ( ρ ) σ mbarros.com 4 Dada uma densidade Normal bivariada, quais são as suas características mais importantes? Pr( a < X < b, c < X < d) é encontrada pela integral dupla da densidade Normal bivariada sobre os intervalos (a, b) e (c, d). A integral dupla sobre todos os valores de X e X da densidade Normal bivariada éum. O parâmetro ρ na densidade Normal é o coeficiente de correlação entre X e X. Se ρ = 0, X e X são descorrelatados, mas da expressão da densidade Normal bivariada podemos perceber que a densidade conjunta reduz-se ao produto das densidades marginais. Logo, no caso da distribuição Normal bivariada (e apenas nele!!!!), correlação zero é equivalente à independência entre as duas variáveis aleatórias. mbarros.com 5 mbarros.com 6
5 Os valores esperados das densidades condicionais são funções lineares. Por exemplo: EX ( X x). σ = = µ + ρ. x µ σ ( ) Note que este valor esperado é chamado de regressão de X em X e neste caso percebemos que a função de regressão é uma função linear de X. As variâncias das densidades condicionais são constantes, e não dependem do valor da variável em que se está condicionando. Por exemplo: ( ) VAR( X X = x ) = σ. ρ que não depende de X. Na verdade, quanto maior (em módulo) a correlação entre X e X, menor é a variância condicional (maior a informação que X trouxe para X ). mbarros.com 7 mbarros.com 8 Isto é, se a correlação entre as duas variáveis é grande (em módulo), o conhecimento de uma das variáveis (densidade condicional) implica numa redução substancial da incerteza (variância) da outra. Por outro lado, se a correlação entre as variáveis é pequena, o efeito de conhecer uma variável sobre a incerteza na densidade condicional é pequeno também, e a variância condicional está próxima da variância da variável "sozinha" ( variância da densidade marginal). No limite, se ρ = 0, as variáveis são independentes, e conhecer uma delas não traz qualquer informação sobre a outra variável. Sejam X ~ N(0, ) e X ~ N(0, 4). Escreva a densidade Normal bivariada neste caso em função de ρ e calcule as densidades condicionais quando ρ = 0.5, -0.5, 0, 0.8, Solução x x x x f( x, x) =.exp.. ρ.. + π()() ρ ( ρ ) mbarros.com 9 mbarros.com 0
6 Lembramos novamente que o caso ρ = 0 corresponde à independência entre X e X, pois neste caso a densidade conjunta anterior é apenas o produto das marginais, que são N(0,) e N(0,4). A densidade condicional de X dado X = x é Normal, com média e variância dadas por: EX ( x) = 0 + ρ.. ( x 0) =. ρ. x ( ) VAR( X x ) =.( ρ ) = 4.( ρ ) A densidade condicional de X dado X = x é Normal com média e variância dadas por: E( X x ) = 0 + ρ.. ( x 0 ) =. ρ. x () VAR( X x ) =.( ρ ) = ρ mbarros.com mbarros.com A próxima tabela exibe os valores das médias e variâncias condicionais para os valores de ρ especificados. ρ E(X x) VAR(X x) E(X x) VAR(X x) -0.8 (-.6)x 4(0.36) =.44 (-0.4)x (-.0)x 4(0.75) = 3.00 (-0.5)x (+.0)x 4(0.75) = 3.00 (+0.5)x (+.6)x 4(0.36) =.44 (+0.4)x 0.36 mbarros.com 3 Da tabela notamos que, a variância incondicional de X (quando X não é levado em consideração, ou quando as duas variáveis são independentes) é 4. Esta variância se reduz quando o coeficiente de correlação aumenta em módulo. A média condicional de X dado x não depende de x quando as variáveis são independentes, e é uma reta quando ρ 0. O coeficiente angular desta reta varia de acordo com o valor de ρ, podendo ser negativo ou positivo. Comentários semelhantes se aplicam à distribuição condicional de X dado x. mbarros.com 4
7 A seguir mostramos densidades Normais bivariadas com µ e µ = 0, σ = σ = (4) = 6 e ρ com diversos valores. ρ = -0.8 (Densidade ) Verifique e compare as curvas de nível destas densidades. mbarros.com 5 mbarros.com 6 ρ = -0.8 (Curvas de Nível são ELIPSES!) ρ = -0.8 (Densidade Condicional de X dado X ) mbarros.com 7 mbarros.com 8
8 ρ = -0.8 (Densidade Condicional de X dado X ) ρ = 0 (Densidade ) mbarros.com 9 mbarros.com 30 ρ = 0 (Curvas de Nível são CÍRCULOS) ρ = +0.8 (Densidade ) mbarros.com 3 mbarros.com 3
9 ρ = +0.8 (Curvas de Nível são ELIPSES!) Distribuição Normal bivariada (para casa) Num certo instante de tempo, as taxas de juros de 30 e 60 dias têm, conjuntamente, uma distribuição Normal bivariada com médias 6% e 6.8% ao ano, e desvios padrões 4% e 5% ao ano respectivamente. A correlação entre as taxas é 90%. Calcule: mbarros.com 33 mbarros.com 34 Distribuição Normal bivariada (para casa) a) A probabilidade da taxa de 30 dias estar entre 4% e 8%. b) A probabilidade da taxa de 60 dias estar entre 4% e 8%. c) A probabilidade da taxa de 30 dias estar entre 4% e 8% sabendo que a taxa de 60 dias está hoje em %. d) A probabilidade da taxa de 30 dias estar entre 4% e 8% sabendo que a taxa de 60 dias está hoje em 5%. e) A probabilidade da taxa de 60 dias estar entre 4% e 8% sabendo que a taxa de 30 dias está hoje em 8%. mbarros.com 35 Distribuição Normal bivariada (para casa) Fez-se uma pesquisa de preços de roupas masculinas num shopping center. Uma amostra dos produtos existentes revela que o preço das calças é uma variável Normal com média R$ 80 e desvio padrão R$ 30. O preço das camisas é, por sua vez, uma variável Normal com média R$ 60 e desvio padrão R$ 5. A correlação entre os preços de calças e camisas é 0.6. Calcule as seguintes probabilidades: a) De um par de calças custar entre R$ 60 e R$ 95. mbarros.com 36
10 Distribuição Normal bivariada (para casa) b) De um par de calças custar entre R$ 60 e R$ 95 sabendo que uma camisa custa R$ 75 nesta loja. c) De um par de calças custar entre R$ 60 e R$ 95 sabendo que uma camisa custa R$ 50 nesta loja. d) Qual é a distribuição condicional dos preços das camisas sabendo que o preço das calças é R$ 00? e) Qual é a distribuição condicional dos preços das camisas sabendo que o preço das calças é R$ 70? Distribuição Beta Definição (Função Beta) Sejam m e n > 0 (não necessariamente inteiros). A função Beta com argumentos m e n é definida por: / m n π m n o o β ( mn, ) = x ( x) dx= (sin θ) (cos θ) dθ Aqui usamos a transformação x = sin θ para obter a última integral do lado direito. mbarros.com 37 mbarros.com 38 Distribuição Beta Teorema - Propriedades da Funçã ção o Beta β(m, n) = β(n, m) Γ( m) Γ( n) β ( mn, ) = Γ(m+n) Esta última propriedade é importante por que relaciona as funções Gama e Beta, e será útil na derivação dos momentos da densidade Beta. mbarros.com 39 Distribuição Beta Definição (Densidade Beta) A densidade de probabilidade Beta deve ser aplicada a variáveis aleatórias definidas no intervalo [0,], e será importante no contexto de Estatística Bayesiana. A variável aleatória X tem densidade Beta(m, n), se sua densidade é: f x x x β ( mn, ) m n ( ) = ( ), 0 x, m,n > 0 mbarros.com 40
11 Distribuição Beta Distribuição Beta onde β(m, n) é a função Beta definida anteriormente. Note que, se m = n = a densidade Beta se reduz à Uniforme no intervalo (0,). Notação: X ~ Beta(m, n) Algumas densidades Beta Beta(,) Beta(,3) Beta(,) A densidade Beta é apropriada para modelar proporções, por causa do seu domínio (o intervalo (0,)) e também pela variedade de formas que a densidade pode assumir, de acordo com os valores especificados de m e n Beta(,) Beta(,3) mbarros.com 4 mbarros.com 4 Distribuição Beta Teorema - (Média e variância de uma v.a. Beta) Se X ~ Beta (m, n) então: E ( X ) m = m + n mn VAR( X ) = ( m+ n+ ) ( m+ n) Distribuição Beta Demonstração Segue do fato: k Γ ( k+ m) Γ ( m+ n) EX ( ) = Γ( m) Γ ( k+ m+ n) Para todo k inteiro mbarros.com 43 mbarros.com 44
12 Distribuição Beta e relação com a Uniforme(0,) Teorema Sejam X, X,..., X n variáveis aleatórias independentes com densidade Unif(0,). Seja Y r o r-ésimo maior número dentre os valores observados de X, X,..., X n. Então Y r tem densidade Beta com parâmetros r e n r +. Distribuição Beta e relação com a Uniforme(0,) Exemplo Um computador gera 0 números aleatórios uniformemente no intervalo (0,). Calcule a probabilidade de que o menor destes números será maior que 0.5. Solução Pelo teorema anterior, a densidade do menor dos 0 números é uma Beta com parâmetros e 0. Isto é, se Y denota este número temos: mbarros.com 45 mbarros.com 46 Distribuição Beta e relação com a Uniforme(0,) A densidade de Y é: ( ) Γ( ) () Γ( ) 0! ( ) ( ) 0( ) onde 0<y< Γ. 0 0!9! f y = y y = y = y A probabilidade deste número exceder 0.5 é: 9 Pr ( Y > 0.5) = 0( y) dy 0.5 Faça a mudança de variável: t = - y dt = - dy e se y 0.5, t 0.5 e se y, t 0. Logo: Pr ( Y > 0.5) = 0t ( dt) = 0 t dt = t = ( 0.5) = % Distribuição Beta (para casa) Considere uma amostra de tamanho n > 3 da densidade Uniforme(0,). Calcule, como função do tamanho da amostra, as seguintes probabilidades: a) De que o maior número na amostra exceda 0.8; b) De que o menor número na amostra seja menor que 0.. c) Faça um gráfico das probabilidades nos ítens a) e b) versus n. mbarros.com 47 mbarros.com 48
13 Distribuição Beta (para casa) Distribuição Beta (para casa) Um computador gera 6 números aleatórios uniformemente distribuídos no intervalo (0,). Calcule a probabilidade de que o menor destes números será maior que 0.. Calcule o valor esperado do menor destes números. Encontre a densidade do o. menor destes números e calcule a sua média e variância. Calcule a probabilidade de que o maior destes números exceda 0.6. Suponha que X tem distribuição Beta com parâmetros a e b. Mostre que Y = - X tem distribuição Beta com parâmetros b e a. mbarros.com 49 mbarros.com 50
Pr = 6 = = = 0.8 =
IND 5 Inferência Estatística Semestre 004.0 Teste 05/0/004 GABARITO Problema (5 pontos) Uma gulosa professora de estatística é fissurada por trufas de chocolate. Em busca da trufa ideal, ela vai provando
Leia maisIND 1115 Inferência Estatística Aula 7
Conteúdo IND 1115 Inferência Estatística Aula 7 Setembro 2004 Por que a revisão de probabilidades até agora? A importância da distribuição Normal O Mônica Barros mbarros.com 1 mbarros.com 2 Por que uma
Leia maisMais sobre Modelos Continuos
Mais sobre Modelos Continuos Ricardo Ehlers ehlers@icmc.usp.br Departamento de Matemática Aplicada e Estatística Universidade de São Paulo 1 / 41 Transformação Linear da Uniforme Seja X uma variável aleatória
Leia mais1 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 maisAULA 17 - Distribuição Uniforme e Normal
AULA 17 - Distribuição Uniforme e Normal Susan Schommer Introdução à Estatística Econômica - IE/UFRJ Distribuições Contínuas Em muitos problemas se torna matematicamente mais simples considerar um espaço
Leia maisDistribuição 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 maisAula 11. Variáveis Aleatórias Contínuas Bidimensionais
Aula. Variáveis Aleatórias Contínuas Bidimensionais Resumo de caso unidimensional Caso Discreto p p 2 p 3 Caso Contínuo f(x) x x 2 x 3 i p i + f x dx X x x 2 x 3 P p p 2 p 3 Caso bidimensional Caso Discreto
Leia maisALGUNS MODELOS DE VARIÁVEIS ALEATÓRIAS UNIDIMENSIONAIS. Prof.: Idemauro Antonio Rodrigues de Lara
1 ALGUNS MODELOS DE VARIÁVEIS ALEATÓRIAS UNIDIMENSIONAIS Prof.: Idemauro Antonio Rodrigues de Lara 2 Modelos de variáveis aleatórias discretas 1. Distribuição Uniforme Discreta 2. Distribuição Binomial
Leia maisPar de Variáveis Aleatórias
Par de Variáveis Aleatórias Luis Henrique Assumpção Lolis 7 de abril de 2014 Luis Henrique Assumpção Lolis Par de Variáveis Aleatórias 1 Conteúdo 1 Introdução 2 Par de Variáveis Aleatórias Discretas 3
Leia maisSeja (X,Y) uma v.a. bidimensional contínua ou discreta. Define-se valor esperado condicionado de X para um dado Y igual a y da seguinte forma:
46 VALOR ESPERADO CONDICIONADO Seja (X,Y) uma v.a. bidimensional contínua ou discreta. Define-se valor esperado condicionado de X para um dado Y igual a y da seguinte forma: Variável contínua E + ( X Y
Leia mais4.1. ESPERANÇA x =, x=1
4.1. ESPERANÇA 139 4.1 Esperança Certamente um dos conceitos mais conhecidos na teoria das probabilidade é a esperança de uma variável aleatória, mas não com esse nome e sim com os nomes de média ou valor
Leia maisMOQ 13 PROBABILIDADE E ESTATÍSTICA. Professor: Rodrigo A. Scarpel
MOQ 3 PROBABILIDADE E ESTATÍSTICA Professor: Rodrigo A. Scarpel rodrigo@ita.br www.mec.ita.br/~rodrigo Programa do curso: Semanas 2 3 4 5 6 7 8 9 0 2 3 4 5 e 6 Introdução à probabilidade (eventos, espaço
Leia maisEstatísticas Inferenciais Distribuições Amostrais. Estatística
Estatística Na descrição dos conjuntos de dados x 1,..., x n, não foi feita menção ao conceito de população. Estatísticas inferenciais: preocupadas com a fonte dos dados e em tentar fazer generalizações
Leia maisPrincípios de Modelagem Matemática Aula 10
Princípios de Modelagem Matemática Aula 10 Prof. José Geraldo DFM CEFET/MG 19 de maio de 2014 1 Alguns resultados importantes em estatística A distribuição normal tem importante papel em estatística pois
Leia maisDistribuições Contínuas. Estatística. 7 - Distribuição de Probabilidade de Variáveis Aleatórias Contínuas UNESP FEG DPD
Estatística 7 - Distribuição de Probabilidade de Variáveis Aleatórias Contínuas 7- Distribuição Uniforme A variável aleatória contínua pode ser qualquer valor no intervalo [a,b] A probabilidade da variável
Leia maisDistribuições de Probabilidade Contínuas 1/19
all Distribuições de Probabilidade Contínuas Professores Eduardo Zambon e Magnos Martinello UFES Universidade Federal do Espírito Santo DI Departamento de Informática CEUNES Centro Universitário Norte
Leia maisProcessos de Poisson
Processos de Poisson Ricardo Ehlers ehlers@icmc.usp.br Departamento de Matemática Aplicada e Estatística Universidade de São Paulo Capitulo 5 Taylor & Karlin 1 / 37 Distribuição de Poisson Seja a variável
Leia maisAnálise de Dados e Simulação
Universidade de São Paulo Instituto de Matemática e Estatística http:www.ime.usp.br/ mbranco Simulação de Variáveis Aleatórias Contínuas. O método da Transformada Inversa Teorema Seja U U (0,1). Para qualquer
Leia maisProbabilidade II. Departamento de Estatística. Universidade Federal da Paraíba
Probabilidade II Departamento de Estatística Universidade Federal da Paraíba Prof. Tarciana Liberal (UFPB) Aula Lei dos Grandes Números e Teorema Central do Limite 02/14 1 / 9 Lei dos Grandes Números Lei
Leia maisSegunda Lista de Exercícios Cálculo de Probabilidades II Prof. Michel H. Montoril
Exercício 1. Uma urna contém 4 bolas numeradas: {1, 2, 2, 3}. Retira-se dessa urna duas bolas aleatoriamente e sem reposição. Sejam 1 : O número da primeira bola escolhida; 2 : O número da segunda bola
Leia maisDistribuição 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 mais4. ([Magalhães, 2011] - Seção 2.4) Seja X U( α, α), determine o valor do parâmetro α de modo que:
GET189 Probabilidade I Lista de exercícios - Capítulo 6 1. ([Ross, 21] - Capítulo 5) Em uma estação, trens partem para a cidade A de 15 em 15 minutos, começando às 7:h; e trens partem para a cidade B de
Leia maisTiago Viana Flor de Santana
ESTATÍSTICA BÁSICA DISTRIBUIÇÃO NORMAL DE PROBABILIDADE (MODELO NORMAL) Tiago Viana Flor de Santana www.uel.br/pessoal/tiagodesantana/ tiagodesantana@uel.br sala 07 Curso: MATEMÁTICA Universidade Estadual
Leia maisProbabilidade Aula 08
332 Probabilidade Aula 8 Magno T. M. Silva Escola Politécnica da USP Maio de 217 A maior parte dos exemplos dessa aula foram extraídos de Jay L. Devore, Probabilidade e Estatística para engenharia e ciências,
Leia maisTeoria das Filas aplicadas a Sistemas Computacionais. Aula 08
Teoria das Filas aplicadas a Sistemas Computacionais Aula 08 Universidade Federal do Espírito Santo - Departamento de Informática - DI Laboratório de Pesquisas em Redes Multimidia - LPRM Teoria das Filas
Leia maisLucas Santana da Cunha 12 de julho de 2017
DISTRIBUIÇÃO NORMAL Lucas Santana da Cunha http://www.uel.br/pessoal/lscunha/ Universidade Estadual de Londrina 12 de julho de 2017 Distribuição Normal Dentre todas as distribuições de probabilidades,
Leia maisLucas Santana da Cunha de junho de 2018 Londrina
Distribuição Normal Lucas Santana da Cunha email: lscunha@uel.br http://www.uel.br/pessoal/lscunha/ 25 de junho de 2018 Londrina 1 / 17 Distribuição Normal Dentre todas as distribuições de probabilidades,
Leia mais5. PRINCIPAIS MODELOS CONTÍNUOS
5. PRINCIPAIS MODELOS CONTÍNUOS 2019 5.1. Modelo uniforme Uma v.a. contínua X tem distribuição uniforme com parâmetros e ( < ) se sua função densidade de probabilidade é dada por f ( x )={ 1 β α, α x β
Leia maisProbabilidade 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 maisGrupo I. (a) A função de probabilidade marginal de X, P (X = x), é dada por
Probabilidades e Estatística + Probabilidades e Estatística I Solução do Exame de 2 a chamada 3 de Fevereiro de 2003 LEFT + LMAC Grupo I (a) A função de probabilidade marginal de X, P (X = x), é dada por
Leia maisFAMÍLIA EXPONENCIAL DE DISTRIBUIÇÕES
FAMÍLIA EXPONENCIAL DE DISTRIBUIÇÕES 1 Os modelos lineares generalizados, propostos originalmente em Nelder e Wedderburn (1972), configuram etensões dos modelos lineares clássicos e permitem analisar a
Leia maisPRINCIPAIS DISTRIBUIÇÕES DE PROBABILIDADES
PRINCIPAIS DISTRIBUIÇÕES DE PROBABILIDADES Certas distribuições de probabilidades se encaixam em diversas situações práticas As principais são: se v.a. discreta Distribuição de Bernoulli Distribuição binomial
Leia maisProbabilidade II. Departamento de Estatística. Universidade Federal da Paraíba
Probabilidade II Departamento de Estatística Universidade Federal da Paraíba Prof. Tarciana Liberal (UFPB) Aula Distribuição t de Student 02/14 1 / 1 A distribuição t de Student é uma das distribuições
Leia maisSumário. CAPÍTULO 1 Conceitos preliminares 1. CAPÍTULO 2 Descrição de dados: análise monovariada 47
CAPÍTULO 1 Conceitos preliminares 1 Introdução........................................................1 O que é estatística?.................................................. 4 Papel dos microcomputadores.........................................
Leia maisa) o time ganhe 25 jogos ou mais; b) o time ganhe mais jogos contra times da classe A do que da classe B.
Universidade de Brasília Departamento de Estatística 5 a Lista de PE. Um time de basquete irá jogar uma temporada de 44 jogos. desses jogos serão disputados contra times da classe A e os 8 restantes contra
Leia maisCAPÍTULO 5: VARIÁVEIS ALEATÓRIAS BIDIMENSIONAIS Todas as coisas aparecem e desaparecem por causa da concorrência de causas e condições. Nada nunca existe inteiramente só, tudo está em relação com todo
Leia maisProbabilidade 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 maisVariáveis Aleatórias Contínuas
Variáveis Aleatórias Contínuas Bacharelado em Administração - FEA - Noturno 2 o Semestre 2017 MAE0219 (IME-USP) Variáveis Aleatórias Contínuas 2 o Semestre 2017 1 / 35 Objetivos da Aula Sumário 1 Objetivos
Leia maisEstatística Aplicada II. } Revisão: Probabilidade } Propriedades da Média Amostral
Estatística Aplicada II } Revisão: Probabilidade } Propriedades da Média Amostral 1 Aula de hoje } Tópicos } Revisão: } Distribuição de probabilidade } Variáveis aleatórias } Distribuição normal } Propriedades
Leia mais{ C(1 x 2 ), se x ( 1, 1), f(x) = Cxe x/2, se x > 0, x + k, se 0 x 3; 0, c.c. k, se 1 < x 2; kx + 3k, se 2 < x 3;
Universidade de Brasília Departamento de Estatística 4 a Lista de PE 1. Seja X uma variável aleatória com densidade { C(1 x 2 ), se x ( 1, 1), 0, se x / ( 1, 1). a) Qual o valor de C? b) Qual a função
Leia maisAULA 8. DISTRIBUIÇÕES DE VARIÁVEIS CONTÍNUAS Uniforme, Exponencial e Normal 19/05/2017
AULA 8 DISTRIBUIÇÕES DE VARIÁVEIS CONTÍNUAS Uniforme, Exponencial e Normal 19/05/2017 As funções de distribuição (acumulada) e de densidade para v.a. contínuas = =. Se a densidade f(x)for continua no seu
Leia maisTeoria da Estimação. Fabricio Goecking Avelar. junho Universidade Federal de Alfenas - Instituto de Ciências Exatas
Teoria da Estimação Fabricio Goecking Avelar Universidade Federal de Alfenas - Instituto de Ciências Exatas junho - 2018 Algumas distribuições importantes Sumário 1 Algumas distribuições importantes 2
Leia maisAula 6 - Variáveis aleatórias contínuas
Aula 6 - Variáveis aleatórias contínuas PhD. Wagner Hugo Bonat Laboratório de Estatística e Geoinformação-LEG Universidade Federal do Paraná 1/2017 Bonat, W. H. (LEG/UFPR) 1/2017 1 / 18 Variáveis aleatórias
Leia maisLista de Exercícios #5 Assunto: Variáveis Aleatórias Multidimensionais Contínuas
1. ANPEC 018 Questão 9 Uma pessoa investe R$ 10.000,00 (I) em duas aplicações cujas taxas de retorno são variáveis aleatórias independentes, R 1 e R, com médias 5% e 14% e desvios-padrão 1% e 8%, respectivamente.
Leia maisModelos 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 maisLista de exercícios 2 Métodos Estatísticos Básicos
Lista de exercícios 2 Métodos Estatísticos Básicos Prof. Regis Augusto Ely 1 de julho de 2014 1 Variáveis aleatórias unidimensionais 1. Suponha que a variável aleatória X tenha os valores possíveis 1,
Leia maisProbabilidades e Estatística
Departamento de Matemática Probabilidades e Estatística LEAN, LEE, LEGI, LEGM, LEIC-A, LEIC-T, LEMat, LERC, LMAC, MEAer, MEAmbi, MEBiol, MEBiom, MEEC, MEFT, MEMec, MEQ 2 o semestre 2/22 o TESTE (Época
Leia maisALGUMAS DISTRIBUIÇÕES CONTÍNUAS DE PROBABILIDADE
ALGUMAS DISTRIBUIÇÕES CONTÍNUAS DE PROBABILIDADE 4. 1 INTRODUÇÃO Serão apresentadas aqui algumas distribuições de probabilidade associadas a v.a. s contínuas. A mais importante delas é a distribuição Normal
Leia maisAvaliação e Desempenho Aula 5
Avaliação e Desempenho Aula 5 Aula passada Revisão de probabilidade Eventos e probabilidade Independência Prob. condicional Aula de hoje Variáveis aleatórias discretas e contínuas PMF, CDF e função densidade
Leia maisUniversidade Federal da Paraíba Departamento de Estatística Lista 1 - Outubro de 2013
1. Seja X a duração de vida de uma válvula eletrônica e admita que X possa ser representada por uma variável aleatória contínua, com f.d.p. be bx, x 0. Seja p j = P (j X < j + 1). Verifique que p j é da
Leia maisNome: N. o : f(u) du para todo o x (V) d) Se F (x) tiver pontos de descontinuidade, então X é discreta (F)
ESTATÍSTICA I 2. o Ano/Gestão 1. o Semestre Época Normal Duração: 2 horas 1. a Parte Teórica N. o de Exame: RESOLUÇÃO 09.01.2015 Este exame é composto por duas partes. Esta é a 1 a Parte Teórica (Cotação:
Leia maisDefinição. Os valores assumidos pelos estimadores denomina-se estimativas pontuais ou simplesmente estimativas.
1. Inferência Estatística Inferência Estatística é o uso da informção (ou experiência ou história) para a redução da incerteza sobre o objeto em estudo. A informação pode ou não ser proveniente de um experimento
Leia maisDistribuições de probabilidade
Distribuições de probabilidade Distribuições contínuas Carla Henriques, Nuno Bastos e Cristina Lucas Departamento de Matemática Escola Superior de Tecnologia de Viseu. Henriques, N. Bastos e C. Lucas (DepMAT)
Leia maisExercícios 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 maisDepartamento 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 mais3. Considere uma amostra aleatória de tamanho 7 de uma normal com média 18. Sejam X e S 2, a média e a variância amostral, respectivamente.
1 Universidade de São Paulo Escola Superior de Agricultura Luiz de Queiroz Departamento de Ciências Exatas Professores: Clarice Demétrio, Roseli Leandro e Mauricio Mota Lista 3- Distribuições Amostrais-
Leia mais5. PRINCIPAIS MODELOS CONTÍNUOS
5. RINCIAIS MODELOS CONTÍNUOS 04 5.. Modelo uniforme Uma v.a. contínua tem distribuição uniforme com parâmetros α e β α β se sua função densidade de probabilidade é dada por f, β α 0, Notação: ~ Uα, β.
Leia maisDISTRIBUIÇÃO NORMAL DISTRIBUIÇÕES DE PROBABILIDADE CONJUNTAS ROTEIRO DISTRIBUIÇÃO NORMAL
ROTEIRO DISTRIBUIÇÕES DE PROBABILIDADE CONJUNTAS 1. Distribuições conjuntas 2. Independência 3. Confiabilidade 4. Combinações lineares de variáveis aleatórias 5. Referências DISTRIBUIÇÃO NORMAL Definição:
Leia maisModelos de Distribuição PARA COMPUTAÇÃO
Modelos de Distribuição MONITORIA DE ESTATÍSTICA E PROBABILIDADE PARA COMPUTAÇÃO Distribuições Discretas Bernoulli Binomial Geométrica Hipergeométrica Poisson ESTATÍSTICA E PROBABILIDADE PARA COMPUTAÇÃO
Leia maisLucas Santana da Cunha de junho de 2018 Londrina
Variável aleatória contínua: Lucas Santana da Cunha email: lscunha@uel.br http://www.uel.br/pessoal/lscunha/ 13 de junho de 2018 Londrina 1 / 26 Esperança e variância de Y Função de distribuição acumulada
Leia maisTeoria das Filas aplicadas a Sistemas Computacionais. Aula 09
Teoria das Filas aplicadas a Sistemas Computacionais Aula 09 Universidade Federal do Espírito Santo - Departamento de Informática - DI Laboratório de Pesquisas em Redes Multimidia - LPRM Teoria das Filas
Leia maisAnexo 1 - Revisões de Teoria das Probabilidades e Processos Estocásticos
1 Anexo 1 - Revisões de Teoria das Probabilidades e Processos Estocásticos Documento auxiliar à disciplina de Modelação, Identificação e Controlo Digital Alexandre Bernardino 003/005 IST-Secção de Sistemas
Leia mais5. PRINCIPAIS MODELOS CONTÍNUOS
5. PRINCIPAIS MODELOS CONTÍNUOS 00 5.. Modelo uniforme Uma v.a. contínua X tem distribuição uniforme com parâmetros α e β (α β) se sua função densidade de probabilidade é dada por f ( ) β α 0, Notação:
Leia maisInferência para duas populações
Inferência para duas populações Capítulo 13, Estatística Básica (Bussab&Morettin, 8a Edição) 7a AULA 27/04/2015 MAE229 - Ano letivo 2015 Lígia Henriques-Rodrigues 7a aula (27/04/2015) MAE229 1 / 27 1.
Leia maisCapítulo 3: Elementos de Estatística e Probabilidades aplicados à Hidrologia
Departamento de Engenharia Civil Prof. Dr. Doalcey Antunes Ramos Capítulo 3: Elementos de Estatística e Probabilidades aplicados à Hidrologia 3.1 - Objetivos Séries de variáveis hidrológicas como precipitações,
Leia maisVariáveis Aleatórias Bidimensionais &Teoremas de Limite 1/22
all Variáveis Aleatórias Bidimensionais & Teoremas de Limite Professores Eduardo Zambon e Magnos Martinello UFES Universidade Federal do Espírito Santo DI Departamento de Informática CEUNES Centro Universitário
Leia maisDistribuições derivadas da distribuição Normal. Distribuição Normal., x real.
Distribuições derivadas da distribuição Normal Distribuição Normal Uma variável aleatória X tem distribuição normal com parâmetros µ e σ, quando sua densidade de probabilidade é f ( x) π σ e ( x µ ) σ,
Leia maisEscola Superior de Agricultura Luiz de Queiroz Universidade de São Paulo. Variáveis Aleatórias Contínuas
Escola Superior de Agricultura Luiz de Queiroz Universidade de São Paulo Variáveis Aleatórias Contínuas Professora Renata Alcarde Piracicaba abril 2014 Renata Alcarde Estatística Geral 24 de Abril de 2014
Leia maisRevisões 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 maisCálculo 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 maisEscola Superior de Agricultura "Luiz de Queiroz", Departamento de Ciências Exatas. Modelo Normal. Cristian Villegas
Modelo Normal Cristian Villegas clobos@usp.br http://www.lce.esalq.usp.br/arquivos/aulas/2014/lce0216/ 1 Introdução O modelo normal ocupa uma posição de grande destaque tanto a nível teórico como prático,
Leia maisModelos Lineares Generalizados - Componentes do Modelo
Modelos Lineares Generalizados - Componentes do Modelo Erica Castilho Rodrigues 01 de Abril de 2014 3 Vejamos agora quais as componentes de um Modelo Linear Generalizado. Temos um conjunto de variáveis
Leia mais3 3. Variáveis Aleatórias
ÍNDICE 3. VARIÁVEIS ALEATÓRIAS...49 3.. VARIÁVEIS ALEATÓRIAS UNIDIMENSIONAIS...49 3.2. VARIÁVEIS DISCRETAS FUNÇÃO DE PROBABILIDADE E FUNÇÃO DISTRIBUIÇÃO DE PROBABILIDADE...50 3.2.. Função de probabilidade...50
Leia maisA figura 5.1 ilustra a densidade da curva normal, que é simétrica em torno da média (µ).
Capítulo 5 Distribuição Normal Muitas variáveis aleatórias contínuas, tais como altura, comprimento, peso, entre outras, podem ser descritas pelo modelo Normal de probabilidades. Este modelo é, sem dúvida,
Leia maisEscola Superior de Agricultura "Luiz de Queiroz", Departamento de Ciências Exatas. Modelo Normal. Cristian Villegas
Modelo Normal Cristian Villegas clobos@usp.br Outubro de 2013 Apostila de Estatística (Cristian Villegas) 1 Introdução O modelo normal ocupa uma posição de grande destaque tanto a nível teórico como prático,
Leia maisNome: 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 maisMESTRADO INTEGRADO EM ENGENHARIA ELECTROTÉCNICA E DE COMPUTADORES PROBABILIDADES E ESTATÍSTICA. 1ª Chamada 10/01/2008.
MESTRADO INTEGRADO EM ENGENHARIA ELECTROTÉCNICA E DE COMPUTADORES PROBABILIDADES E ESTATÍSTICA 1ª Chamada 10/01/2008 Parte Teórica DURAÇÃO : 50 min COTAÇÃO DA PARTE TEÓRICA: 8 Valores em 20 PERGUNTAS DE
Leia maisNoções 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 mais1 Probabilidade - Modelos Probabilísticos
1 Probabilidade - Modelos Probabilísticos Modelos probabilísticos devem, de alguma forma, 1. identificar o conjunto de resultados possíveis do fenômeno aleatório, que costumamos chamar de espaço amostral,
Leia maisAnexo 1 - Revisões de Teoria das Probabilidades e Processos Estocásticos
1 Anexo 1 - Revisões de Teoria das Probabilidades e Processos Estocásticos Documento auxiliar à disciplina de Modelação, Identificação e Controlo Digital Alexandre Bernardino IST-Secção de Sistemas e Controlo
Leia maisProbabilidade II. Departamento de Estatística. Universidade Federal da Paraíba
Probabilidade II Departamento de Estatística Universidade Federal da Paraíba Prof. Tarciana Liberal (UFPB) Aula 02/14 1 / 1 A distribuição F de Snedecor também conhecida como distribuição de Fisher é frequêntemente
Leia maisTeorema do Limite Central
Teorema do Limite Central Bacharelado em Economia - FEA - Noturno 1 o Semestre 2014 MAE0219 (IME-USP) Teorema do Limite Central 1 o Semestre 2014 1 / 47 Objetivos da Aula Sumário 1 Objetivos da Aula 2
Leia maisDistribuições por Amostragem
Distribuições por Amostragem Departamento de Matemática Escola Superior de Tecnologia de Viseu (DepMAT ESTV) Distribuições por Amostragem 2007/2008 1 / 27 Introdução: População, amostra e inferência estatística
Leia maisProcessos Estocásticos
Processos Estocásticos Luis Henrique Assumpção Lolis 26 de maio de 2014 Luis Henrique Assumpção Lolis Processos Estocásticos 1 Conteúdo 1 Introdução 2 Definição 3 Especificando um processo aleatório 4
Leia maisVariáveis aleatórias contínuas
Variáveis aleatórias contínuas Wagner H. Bonat Fernando P. Mayer Elias T. Krainski Universidade Federal do Paraná Departamento de Estatística Laboratório de Estatística e Geoinformação 20/04/2018 WB, FM,
Leia maisAULAS 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 maisMAE0229 Introdução à Probabilidade e Estatística II
Exercício Entre jovens atletas, um nível alto de colesterol pode ser considerado preocupante e indicativo para um acompanhamento médico mais frequente. Suponha que são classificados como tendo taxa de
Leia maisCONHECIMENTOS ESPECÍFICOS
CONHECIMENTOS ESPECÍFICOS quantidade São Paulo (j = 1) Rio de Janeiro (j = 2) Minas Gerais (j = 3) Rio Grande do Sul (j = 4) total casos novos (X, em milhões) casos pendentes (Y, em milhões) processos
Leia mais4 Distribuição normal assimétrica
4 Distribuição normal assimétrica A grande motivação para a definição da distribuição normal assimétrica é obter uma classe de distribuições paramétricas que apresente uma transição contínua da normalidade
Leia maisSUMÁRIOS DE VARIÁVEIS ALEATÓRIAS CONTINUAS
4 SUMÁRIOS DE VARIÁVEIS ALEATÓRIAS CONTINUAS Em muitos problemas de probabilidade que requerem o uso de variáveis aleatórias, uma completa especificação da função de densidade de probabilidade ou não está
Leia mais)XQGDPHQWRVGHSUREDELOLGDGHHHVWDWtVWLFD
)XQGDPHQWRVGHUREDELOLGDGHHHVWDWtVWLFD,QWURGXomR A história da estatística pode ser dividida em três fases. De acordo com PEANHA (00), a estatística inicialmente não mantinha nenhuma relação com a probabilidade,
Leia maisVetor de Variáveis Aleatórias
Vetor de Variáveis Aleatórias Luis Henrique Assumpção Lolis 25 de junho de 2013 Luis Henrique Assumpção Lolis Vetor de Variáveis Aleatórias 1 Conteúdo 1 Vetor de Variáveis Aleatórias 2 Função de Várias
Leia maisTE802 Processos Estocásticos em Engenharia
TE802 Processos Estocásticos em Engenharia Duas Variáveis Aleatórias 29 de agosto de 2017 Duas Variáveis Aleatórias Função Distribuição Acumulada Conjunta: F X,Y (x,y) = P[X x, Y y] Propriedades: (a) 0
Leia maisAumentando a Eciência de Métodos Monte Carlo: Redução de Variâncias por Condicionamento
Aumentando a Eciência de Métodos Monte Carlo: Redução de Variâncias por Condicionamento Ian Meneghel Danilevicz Walmir dos Reis Miranda Filho Métodos Computacionais Aplicados à Estatística Prof.: Cristiano
Leia mais1.2 Distribuição normal
4. Distribuição normal CAPÍTULO. INTRODUÇÃO A distribuição normal ou gaussiana é a função de densidade mais amplamente usada em aplicações estatísticas numa grande variedade de áreas. No começo dos desenvolvimentos
Leia maisRicardo Ehlers Departamento de Matemática Aplicada e Estatística Universidade de São Paulo
Geração de Números Aleatórios Ricardo Ehlers ehlers@icmc.usp.br Departamento de Matemática Aplicada e Estatística Universidade de São Paulo 1 / 61 Simulando de Distribuições Discretas Assume-se que um
Leia maisAnálise de Dados em Astronomia. 3. Distribuições de Probabilidades
1 / 24 3. Distribuições de Probabilidades Análise de Dados em Astronomia 3. Distribuições de Probabilidades Laerte Sodré Jr. AGA0505, 1o. semestre 2019 introdução aula de hoje 1 2 a distribuição uniforme
Leia maisAULA 09 Regressão. Ernesto F. L. Amaral. 17 de setembro de 2012
1 AULA 09 Regressão Ernesto F. L. Amaral 17 de setembro de 2012 Faculdade de Filosofia e Ciências Humanas (FAFICH) Universidade Federal de Minas Gerais (UFMG) Fonte: Triola, Mario F. 2008. Introdução à
Leia maisPrimeira 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 maisMomentos: Esperança e Variância. Introdução
Momentos: Esperança e Variância. Introdução Em uma relação determinística pode-se ter a seguinte relação: " + " = 0 Assim, m =, é a declividade e a e b são parâmetros. Sabendo os valores dos parâmetros
Leia mais