Funções Geradoras de Variáveis Aleatórias. Simulação Discreta de Sistemas - Prof. Paulo Freitas - UFSC/CTC/INE
|
|
- Nathan Barreto Neto
- 7 Há anos
- Visualizações:
Transcrição
1 Funções Geradoras de Variáveis Aleatórias 1
2 Funções Geradoras de Variáveis Aleatórias Nos programas de simulação existe um GNA e inúmeras outras funções matemáticas descritas como Funções Geradoras de Variáveis Aleatórias ou FGVA s. Para cada tipo de distribuição teórica de probabilidades existe um FGVA apropriada. Para usá-las num programa de simulação basta invocar o nome da função desejada e fornecer os parâmetros necessários. 2
3 Funções Geradoras de Variáveis Aleatórias Modelo Computacional TEC= EXPO (10) TEC = 7,45823 Invoca a FGVA Fornece o parâmetro (10) para a FGVA EXPO Argumentos: NA[0;1] + Média (10) GNA fornece NA Retorna o valor de TEC Figura 2.5: Troca de dados e informações entre o modelo computacional e as FGVA s 3
4 Algoritmos para Geração de Variáveis Aleatórias Distribuições Teóricas de Probabilidade 4
5 Geração de Variáveis Aleatórias Métodos e procedimentos computacionais para a geração de variáveis aleatórias com características específicas de alguma das diversas distribuições teóricas de probabilidades. A necessidade de tais variáveis: tempos entre chegadas; tempos de serviço; demandas por produtos, etc. 5
6 Métodos de Geração Os métodos baseiam-se na prévia geração de um número aleatório R, uniformemente distribuído sobre o intervalo (0, 1). x é expresso como uma função explícita de R.. Métodos básicos: Transformação Inversa; Transformação Direta; Convolução; Aceitação/Rejeição; Propriedades Especiais 6
7 Distribuições Discretas: Geométrica Uma variável com distribuição geométrica representa o número de falhas observadas em uma seqüência de provas do tipo Bernoulli, sua função densidade é: p(x) = p(1 - p)x, x = 1, 2,... Pelo método da transformação inversa, obtém-se a seguinte relação: ln( 1 R) ln( 1 p) x < ln( 1 R) ln( 1 p) 7
8 Distribuições Discretas: Geométrica Para a obtenção de uma variável com distribuição geométrica, necessita-se do parâmetro (probabilidade de um sucesso) p. Obtido tal elemento, os seguintes passos devem ser considerados: Gerar R; Calcular x = ln( 1 R) ln( 1 p) A função. (arredondamento para o maior inteiro) atribui a x o maior inteiro que satisfaz a relação anterior. 8
9 Exemplo Gerar três valores de uma distribuição geométrica com p = 1/2. Usando uma tabela de valores aleatórios, obtemos R 1 = 0,932; R 2 = 0,105 e R 3 = 0,687. Primeiramente calcula-se o valor da constante 1/ln (1-p) = 1/ln (1-0,5) = -1,443. Na seqüência, obtemos os valores dos x i s a partir dos R i s. 9
10 Exemplo Passo Valor de R i e de x i 1 R 1 = 0,932 2 x 1 = -1,443 ln(1-0,932) = 3, 878 = 4 1 R 2 = 0,105 2 x 2 = -1,443 ln(1-0,105) = 1 1 R 3 = 0,687 2 x 3 = -1,443 ln(1-0,687) = 2 10
11 Distribuições Discretas: Poisson A distribuição de Poisson se caracteriza pela seguinte função densidade de probabilidade: x p( x) = P( X = x) = e λ λ x = 0,1,2,..., λ > 0 x! a qual representa a probabilidade de ocorrência de x sucessos, num dado intervalo de tempo. Onde, λ é o valor esperado do número de ocorrências por unidade de tempo. 11
12 Distribuições Discretas: Poisson Geração de uma variável aleatória Poisson, considerando o método da Aceitação/Rejeição: 1. Fazer n = 0, e P =1; 2. Gerar um número aleatório R n+1 e substituir P por P.R n+1 ; 3. Se, P < e, aceitar X = n, caso contrário, rejeitar n atual, fazer n = n +1, e retornar aos procedimentos no passo 2. A idéia básica por traz do método da Aceitação/Rejeição, é gerar um número aleatório e testar uma determinada condição de aceitação. Caso esta condição seja satisfeita, o valor gerado é aceito, caso contrário os passos são repetidos. 12
13 Exemplo geração distribuição Poisson Gerar três números, segundo uma distribuição de Poisson, com = 0,2. λ λ 0, 2 Primeiramente, computa-se o valor de e = e = 0, Na seqüência, obtém-se um conjunto de números aleatórios e iniciam-se os procedimentos estabelecidos nos passos de 1 a 3 anteriormente firmados 13
14 Exemplo geração distribuição Poisson Passo Geração de P, n e X 1 n = 0, P = 1 2 R 1 = 0,4357; P = 1.R 1 = 0, como P = 0,4357 < e -0,2 < 0,8187; aceitamos X = R 1 = 0,4146 nos leva a X = 0 1 n = 0, P = 1 2 R 1 = 0,8353; P = 1.R 1 = 0, como P e λ ; rejeitamos n = 0 e retornamos ao passo 2 com n = 1 2 R 2 = 0,9952; P = P.R 2 = 0,8353.0,9952 = 0, como P e λ ; rejeitamos n = 1 e retornamos ao passo 2 com n = 2 2 R 3 = 0,8004; P = P.R 3 = 0, ,8004 = 0, como P = 0,6654< e -0,2 < 0,8187; aceitamos X = 2 14
15 Distribuição Empírica Discreta (MC) Inicialmente, determinam-se as freqüências relativas acumuladas da distribuição. Por exemplo: x p(x) F(x) 0 0,50 0,50 1 0,30 0,80 2 0,20 1,00 Aplica-se o método da transformação inversa pesquisando em uma tabela de valores. Procedimento semelhante ao realizado no capítulo 1, quando se tratou do método de Monte Carlo. 15
16 Procedimentos Geração da Empírica Discreta Os procedimentos de busca são facilitados pela construção de uma tabela para a geração dos valores de x: i Entrada r i Saída x i 1 0, , ,00 2 Esquematizando os procedimentos: 1. Gerar R; 2. Descobrir i, tal que r i-1 < R r i ; 3 Fazer X = x i. 16
17 Exemplo Empírica Discreta Suponha uma variável aleatória com a seguinte distribuição de probabilidades: x p(x) F(x) 2 0,45 0,45 3 0,35 0,80 5 0,20 1,00 Dados R 1 = 0,43; R 2 =0,61 e R 3 =0,83; gerar três valores para a variável X, que pertençam a esta distribuição. R 1 = 0,43 < F(x=2) = 0,45; logo X=2; F(x=2) = 0,45 < R 2 = 0,61 F(x=3) = 0,80 ; logo X=3; F(x=3) = 0,80 < R 3 = 0,83 F(x=5) = 1,00 ; logo X=5; 17
18 Distribuições Contínuas: Uniforme Uma variável aleatória x tem distribuição uniforme sobre um intervalo [a, b], se sua função densidade de probabilidade (fdp) é dada por: A técnica mais utilizada para a obtenção de uma variável aleatória uniformemente distribuída é a da transformação inversa. A fórmula é a seguinte: Os parâmetros necessários para a obtenção de uma variável com distribuição uniforme são apenas os valores extremos do intervalo [a, b]. Uma vez definidos, os seguintes passos devem ser considerados: 1. Gerar R; 2. Calcular 1 f ( x) = a x b b a x = a + ( b a) R x = a + ( b a) R 18
19 Exemplo Distribuição Uniforme Gerar três valores de uma distribuição uniforme no intervalo [10, 50]. Usando os seguintes valores aleatórios R 1 = 0,932; R 2 = 0,105 e R 3 = 0,687. Aplicando o método proposto teremos: Passo Valor de R i e de x i 1 R 1 = 0,932 2 x 1 = 10 + (40)0,932 = 47,28 1 R 2 = 0,105 2 x 2 =10 + (40)0,105= 14,2 1 R 3 = 0,687 2 x 3 = 10 + (40)0,687= 37,48 19
20 Distribuição Triangular Uma variável aleatória x tem uma distribuição triangular se sua fdp é dada por: f ( x) = 2( x a) ( b a)( c a), 2( c x) ( c b)( c a), a x b b < x c onde a b c. A moda b = 3 E (x) - (a + c). Aplica-se o método da transformação inversa. A variável x com esta distribuição é obtida por: x = a R b a c a R b a + ( )( ), se 0 c a b a c ( 1 R)( c b)( c a), se < R 1 c a 20
21 Exemplo Triangular Gerar três valores de uma distribuição triangular com parâmetros (0, 1, 2). Obtidos R 1 = 0,544; R 2 = 0,747 e R 3 = 0,449. x = 1 2R 0 R ( 1 R) < R 1 2 Passo Valor de R i e de x i 1 R 1 = 0,544 2 x 1 = 2-2( 1 0, 544) = 1,045 1 R 2 = 0,747 2 x 2 =2-2( 1 0, 747) = 1,288 1 R 3 = 0,449 2 x 3 = 2( 0, 449) = 0,947 21
22 Distribuição Exponencial Uma variável aleatória x tem uma distribuição exponencial se sua fdp é dada por: x f ( x) = λe λ, x 0 O parâmetro é interpretado como sendo o número médio de ocorrências por unidade de tempo, enquanto a razão representa o tempo médio entre as ocorrências. Aplicando-se o método da transformação inversa para a obtenção de uma variável aleatória x com distribuição exponencial resulta na seguinte relação: x i = λ ln( 1 R i ) Uma vez que (1-R i ), da mesma forma que R i, possui distribuição uniforme no intervalo [0, 1], podemos substituir (1-R i ) por R i na expressão acima. 22
23 Exemplo Gerar valores de uma distribuição exponencial com parâmetro =1. λ x i = λ ln( 1 R i ) i Ri 0,1306 0,0422 0,6597 0,7965 0,7696 xi 0, , , , ,
24 Distribuição Normal Uma variável aleatória x tem uma distribuição normal se sua fdp é dada por: ( x µ ) 1 2 2σ f ( x) = e, < x < σ 2π 2 Método de Box-Muller Z 1 =B cos θ Z 2 =B sen θ Z = 2ln R cos( 2πR ) Z = 2 ln R sen( 2πR )
25 Exemplo Considerando as equações anteriores, gerar dois valores com distribuição normal padronizada a partir de R 1 = 0,1758 e R 2 = 0,1489. Z 1 = [-2 ln (0,1758)]½ cos ( 0,1489) = 1,11 Z 2 = [-2 ln (0,1758)]½ sen ( 0,1489) = 1,50 Para a obtenção de uma variável aleatória normal com média µ e desvio padrão σ, deve-se aplicar a transformação x i = µ + σ.z i aos valores da normal padronizada. Por exemplo, para transformar os valores obtidos de Z 1 e Z 2 em uma Normal (10; 2), calcula-se: x 1 = (1,11) = 12,22 x 2 = (1,50) = 13,00 25
26 Exercício Use o MCL x para ( ax gerar + 1 b) mod uma m seqüência de números = n n aleatórios entre zero e 1, com os seguintes parâmetros: x 0 = 23, a = 17, b = 43 e m = 100. Considere os necessários valores gerados e determine um valor para cada uma das seguintes variáveis: Uniforme (15, 35); Exponencial (10); Triangular (5, 8, 13); Normal (12, 2). 26
Modelagem e Avaliação de Desempenho. Pós Graduação em Engenharia Elétrica - PPGEE Prof. Carlos Marcelo Pedroso 2016
Modelagem e Avaliação de Desempenho Pós Graduação em Engenharia Elétrica - PPGEE Prof. Carlos Marcelo Pedroso 2016 Simulação de Sistemas Simulação é a técnica de solução de um problema pela análise de
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 e Estatística
Probabilidade e Estatística Aula 6 Distribuições Contínuas (Parte 02) Leitura obrigatória: Devore, Capítulo 4 Chap 6-1 Distribuições de Probabilidade Distribuições de Probabilidade Distribuições de Probabilidade
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 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 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 maisGERAÇÃO DE NÚMEROS E VARIÁVEIS ALEATÓRIAS
Anexo GERAÇÃO DE NÚMEROS E VARIÁVEIS ALEATÓRIAS A geração de números e variáveis aleatórias é um ingrediente fundamental em qualquer programa de simulação, comercial ou não. Na grande maioria dos programas
Leia maisSimulação com Modelos Teóricos de Probabilidade
Simulação com Modelos Teóricos de Probabilidade p. 1/21 Algumas distribuições teóricas apresentam certas características que permitem uma descrição correta de variáveis muito comuns em processos de simulação.
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 maisRevisão 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 maisCOMO FUNCIONA A SIMULAÇÃO. Capítulo 2 - Aula 2. Simulação Discreta de Sistemas - Prof. Paulo Freitas - UFSC/CTC/INE
COMO FUNCIONA A SIMULAÇÃO Capítulo 2 - Aula 2 1 Tratando a Variabilidade dos Sistemas As diferenças fundamentais entre os dois tratamentos (T. Filas e simulação): para a solução analítica o objetivo da
Leia maisUm modelo estocástico para o fluxo de caixa de um plano de previdência de um indivíduo 15
2 Simulação estocástica A simulação computacional consiste em empregar técnicas matemáticas em computadores com o propósito de gerar ensaios que tentam reproduzir de maneira análoga um processo ou operação
Leia maisUMA INTRODUÇÃO AOS MÉTODOS DE GERAÇÃO DE NÚMEROS E VARIÁVEIS ALEATÓRIAS PARA APLICAÇÕES EM SIMULADORES
UMA INTRODUÇÃO AOS MÉTODOS DE GERAÇÃO DE NÚMEROS E VARIÁVEIS ALEATÓRIAS PARA APLICAÇÕES EM SIMULADORES A geração de números e variáveis aleatórias é um ingrediente fundamental em qualquer programa de simulação,
Leia maisObjetivos. fim de servir de entrada na simulação de um modelo.
Geração de variáveis aleatórias Objetivos Geração de amostras para uma distribuição em específico a fim de servir de entrada na simulação de um modelo. Ilustrar algumas técnicas usadas para geração de
Leia maisRevisão de Probabilidade
05 Mat074 Estatística Computacional Revisão de Probabilidade Prof. Lorí Viali, Dr. viali@mat.ufrgs.br http://www.ufrgs.br/~viali/ Determinístico Sistema Real Causas Efeito Probabilístico X Causas Efeito
Leia maisEstatística 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 maisESTATÍSTICA. x(s) W Domínio. Contradomínio
Variáveis Aleatórias Variáveis Aleatórias são funções matemáticas que associam números reais aos resultados de um Espaço Amostral. Uma variável quantitativa geralmente agrega mais informação que uma qualitativa.
Leia maisAnálise de Dados e Simulação
Universidade de São Paulo Instituto de Matemática e Estatística http:www.ime.usp.br/ mbranco Processo de Poisson. Processo de Poisson Homogêneo Considere N(t) o número de ocorrências de um determinado
Leia maisProbabilidade 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 maisDepartamento de InformáAca - PUC- Rio. Hélio Lopes Departamento de InformáAca PUC- Rio. A plataforma R
Introdução à Simulação Estocás5ca usando R INF2035 PUC- Rio, 2013.1 Departamento de InformáAca - PUC- Rio Hélio Lopes Departamento de InformáAca PUC- Rio A plataforma R R é uma linguagem de programação
Leia maisEstatística e Probabilidade Aula 06 Distribuições de Probabilidades. Prof. Gabriel Bádue
Estatística e Probabilidade Aula 06 Distribuições de Probabilidades Prof. Gabriel Bádue Teoria A distribuição de Poisson é uma distribuição discreta de probabilidade, aplicável a ocorrências de um evento
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 maisESTATÍSTICA COMPUTACIONAL
ESTATÍSTICA COMPUTACIONAL Ralph dos Santos Silva Departamento de Métodos Estatísticos Instituto de Matemática Universidade Federal do Rio de Janeiro Sumário Simulação O que é simulação? Reprodução de um
Leia maisrio de Guerra Eletrônica EENEM 2008 Estatística stica e Probabilidade Aleatórias nuas
ITA - Laboratório rio de Guerra Eletrônica EENEM 2008 Estatística stica e Probabilidade Aula 04: Variáveis Aleatórias Contínuas nuas Função densidade de probabilidade contínua nua f(x) a b f(x) 0 para
Leia maisModelagem e Análise de Sistemas de Computação Aula 19
Modelagem e Análise de Sistemas de Computação Aula 19 Aula passada Intro a simulação Gerando números pseudo-aleatórios Aula de hoje Lei dos grandes números Calculando integrais Gerando outras distribuições
Leia maisSexta Lista: Geração de Números Pseudo-Aleatórios e Método de Monte Carlo
Sexta Lista: Geração de Números Pseudo-Aleatórios e Método de Monte Carlo Antônio Carlos Roque da Silva Filho e Cristiano R. F. Granzotti 26 de junho de 2017 Os exercícios desta lista devem ser resolvidos
Leia maisDistribuições Contínuas de Probabilidade
Distribuições Contínuas de Probabilidade Uma variável aleatória contínua é uma função definida sobre o espaço amostral, que associa valores em um intervalo de números reais. Exemplos: Espessura de um item
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 maisSumário. 2 Índice Remissivo 11
i Sumário 1 Principais Distribuições Contínuas 1 1.1 Distribuição Uniforme................................. 1 1.2 A Distribuição Normal................................. 2 1.2.1 Padronização e Tabulação
Leia maisBioestatística 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 maisFernando Nogueira Simulação 1
Simulação a Eventos Discretos Fernando Nogueira Simulação Introdução Simulação não é uma técnica de otimização: estima-se medidas de performance de um sistema modelado. Modelos Contínuos X Modelos Discretos
Leia maisModelos 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 maisFUNÇÕES DE VARIÁVEL ALEATÓRIA
5 FUNÇÕES DE VARIÁVEL ALEATÓRIA Dada uma variável aleatória contínua X com função de densidade f (x). Considerando Y = g(x), uma função de X, também é uma variável aleatória. A definição da variável Y
Leia maisAula 4. Aula de hoje. Aula passada
Aula 4 Aula passada Função de distribuição Bernoulli Sequência de v.a. Binomial, Geométrica, Zeta Valor esperado Variância Distribuição conjunta Independência de v.a. Aula de hoje Valor esperado condicional
Leia maisCap. 6 Variáveis aleatórias contínuas
Estatística para Cursos de Engenharia e Informática Pedro Alberto Barbetta / Marcelo Menezes Reis / Antonio Cezar Bornia São Paulo: Atlas, 004 Cap. 6 Variáveis aleatórias contínuas APOIO: Fundação de Apoio
Leia maisCap. 6 Variáveis aleatórias contínuas
Estatística para Cursos de Engenharia e Informática Pedro Alberto Barbetta / Marcelo Menezes Reis / Antonio Cezar Bornia São Paulo: Atlas, 2004 Cap. 6 Variáveis aleatórias contínuas APOIO: Fundação de
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 maisTécnicas Computacionais em Probabilidade e Estatística I
c Técnicas Computacionais em Probabilidade e Estatística I Aula Chang Chiann MAE 5704- IME/SP º Sem/008 Slide c chang; /4/008 Simulação Estática Obetivo: Em análise estatística de dados, modelos estocásticos
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 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 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 maisAnálise de dados em Fisica de Particulas
Análise de dados em Fisica de Particulas Magno V.T. Machado Instituto de Fisica - UFRGS Escola de Fisica de Particulas e Campos. Agosto 05-09, 2013 Números aleatórios e Monte Carlo Muitas aplicações computacionais
Leia maisCapítulo 2. Distribuições de Probabilidade Estimativas de parâmetros e tempos-atéfalha. Flávio Fogliatto
Capítulo 2 Distribuições de Probabilidade Estimativas de parâmetros e tempos-atéfalha Flávio Fogliatto 1 Ajustes de distribuições Em estudos de confiabilidade, dados são amostrados a partir de uma população
Leia mais4. Distribuições de probabilidade e
4. Distribuições de probabilidade e características Valor esperado de uma variável aleatória. Definição 4.1: Dada uma v.a. discreta (contínua) X com f.m.p. (f.d.p.) f X (), o valor esperado (ou valor médio
Leia maisAula de hoje. administração. São Paulo: Ática, 2007, Cap. 3. ! Tópicos. ! Referências. ! Distribuição de probabilidades! Variáveis aleatórias
Aula de hoje! Tópicos! Distribuição de probabilidades! Variáveis aleatórias! Variáveis discretas! Variáveis contínuas! Distribuição binomial! Distribuição normal! Referências! Barrow, M. Estatística para
Leia maisModelagem e Análise de Sistemas - COS767
Modelagem e Análise de Sistemas - COS767 Aula de hoje Introdução à simulação Geração de números aleatórios Lei dos Grandes Números Geração de variáveis aleatórias: método da transformada inversa Simulação
Leia maisDistribuições de probabilidade de variáveis aleatórias contínuas
Distribuições de probabilidade de variáveis aleatórias contínuas Universidade Estadual de Santa Cruz Ivan Bezerra Allaman Distribuição Exponencial Introdução É utilizada frequentemente como modelo para
Leia maisEELT-7035 Processos Estocásticos em Engenharia. Variáveis Aleatórias. EELT-7035 Variáveis Aleatórias Discretas. Evelio M. G.
EELT-7035 Processos Estocásticos em Engenharia Variáveis Aleatórias Discretas 21 de março de 2019 Variáveis Aleatórias Variável aleatória, X( ): função que mapeia o espaço amostral (S) em números pertencentes
Leia maisReviso de Teoria da Medida e Elementos Bsicos de Probabilidade
Reviso de Teoria da Medida e Elementos Bsicos de Probabilidade Roberto Imbuzeiro Oliveira 9 de Março de 2009 Resumo Esta lista cobre o básico do básico sobre espaços e distribuições de probabilidade. Pouco
Leia maisEstatística e Modelos Probabilísticos - COE241
Estatística e Modelos Probabilísticos - COE241 Aula passada Introdução à simulação Geração de números aleatórios Lei dos Grandes Números Aula de hoje Geração de variáveis aleatórias: Transformada Inversa
Leia maisVariáveis Aleatórias Discretas
Variáveis Aleatórias Discretas Ricardo Ehlers ehlers@icmc.usp.br Departamento de Matemática Aplicada e Estatística Universidade de São Paulo Introdução Definição Uma variável aleatória é uma função definida
Leia maisEstatística Descritiva e Exploratória
Gledson Luiz Picharski e Wanderson Rodrigo Rocha 9 de Maio de 2008 Estatística Descritiva e exploratória 1 Váriaveis Aleatórias Discretas 2 Variáveis bidimensionais 3 Váriaveis Aleatórias Continuas Introdução
Leia maisSistemas Aleatórios. Um sistema é aleatório quando seu estado futuro só pode ser conhecido. jogar uma moeda ou um dado. decaimento de uma partícula
Sistemas Aleatórios Um sistema é aleatório quando seu estado futuro só pode ser conhecido pela realização de uma experiência. jogar uma moeda ou um dado decaimento de uma partícula trajetória de uma partícula
Leia maisProf. Lorí Viali, Dr.
Prof. Lorí Viali, Dr. viali@mat.ufrgs.br http://www.mat.ufrgs.br/~viali/ Seja X uma variável aleatória com conjunto de valores X(S). Se o conjunto de valores for infinito não enumerável então a variável
Leia maisAnálise de Dados em Astronomia. 4. Simulações de Monte Carlo
1 / 22 Análise de Dados em Astronomia 4. Simulações de Monte Carlo Laerte Sodré Jr. AGA0505, 1o. semestre 2019 2 / 22 introdução aula de hoje: o método de Monte Carlo 1 introdução 2 variáveis aleatórias
Leia maisDistribuições de Probabilidade. Variáveis aleatórias contínuas
Distribuições de Probabilidade Variáveis aleatórias contínuas 1 Variáveis contínuas Uma variável aleatória contínua toma um nº infinito não numerável de valores (intervalos de números reais), os quais
Leia 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 maisBioestatística 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 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 maisProbabilidade II. Departamento de Estatística. Universidade Federal da Paraíba
Probabilidade II Departamento de Estatística Universidade Federal da Paraíba Aula Valor esperado como solução do problema do menor erro quadrático médio e Quantis 03/14 1 / 15 Valor esperado como solução
Leia maisS I M U L A Ç Ã O 84
S I M U L A Ç Ã O 84 - 1 - Elabore uma rotina que lhe permita gerar números pseudo-aleatórios (NPA) com distribuição X ( f X ( x ) representa a função de densidade de probabilidade de X e F X ( x ) representa
Leia maisConforme o conjunto de valores X(S) uma variável aleatória poderá ser discreta ou contínua.
Prof. Lorí Viali, Dr. viali@pucrs.br http://www.pucrs.br/famat/viali/ s KKK CKK KKC KCK CCK CKC KCC CCC S X X(s) R X(S) Uma função X que associa a cada elemento de S (s S) um número real X(s) é denominada
Leia maisCapítulo 4 - Variáveis aleatórias e distribuições contínuas
Capítulo 4 - Variáveis aleatórias e distribuições contínuas Conceição Amado e Ana M. Pires 4.1 - Variáveis aleatórias contínuas. Função densidade de probabilidade 3 4.2 - Valor esperado, variância e algumas
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 maisGeração de Variáveis Aleatórias Contínuas. Mat02274 Estatística Computacional. A função densidade de probabilidade. Exemplo
Estatística Computacional Geração de Variáveis Aleatórias Contínuas 06 Prof. Lorí Viali, Dr. viali@mat.ufrgs.br http://www.mat.ufrgs.br/~viali/ A função densidade de probabilidade Seja X uma variável aleatória
Leia maisDistribuições de Probabilidade. Distribuição Uniforme Distribuição Exponencial Distribuição Normal
Distribuições de Probabilidade Distribuição Uniforme Distribuição Exponencial Distribuição Normal 1 Distribuição Uniforme A distribuição Uniforme atribui uma densidade igual ao longo de um intervalo (a,b).
Leia maisCONHECIMENTOS 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 mais3. Estimação pontual USP-ICMC-SME. USP-ICMC-SME () 3. Estimação pontual / 25
3. Estimação pontual USP-ICMC-SME 2013 USP-ICMC-SME () 3. Estimação pontual 2013 1 / 25 Roteiro Formulação do problema. O problema envolve um fenômeno aleatório. Interesse em alguma característica da população.
Leia maisDistribuições de Probabilidade
Distribuições de Probabilidade 7 6 5 4 3 2 1 0 Normal 1 2 3 4 5 6 7 8 9 10 11 Exemplos: Temperatura do ar 20 18 16 14 12 10 8 6 4 2 0 Assimetrica Positiva 1 2 3 4 5 6 7 8 9 10 11 Exemplos: Precipitação
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 maisEstatística e Modelos Probabilísticos - COE241
Estatística e Modelos Probabilísticos - COE241 Aula passada Introdução à simulação Geração de números aleatórios Lei dos Grandes Números Aula de hoje Geração de variáveis aleatórias: Transformada Inversa
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 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 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 maisDisciplina: Prof. a Dr. a Simone Daniela Sartorio. DTAiSeR-Ar
Disciplina: 1171 b) Variáveis Aleatórias Contínuas Prof. a Dr. a Simone Daniela Sartorio DTAiSeR-Ar 1 Uma variável aleatória é contínua (v.a.c.) se seu conjunto de valores é qualquer intervalo dos números
Leia maisExercícios de programação
Exercícios de programação Estes exercícios serão propostos durante as aulas sobre o Mathematica. Caso você use outra linguagem para os exercícios e problemas do curso de estatística, resolva estes problemas,
Leia maisb) Variáveis Aleatórias Contínuas
Disciplina: 1171 b) Variáveis Aleatórias Contínuas Prof. a Dr. a Simone Daniela Sartorio de Medeiros DTAiSeR-Ar 1 Uma variável aleatória é contínua (v.a.c.) se seu conjunto de valores é qualquer intervalo
Leia maisCálculo II (Primitivas e Integral)
Cálculo II (Primitivas e Integral) Antônio Calixto de Souza Filho Escola de Artes, Ciências e Humanidades Universidade de São Paulo 5 de março de 2013 1 Aplicações de Integrais subject Aplicações de Integrais
Leia 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: Semanas 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 e 16 Introdução à probabilidade (eventos,
Leia mais5- Variáveis aleatórias contínuas
5- Variáveis aleatórias contínuas Para variáveis aleatórias contínuas, associamos probabilidades a intervalos de valores da variável. Exemplo 5.1 Seja a variável correspondente ao tempo até a cura de pacientes
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 maisb) Variáveis Aleatórias Contínuas
Disciplina: 221171 b) Variáveis Aleatórias Contínuas Prof. a Dr. a Simone Daniela Sartorio de Medeiros DTAiSeR-Ar 1 Uma variável aleatória é contínua (v.a.c.) se seu conjunto de valores é qualquer intervalo
Leia maisMODELOS PROBABILÍSTICOS CONTÍNUOS
6 MODELOS PROBABILÍSTICOS CONTÍNUOS 6. DISTRIBUIÇÃO UNIFORME A distribuição uniforme é a distribuição de probabilidades contínua mais simples de conceituar: a probabilidade de se gerar qualquer ponto em
Leia maisMétodos Quantitativos para a Gestão Ambiental Probabilidades e Distribuições Estatísticas Parte 1 (4/13) Luiz Carlos Estraviz Rodriguez
Métodos Quantitativos para a Gestão Ambiental Probabilidades e Distribuições Estatísticas Parte 1 (4/13) Luiz Carlos Estraviz Rodriguez Distribuição de probabilidades Contexto O porquê desta aula Ao desenvolvermos
Leia maisPROVAS Ciência da Computação. 2 a Prova: 13/02/2014 (Quinta) Reavaliação: 20/02/2014 (Quinta)
PROVAS Ciência da Computação 2 a Prova: 13/02/2014 (Quinta) Reavaliação: 20/02/2014 (Quinta) Ajuste de Curvas Objetivo Ajustar curvas pelo método dos mínimos quadrados 1 - INTRODUÇÃO Em geral, experimentos
Leia maisInversão. Introdução à Simulação Estocás5ca usando R INF2035 PUC- Rio, Hélio Lopes Departamento de InformáAca PUC- Rio 4/25/13
Introdução à Simulação Estocás5ca usando R INF2035 PUC- Rio, 2013.1 Departamento de InformáAca - PUC- Rio Hélio Lopes Departamento de InformáAca PUC- Rio Inversão Teorema: Sejam F : IR [0, 1] a função
Leia maisAULA 3: DISTRIBUIÇÕES DE PROBABILIDADES. Gleici Castro Perdoná
AULA 3: DISTRIBUIÇÕES DE PROBABILIDADES Gleici Castro Perdoná pgleici@fmrp.usp.br AVALIAÇÃO 1 - (20 min) ENTRAR NO STOA E RESPONDER 5 QUESTÕES Qual objetivo das medidas descritivas? OBTENÇÃO ORGANIZAÇÃO
Leia maisVariáveis Aleatórias Discretas e Distribuição de Probabilidade
Variáveis Aleatórias Discretas e Distribuição de Probabilidades 01 de Abril de 2014 Objetivos Ao final deste capítulo você deve ser capaz de: Determinar probabilidades a partir de funções de probabilidade
Leia maisMAT2457 ÁLGEBRA LINEAR PARA ENGENHARIA I Gabarito da 2 a Prova - 1 o semestre de 2015
MAT27 ÁLGEBRA LINEAR PARA ENGENHARIA I Gabarito da 2 a Prova - 1 o semestre de 201 Nesta prova considera-se fixada uma orientação do espaço e um sistema de coordenadas Σ (O, E) em E 3, em que E é uma base
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 maisDistribuies de Probabilidade
Distribuies de Probabilidade Roberto Imbuzeiro M. F. de Oliveira 23 de Março de 2009 Resumo Exerçícios sobre as distribuições de v.a. s. 1 Toda variável aleatória real é uniforme Seja X : Ω R com função
Leia maisSimulação a Eventos Discretos. Fernando Nogueira Simulação 1
Simulação a s Discretos Fernando Nogueira Simulação Introdução Simulação não é uma técnica de otimização: estima-se medidas de performance de um sistema modelado. Modelos Contínuos X Modelos Discretos
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 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 maisProbabilidade e Estatística. stica. Prof. Dr. Narciso Gonçalves da Silva pessoal.utfpr.edu.
Probabilidade e Estatística stica Prof. Dr. Narciso Gonçalves da Silva http://paginapessoal.utfpr.edu.br/ngsilva pessoal.utfpr.edu.br/ngsilva Distribuição Uniforme Uma variável aleatória contínua X está
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 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 Variáveis Aleatórias Ao descrever um espaço
Leia maisDistribuição Gaussiana
Universidade Federal de Minas Gerais Instituto de Ciências Exatas Departamento de Estatística Distribuição Gaussiana Introdução à Bioestatística Turma Nutrição Aula 7: Distribuição Normal (Gaussiana) Distribuição
Leia maisEstatística Aplicada
Estatística Aplicada Variável Aleatória Contínua e Distribuição Contínua da Probabilidade Professor Lucas Schmidt www.acasadoconcurseiro.com.br Estatística Aplicada DISTRIBUIÇÕES CONTÍNUAS DE PROBABILIDADE
Leia mais