λ λ n n Distribuição de Poisson Exemplo. Considere a transmissão de n bits em um canal de comunicação digital. X : número de bits em erro
|
|
- Rafael Barreiro Domingues
- 7 Há anos
- Visualizações:
Transcrição
1 Distribuição de Poisso Eemplo. Cosidere a trasmissão de bits em um caal de comuicação digital. X : úmero de bits em erro Probabilidade p de erro costate e trasmissões idepedetes Distribuição biomial λ=p EX ( ) = p= λ! λ λ f ( ) = p (1 p) = 1! ( )!
2 Supohamos que o úmero de bits trasmitidos aumeta e probabilidade de um erro decresce de modo tal que p permaece costate. EX ( ) = λ= p= cost. λ lim PX ( = ) = lim 1 Prova: = e λ λ! λ ( ) ( ) Passo 1 (1 p) e p
3 Dedução l[(1 p) ] = ( )l(1 p) p 2 e = 1 p+ Op ( ) 1 p l(1 p) p, para p 1 ( )( p) p (1 p) e p
4 Passo 2! ( )! Dedução:! l l(!) l(( )!) ( )! = l ( )l( ) + ( ) ( ) / l( ) = l+ l 1 l l( e ) l
5 ! l l ( )l( ) + ( ) ( )! l( ) l ( ( )l( ) = ( ) l ) 2 = l l + l l
6 ! l l ( )l( ) + ( ) ( )! ( )l( ) l l! l l ( l l ) + ( ) ( )! = l! ( )!
7 ! p e lim p (1 p) = p e =!!!! ( ) λ λ! ( )! (1 p) ~ e p lim PX ( = ) = e λ λ! = 0,1,2,...
8 Defiição Dado um itervalo de úmeros reais, supoha que as cotages ocorrem aleatoriamete ao logo do itervalo. Se o itervalo pode ser particioado em subitervalo suficietemete pequeos tais que: 1. a probabilidade de mais de uma cotagem em um subitervalo é zero. 2. a probabilidade de uma cotagem em um subitervalo é a mesma para todos os subitervalos e proporcioal ao comprimeto do subitervalo. 3. a cotagem em cada subitervalo é idepedete dos outros subitervalos. Etão o eperimeto é deomiado um processo de Poisso. X úmero de cotages o itervalo f ( ) - variável aleatória de Poisso Fução de massa de probabilidade de X = e λ λ!
9 Gráficos o Maple > f:=(,lambda)->ep(-lambda)*lambda^()/(!); f := (, λ ) e ( λ ) λ! > :=20: > data:=[seq(,=0..)]: > ydata:=[seq(f(,6),=0..)]: > with(plots):with(statistics): > P1:=PoitPlot(ydata,coords=data, color=blue, symbol=circle): > display(p1):
10 λ= 6
11 λ= 15
12 λ=0.5
13 Eemplo Falhas ocorrem aleatoriamete ao logo de um fio de cobre. X variável aleatória que cota o úmero de falhas em um comprimeto de L mm de fio. Supoha que o úmero médio de falhas em L mm é λ Determie a distribuição de probabilidade de X Partição do comprimeto do fio em subitervalos de comprimeto muito pequeo, p. e. 1µ m Suposições: probabilidade de que ocorra mais de uma falha o subitervalo é desprezível. falhas ocorrem aleatoriamete (cada subitervalo tem a mesma probabilidade p de coter uma falha. a probabilidade de que um subitervalo coteha uma falha é idepedete dos outros subitervalos.
14 Podemos modelar a distribuição de X como uma variável aleatória biomial. Como EX ( ) = p= λ= cost. temos p = λ Se os subitervalos forem suficietemete pequeos, é muito grade e p muito pequeo.
15 Supoha que o úmero de falhas siga uma distribuição de Poisso, com uma média de 2,3 falhas por milímetro. Determie a probabilidade de termos eatamete 2 falhas em 1 mm de fio. X - úmero de falhas em 1 mm de fio EX ( ) = 2.3= p= λ PX ( = ) = e λ λ! e 2.3 PX ( = 2) = = !
16 Determie a probabilidade de termos 10 falhas em 5 mm de fio. E( X) = 5mm 2.3 falhas / mm= 11.5falhas= p= λ e 11.5 PX ( = 10) = = ! Determie a probabilidade de ao meos termos 1 falha em 2 mm de fio. E( X) = 2mm 2.3 falhas / mm= 4.6falhas= p= λ 4.6 PX ( 1) = 1 PX ( = 0) = 1 e =
17 Eemplo. A cotamiação é um problema a maufatura de discos ópticos. O úmero de partículas de cotamiação que ocorrem em um disco óptico tem uma distribuição de Poisso, e o úmero médio de partículas por cm quadrado de superfície do disco é 0.1. A área do disco em estudo é de 100 cm quadrados. Ecotre a probabilidade de que 12 partículas ocorram a área de um disco sob estudo. X úmero de partículas a área de um disco sob estudo 2 2 E( X) = 100cm 0.1 particulas / cm = 10particulas= p= λ e 10 PX ( = 12) = = !
18 Probabilidade de que ehuma partícula ocorra o disco sob estudo 10 5 PX ( = 0) = e = Probabilidade de que meos 12 partículas ocorram a área do disco: PX ( 12) = i= 0 > P:=Sum(ep(-10)*10^i/(i!),i=0..12)=evalf(Sum(ep(- 10)*10^i/(i!),i=0..12)); e i 10 i! 12 (-10 ) i P := e 10 = i! i = 0
19 Variâcia e Valor Médio µ = E( X ) = λ 2 σ = V ( X ) = λ
20 Eemplo. Temos uma caia com 200 fusíveis. A eperiêcia mostra que 2% deles são defeituosos. Qual a probabilidade de ecotrarmos 5 ou meos fusíveis defeituosos a caia? = 200 p = 0.02 EX ( ) = (200)(0.02) = 4= p= λ 5 4 e 4 PX ( 5) = = 0.785! = 0
21 Usado distribuição biomial! f ( ) = p (1 p) = p (1 p)! ( )! 5 200! 200 P( X 5) = 0.02 (1 0.02)! 200! = 0 ( ) = (1 0.02) = > p:=2/100::=200: > P:=Sum(biomial(,)*p^*(1-p)^(-),=0..5); P := 5 = 0 biomial ( 200, ) ( 200 ) > evalf(p);
22 Poisso, p = 4
23 > fp:=(,lambda)->ep(-lambda)*lambda^()/(!); fp := (, λ ) e ( λ ) λ! > fb:=(,,p)->biomial(,)*p^*(1-p)^(-); fb := (,, p ) biomial (, ) p ( 1 p ) ( ) > :=200:p:=0.02:lambda:=*p: > data:=[seq(,=0..14)]: > ydata_p:=[seq(fp(,lambda),=0..14)]: > ydata_b:=[seq(fb(,,p),=0..14)]:
24 > sum(fp(,lambda),=0..5);sum(fb(,,p),=0..5); > with(plots):with(statistics): > Pp:=PoitPlot(ydata_p,coords=data, color=blue, symbol=circle): > Pb:=PoitPlot(ydata_b,coords=data, color=red, symbol=circle): > display([pp,pb]);
25 Poisso, p = 4 Biomial = 200, p = 0.02 > evalf(fb(10,,p)-fp(10,lambda));
26 Poisso, p = 10 Biomial = 50, p = 0.2 = 0 fp (, λ ) ; = 0 fb (,, p )
) E X. ) = 0 2 ( 1 p ) p = p. ) E 2 ( X ) = p p 2 = p ( 1 p ) ( ) = i 1 n. ( ) 2 n E( X) = ( ) = 1 p ( ) = p V ( X ) = E ( X 2 E X
3.5 A distribuição uiforme discreta Defiição: X tem distribuição uiforme discreta se cada um dos valores possíveis,,,, tiver fução de probabilidade P( X = i ) = e represeta-se por, i =,, 0, c.c. X ~ Uif
Leia mais) E 2 ( X) = p p 2 = p( 1 p) ) = 0 2 ( 1 p) p = p ( ) = ( ) = ( ) = p. F - cara (sucesso) C - coroa (insucesso)
3.6 A distribuição biomial Defiição: uma eperiêcia ou prova de Beroulli é uma eperiêcia aleatória só com dois resultados possíveis (um deles chamado "sucesso" e o outro "isucesso"). Seja P(sucesso) = p,
Leia maisMODELOS PROBABILÍSTICOS DISCRETOS (BINOMIAL e POISSON)
MODELOS PROBABILÍSTICOS DISCRETOS (BINOMIAL e POISSON) Modelos probabilísticos Algumas variáveis aleatórias (V.A.) aparecem com bastate frequêcia em situações práticas de eperimetos aleatórios (E.: peso,
Leia maisEstatística para Economia e Gestão REVISÕES SOBRE VARIÁVEIS ALEATÓRIAS DISCRETAS E CONTÍNUAS
Estatística para Ecoomia e Gestão REVISÕES SOBRE VARIÁVEIS ALEATÓRIAS DISCRETAS E CONTÍNUAS Primavera 008/009 Variável Aleatória: Defiição: uma variável aleatória é uma fução que atribui a cada elemeto
Leia maisMOQ 13 PROBABILIDADE E ESTATÍSTICA. Professor: Rodrigo A. Scarpel
MOQ 13 PROBABILIDADE E ESTATÍSTICA Professor: Rodrigo A. Scarpel rodrigo@ita.br www.mec.ita.br/~rodrigo Programa do curso: Semaas 1 2 3 4 5 6 7 8 9 1 11 12 13 14 15 e 16 Itrodução à probabilidade evetos
Leia maisLista de Exercícios #4 Assunto: Variáveis Aleatórias Contínuas
. ANPEC 8 - Questão Seja x uma variável aleatória com fução desidade de probabilidade dada por: f(x) = x, para x f(x) =, caso cotrário. Podemos afirmar que: () E[x]=; () A mediaa de x é ; () A variâcia
Leia maisDistribuição de Bernoulli
Algumas Distribuições Discretas Cálculo das Probabilidades e Estatística I Prof. Luiz Medeiros Departameto de Estatística UFPB Distribuição de Beroulli Na prática muitos eperimetos admitem apeas dois resultados
Leia maisb) Fabrico de peças cilíndricas Capítulo 5 - Distribuições conjuntas de probabilidades e complementos X - comprimento da peça Y - diâmetro da peça
Capítulo 5 - Distribuições cojutas de probabilidades e complemetos 5.1 Duas variáveis aleatórias discretas. Distribuições cojutas, margiais e codicioais. Idepedêcia Em relação a uma mesma eperiêcia podem
Leia maisVariáveis Aleatórias Discretas e Distribuição de Probabilidade
Variáveis Aleatórias Discretas e Distribuição de Probabilidades - parte IV 2012/02 1 Distribuição Poisson Objetivos Ao final deste capítulo você deve ser capaz de: Ententer suposições para cada uma das
Leia maisDISTRIBUIÇÕES DE PROBABILIDADE
DISTRIBUIÇÕES DE PROBABILIDADE DISTRIBUIÇÃO DE PROBABILIDADE Seja uma v.a. que assume os valores,,..., com probabilidade p, p,..., p associadas a cada elemeto de, sedo p p... p diz-se que está defiida
Leia maisEstimação da média populacional
Estimação da média populacioal 1 MÉTODO ESTATÍSTICO Aálise Descritiva Teoria das Probabilidades Iferêcia Os dados efetivamete observados parecem mostrar que...? Se a distribuição dos dados seguir uma certa
Leia maisVirgílio A. F. Almeida DCC-UFMG 2005
Virgílio A. F. Almeida DCC-UFMG 005 YZ- i p pq q pq F i p F i Z P Z P i Z P Z P Z ad i Z P Z i Z P Z i Z P Z i Y P Z i i Z Z Z + + > + > > + > + > > + !" http://www.itl.ist.gov/div898/hadbook/ide.htm A
Leia maisMétodos Quantitativos para Ciência da Computação Experimental
Métodos Quatitativos para Ciêcia da Computação Experimetal -Aula #4c- Virgílio A. F. Almeida Março 2008 Departameto de Ciêcia da Computação Uiversidade Federal de Mias Gerais Exercício Usado a Regra de
Leia maisProbabilidades e Estatística LEAN, LEGI, LEGM, LMAC, MEAer, MEAmbi, MEC
Duração: 90 miutos Grupo I Probabilidades e Estatística LEAN, LEGI, LEGM, LMAC, MEAer, MEAmbi, MEC Justifique coveietemete todas as respostas o semestre 207/208 8//207 :00 o Teste B 0 valores. Um teste
Leia maisLista de Exercícios 5
Itrodução à Teoria de Probabilidade. Iformatica Biomedica. Departameto de Física e Matemática. USP-RP. Prof. Rafael A. Rosales 22 de juho de 2006. Lista de Exercícios 5 1 Modelos Probabilísticos Discretos
Leia maisAvaliação de Desempenho de Sistemas Discretos
Distribuições Comus Avaliação de Desempeho de Sistemas Discretos Probabilidade e Estatística 2 Uiforme Normal Poisso Hipergeométrica Biomial Studet's Geométrica Logormal Expoecial Beta Gamma Qui-Quadrado
Leia maisCap. 4 - Estimação por Intervalo
Cap. 4 - Estimação por Itervalo Amostragem e iferêcia estatística População: cosiste a totalidade das observações em que estamos iteressados. Nº de observações a população é deomiado tamaho=n. Amostra:
Leia maisMétodos Quantitativos para Ciência da Computação Experimental
Métodos Quatitativos para Ciêcia da Computação Experimetal -Aula #b- Virgílio A. F. Almeida Março 008 Departameto de Ciêcia da Computação Uiversidade Federal de Mias Gerais Material de Estatistica http://www.itl.ist.gov/div898/hadbook/idex.htm
Leia maisVirgílio A. F. Almeida DCC-UFMG 2005
Virgílio A. F. Almeida DCC-UFMG 005 Se o eveto E cosiste de potos e S é o úmero de potos do espaço amostral, etão: umero de potos em E P E umero de potos em S E S 1. Se um úmero decimal de três digitos
Leia maisENGENHARIA DA QUALIDADE A ENG AULA 6 CARTAS DE CONTROLE PARA ATRIBUTOS
ENGENHARIA DA QUALIDADE A ENG 09008 AULA 6 CARTAS DE CONTROLE PARA ATRIBUTOS PROFESSORES: CARLA SCHWENGBER TEN CATEN Tópicos desta aula Cartas de Cotrole para Variáveis Tipo 1: Tipo 2: Tipo 3: X X X ~
Leia maisDEPARTAMENTO DE ESTATÍSTICA - UFMG PROVA DE ESTATÍSTICA E PROBABILIDADE SELEÇÃO - MESTRADO/ UFMG /2016
DEPARTAMENTO DE ESTATÍSTICA - UFMG PROVA DE ESTATÍSTICA E PROBABILIDADE SELEÇÃO - MESTRADO/ UFMG - 205/206 Istruções:. Cada questão respodida corretamete vale (um poto. 2. Cada questão respodida icorretamete
Leia maisAula 5. Aula de hoje. Aula passada. Limitante da união Método do primeiro momento Lei dos grandes números (fraca e forte) Erro e confiança
Aula 5 Aula passada Valor esperado codicioal Espaço amostral cotíuo, fução desidade Limitates para probabilidade Desigualdades de Markov, Chebyshev, Cheroff with high probability Aula de hoje Limitate
Leia maisLista de Exercícios #6 Assunto: Propriedade dos Estimadores e Métodos de Estimação
Assuto: Propriedade dos Estimadores e Métodos de Estimação. ANPEC 08 - Questão 6 Por regulametação, a cocetração de um produto químico ão pode ultrapassar 0 ppm. Uma fábrica utiliza esse produto e sabe
Leia mais1ª LISTA DE EXERCÍCIOS DE PROC. ESTOCÁSTICOS APLICADOS (CE 222) Prof. Benito Olivares 1 o Sem./ 2017
UNIVERSIDADE FEDERAL DO PARANÁ SETOR DE CIÊNCIAS EXATAS DEPTO. DE ESTATÍSTICA ª LISTA DE EXERCÍCIOS DE PROC. ESTOCÁSTICOS APLICADOS (CE ) Prof. Beito Olivares o Sem./ 7. Classifique e costrua uma trajetória
Leia maisProf. Fabrício Maciel Gomes Departamento de Engenharia Química Escola de Engenharia de Lorena EEL
Prof. Fabrício Maciel Gomes Departameto de Egeharia Química Escola de Egeharia de Lorea EEL Referêcias Bibliográficas Sistema de Avaliação Duas Provas teóricas Um Trabalho em Grupo MédiaFial 0,4 P 0,4
Leia maisProbabilidades e Estatística LEGM, LEIC-A, LEIC-T, MA, MEMec
Duração: 90 miutos Grupo I Probabilidades e Estatística LEGM, LEIC-A, LEIC-T, MA, MEMec Justifique coveietemete todas as respostas 2 o semestre 208/209 04/05/209 9:00 o Teste A 0 valores. As amostras de
Leia maisVariáveis Aleatórias Discretas e Distribuições de 3Probabilidade
Variáveis Aleatórias Discretas e Distribuições de 3Probabilidade Variáveis Aleatórias Discretas e Distribuições de Probabilidade Objetivos do aprendizado 3 Como determinar se um experimento é Binomial.
Leia maisUNIVERSIDADE FEDERAL DO PARANÁ NOTAS DE AULA PROFa. SONIA MÜLLER
PROBABILIDADE. DEFINIÇÕES BÁSICAS:.- INTRODUÇÃO: UNIVERSIDADE FEDERAL DO PARANÁ NOTAS DE AULA PROFa. SONIA MÜLLER PROBABILIDADE POPULAÇÃO AMOSTRA ESTATÍSTICA Uiverso : Ω ou U Vazio: Uião: A B Itersecção:
Leia maisObtemos, então, uma amostra aleatória de tamanho n de X, que representamos por X 1, X 2,..., X n.
Vamos observar elemetos, extraídos ao acaso e com reposição da população; Para cada elemeto selecioado, observamos o valor da variável X de iteresse. Obtemos, etão, uma amostra aleatória de tamaho de X,
Leia maisProbabilidade e Estatística, 2009/1
Probabilidade e Estatística, 009/ CCT - UDESC Prof. Ferado Deeke Sasse Problemas Resolvidos - Estimadores Potuais Dados relativos à espessura, em agstroms, de óido em semicodutores são listados a seguir:
Leia maisProbabilidades e Estatística LEAN, LEE, LEGI, LERC, LMAC, MEAer, MEAmbi, MEBiol, MEBiom, MEEC, MEFT, MEMat, MEQ
Duração: 90 miutos Grupo I Probabilidades e Estatística LEAN, LEE, LEGI, LERC, LMAC, MEAer, MEAmbi, MEBiol, MEBiom, MEEC, MEFT, MEMat, MEQ Justifique coveietemete todas as respostas 2 o semestre 2017/2018
Leia maisDistribuições Amostrais
Distribuições Amostrais O problema da iferêcia estatística: fazer uma afirmação sobre os parâmetros da população θ (média, variâcia, etc) através da amostra. Usaremos uma AAS de elemetos sorteados dessa
Leia maisUNIVERSIDADE FEDERAL DO PARANÁ SETOR DE CIÊNCIAS EXATAS DEPTO. DE ESTATÍSTICA LISTA 4 PROBABILIDADE A (CE068) Prof. Benito Olivares Aguilera
UNIVERSIDADE FEDERAL DO PARANÁ SETOR DE CIÊNCIAS EATAS DEPTO. DE ESTATÍSTICA LISTA 4 PROBABILIDADE A (CE068) Prof. Beito Olivares Aguilera 2 o Sem./09 1. Das variáveis abaixo descritas, assiale quais são
Leia maisDistribuições de Estatísticas Amostrais e Teorema Central do Limite
Distribuições de Estatísticas Amostrais e Teorema Cetral do Limite Vamos começar com um exemplo: A mega-sea de 996 a N 894 úmeros de a 6: Média: m 588 Desvio padrão: 756 49 amostras de 6 elemetos Frequêcia
Leia maisRevisando... Distribuição Amostral da Média
Estatística Aplicada II DISTRIBUIÇÃO AMOSTRAL MÉDIA AULA 08/08/16 Prof a Lilia M. Lima Cuha Agosto de 016 Revisado... Distribuição Amostral da Média Seja X uma v. a. de uma população com média µ e variâcia
Leia maisProbabilidades e Estatística TODOS OS CURSOS
Duração: 9 miutos Grupo I Probabilidades e Estatística TODOS OS CURSOS Justifique coveietemete todas as respostas 1 o semestre 217/218 3/1/218 11:3 1 o Teste C 1 valores 1. A Marta e o João irão passar
Leia maisEstimadores de Momentos
Estimadores de Mometos A média populacioal é um caso particular daquilo que chamamos de mometo. Na realidade, ela é o primeiro mometo. Se X for uma v.a. cotíua, com desidade f(x; θ 1,..., θ r ), depededo
Leia maisEstimação da média populacional
Estimação da média populacioal 1 MÉTODO ESTATÍSTICO Aálise Descritiva Teoria das Probabilidades Iferêcia Os dados efetivamete observados parecem mostrar que...? Se a distribuição dos dados seguir uma certa
Leia maisDistribuições Amostrais
9/3/06 Uiversidade Federal do Pará Istituto de Tecologia Estatística Aplicada I Prof. Dr. Jorge Teófilo de Barros Lopes Campus de Belém Curso de Egeharia Mecâica 3/09/06 3:38 ESTATÍSTICA APLICADA I - Teoria
Leia mais1 Distribuições Amostrais
1 Distribuições Amostrais Ao retirarmos uma amostra aleatória de uma população e calcularmos a partir desta amostra qualquer quatidade, ecotramos a estatística, ou seja, chamaremos os valores calculados
Leia maisDistribuições Amostrais
7/3/07 Uiversidade Federal do Pará Istituto de Tecologia Estatística Aplicada I Prof. Dr. Jorge Teófilo de Barros Lopes Campus de Belém Curso de Egeharia Mecâica 3/07/07 09:3 ESTATÍSTICA APLICADA I - Teoria
Leia maisQuarta aula. Ifusp, agosto de 2016
Diâmica Estocástica Quarta aula Ifusp, agosto de 06 Bibliografia básica. va Kape, Stochastic processes i physics ad chemistry, North-Hollad, 990, Capítulo 4. Tomé e de Oliveira, Diâmica estocástica e irreversibilidade,
Leia maisLista 9 - Introdução à Probabilidade e Estatística
Lista 9 - Itrodução à Probabilidade e Estatística Desigualdades e Teoremas Limites 2.=000. 1 Um ariro apota a um alvo de 20 cm de raio. Seus disparos atigem o alvo, em média, a 5 cm do cetro deste. Assuma
Leia maisEstatística. 7 - Distribuições Amostrais
Estatística 7 - Distribuições Amostrais 07 - Distribuição da Média Amostral Distribuição costituída de todos os valores de, cosiderado todas as possíveis amostras de tamaho i ( Ode,,..., são V.A. com mesma
Leia maisAmostras Aleatórias e Distribuições Amostrais. Probabilidade e Estatística: afinal, qual é a diferença?
Amostras Aleatórias e Distribuições Amostrais Probabilidade e Estatística: afial, qual é a difereça? Até agora o que fizemos foi desevolver modelos probabilísticos que se adequavam a situações reais. Por
Leia maisESTATÍSTICA EXPLORATÓRIA
ESTATÍSTICA EXPLORATÓRIA Prof Paulo Reato A. Firmio praf6@gmail.com Aulas 19-0 1 Iferêcia Idutiva - Defiições Coceitos importates Parâmetro: fução diretamete associada à população É um valor fixo, mas
Leia maisAula 5 Teorema central do limite & Aplicações
Diâmica Estocástica Aula 5 Teorema cetral do limite & Aplicações Teorema cetral do limite Se x é tal que: x 0 e ( xv é fiita,,..., x x, x,...,, 3 x variáveis aleatórias idepedetes com a mesma distribuição
Leia maisde n lados, respectivamente, inscritos e circunscritos a uma circunferência de diâmetro 1, mostre que para n>
ESCOLA SECUNDÁRIA COM º CICLO D. DINIS COIMBRA º ANO DE ESCOLARIDADE MATEMÁTICA A Tarefa º 5 do plao de trabalho º Sucessões Covergetes Arquimedes e valores aproximados de π Arquimedes, matemático da atiguidade
Leia maisAnálise Infinitesimal II LIMITES DE SUCESSÕES
-. Calcule os seguites limites Aálise Ifiitesimal II LIMITES DE SUCESSÕES a) lim + ) b) lim 3 + 4 5 + 7 + c) lim + + ) d) lim 3 + 4 5 + 7 + e) lim + ) + 3 f) lim + 3 + ) g) lim + ) h) lim + 3 i) lim +
Leia maisProcessos Estocásticos
IFBA Processos Estocásticos Versão 1 Alla de Sousa Soares Graduação: Liceciatura em Matemática - UESB Especilização: Matemática Pura - UESB Mestrado: Matemática Pura - UFMG Vitória da Coquista - BA 2014
Leia maisMQI 2003 ESTATÍSTICA PARA METROLOGIA - SEMESTRE Teste 2 07/07/2008 Nome: PROBLEMA 1 Sejam X e Y v.a. contínuas com densidade conjunta:
MQI 003 ESTATÍSTICA PARA METROLOGIA - SEMESTRE 008.0 Teste 07/07/008 Nome: PROBLEMA Sejam X e Y v.a. cotíuas com desidade cojuta: f xy cy xy x y (, ) = + 3 ode 0 e 0 a) Ecotre a costate c que faz desta
Leia maisPropriedades: Notação: X ~ U(α, β). PRINCIPAIS MODELOS CONTÍNUOS
0 CONTÍNUOS PRINCIPAIS MODELOS Notação: ~ U(α β). Propriedades: Eemplo A dureza de uma peça de aço pode ser pesada como sedo uma variável aleatória uiforme o itervalo (5070) uidades. Qual a probabilidade
Leia maisVirgílio A. F. Almeida DCC-UFMG 1/2005
Virgílio A. F. Almeida DCC-UFMG 1/005 !" # Comparado quatitativamete sistemas eperimetais: Algoritmos, protótipos, modelos, etc Sigificado de uma amostra Itervalos de cofiaça Tomado decisões e comparado
Leia maisProbabilidades e Estatística LEAN, LEE, LEGI, LERC, LMAC, MEAer, MEAmbi, MEBiol, MEBiom, MEEC, MEFT, MEMat, MEQ
Duração: 90 miutos Grupo I Probabilidades e Estatística LEAN, LEE, LEGI, LERC, LMAC, MEAer, MEAmbi, MEBiol, MEBiom, MEEC, MEFT, MEMat, MEQ Justifique coveietemete todas as respostas 2 o semestre 207/208
Leia maisProbabilidade II Aula 12
Coteúdo Probabilidade II Aula Juho de 009 Desigualdade de Marov Desigualdade de Jese Lei Fraca dos Grades Números Môica Barros, D.Sc. Itrodução A variâcia de uma variável aleatória mede a dispersão em
Leia maisA Inferência Estatística é um conjunto de técnicas que objetiva estudar a população através de evidências fornecidas por uma amostra.
UNIVERSIDADE FEDERAL DA PARAÍBA Distribuição Amostral Luiz Medeiros de Araujo Lima Filho Departameto de Estatística INTRODUÇÃO A Iferêcia Estatística é um cojuto de técicas que objetiva estudar a população
Leia maisESTIMAÇÃO DA PROPORÇÃO POPULACIONAL p
ESTIMAÇÃO DA PROPORÇÃO POPULACIONAL p Objetivo Estimar uma proporção p (descohecida) de elemetos em uma população, apresetado certa característica de iteresse, a partir da iformação forecida por uma amostra.
Leia maisVariáveis Aleatórias e Distribuições de Probabilidade
PROBABILIDADES Variáveis Aleatórias e Distribuições de Probabilidade BERTOLO Fução de Probabilidades Vamos cosiderar um experimeto E que cosiste o laçameto de um dado hoesto. Seja a variável aleatória
Leia maisIntervalos de Confiança
Itervalos de Cofiaça Prof. Adriao Medoça Souza, Dr. Departameto de Estatística - PPGEMQ / PPGEP - UFSM - 0/9/008 Estimação de Parâmetros O objetivo da Estatística é a realização de iferêcias acerca de
Leia maisTeorema do limite central e es/mação da proporção populacional p
Teorema do limite cetral e es/mação da proporção populacioal p 1 RESULTADO 1: Relembrado resultados importates Seja uma amostra aleatória de tamaho de uma variável aleatória X, com média µ e variâcia σ.temos
Leia maisUma coleção de todos os possíveis elementos, objetos ou medidas de interesse.
rof. Lorí Viali, Dr. viali@mat.ufrgs.br http://www.ufrgs.br/~viali/ Uma coleção de todos os possíveis elemetos, objetos ou medidas de iteresse. Um levatameto efetuado sobre toda uma população é deomiado
Leia maisObjetivo. Estimar a média µ de uma variável aleatória X, que representa uma característica de interesse de uma população, a partir de uma amostra.
ESTIMAÇÃO PARA A MÉDIAM Objetivo Estimar a média µ de uma variável aleatória X, que represeta uma característica de iteresse de uma população, a partir de uma amostra. Exemplos: µ : peso médio de homes
Leia maisAproximação normal para as distribuições binomial e Poisson
Aproximação normal para as distribuições binomial e Poisson Distribuição normal: aproximação para uma variável aleatória com um grande número de amostras. Distribuição binomial n Distribuição normal Difícil
Leia maisUma coleção de todos os possíveis elementos, objetos ou medidas de interesse.
rof. Lorí Viali, Dr. viali@mat.ufrgs.br http://www.ufrgs.br/~viali/ Uma coleção de todos os possíveis elemetos, objetos ou medidas de iteresse. Um levatameto efetuado sobre toda uma população é deomiado
Leia maisTeste de Estatística 29 Outubro 2012 Correcção
Teste de Estatística 9 Outubro 0 Correcção Grupo I ( valores) ATENÇÃO Etre todas as versões, existem 7 pergutas este grupo, mas apeas aparecem em cada versão do teste. Além disso, as hipóteses de resposta
Leia maisPedro Alberto Barbetta / Marcelo Menezes Reis / Antonio Cezar Bornia São Paulo: Atlas, 2004
Estatística para Cursos de Egeharia e Iformática Pedro Alberto Barbetta / Marcelo Meezes Reis / Atoio Cezar Boria São Paulo: Atlas, 004 Cap. 7 - DistribuiçõesAmostrais e Estimaçãode deparâmetros APOIO:
Leia maisREVISÃO DE PROBABILIDADE E ESTATÍSTICA. Parte 2
REVISÃO DE PROBABILIDADE E ESTATÍSTICA Parte Variáveis Aleatórias Defiição: Regra que atribui um valor umérico a cada possível resultado de um eperimeto. Eemplo: Jogue duas moedas (o eperimeto aleatório)
Leia maisUniversidade Federal de Mato Grosso Probabilidade e Estatística - Curso: Engenharia Civil Introdução à Inferência Estatística - Prof a Eveliny
1 Itrodução Uiversidade Federal de Mato Grosso Probabilidade e Estatística - Curso: Egeharia Civil Itrodução à Iferêcia Estatística - Prof a Eveliy Vimos o iício do curso como resumir descritivamete variáveis
Leia maisMAE Introdução à Probabilidade e Estatística II Resolução Lista 2
MAE 9 - Itrodução à Probabilidade e Estatística II Resolução Lista Professor: Pedro Moretti Exercício 1 Deotado por Y a variável aleatória que represeta o comprimeto dos cilidros de aço, temos que Y N3,
Leia maisSumário. 2 Índice Remissivo 11
i Sumário 1 Esperaça de uma Variável Aleatória 1 1.1 Variáveis aleatórias idepedetes........................... 1 1.2 Esperaça matemática................................. 1 1.3 Esperaça de uma Fução de
Leia maisSobre a necessidade das hipóteses no Teorema do Ponto Fixo de Banach
Sobre a ecessidade das hipóteses o Teorema do Poto Fio de Baach Marcelo Lopes Vieira Valdair Bofim Itrodução: O Teorema do Poto Fio de Baach é crucial a demostração de vários resultados importates da Matemática
Leia maisn C) O EMV é igual a i 1
PROVA DE ESTATÍSTICA E PROBABILIDADE SELEÇÃO MESTRADO/UFMG 009 Istruções: a) Cada questão respodida corretamete vale (um) poto. c) Cada questão respodida icorretamete vale - (meos um) poto. b) Cada questão
Leia maisMATEMÁTICA II. Profa. Dra. Amanda Liz Pacífico Manfrim Perticarrari
MATEMÁTICA II Profa. Dra. Amada Liz Pacífico Mafrim Perticarrari amada@fcav.uesp.br O PROBLEMA DA ÁREA O PROBLEMA DA ÁREA Ecotre a área da região que está sob a curva y = f x de a até b. S = x, y a x b,
Leia maisProbabilidades e Estatística LEAN, LEGI, LEGM, LMAC, MEAer, MEAmbi, MEC
Duração: 90 miutos Grupo I Probabilidades e Estatística LEAN, LEGI, LEGM, LMAC, MEAer, MEAmbi, MEC Justifique coveietemete todas as respostas o semestre 207/208 /0/208 09:00 2 o teste A 0 valores. Admita
Leia maisSumário. 2 Índice Remissivo 17
i Sumário 1 Itrodução à Iferêcia Estatística 1 1.1 Defiições Básicas................................... 1 1.2 Amostragem....................................... 2 1.2.1 Tipos de Amostragem.............................
Leia maisProbabilidades e Estatística / Introd. às Probabilidades e Estatística TODOS OS CURSOS
Probabilidades e Estatística / Itrod. às Probabilidades e Estatística TODOS OS CURSOS Exame Época Especial 7/8 3/7/7 9: Duração: 3 horas Justifique coveietemete todas as respostas Grupo I 5 valores. Uma
Leia maisDISTRIBUIÇÃO AMOSTRAL E ESTIMAÇÃO PONTUAL INTRODUÇÃO ROTEIRO POPULAÇÃO E AMOSTRA. Estatística Aplicada à Engenharia
ROTEIRO DISTRIBUIÇÃO AMOSTRAL E ESTIMAÇÃO PONTUAL 1. Itrodução. Teorema Cetral do Limite 3. Coceitos de estimação potual 4. Métodos de estimação potual 5. Referêcias Estatística Aplicada à Egeharia 1 Estatística
Leia maisEstimar uma proporção p (desconhecida) de elementos em uma população, apresentando certa característica de interesse, a partir da informação
ESTIMAÇÃO DA PROPORÇÃO POPULACIONAL p 1 Objetivo Estimar uma proporção p (descohecida) de elemetos em uma população, apresetado certa característica de iteresse, a partir da iformação forecida por uma
Leia maisDentro, a/2 < x < a/2: com: Ondas com a mesma amplitude nos 2 sentidos. Elas se combinam formando uma onda estacionária. Então podemos fazer A = B:
Poços de potecial: E < V Detro a/ < < a/: ψ com: i i Ae + Be me p Odas com a mesma amplitude os setidos. Elas se combiam formado uma oda estacioária. Etão podemos fazer A B: ψ ψ i i + e B e Bʹ cos e Bʹ
Leia maisbinomial seria quase simétrica. Nestas condições será também melhor a aproximação pela distribuição normal.
biomial seria quase simétrica. Nestas codições será também melhor a aproximação pela distribuição ormal. Na prática, quado e p > 7, a distribuição ormal com parâmetros: µ p 99 σ p ( p) costitui uma boa
Leia maisCaderno de Exercício 2
1 Cadero de Exercício Estimação Potual e Itervalos de Cofiaça 1. Exercícios Aulas 1. Exercício 8.6 do livro Statistics for Ecoomics ad Busiess. O úmero de adares vedidos em cada dia por uma empresa imobiliária
Leia maisd) A partir do item c) encontre um estimador não viciado para σ 2.
Uiversidade de Brasília Departameto de Estatística 6 a Lista de PE 1 Seja X 1,, X ) uma AAS tal que EX i ) = µ e VarX i ) = σ 2 a) Ecotre EXi 2 ) e E X 2) b) Calcule EX i X) X i X) 2 c) Se T =, mostre
Leia maisNOTAS DE AULA: DISTRIBUIÇÃO AMOSTRAL E INTERVALOS DE CONFIANÇA
NOTAS DE AULA: DISTRIBUIÇÃO AMOSTRAL E INTERVALOS DE CONFIANÇA Objetivos da aula: Compreeder que um estimador é uma variável aleatória e, portato, pode-se estabelecer sua distribuição probabilística; Estabelecer
Leia maisProbabilidade II Aula 9
Coteúdo Probabilidade II Aula 9 Maio de 9 Môica Barros, D.Sc. Estatísticas de Ordem Distribuição do Máximo e Míimo de uma amostra Uiforme(,) Distribuição do Máximo e Míimo caso geral Distribuição das Estatísticas
Leia maisAnálise de Regressão Linear Múltipla I
Aálise de Regressão Liear Múltipla I Aula 04 Gujarati e Porter, 0 Capítulos 7 e 0 tradução da 5ª ed. Heij et al., 004 Capítulo 3 Wooldridge, 0 Capítulo 3 tradução da 4ª ed. Itrodução Como pode ser visto
Leia maisTeorema do Limite Central, distribuição amostral, estimação por ponto e intervalo de confiança
Teorema do Limite Cetral, distribuição amostral, estimação por poto e itervalo de cofiaça Prof. Marcos Pó Métodos Quatitativos para Ciêcias Sociais Distribuição amostral Duas amostrages iguais oriudas
Leia maisDepartamento de Informática. Modelagem Analítica. Modelagem Analítica do Desempenho de Sistemas de Computação. Disciplina: Algumas Distribuições
Deartameto de Iformática Discilia: do Desemeho de Sistemas de Comutação Algumas Distribuições Algumas Distribuições Discretas Prof. Sérgio Colcher colcher@if.uc-rio.br Coyright 999-8 by TeleMídia Lab.
Leia maisDERIVADAS. Professor Dr. Jair Silvério dos Santos * e n 2 =
MATEMATICA APLICADA A NEGÓCIOS 4, 3 (00) Cálculo Cálculo Diferecial e Itegral I DERIVADAS Professor Dr Jair Silvério dos Satos * Prova-se facilmete por idução fiita que para todo N, + + + i i ( + ) e +
Leia maisTeorema do Limite Central, distribuição amostral, estimação por ponto e intervalo de confiança
Teorema do Limite Cetral, distribuição amostral, estimação por poto e itervalo de cofiaça Prof. Marcos Pó Métodos Quatitativos para Ciêcias Sociais Distribuição amostral Duas amostrages iguais oriudas
Leia maisDistribuição Amostral da Média: Exemplos
Distribuição Amostral da Média: Eemplos Talvez a aplicação mais simples da distribuição amostral da média seja o cálculo da probabilidade de uma amostra ter média detro de certa faia de valores. Vamos
Leia maisDESIGUALDADES, LEIS LIMITE E TEOREMA DO LIMITE CENTRAL. todas as repetições). Então, para todo o número positivo ξ, teremos:
48 DESIGUALDADES, LEIS LIMITE E TEOREMA DO LIMITE CENTRAL LEI DOS GRANDES NÚMEROS Pretede-se estudar o seguite problema: À medida que o úmero de repetições de uma experiêcia cresce, a frequêcia relativa
Leia maisPROVA 1 27/10/ Os dados apresentados na seqüência mostram os resultados de colesterol
PROVA 1 7/10/009 Nome: GABARITO 1. Os dados apresetados a seqüêcia mostram os resultados de colesterol mg /100ml em dois grupos de aimais. O grupo A é formado por 10 total ( ) aimais submetidos a um cotrole
Leia maisCap. VI Histogramas e Curvas de Distribuição
TLF /11 Capítulo VI Histogramas e curvas de distribuição 6.1. Distribuições e histogramas. 6 6.. Distribuição limite 63 6.3. Sigificado da distribuição limite: frequêcia esperada e probabilidade de um
Leia maisn ) uma amostra aleatória da variável aleatória X.
- Distribuições amostrais Cosidere uma população de objetos dos quais estamos iteressados em estudar uma determiada característica. Quado dizemos que a população tem distribuição FX ( x ), queremos dizer
Leia maisObjetivo. Estimar a média de uma variável aleatória X, que representa uma característica de interesse de uma população, a partir de uma amostra.
Objetivo Estimar a média de uma variável aleatória X, que represeta uma característica de iteresse de uma população, a partir de uma amostra. Exemplos: : peso médio de homes a faixa etária de 20 a 30 aos,
Leia maisVariáveis Discretas e Distribuições de Probabilidade. Distribuição Binomial
Variáveis Discretas e Distribuições de Probabilidade Distribuição Binomial Experimentos aleatórios e variáveis aleatórias: 1. Jogue uma moeda ao ar 10 vezes. X é o número de caras obtidas. 2. Uma máquina
Leia maisExercício de Revisao 1
Exercício de Revisao 1 Cosidere que seu trabalho é comparar o desempeho de dois algoritmos (A e B) de computação gráfica, que usam métodos diferetes para geração de faces humaas realistas. São sistema
Leia maisRepública de Moçambique Ministério da Educação Conselho Nacional de Exames, Certificação e Equivalências
Abuso Seual as escolas Não dá para aceitar Por uma escola livre do SIDA República de Moçambique Miistério da Educação Coselho Nacioal de Eames, Certificação e Equivalêcias ESG / 04 Eame de Matemática Etraordiário
Leia maisNotas do Curso Inferência em Processos Estocásticos. 1 Estimação de máxima verossimilhança para cadeias de Markov de ordem k
Notas do Curso Iferêcia em Processos Estocásticos Prof. Atoio Galves Trascrita por Karia Yuriko Yagiuma 1 Estimação de máxima verossimilhaça para cadeias de Markov de ordem k Seja (X ) =0,1,,... uma cadeia
Leia mais