VARIÁVEIS ALEATÓRIAS E DISTRIBUIÇÕES DE PROBABILIDADE

Save this PDF as:
 WORD  PNG  TXT  JPG

Tamanho: px
Começar a partir da página:

Download "VARIÁVEIS ALEATÓRIAS E DISTRIBUIÇÕES DE PROBABILIDADE"

Transcrição

1 VARIÁVEIS ALEATÓRIAS E DISTRIBUIÇÕES DE PROBABILIDADE.1 INTRODUÇÃO Admita que, de um lote de 10 peças, 3 das quais são defeituosas, peças são etraídas ao acaso, juntas (ou uma a uma, sem reposição). Estamos interessados no número de defeitos X nessa amostra de tamanho. Um espaço amostral para esse eperimento aleatório é : S = {(D, D), (D, ND), (ND, D), (ND, ND) } onde D = defeituosa e ND = não defeituosa. Assim, se ocorrer o evento {(D, D)}, teremos observado peças defeituosas na amostra, e X =. Fica, desse modo, estabelecida uma correspondência entre os elementos de S e os elementos de um conjunto numérico, como se vê no diagrama abaio : S ( D, D ) ( D, ND ) ( ND, D ) ( ND, ND ) X R 0 1 Note, então, que X é uma função real definida em S. Em símbolos : X : S s R X (s). VARIÁVEL ALEATÓRIA

2 ESTATÍSTICA Uma variável aleatória (v.a) é uma função real definida sobre os elementos de um espaço amostral S. * A variável aleatória X é dita DISCRETA se assume valores num conjunto finito ou infinito enumerável. * A variável aleatória X é dita CONTÍNUA se assume valores num conjunto infinito não enumerável (como um intervalo por eemplo). EXEMPLOS 1) A variável aleatória X, definida na introdução é discreta, pois pode assumir os valores 0, 1,. ) Uma lâmpada é fabricada e, em seguida, ensaiada quanto a sua duração de vida. Um espaço amostral para esse eperimento é S = ( t R / t 0 ). Se T é o tempo de vida da lâmpada, então T é a função (v.a.) Identidade, pois T(t) = t, para todo t S. T é uma v.a. contínua, pois assume valores no conjunto { t R / t 0 }. 3) Uma moeda é lançada até que a primeira cara ocorra. Um espaço amostral para esse eperimento é: S = { H, TH, TTH, TTTH,... }. Se X é a v.a. igual ao número de lançamentos necessários para obter a primeira cara, então X é discreta e assume valores no conjunto {1,, 3, 4,...}. 4) No eemplo acima, se X é definida como sendo 0 se T < 100 e 1 se T 100, então X é discreta pois assume valores no conjunto { 0, 1 }..3 FUNÇÃO DE PROBABILIDADE A função p() é uma função de probabilidade da v.a. X discreta se, para cada resultado possível, temos: ( 1 ) p() 0 ( ) p() = 1 (3) p() = P(X=) OBSERVAÇÃO : Aos pares (, p()) chamaremos de DISTRIBUIÇÃO DE PROBABILIDADE.

3 ESTATÍSTICA 3 _ EXEMPLO Para o mesmo eemplo visto na introdução, seja a v.a. X = número de peças defeituosas. Os valores possíveis para X são : 0, 1,. A função de probabilidade de X será então : p( 0 ) = P( X = 0 ) = P{(ND, ND)} = (7/10).(6/9) = 7/15. p( 1 ) = P( X = 1 ) = P{(D,ND) ou (ND,D)} = (3/10).(7/9) + (7/10)(3/9) = 7/15 p( ) = P( X = ) = P{(D,D)} = (3/10).(/9) = 1/15. Em forma de tabela podemos escrever : 0 1 p() 7/15 7/15 1/15 Observe que esta função possui as propriedades (1), () e (3) vistas acima. Podemos representar graficamente uma função de probabilidade simplesmente por pontos no plano cartesiano ou através do que se chama HISTOGRAMA DE PROBABILIDADE, que é um gráfico de barras. Cada barra tem o centro no ponto e altura igual a probabilidade de, ou seja, p(). Desta forma, cada retângulo tem área igual a p() e a área total abaio dos retângulos é igual a 1. Por eemplo : p() p() 7/15 7/15 1/ /15 0 1

4 4 ESTATÍSTICA.4 FUNÇÃO DENSIDADE DE PROBABILIDADE A função f() é uma função densidade de probabilidade para a v.a. X contínua, definida sobre o conjunto dos números reais R, se: ( 1 ) f() 0 + ( ) f() d = 1 ( 3 ) P(a < X < b) = f() d. a b OBSERVAÇÕES : 1) f() 0 para todo R, significa que o gráfico da função f está todo acima do eio. + ) f() d = 1, significa que a área total abaio da curva f() é igual a 1. 3) P(a < X < b) = f() d significa que probabilidades, agora, são iguais a áreas abaio da curva f(). a b 4) Note que P ( X = a ) = f() d = 0, ou seja, probabilidades pontuais são nulas. 5) Segue da observação 4 que: a a P(a < X < b) = P(a X< b) = P(a < X b) = P(a X b). EXEMPLO Seja a v.a. X contínua com função densidade de probabilidade dada por: f() = k, << 0, caso contrá rio a) Calcule o valor da constante k, que faz com que f() seja uma função densidade de probabilidade: Observe, inicialmente, que k > 0, pois f() deve ser disso, devemos ter que: 0 para todo real. Além f() d = f() d + f() d + f() d = k d = (1/ 3)k = 3k = 1.

5 ESTATÍSTICA 5 _ Daí, k = 1/3 e a função densidade de probabilidade poderá ser escrita como : f() = (1/ 3), < < 0, caso contrá rio Graficamente : f() 4/3 1/3 0 1 b) Calcule P( 0 < X < 1 ) : 1 P( 0< X< 1) = (1/ 3) d = 1/ FUNÇÃO DE DISTRIBUIÇÃO ACUMULADA A função de distribuição acumulada de uma v.a. X contínua com função densidade de probabilidade f() é dada por : F ( ) = PX ( ) = f(s) ds Segue imediatamente que : a) P( a < X b ) = F( b ) - F( a ) b) P( X > a) = 1 - P(X a) = 1 - F( a ) c) f( ) = F ( ), se a derivada eistir. d) F( ) = 1 e F( ) = 0 e) F() é não decrescente.

6 6 ESTATÍSTICA EXEMPLO Para uma função densidade de probabilidade definida no eemplo anterior, a função de distribuição acumulada F() é encontrada da seguinte forma: 1º ) Para valores de : F() = P(X ) = f(s) ds = 0 º ) Para valores de < < : 3 F() = P(X ) = f(s) ds = f(s) ds + f (s) ds = (1 / 3) s ds = (1 / 9) ( + 1) 3º ) Para valores de : F() = P(X ) = f(s) ds = f(s) ds + f (s) ds + f (s) ds = (1 / 3) s ds = 1 Assim, a função de distribuição acumulada da v.a. X é escrita como: 0, para F() = P( X ) = (1/9) ( 3 + 1), para < < 1, para Neste eemplo, podemos ainda calcular probabilidades para X usando a F() encontrada: P(X 0,5) = F(0,5) = (1/9) (0, ) = P(0 < X 1) = F(1) - F(0) = (1/9) ( )- (1/9) ( ) = P(X > 1,3) = 1 - P(X 1,3) = 1 - F(1,3) = 1 - (1/9) (1, ) =

7 ESTATÍSTICA 7 _.6 EXPECTÂNCIA E VARIANCIA DE UMA V.A..6.1 EXPECTÂNCIA (Esperança Matemática ou Média) DE UMA V.A.: A epectância de uma v.a. X é uma medida que posiciona o centro de uma distribuição de probabilidade e é definida por: µ= E(X) = p() se a v.a. X for discreta µ= EX ( ) = fd ( ) se a v.a. X for contínua Observações: 1) Note que no caso da v.a. discreta a epectância pode ser vista como uma média ponderada, onde os pesos são as probabilidades de cada ponto. ) No caso da v.a. contínua, a epectância coincide com o cálculo do valor da abcissa do centro de gravidade da área que fica definida pela função f(). É um ponto de equilíbrio que é calculado a partir da função densidade de probabilidade. 3) Podemos interpretar a epectância, também, como sendo uma média dos valores que a v.a. assume se imaginarmos o eperimento aleatório sendo repetido indefinidamente, e os valores de X sendo observados nas repetições. A função de probabilidade no caso discreto, ou a função densidade de probabilidade no caso contínuo refletem as freqüências relativas de ocorrência dos valores de X PROPRIEDADES DA EXPECTÂNCIA: As propriedades operatórias apresentadas a seguir são válidas para v.a. s discretas e v.a. s contínuas. 1ª ) Se a é uma constante, então: E(a) = a ª ) Se a e b são constantes, então: E( ax + b) = a E(X) + b

8 8 ESTATÍSTICA 3ª ) E(X ± Y) = E(X) ± E(Y) 4ª ) Se X e Y são duas v.a. s independentes, então E(XY) = E(X). E(Y) (Obs.: A definição de independência de duas v.a. s não foi apresentada. Entretanto, podemos pensar nesta independência de modo análogo à independência de dois eventos A e B.) EXEMPLO 1: Se uma moeda honesta for lançada duas vezes, qual a epectância do número de caras? (ou, em média, quantas caras teremos?) Seja X a v.a. igual ao número de vezes em que aparece cara. X assume os valores 0, 1 e e sua distribuição de probabilidade é dada por: 0 1 p() ¼ ½ ¼ µ= E(X) = p() = ( 01 ) / 4+ ( 11 ) / + ( 1 ) / 4= 1 Assim, podemos dizer que ao lançarmos uma moeda duas vezes, em média obteremos 1 cara. EXEMPLO : Seja X uma v.a. contínua como função densidade de probabilidade dada por: f() =, se 0 < < 1 0, para outros valores de µ= E( X) = f( ) d=. d= / 3 0 1

9 ESTATÍSTICA 9 _ f() µ=/ EXPECTÂNCIA DE UMA FUNÇÃO DE V.A.: Seja X uma v.a. e g(x) uma função qualquer de X. Então a epectância de g(x) é dada por: E [ g(x) ] = g( ) p( ), sexfor discreta g( ) f( ) d, se X for contínua.6. VARIANCIA DE UMA V.A.: A variancia de uma v.a. é uma medida de sua dispersão ou variabilidade em torno de sua média. O gráfico abaio apresenta um eemplo das distribuições de probabilidade de duas v.a. s X1 e X que possuem a mesma forma da distribuição e a mesma epectância. Observamos, então, que a diferença entre elas é a variabilidade que elas apresentam em torno de sua média. σ 1 σ > σ 1 σ µ = µ 1 Note que a v.a. X se apresenta mais dispersa (mais espalhada ) em torno da média do que a v.a. X1.

10 10 ESTATÍSTICA A variancia de uma v.a. é definida por: σ = V(X) = E [(X - µ)] = σ = V(X) = E [(X - µ)] = ( µ) p() se X for discreta µ ( ) f( ) d, se X for contínua Note que a variancia é a média dos desvios que a v.a. X apresenta em relação à sua média µ, elevados ao quadrado. Sendo assim, a variancia será sempre positiva e quanto maior a variabilidade da v.a., maior será a sua variancia. A raiz quadrada positiva da variancia é uma medida de dispersão chamada de DESVIO PADRÃO. Uma alternativa para o cálculo da variancia é dada pelo seguinte resultado: Teorema: σ = V(X) = E (X ) - µ De fato: σ = V(X) = E [(X - µ)] = E ( X - µ X + µ) = = E (X) - µ E(X) + E(µ) = = E(X) - µ PROPRIEDADES DA VARIANCIA: 1ª ) Se b é uma constante, então: V(b) = 0 ª ) Se X é uma v.a. e b é uma constante, então: V(X + b) = V(X)

11 ESTATÍSTICA 11 _ 3ª ) Se X é uma v.a. e a é uma constante, então: V(aX) = a V(X) 4ª ) Se X e Y são v.a. s independentes e a e b são constantes, então: V(aX + by) = a V(X) + b V(Y) e V(aX - by) = a V(X) + b V(Y) EXEMPLO 1 Considere o eemplo 1 da definição de epectância ( o lançamento de moedas). Sabemos que: σ = V(X) = E (X) - µ Devemos calcular, inicialmente, E(X): E(X) = (0) p(0) + (1) p(1) + () p() = 3/ Daí, V(X) = 3/ - 1 = 1/ EXEMPLO Considere o eemplo da definição de epectância. Da mesma forma que no eemplo anterior, vamos calcular inicialmente E(X): EX ( ) = fd ( ) = d= 1/ Daí σ = V(X) = E (X) - µ = 1 / - (/3) = 1/ DESIGUALDADE DE CHEBYSHEV O matemático russo Chebyshev observou que a probabilidade de que qualquer v.a. X caia dentro de k desvios padrões em torno da média é pelo menos (1-1/k). Isto é: P(µ - k σ < X < µ + k σ) 1-1/k

12 1 ESTATÍSTICA Note que para k = a desigualdade afirma que a v.a. X tem uma probabilidade de no mínimo 1 - (1/) = ¾ de cair entre dois desvios padrões da média, ou seja, ¾ ou mais observações de qualquer distribuição caem no intervalo µ ± σ. Por ser uma desigualdade que se aplica para qualquer distribuição, é um resultado fraco. Sabemos, por eemplo, que temos pelo menos ¾ de probabilidade de uma observação cair no intervalo µ ± σ, mas não sabemos eatamente quanto seria esta probabilidade realmente. Isto só pode ser calculado se soubermos qual a distribuição de probabilidade da v.a..7 DISTRIBUIÇÕES EMPÍRICAS Geralmente, em um eperimento aleatório envolvendo uma v.a. continua, a sua função densidade de probabilidade f() é desconhecida. Para que a escolha de f() seja razoável, deve-se fazer um julgamento prévio baseado em informações disponíveis. Dados estatísticos, gerados em grande escala, podem ser muito úteis ao estudar o comportamento da distribuição, se apresentados na forma de uma distribuição de freqüência relativa. Tal arranjo é obtido agrupando-se os dados em classes e determinando a proporção das medidas em cada uma das classes. EXEMPLO A vida de 40 baterias de carro foram medidas em anos e são dadas a seguir :, 4,1 3,5 4,5 3, 3,7 3,0,6 3,4 1,6 3,1 3,3 3,8 3,1 4,7 3,7,5 4,3 3,4 3,6,9 3,3 3,9 3,1 3,3 3,1 3,7 4,4 3, 4,1 1,9 3,4 4,7 3,8 3,,6 3,9 3,0 4, 3,5 Devemos decidir, primeiro, sobre o número de classes nas quais os dados serão agrupados. Isto é arbitrário e geralmente entre 5 e 0 classes, dependendo do número de observações obtidas. Vamos escolher 7 classes para o eemplo. O intervalo de classe deve ser tal que 7 intervalos acomodem todos os dados. Assim, sendo 4,7-1,6 a amplitude total, então, o tamanho de intervalo será : ( 4,7-1,6 ) / 7 = 0,443. Vamos aproimar para 0,5 e fazer todos os 7 intervalos do mesmo tamanho. Se começarmos com 1,5 para o limite inferior do primeiro intervalo, então a distribuição de freqüência será dada por :

13 ESTATÍSTICA 13 _ Classes Pto. Médio de Classe Freqüência ( f ) Freqüência Relativa 1,5 1,9 1,7 0,050,0,4, 1 0,05,5,9,7 4 0,100 3,0 3,4 3, 15 0,375 3,4 3,9 3,7 10 0,50 4,0 4,4 4, 5 0,15 4,4 4,9 4,7 3 0,075 TOTAL 40 1,000 Podemos, a partir daí, construir um histograma de freqüência relativa : 0,375 0,50 0,15 1,7,,7 3, 3,7 4, 4,7 Embora tenhamos estimado uma curva para f() não conhecem os ainda a sua equação. Entretanto é possível ajustar uma curva sobre estes dados e verificar se este ajuste é razoável e determinar até que ponto é aceitável.

Variáveis Aleatórias. Probabilidade e Estatística. Prof. Dr. Narciso Gonçalves da Silva

Variáveis Aleatórias. Probabilidade e Estatística. Prof. Dr. Narciso Gonçalves da Silva Probabilidade e Estatística Prof. Dr. Narciso Gonçalves da Silva http://paginapessoal.utfpr.edu.br/ngsilva Variáveis Aleatórias Variável Aleatória Variável aleatória (VA) é uma função que associa a cada

Leia mais

1 EXERCÍCIOS PROPOSTOS SOBRE PROBABILIDADE

1 EXERCÍCIOS PROPOSTOS SOBRE PROBABILIDADE 1 EXERCÍCIOS PROPOSTOS SOBRE PROBABILIDADE 1) Dê um espaço amostral para cada um dos experimentos aleatórios: ( a ) Uma moeda é lançada. Observamos e registramos o resultado obtido. ( b ) Artigos produzidos

Leia mais

Lucas Santana da Cunha de junho de 2017

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

Leia mais

Prof. Lorí Viali, Dr.

Prof. Lorí Viali, Dr. Prof. Lorí Viali, Dr. viali@mat.ufrgs.br http://www.mat.ufrgs.br/~viali/ s KKK CKK KKC KCK CCK CKC KCC CCC S X 0 1 2 3 R x X(s) X(S) Uma função X que associa a cada elemento de S (s S) um número real

Leia mais

Variável Aleatória. O conjunto de valores. Tipos de variáveis. Uma função X que associa a cada

Variável Aleatória. O conjunto de valores. Tipos de variáveis. Uma função X que associa a cada Variável Aleatória Uma função X que associa a cada Prof. Lorí Viali, Dr. viali@mat.ufrgs.br http://www.mat.ufrgs.br/~viali/ elemento de S (s S) um número real x X(s) é denominada variável aleatória. O

Leia mais

Probabilidade e Estatística

Probabilidade e Estatística Probabilidade e Estatística stica Prof. Dr. Narciso Gonçalves da Silva http://paginapessoal.utfpr.edu.br/ngsilva Inferência Estatística stica e Distribuições Amostrais Inferência Estatística stica O objetivo

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

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

3. VARIÁVEIS ALEATÓRIAS

3. VARIÁVEIS ALEATÓRIAS 3. VARIÁVEIS ALEATÓRIAS 011 Variável aleatória é o espaço amostral de um eperimento aleatório. Uma variável aleatória,, é uma função que atribui um número real a cada resultado em. Eemplo. Retira-, ao

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

DA PARAÍBA. Variáveis Aleatórias. Departamento de Estatística Luiz Medeiros

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

Prof. Dr. Lucas Santana da Cunha de maio de 2018 Londrina

Prof. Dr. Lucas Santana da Cunha de maio de 2018 Londrina Prof. Dr. Lucas Santana da Cunha email: lscunha@uel.br http://www.uel.br/pessoal/lscunha/ 21 de maio de 2018 Londrina 1 / 14 Variável aleatória Introdução Definição Uma função que associa um número real

Leia mais

Variáveis Aleatórias

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

Leia mais

1 Variáveis Aleatórias

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

Leia mais

PRINCIPAIS DISTRIBUIÇÕES DISCRETAS DE PROBABILIDADE

PRINCIPAIS DISTRIBUIÇÕES DISCRETAS DE PROBABILIDADE PRINCIPAIS DISTRIBUIÇÕES DISCRETAS DE PROBABILIDADE 3.1 INTRODUÇÃO Muitas variáveis aleatórias associadas a experimentos aleatórios têm propriedades similares e, portanto, podem ser descritas através de

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

Conforme o conjunto de valores X(S) uma variável aleatória poderá ser discreta ou contínua.

Conforme o conjunto de valores X(S) uma variável aleatória poderá ser discreta ou contínua. Prof. Lorí Viali, Dr. viali@pucrs.br http://www.pucrs.br/famat/viali/ s KKK CKK KKC KCK CCK CKC KCC CCC S X X(s) R X(S) Uma função X que associa a cada elemento de S (s S) um número real X(s) é denominada

Leia mais

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

Probabilidade e Estatística

Probabilidade e Estatística Probabilidade e Estatística Aula 5 Probabilidade: Distribuições de Discretas Parte 1 Leitura obrigatória: Devore, 3.1, 3.2 e 3.3 Chap 5-1 Objetivos Nesta parte, vamos aprender: Como representar a 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

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

Variáveis Aleatórias. Departamento de Matemática Escola Superior de Tecnologia de Viseu Variáveis Aleatórias Departamento de Matemática Escola Superior de Tecnologia de Viseu Exemplo No lançamento de duas moedas ao ar, os resultados possíveis são: FF, FC, CF ou CC. No entanto, o nosso interesse

Leia mais

Departamento de Matemática Escola Superior de Tecnologia de Viseu. Engenharia e Gestão Industrial

Departamento de Matemática Escola Superior de Tecnologia de Viseu. Engenharia e Gestão Industrial Variáveis Aleatórias Departamento de Matemática Escola Superior de Tecnologia de Viseu Engenharia e Gestão Industrial 1 Exemplo No lançamento de duas moedas ao ar, os resultados possíveis são: FF, FC,

Leia mais

Variáveis aleatórias. Universidade Estadual de Santa Cruz. Ivan Bezerra Allaman

Variáveis aleatórias. Universidade Estadual de Santa Cruz. Ivan Bezerra Allaman Variáveis aleatórias Universidade Estadual de Santa Cruz Ivan Bezerra Allaman DEFINIÇÃO É uma função que associa cada evento do espaço amostral a um número real. 3/37 Aplicação 1. Seja E um experimento

Leia mais

Variáveis Aleatórias - VA

Variáveis Aleatórias - VA Variáveis Aleatórias - VA cc ck kc kk 0 1 2 1/4 1/2 Prof. Adriano Mendonça Souza, Dr. Departamento de Estatística - PPGEMQ / PPGEP - UFSM - Introdução Se entende por VA ou V. indicadoras uma lista de valores

Leia mais

Professora Ana Hermínia Andrade. Período

Professora Ana Hermínia Andrade. Período Distribuições de probabilidade Professora Ana Hermínia Andrade Universidade Federal do Amazonas Faculdade de Estudos Sociais Departamento de Economia e Análise Período 2016.2 Modelos de distribuição Para

Leia mais

MOQ-12: PROBABILIDADES E PROCESSOS ESTOCÁSTICOS. VA s e Distribuições

MOQ-12: PROBABILIDADES E PROCESSOS ESTOCÁSTICOS. VA s e Distribuições Motivação: MOQ-2: PROBABILIDADES E PROCESSOS ESTOCÁSTICOS VA s e Distribuições Definimos anteriormente Espaço de Probabilidades como sendo a tripla (W,, P(.)), em que, dado um eperimento, W representa

Leia mais

Variáveis Aleatórias Discretas 1/1

Variáveis Aleatórias Discretas 1/1 Variáveis Aleatórias Discretas Professores Eduardo Zambon e Magnos Martinello UFES Universidade Federal do Espírito Santo DI Departamento de Informática CEUNES Centro Universitário Norte do Espírito Santo

Leia mais

CAPÍTULO 4 CONCEITOS BÁSICOS DE ESTATÍSTICA E PROBABILIDADES

CAPÍTULO 4 CONCEITOS BÁSICOS DE ESTATÍSTICA E PROBABILIDADES CAPÍTULO 4 CONCEITOS BÁSICOS DE ESTATÍSTICA E PROBABILIDADES. INTRODUÇÃO - Conceito de população desconhecida π e proporção da amostra observada P. π P + pequeno erro Perguntas: - Qual é o pequeno erro?

Leia mais

Probabilidade e Estatística

Probabilidade e Estatística Probabilidade e Estatística Aula 6 - Distribuições Contínuas (Parte 01) Leitura obrigatória: Devore, Capítulo 4 Cap 6-1 Objetivos Nesta aula, vamos aprender: Representações de uma v. a. contínua: função

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

Estatística Descritiva e Exploratória

Estatística 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 mais

Estatística I Aula 6. Prof.: Patricia Maria Bortolon, D. Sc.

Estatística I Aula 6. Prof.: Patricia Maria Bortolon, D. Sc. statística I Aula 6 Prof.: Patricia Maria Bortolon, D. Sc. VARIÁVIS ALATÓRIAS Variáveis Aleatórias xaminemos as seguintes situações: Um estudante que fez um teste do tipo verdadeiro ou falso está interessado

Leia mais

Probabilidade e Modelos Probabilísticos

Probabilidade e Modelos Probabilísticos Probabilidade e Modelos Probabilísticos 1ª Parte: Conceitos básicos, variáveis aleatórias, modelos probabilísticos para variáveis aleatórias discretas, modelo binomial, modelo de Poisson 1 Probabilidade

Leia mais

3 a Lista de PE Solução

3 a Lista de PE Solução Universidade de Brasília Departamento de Estatística 3 a Lista de PE Solução. Se X representa o ganho do jogador, então os possíveis valores para X são,, 0, e 4. Esses valores são, respectivamente, correspondentes

Leia mais

Probabilidade e Estatística

Probabilidade e Estatística Probabilidade e Estatística Aula 7 Distribuição da Média Amostral Leitura obrigatória: Devore: Seções 5.3, 5.4 e 5.5 Chap 8-1 Inferência Estatística Na próxima aula vamos começar a parte de inferência

Leia mais

Estatística Básica. Variáveis Aleatórias Contínuas. Renato Dourado Maia. Instituto de Ciências Agrárias. Universidade Federal de Minas Gerais

Estatística Básica. Variáveis Aleatórias Contínuas. Renato Dourado Maia. Instituto de Ciências Agrárias. Universidade Federal de Minas Gerais Estatística Básica Variáveis Aleatórias Contínuas Renato Dourado Maia Instituto de Ciências Agrárias Universidade Federal de Minas Gerais Lembrando... Uma quantidade X, associada a cada possível resultado

Leia mais

Testes de Hipóteses. Ricardo Ehlers Departamento de Matemática Aplicada e Estatística Universidade de São Paulo

Testes de Hipóteses. Ricardo Ehlers Departamento de Matemática Aplicada e Estatística Universidade de São Paulo Testes de Hipóteses Ricardo Ehlers ehlers@icmc.usp.br Departamento de Matemática Aplicada e Estatística Universidade de São Paulo Introdução e notação Em geral, intervalos de confiança são a forma mais

Leia mais

Unidade III ESTATÍSTICA. Prof. Fernando Rodrigues

Unidade III ESTATÍSTICA. Prof. Fernando Rodrigues Unidade III ESTATÍSTICA Prof. Fernando Rodrigues Medidas de dispersão Estudamos na unidade anterior as medidas de tendência central, que fornecem importantes informações sobre uma sequência numérica. Entretanto,

Leia mais

Exercícios propostos:

Exercícios propostos: INF 16 Exercícios propostos: 1. Sabendo-se que Y=X-5 e que E(X)= e V(X)=1, calcule: a)e(y); b)v(y); c)e(x+y); d)e(x + Y ); e)v(x+y); Resp.: 1; 9; 5; 15; 81. Uma urna contém 5 bolas brancas e 7 bolas pretas.

Leia mais

Variáveis Aleatórias Discretas

Variáveis 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 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

Variável Aleatória. Gilson Barbosa Dourado 6 de agosto de 2008

Variável Aleatória. Gilson Barbosa Dourado 6 de agosto de 2008 Variável Aleatória Gilson Barbosa Dourado gdourado@uneb.br 6 de agosto de 2008 Denição de Variável Aleatória Considere um experimento E e seu espaço amostral Ω = {a 1, a 2,..., a n }. Variável aleatória

Leia mais

Cap. 8 Distribuições contínuas e modelo normal

Cap. 8 Distribuições contínuas e modelo normal Estatística Aplicada às Ciências Sociais Seta Edição Pedro Alberto Barbetta Florianópolis: Editora da UFSC, 2006 Cap. 8 Distribuições contínuas e modelo normal Variável aleatória discreta variável aleatória

Leia mais

Capítulo 5 Distribuições de Probabilidades. Seção 5-1 Visão Geral. Visão Geral. distribuições de probabilidades discretas

Capítulo 5 Distribuições de Probabilidades. Seção 5-1 Visão Geral. Visão Geral. distribuições de probabilidades discretas Capítulo 5 Distribuições de Probabilidades 5-1 Visão Geral 5-2 Variáveis Aleatórias 5-3 Distribuição de Probabilidade Binomial 5-4 Média, Variância e Desvio Padrão da Distribuição Binomial 5-5 A Distribuição

Leia mais

ESTATÍSTICA. x(s) W Domínio. Contradomínio

ESTATÍSTICA. x(s) W Domínio. Contradomínio Variáveis Aleatórias Variáveis Aleatórias são funções matemáticas que associam números reais aos resultados de um Espaço Amostral. Uma variável quantitativa geralmente agrega mais informação que uma qualitativa.

Leia mais

Estatítica Descritiva e Exploratória

Estatítica Descritiva e Exploratória Gledson Luiz Picharski e Wanderson Rodrigo Rocha 3 de Abril de 2008 Estatística Descritiva e exploratória 1 Introdução à análise exploratória de dados 2 Análise exploratória de dados: Medidas-resumo 3

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

PROBABILIDADE E ESTATÍSTICA. Profa. Dra. Yara de Souza Tadano

PROBABILIDADE E ESTATÍSTICA. Profa. Dra. Yara de Souza Tadano PROBABILIDADE E ESTATÍSTICA Profa. Dra. Yara de Souza Tadano yaratadano@utfpr.edu.br Aula 7 11/2014 Variáveis Aleatórias Variáveis Aleatórias Probabilidade e Estatística 3/41 Variáveis Aleatórias Colete

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

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

SUMÁRIOS DE VARIÁVEIS ALEATÓRIAS CONTINUAS

SUMÁRIOS 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

Processos Estocásticos. Variáveis Aleatórias. Variáveis Aleatórias. Variáveis Aleatórias. Variáveis Aleatórias. Luiz Affonso Guedes

Processos Estocásticos. Variáveis Aleatórias. Variáveis Aleatórias. Variáveis Aleatórias. Variáveis Aleatórias. Luiz Affonso Guedes Processos Estocásticos Luiz Affonso Guedes Sumário Probabilidade Funções de Uma Variável Aleatória Funções de Várias Momentos e Estatística Condicional Teorema do Limite Central Processos Estocásticos

Leia mais

Processos Estocásticos. Luiz Affonso Guedes

Processos Estocásticos. Luiz Affonso Guedes Processos Estocásticos Luiz Affonso Guedes Sumário Probabilidade Variáveis Aleatórias Funções de Uma Variável Aleatória Funções de Várias Variáveis Aleatórias Momentos e Estatística Condicional Teorema

Leia mais

Notas de Aula. Copyright 2007 Pearson Education, Inc Publishing as Pearson Addison-Wesley.

Notas de Aula. Copyright 2007 Pearson Education, Inc Publishing as Pearson Addison-Wesley. Notas de Aula Estatística Elementar 10ª Edição by Mario F. Triola Tradução: Denis Santos Slide 1 Capítulo 5 Distribuições de Probabilidades 5-1 Visão Geral 5-2 Variáveis Aleatórias 5-3 Distribuição de

Leia mais

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

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

Leia mais

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

c.c. É a função que associa a cada x X(S) um número f(x) que deve satisfazer as seguintes propriedades:

c.c. É a função que associa a cada x X(S) um número f(x) que deve satisfazer as seguintes propriedades: 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 mais

Efeito. Causas. Determinístico. Sistema Real. Probabilístico. Experiência para o qual o. modelo probabilístico é adequado.

Efeito. Causas. Determinístico. Sistema Real. Probabilístico. Experiência para o qual o. modelo probabilístico é adequado. Sistema Real Determinístico Probabilístico Causas Efeito X Causas Efeito Eperiência para o qual o modelo probabilístico é adequado. ❶ Não é possível prever um resultado particular, mas pode-se enumerar

Leia mais

Exemplos. Experimento Aleatório. E 1 : Joga-se uma moeda quatro vezes e observa-se o número de caras;

Exemplos. Experimento Aleatório. E 1 : Joga-se uma moeda quatro vezes e observa-se o número de caras; Prof. Lorí Viali, Dr. viali@mat.ufrgs.br http://www.ufrgs.br/~viali/ Eperimento Aleatório Eperiência para o qual o modelo probabilístico é adequado. Eemplos E : Joga-se uma moeda quatro vezes e observa-se

Leia mais

Cap. 6 Variáveis aleatórias contínuas

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

Leia mais

Escola Superior de Agricultura Luiz de Queiroz Universidade de São Paulo. Variáveis Aleatórias

Escola Superior de Agricultura Luiz de Queiroz Universidade de São Paulo. Variáveis Aleatórias Escola Superior de Agricultura Luiz de Queiroz Universidade de São Paulo Variáveis Aleatórias Professora Renata Alcarde Piracicaba março 2014 Renata Alcarde Estatística Geral 27 de Março de 2014 1 / 42

Leia mais

F (x) = P (X x) = Σ xi xp(x i ) E(X) = x i p(x i ).

F (x) = P (X x) = Σ xi xp(x i ) E(X) = x i p(x i ). Variável Aleatória Uma variável aleatória é uma variável numérica, cujo valor medido pode variar de uma réplica para outra do experimento. Exemplos: (i) Variáveis aleatórias contínuas: corrente elétrica,

Leia mais

Estatística (MAD231) Turma: IGA. Período: 2017/2

Estatística (MAD231) Turma: IGA. Período: 2017/2 Estatística (MAD231) Turma: IGA Período: 2017/2 Aula #03 de Probabilidade: 04/10/2017 1 Variáveis Aleatórias Considere um experimento cujo espaço amostral é Ω. Ω contém todos os resultados possíveis: e

Leia mais

Experiência para o qual o modelo probabilístico é adequado. Efeito. Causas. E 1 : Joga-se um dado e observase o número da face superior.

Experiência para o qual o modelo probabilístico é adequado. Efeito. Causas. E 1 : Joga-se um dado e observase o número da face superior. Determinístico Prof. Lorí Viali, Dr. viali@mat.ufrgs.br http://www. ufrgs.br/~viali/ Sistema Real Probabilístico Causas Efeito X Causas Efeito Eperiência para o qual o modelo probabilístico é adequado.

Leia mais

Estatística Aplicada II. } Revisão: Probabilidade } Propriedades da Média Amostral

Estatística 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

Intervalos de Confiança

Intervalos de Confiança Intervalos de Confiança INTERVALOS DE CONFIANÇA.1 Conceitos básicos.1.1 Parâmetro e estatística Parâmetro é a descrição numérica de uma característica da população. Estatística é a descrição numérica de

Leia mais

Lucas Santana da Cunha de junho de 2018 Londrina

Lucas 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 mais

Distribuições Amostrais

Distribuições Amostrais Estatística II Antonio Roque Aula Distribuições Amostrais O problema central da inferência estatística é como fazer afirmações sobre os parâmetros de uma população a partir de estatísticas obtidas de amostras

Leia mais

Aproximação da binomial pela normal

Aproximação da binomial pela normal Aproximação da binomial pela normal 1 Objetivo Verificar como a distribuição normal pode ser utilizada para calcular, de forma aproximada, probabilidades associadas a uma variável aleatória com distribuição

Leia mais

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 1

VARIÁVEIS ALEATÓRIAS 1 VARIÁVEIS ALEATÓRIAS 1 Na prática é, muitas vezes, mais interessante associarmos um número a um evento aleatório e calcularmos a probabilidade da ocorrência desse número do que a probabilidade do evento.

Leia mais

Cap. 4 - Estimação por Intervalo

Cap. 4 - Estimação por Intervalo Cap. 4 - Estimação por Intervalo Amostragem e inferência estatística População: consiste na totalidade das observações em que estamos interessados. Nº de observações na população é denominado tamanho=n.

Leia mais

BIOESTATÍSTICA. Parte 3 Variáveis Aleatórias

BIOESTATÍSTICA. Parte 3 Variáveis Aleatórias BIOESTATÍSTICA Parte 3 Variáveis Aleatórias Aulas Teóricas de 29/03/2011 a 26/04/2011 3.1. Conceito de Variável Aleatória. Função de Distribuição Variáveis aleatórias Uma variável aleatória pode ser entendida

Leia mais

Variável aleatória. O resultado de um experimento aleatório é designado variável aleatória (X)

Variável aleatória. O resultado de um experimento aleatório é designado variável aleatória (X) Variável aleatória O resultado de um experimento aleatório é designado variável aleatória (X) Função densidade de probabilidade A função densidade de probabilidade associa cada possível valor da variável

Leia mais

PROBABILIDADE E ESTATÍSTICA DISTRIBUIÇÕES DE PROBABILIDADES PARTE I

PROBABILIDADE E ESTATÍSTICA DISTRIBUIÇÕES DE PROBABILIDADES PARTE I PROBABILIDADE E ESTATÍSTICA DISTRIBUIÇÕES DE PROBABILIDADES PARTE I Bruno Baierle Maurício Furigo Prof.ª Sheila Regina Oro (orientadora) Edital 06/2013 - Produção de Recursos Educacionais Digitais Variável

Leia mais

Conceito de Estatística

Conceito de Estatística Conceito de Estatística Estatística Técnicas destinadas ao estudo quantitativo de fenômenos coletivos, observáveis. Unidade Estatística um fenômeno individual é uma unidade no conjunto que irá constituir

Leia mais

Medidas resumo. Wagner H. Bonat Elias T. Krainski Fernando P. Mayer

Medidas resumo. Wagner H. Bonat Elias T. Krainski Fernando P. Mayer Medidas resumo Wagner H. Bonat Elias T. Krainski Fernando P. Mayer Universidade Federal do Paraná Departamento de Estatística Laboratório de Estatística e Geoinformação 28/03/2018 WB, EK, FM ( LEG/DEST/UFPR

Leia mais

Variáveis Aleatórias

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

Leia mais

VARIÁVEL ALEATÓRIA e DISTRIBUIÇÃO BINOMIAL

VARIÁVEL ALEATÓRIA e DISTRIBUIÇÃO BINOMIAL VARIÁVEL ALEATÓRIA e DISTRIBUIÇÃO BINOMIAL 1 Variável Aleatória Uma função X que associa a cada elemento w do espaço amostral W um valor x R é denominada uma variável aleatória. Experimento: jogar 1 dado

Leia mais

Introdução à Probabilidade e à Estatística (BCN ) Prova 2 (A) 16/08/2018 Correção

Introdução à Probabilidade e à Estatística (BCN ) Prova 2 (A) 16/08/2018 Correção Introdução à Probabilidade e à Estatística (BCN0406-1) Prova 2 (A) 16/08/2018 Correção (1.pt) 1. Dadas as seguintes probabilidades associadas à variável aleatória X: -1 1 2 p() 1/2 1/3 1/6 a) Calcule a

Leia mais

Aproximação da binomial pela normal

Aproximação da binomial pela normal Aproximação da binomial pela normal 1 Objetivo Verificar como a distribuição normal pode ser utilizada para calcular, de forma aproximada, probabilidades associadas a uma variável aleatória com distribuição

Leia mais

É o conjunto de resultados de uma experiência aleatória. E 1 : Joga-se uma moeda quatro vezes e observa-se o número de caras e coroas;

É o conjunto de resultados de uma experiência aleatória. E 1 : Joga-se uma moeda quatro vezes e observa-se o número de caras e coroas; Prof. Lorí Viali, Dr. viali@pucrs.br http://www.pucrs.br/famat/viali Eperiência na qual o resultado é incerto. E : Joga-se uma moeda quatro vezes e observa-se o número de caras e coroas; E : Joga-se uma

Leia mais

Inferência para CS Modelos univariados contínuos

Inferência para CS Modelos univariados contínuos Inferência para CS Modelos univariados contínuos Renato Martins Assunção DCC - UFMG 2014 Renato Martins Assunção (DCC - UFMG) Inferência para CS Modelos univariados contínuos 2014 1 / 42 V.A. Contínua

Leia mais

Universidade Federal de Mato Grosso - UFMT Probabilidade e Estatística

Universidade Federal de Mato Grosso - UFMT Probabilidade e Estatística Universidade Federal de Mato Grosso - UFMT Probabilidade e Estatística 1 Introdução Definição: Estatística é um conjunto de conceitos e métodos científicos para coleta, organização, descrição, análise

Leia mais

Variáveis Aleatórias Bidimensionais &Teoremas de Limite 1/22

Variáveis 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 mais

Estatística Aplicada

Estatística 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

Variáveis aleatórias

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

Leia mais

Probabilidade e Estatística. Estimação de Parâmetros Intervalo de Confiança

Probabilidade e Estatística. Estimação de Parâmetros Intervalo de Confiança Probabilidade e Estatística Prof. Dr. Narciso Gonçalves da Silva http://páginapessoal.utfpr.edu.br/ngsilva Estimação de Parâmetros Intervalo de Confiança Introdução A inferência estatística é o processo

Leia mais

Variáveis Aleatórias. Prof. Tarciana Liberal Departamento de Estatística - UFPB

Variáveis Aleatórias. Prof. Tarciana Liberal Departamento de Estatística - UFPB Variáveis Aleatórias Prof. Tarciana Liberal Departamento de Estatística - UFPB Introdução Ao descrever o espaço amostral de um experimento aleatório, não especificamos que um resultado individual seja

Leia mais

Estatística 4 - Variáveis Aleatórias Unidimensionais

Estatística 4 - Variáveis Aleatórias Unidimensionais Estatística 4 - Variáveis Aleatórias Unidimensionais UNESP FEG DPD Prof. Edgard - 11 4-1 VARIÁVEIS ALEATÓRIAS UNIDIMENSIONAIS Variável Aleatória X é uma Função que associa um número real a cada Evento

Leia mais

Conceitos básicos: Variável Aleatória

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

Leia mais

Variáveis Aleatórias. Prof. Tarciana Liberal Departamento de Estatística - UFPB

Variáveis Aleatórias. Prof. Tarciana Liberal Departamento de Estatística - UFPB Variáveis Aleatórias Prof. Tarciana Liberal Departamento de Estatística - UFPB Introdução Ao descrever o espaço amostral de um experimento aleatório, não especificamos que um resultado individual seja

Leia mais

Variáveis Aleatórias. Henrique Dantas Neder. April 26, Instituto de Economia - Universidade Federal de Uberlândia

Variáveis Aleatórias. Henrique Dantas Neder. April 26, Instituto de Economia - Universidade Federal de Uberlândia Variáveis Aleatórias Henrique Dantas Neder Instituto de Economia - Universidade Federal de Uberlândia April 2, 202 VARIÁVEL ALEATÓRIA DISCRETA O conceito de variável aleatória está intrínsicamente relacionado

Leia mais

1 Noções de Probabilidade

1 Noções de Probabilidade Noções de Probabilidade Já vimos que para se obter informações sobre alguma característica da população, podemos utilizar uma amostra. Estudaremos agora a probabilidade, que é uma ferramenta usada e necessária

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 29 de Abril de 2014 Objetivos Ao final deste capítulo você deve ser capaz de: Determinar probabilidades a partir de funções densidades

Leia mais

Cap. 6 Variáveis aleatórias contínuas

Cap. 6 Variáveis aleatórias contínuas Estatística para Cursos de Engenharia e Informática Pedro Alberto Barbetta / Marcelo Menezes Reis / Antonio Cezar Bornia São Paulo: Atlas, 2004 Cap. 6 Variáveis aleatórias contínuas APOIO: Fundação de

Leia mais

LCE Introdução à Bioestatística Florestal 3. Variáveis aleatórias

LCE Introdução à Bioestatística Florestal 3. Variáveis aleatórias LCE0216 - Introdução à Bioestatística Florestal 3. Variáveis aleatórias Profa. Dra. Clarice Garcia Borges Demétrio Monitores: Giovana Fumes e Ricardo Klein Escola Superior de Agricultura Luiz de Queiroz

Leia mais

Lucas Santana da Cunha 12 de julho de 2017

Lucas 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 mais

Variáveis Aleatórias. Prof. Luiz Medeiros Departamento de Estatística - UFPB

Variáveis Aleatórias. Prof. Luiz Medeiros Departamento de Estatística - UFPB Variáveis Aleatórias Prof. Luiz Medeiros Departamento de Estatística - UFPB Introdução Ao descrever o espaço amostral de um experimento aleatório, não especificamos que um resultado individual seja um

Leia mais