Objetivos. fim de servir de entrada na simulação de um modelo.
|
|
- Yago Lombardi Macedo
- 7 Há anos
- Visualizações:
Transcrição
1 Geração de variáveis aleatórias
2 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 variáveis aleatórias. Técnica da transformação inversa Técnica da convolução Técnica para aceitação / rejeição Técnica especial para a distribuição normal 2
3 Técnica da transformação inversa O conceito: Para a função cdf : r = F(x) Gerar R amostras de uma distribuição uniforme [0,1]; Encontre a amostra X: r = F(x) r 1 X = F -1 (R) 1 Pr( X x) = Pr( F ( R) x) = Pr( R F( x)) = F( x) x 1 3
4 Distribuição Exponencial [transformação inversa] Distribuição Exponencial: Cdf Exponencial: r = F(x) = 1 e -λx para x 0 Para gerar X 1, X 2, X 3, gere R 1, R 2, R 3, X i = F -1 (R i ) = -(1/λ) ln(1-r i ) Figura: técnica da transformação inversa para exp(λ = 1) 4
5 Distribuição Exponencial [transformação inversa] Exemplo: Gerar 200 amostras X i com distribuição exp(λ= 1) Código Matlab for i=1:200, expnum(i)=-log(rand(1)); end R e (1 R) tem distribuição U(0,1) 5
6 Distribuição Uniforme [Transformação Inversa] Distribuição Uniforme: Cdf Uniforme: 0 x a x a r = F ( x ) = a< x b b a 1 b< x Para gerar X 1, X 2, X 3,, gere R 1, R 2, R 3, X = a+ ( b a) R i i 6
7 Uniform Distribution [Transformação Inversa] Exemplo: Gerar 500 amostras X i com distribuição Uniforme (3,8) Código Matlab for i=1:500, uninum(i)=3+5*rand(1); end 7
8 Distribuição Empírica Continua [transformação inversa] Quando uma distribuição teórica não é aplicável Para adquirir dados empíricos: Re-amostre dados observados Interpole entre os dados observados para preencher espaços vazios Para uma amostra pequena (tamanho n): Od Ordene os dd dados do menor para o maior x (1) x (2) x (n) Atribua a probabilidade 1/n para cada intervalo x (i-1) x x (i) onde X = Fˆ 1 ( R) = x ( i a i i 1) x i) x( i 1) = = 1/ n ( i 1) / n + a x i R x ( ( i) ( i 1) 1/ n ( i 1) n 8
9 Dist. Contínua Empírica [transformação Inversa] Exemplo: Suponha os dados de 100 tempos de manutenção de dispositivos : i Intervalo (Horas) Frequencia Frequencia Relativa Frequência acumulada, c i inclinação, a i x ,31 0,31 0, x ,10 0,41 5, x ,25 0,66 2, x ,34 1,00 1,47 Considere R 1 = 0.83: c 3 = 0.66 < R 1 < c 4 = 1.00 X 1 = x (4-1) + a 4 (R 1 c (4-1) ) = ( ) =
10 Distribuição Discreta [transformação Inversa] Todas as distribuições discretas podem ser geradas pela técnica da transformação inversa. x a b c p(x) p1 p2 p3 F(x) p 1 + p 2 + p 3 p 1 + p 2 R 1 Forma Geral X = min{ x: F( x) r} p 1 a b c 10
11 Distribuição Discreta [transformação Inversa] Exemplo: Suponha que o número de remessas, x, na plataforma de carregamento da empresa IHW é 0, 1, ou 2 Dado Distribuição de Probabilidades: x p(x) F(x) Método - dado R, a geração de dados torna-se: 11 x 0, R 0.5 = 1, 0.5 < R 0.8 2, 0.8 < R 1.0 Considere R 1 = 0.73: F(x i-1 ) < R <= F(x i ) F(x 0 ) < 0.73 <= F(x 1 ) E aqui, x 1 = 1
12 Técnica da Convolução Use para X = Y 1 + Y 2 + +Y n Exemplos de applicação Distribuição de Erlang DistribuiçãoTriangular ( Trapezoidal ) Gere amostras para YY 1,Y 2,,Y n e adicione i essas amostras para obter uma amostra de X. 12
13 Distribuição de Erlang [Convolução] Uma variável aleatória exponencial descreve a distância até que a primeira contagem é obtida em um processo de Poisson. Uma variável aleatória X que segue uma distribuição de Erlang com parâmetros (k,θ) pode ser escrita como uma soma de k variáveis exponenciais aleatórias e independentes Xi=1 1,2,,K Cada um com média 1/ kθ X k = X i= 1 A técnica da convolução consiste em gerar X1, X2,, Xk e então somá-las para obter X; No caso de Erlang λ=κ θ 13 i k k 1 1 X ln R i ln R i 1 k k = θ θ i= 1 = = i
14 Distribuição de Erlang Exemplo: Gere 500 X i com distribuição Erlang k=3 (θ = 1/2) ) Código Matlab for i=1:500, erlnum(i)=-1/6*(log(rand(1))+log(rand(1))+log(rand(1))); ( ( ( d(1))) end 14
15 Convolução (Folding) Integral Considere X e Y variáveis aleatórias comh pdf s f e g. Então, Z = X + Y produz a pdf h h() t = f() t g() t f( τ ) g( t τ) dτ = g( τ) f( t τ) dτ 15
16 Técnica da Aceitação-Rejeição Útil quando a inversa da cdf não existe de forma definida Passos para gerar X com a pdf f(x) Passo 0: Identificar uma função g(x) e uma pdf h(x) que satisfaça x, g( x) f( x) O parâmetro de eficiência é c gx ( ) hx ( ) = c Passo 1: Gerar Y com a pdf h(x) Passo 2: Gerar U ~ Uniforme(0,1) independente de Y Passo 3: c = g ( x ) dx < f( Y) U faça X = Y gy ( ) senão repetir a partir do passo 1. não Gere Y,U Condicional sim Saída X=Y 16
17 Distribuição Triangular [Aceitação-Rejeição] Exemplo: 4x 0 x 1/2 f( x) = 4 4x 1/2< x 1 0 caso contrário 2 0 x 1 gx ( ) = gx ( ) f( x) 0 caso contrário + c = g( x) dx = 2 g(x) gx ( ) 1 0 x 1 hx ( ) = = c 0 caso contrário não Gere Y, U Y 0.5 U 2Y Y > 0.5 U 2 2Y sim g(x) Saída X = Y 17 f(x) h(x) 0 1 f( Y) U faça X Y g ( Y ) = senão repetir a partir do passo 1.
18 Distribuição Triangular [Aceitação-Rejeição] Código Matlab: (para 1000 amostras) i=0; while i<1000, Y=rand(1); U=rand(1); if Y<=0.5 & U<=2*Y Y>0.5 & U<=2-2*Y i=i+1; X(i)=Y; end end 18
19 Distribuição Normal [Técnica especial] Abordagem para a normal(0,1): Considere duas curvas normais padrão com variáveis aleatórias Z 1 e Z 2, representadas como pontos no plano: Em coordenadas polares: Z 1 = B cos θ Z 2 = B sin θ θ Uniforme(0,2π) 19 B 2 = Z Z 2 2 ~ distribuição chi-square com 2 graus de liberdade. A Distribuição Chi-quadrado com k graus de liberdade é a distribuição gama com parâmetros (k/2, 1/2)). No caso (1,1/2). Uma distribuição Chi-quadrado com 2 graus de liberdade equivale a uma distribuição exponencial com média dois e assim X i 1 (ln R ) = onde E ( X ) λ i i 1 = λ
20 Distribuição Normal [Técnica especial] Dessa forma o raio B pode ser gerado com 1/ 2 O raio B e o ângulo θ são mutuamente independentes d. Abordagem para a normal (µ,σ 2 ): Gere Z i ~ N(0,1) Aproximação para a lognormal(µ,σl( 2 ): Gere X ~ N(µ,σ 2 ) X i = µ + σ Z i B = ( 2ln R ) Z = ( 2ln R ) cos(2 π R ) 1/ Z = ( 2ln R ) sin(2 π R ) 1/ Y i = e X i
21 Distribuição Normal [Técnica especial] Gerar 1000 amostras de uma Normal(7,4) Código Matlab for i=1:500, R1=rand(1); R2=rand(1); Z(2*i-1)=sqrt(-2*log(R1))*cos(2*pi*R2); Z(2*i)=sqrt(-2*log(R1))*sin(2*pi*R2); end for i=1:1000, Z(i)=7+2*Z(i); Z(i); end 21
Ricardo 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 maisFunções Geradoras de Variáveis Aleatórias. Simulação Discreta de Sistemas - Prof. Paulo Freitas - UFSC/CTC/INE
Funções Geradoras de Variáveis Aleatórias 1 Funções Geradoras de Variáveis Aleatórias Nos programas de simulação existe um GNA e inúmeras outras funções matemáticas descritas como Funções Geradoras 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 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 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 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 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 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 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 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 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 maisModelagem 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 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 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 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 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 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 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 maisGeração de Variáveis Aleatórias Contínuas. Mat02274 Estatística Computacional. A Normal. A Normal. Normal Log-Normal Gama Erlang Beta.
Estatística Computacional Geração de Variáveis Aleatórias Contínuas 6 Prof. Lorí Viali, Dr. viali@mat.ufrgs.br http://www.mat.ufrgs.br/~viali/ Normal Log-Normal Gama Erlang Beta Weibull Student (t) Qui-Quadrado
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 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 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 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 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 maisMAT 3210 Cálculo Diferencial e Integral II. Prova 1 A
MAT 3210 Cálculo Diferencial e Integral II Prof. Paolo Piccione 18 de Outubro de 2013 Prova 1 A Nome: Número USP: Assinatura: Instruções A duração da prova é de uma hora e quarenta minutos. Assinale as
Leia maisMAT 3210 Cálculo Diferencial e Integral II. Prova 1 B
MAT 3210 Cálculo Diferencial e Integral II Prof. Paolo Piccione 18 de Outubro de 2013 Prova 1 B Nome: Número USP: Assinatura: Instruções A duração da prova é de uma hora e quarenta minutos. Assinale as
Leia maisMAT 3210 Cálculo Diferencial e Integral II. Prova 1 D
MAT 3210 Cálculo Diferencial e Integral II Prof. Paolo Piccione 18 de Outubro de 2013 Prova 1 D Nome: Número USP: Assinatura: Instruções A duração da prova é de uma hora e quarenta minutos. Assinale as
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 maisModelagem e Avaliação de Desempenho. Pós Graduação em Engenharia Elétrica - PPGEE Prof. Carlos Marcelo Pedroso 2018
Modelagem e Avaliação de Desempenho Pós Graduação em Engenharia Elétrica - PPGEE Prof. Carlos Marcelo Pedroso 2018 Análise de desempenho São disponíveis duas abordagens para realizar a análise de desempenho:
Leia mais{ C(1 x 2 ), se x ( 1, 1), f(x) = Cxe x/2, se x > 0, x + k, se 0 x 3; 0, c.c. k, se 1 < x 2; kx + 3k, se 2 < x 3;
Universidade de Brasília Departamento de Estatística 4 a Lista de PE 1. Seja X uma variável aleatória com densidade { C(1 x 2 ), se x ( 1, 1), 0, se x / ( 1, 1). a) Qual o valor de C? b) Qual a função
Leia 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 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 maisTeorema do Limite Central
Teorema do Limite Central Bacharelado em Economia - FEA - Noturno 1 o Semestre 2014 MAE0219 (IME-USP) Teorema do Limite Central 1 o Semestre 2014 1 / 47 Objetivos da Aula Sumário 1 Objetivos da Aula 2
Leia maisDistribuições 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 maisPARTE TEÓRICA Perguntas de escolha múltipla
PROBABILIDADES E ESTATÍSTICA MIEEC/FEUP PARTE TEÓRICA Perguntas de escolha múltipla 1 Dada a experiência aleatória ε define-se espaço amostral associado a ε como sendo: A O espaço físico onde se realiza
Leia maisME-310 Probabilidade II Lista 1
ME-3 Probabilidade II Lista. Seja F (a, b) a função da distribuição acumulada conjunta de v.a. X e Y. Sabendo F, calcule P(X > a, Y > b) e P(a < X < a 2, Y b). 2. A distribuição conjunta de X e Y é dada
Leia maisModelagem e Avaliação de Desempenho. Pós Graduação em Engenharia Elétrica - PPGEE Prof. Carlos Marcelo Pedroso 2017
Modelagem e Avaliação de Desempenho Pós Graduação em Engenharia Elétrica - PPGEE Prof. Carlos Marcelo Pedroso 2017 Análise de desempenho São disponíveis duas abordagens para realizar a análise de desempenho:
Leia maisMOQ 13 PROBABILIDADE E ESTATÍSTICA. Professor: Rodrigo A. Scarpel
MOQ 3 PROBABILIDADE E ESTATÍSTICA Professor: Rodrigo A. Scarpel rodrigo@ita.br www.mec.ita.br/~rodrigo Programa do curso: Semanas 2 3 4 5 6 7 8 9 0 2 3 4 5 e 6 Introdução à probabilidade (eventos, espaço
Leia 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 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 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 maisProcessamento de Imagens CPS755
Processamento de Imagens CPS755 aula 06 - sistemas não lineares Antonio Oliveira Ricardo Marroquim 1 / 38 laboratório de processamento de imagens tópicos RANSAC métodos iterativos (não-lineares) gradientes
Leia mais1) Deseja-se usar o algoritmo de rejeição para simular de uma v.a. normal positiva, cuja densidade é dada por. 2 x > 0.
MAE0399 - Análise de Dados e Simulação - o semestre de 208 - IME - USP 2 a Lista de Exercícios ) Deseja-se usar o algoritmo de rejeição para simular de uma v.a. normal positiva, cuja densidade é dada por
Leia maisMais sobre Modelos Continuos
Mais sobre Modelos Continuos Ricardo Ehlers ehlers@icmc.usp.br Departamento de Matemática Aplicada e Estatística Universidade de São Paulo 1 / 41 Transformação Linear da Uniforme Seja X uma variável aleatória
Leia 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 maisCálculo II Lista 5. com respostas
Cálculo II Lista 5. com respostas Exercício 1. Determine os pontos críticos das funções dadas e classifique-os, decidindo se são pontos de máximo local, de mínimo local ou de sela: (a) f(x, y) = x 2 +
Leia maisDERIVADAS PARCIAIS. y = lim
DERIVADAS PARCIAIS Definição: Seja f uma função de duas variáveis, x e y (f: D R onde D R 2 ) e (x 0, y 0 ) é um ponto no domínio de f ((x 0, y 0 ) D). A derivada parcial de f em relação a x no ponto (x
Leia maisModelagem e Avaliação de Desempenho. Pós Graduação em Engenharia Elétrica - PPGEE Prof. Carlos Marcelo Pedroso 2014
Modelagem e Avaliação de Desempenho Pós Graduação em Engenharia Elétrica - PPGEE Prof. Carlos Marcelo Pedroso 2014 Análise de desempenho São disponíveis duas abordagens para realizar a análise de desempenho:
Leia maisGNA pelo método da aceitação e rejeição
GNA pelo método da aceitação e rejeição Importância, algorítmo e implementação Prof. Walmes Zeviani walmes@ufpr.br Laboratório de Estatística e Geoinformação Departamento de Estatística Universidade Federal
Leia maisMAT 3210 Cálculo Diferencial e Integral II. Prova SUB B
MAT 3210 Cálculo Diferencial e Integral II Prof. Paolo Piccione 25 de Novembro de 2011 Prova SUB B Nome: Número USP: Assinatura: Instruções A duração da prova é de uma hora e quarenta minutos. Assinale
Leia maisMAT 3210 Cálculo Diferencial e Integral II. Prova SUB C
MAT 3210 Cálculo Diferencial e Integral II Prof. Paolo Piccione 25 de Novembro de 2011 Prova SUB C Nome: Número USP: Assinatura: Instruções A duração da prova é de uma hora e quarenta minutos. Assinale
Leia maisMAT 3210 Cálculo Diferencial e Integral II. Prova SUB D
MAT 3210 Cálculo Diferencial e Integral II Prof. Paolo Piccione 25 de Novembro de 2011 Prova SUB D Nome: Número USP: Assinatura: Instruções A duração da prova é de uma hora e quarenta minutos. Assinale
Leia maisDistribuições de Probabilidade. Frases. Roteiro
Distribuições de robabilidade Frases Uma probabilidade razoável é a única certeza Samuel Howe A experiência não permite nunca atingir a certeza absoluta. Não devemos procurar obter mais que uma probabilidade.
Leia maisProf. Lorí Viali, Dr.
Prof. Lorí Viali, Dr. viali@mat.ufrgs.br http://www.mat.ufrgs.br/~viali/ Uma variável aleatória X tem uma distribuição normal se sua fdp for do tipo: f(x) 1.e 1 2. x µ σ 2, x R 2π. σ com - < µ < e σ >
Leia maisGABARITO DA 2 a PROVA - CÁLCULO IV 1 0 PERÍODO a Questão:(valor 2.0) (a) O gráfico de f é esboçado na Figura 1. (b) Temos que: + [x]2 1 ((1))
GABARITO DA a PROVA - CÁLCULO IV 0 PERÍODO 009 a Questão:(valor.0) (a) O gráfico de f é esboçado na Figura. (b) Cálculo de a 0. Temos que: a 0 = f (x)dx = a 0 = { dx + } dx = a 0 = { } [x] + [x] = a 0
Leia maisModelagem Estocástica e Quantificação de Incertezas
Modelagem Estocástica e Quantificação de Incertezas Rubens Sampaio rsampaio@puc-rio.br Roberta de Queiroz Lima robertalima@puc-rio.br Departamento de Engenharia Mecânica DINCON 2015 Organização do curso
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 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 maisMatemática Computacional
folha de exercícios 5 :: página 1/5 exercício 5.1. Defina a função f : R R, f(x) = 4x 4 3x 3 + 2x 2 + x. Calcule f(0), f( 1), f(4/3) e f(2.88923). exercício 5.2. Defina a função g : R R R, g(x, y) = x
Leia maisSeja (X,Y) uma v.a. bidimensional contínua ou discreta. Define-se valor esperado condicionado de X para um dado Y igual a y da seguinte forma:
46 VALOR ESPERADO CONDICIONADO Seja (X,Y) uma v.a. bidimensional contínua ou discreta. Define-se valor esperado condicionado de X para um dado Y igual a y da seguinte forma: Variável contínua E + ( X Y
Leia maisAGA Análise de Dados em Astronomia I. 2. Probabilidades
1 / 20 AGA 0505- Análise de Dados em Astronomia I 2. Probabilidades Laerte Sodré Jr. 1o. semestre, 2018 2 / 20 tópicos 1 probabilidades - cont. 2 distribuições de probabilidades 1 binomial 2 Poisson 3
Leia maisMétodos Estatísticos
Métodos Estatísticos 5 - Distribuição Normal Referencia: Estatística Aplicada às Ciências Sociais, Cap. 7 Pedro Alberto Barbetta. Ed. UFSC, 5ª Edição, 2002. Distribuição de Probabilidades A distribuição
Leia maisEstatísticas Inferenciais Distribuições Amostrais. Estatística
Estatística Na descrição dos conjuntos de dados x 1,..., x n, não foi feita menção ao conceito de população. Estatísticas inferenciais: preocupadas com a fonte dos dados e em tentar fazer generalizações
Leia 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 maisTE802 Processos Estocásticos em Engenharia. Processo Aleatório. TE802 Processos Aleatórios. Evelio M. G. Fernández. 18 de outubro de 2017
TE802 Processos Estocásticos em Engenharia Processos Aleatórios 18 de outubro de 2017 Processo Aleatório Processo Aleatório (ou Estocástico), X(t): Função aleatória do tempo para modelar formas de onda
Leia maisDerivadas Parciais - parte 2. x + 2 z. y = 1
Quarta Lista de Exercícios Cálculo II - Engenharia de Produção ( extraída do livro C ÁLCULO - vol, James Stewart ) Derivadas Parciais - parte 1) Verifique que a função u = 1/ x + y + z é uma solução da
Leia maisão, Regressão & Simulação
ITA - Laboratório rio de Guerra Eletrônica EENEM 2008 Estatística stica e Probabilidade Aula 09: Correlação ão, Regressão & Simulação 1/43 Pode-se pesar um urso com fita métrica? Como os ursos, em sua
Leia maisParte 1: Exercícios Teóricos
Cálculo Numérico SME0104 ICMC-USP Lista 5: Zero de Funções Lembrete (informação que vai estar disponível na prova) Método de Newton Método da Secante x k+1 = x k f(x k) f (x k ), x k+1 = x k J 1 F (x k
Leia maisAnálise de Dados em Astronomia. 3. Distribuições de Probabilidades
1 / 24 3. Distribuições de Probabilidades Análise de Dados em Astronomia 3. Distribuições de Probabilidades Laerte Sodré Jr. AGA0505, 1o. semestre 2019 introdução aula de hoje 1 2 a distribuição uniforme
Leia maisMAP CÁLCULO NUMÉRICO (POLI) Lista de Exercícios sobre o Método dos Mínimos Quadrados
MAP 2121 - CÁLCULO NUMÉRICO (POLI) Lista de Exercícios sobre o Método dos Mínimos Quadrados 1: Usando o método dos mínimos quadrados de maneira conveniente, aproxime os pontos da tabela abaixo por uma
Leia maisRevisão de Estatística (Aplicada a Análise de Desempenho) Profa. Jussara M. Almeida 1 o Semestre de 2014
Revisão de Estatística (Aplicada a Análise de Desempenho) Profa. Jussara M. Almeida 1 o Semestre de 2014 Por quê? Modelagem probabilística Avaliação dos resultados Qual a probabilidade do tempo de residência
Leia maisDistribuições de Probabilidade. Distribuição Normal
Distribuições de Probabilidade Distribuição Normal 1 Distribuição Normal ou Gaussiana A distribuição Normal ou Gaussiana é muito utilizada em análises estatísticas. É uma distribuição simétrica em torno
Leia maisAGA Análise de Dados em Astronomia I. O método de Monte Carlo
1 / 16 AGA 0505- Análise de Dados em Astronomia I O método de Monte Carlo Laerte Sodré Jr. 1o. semestre, 2018 2 / 16 breve história método de resolução de problemas baseado em amostragem aleatória de distribuições
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 maisAULA 8. DISTRIBUIÇÕES DE VARIÁVEIS CONTÍNUAS Uniforme, Exponencial e Normal 19/05/2017
AULA 8 DISTRIBUIÇÕES DE VARIÁVEIS CONTÍNUAS Uniforme, Exponencial e Normal 19/05/2017 As funções de distribuição (acumulada) e de densidade para v.a. contínuas = =. Se a densidade f(x)for continua no seu
Leia 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 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 maisMAT 3210 Cálculo Diferencial e Integral II. Prova 1 D
MAT 3210 Cálculo Diferencial e Integral II Prof. Paolo Piccione 14 de Outubro de 2011 Prova 1 D Nome: Número USP: Assinatura: Instruções A duração da prova é de uma hora e quarenta minutos. Assinale as
Leia maisDistribuições Contínuas. Estatística. 7 - Distribuição de Probabilidade de Variáveis Aleatórias Contínuas UNESP FEG DPD
Estatística 7 - Distribuição de Probabilidade de Variáveis Aleatórias Contínuas 7- Distribuição Uniforme A variável aleatória contínua pode ser qualquer valor no intervalo [a,b] A probabilidade da variável
Leia maisCÁLCULO I. Gabarito - Lista Semanal 01. Questão 1. Esboce as seguintes regiões, no plano xy:
CÁLCULO I Prof. Marcel Bertolini Prof. Tiago Coelho Gabarito - Lista Semanal 01 Questão 1. Esboce as seguintes regiões, no plano xy: a) R = {x, y) y x} Solução: Note que a região R representa o conjunto
Leia maisVariáveis Aleatórias Contínuas e Distribuição de Probabilidad
Variáveis Aleatórias Contínuas e Distribuição de Probabilidades - parte II 26 de Novembro de 2013 Distribuição Contínua Uniforme Média e Variância Objetivos Ao final deste capítulo você deve ser capaz
Leia 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 maisProbabilidade II. Departamento de Estatística. Universidade Federal da Paraíba
Probabilidade II Departamento de Estatística Universidade Federal da Paraíba Prof. Tarciana Liberal (UFPB) Aula Distribuição Qui-quadrado 02/14 1 / 1 Definição 14.1: Uma variável aleatória contínua X tem
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 maisIdentificação da Distribuição Teórica de Probabilidades
Identificação da Distribuição Teórica de Probabilidades A utilização de gráficos, tais como um histograma, são muito úteis para a identificação ou delineamento da distribuição teórica de probabilidades.
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 maisProva: Usando as definições e propriedades de números reais, temos λz = λx + iλy e
Lista Especial de Exercícios de Física Matemática I Soluções (Número complexo, sequência de Cauchy, função exponencial e movimento hamônico simples) IFUSP - 8 de Agosto de 08 Exercício Se z x + iy, x,
Leia maisÁLGEBRA LINEAR I - MAT0032
UNIVERSIDADE FEDERAL DA INTEGRAÇÃO LATINO-AMERICANA Instituto Latino-Americano de Ciências da Vida e Da Natureza Centro Interdisciplinar de Ciências da Natureza ÁLGEBRA LINEAR I - MAT32 12 a Lista de exercícios
Leia maisProbabilidade Lista 6 - Variáveis Aleatórias Contínuas e Vetores Aleatórios
Probabilidade Lista - Variáveis Aleatórias Contínuas e Vetores Aleatórios Exercício. Uma v.a. X tem distribuição triangular no intervalo [0, ] se sua densidade for dada por 0, x < 0 cx, 0 x /2 c( x), /2
Leia maisln(x + y) (x + y 1) < 1 (x + y 1)2 3. Determine o polinômio de Taylor de ordem 2 da função dada, em volta do ponto dado:
ā Lista de MAT 454 - Cálculo II - a) POLINÔMIOS DE TAYLOR 1. Seja f(x, y) = ln (x + y). a) Determine o polinômio de Taylor de ordem um de f em torno de ( 1, 1 ). b) Mostre que para todo (x, y) IR com x
Leia mais(a) Se X Poisson(λ) e Y Poisson(µ), então X + Y Poisson(λ + µ). (b) Se X Binomial(n, p) e Y Binomial(m, p), então (X + Y ) Binomial(n + m, p).
Capítulo 0 Revisões Exercício 0.1 Sejam X e Y variáveis aleatórias independentes. Mostre que: (a) Se X Poisson(λ) e Y Poisson(µ), então X + Y Poisson(λ + µ). (b) Se X Binomial(n, p) e Y Binomial(m, p),
Leia maisProva Escrita de MATEMÁTICA A - 12o Ano Época especial
Prova Escrita de MATEMÁTICA A - 1o Ano 01 - Época especial Proposta de resolução GRUPO I 1. Como o primeiro e último algarismo são iguais, o segundo e o penúltimo também, o mesmo acontecendo com o terceiro
Leia maisUNIVERSIDADE FEDERAL DO ABC. 1 Existência e unicidade de zeros; Métodos da bissecção e falsa posição
UNIVERSIDADE FEDERAL DO ABC BC1419 Cálculo Numérico - LISTA 1 - Zeros de Funções (Profs. André Camargo, Feodor Pisnitchenko, Marijana Brtka, Rodrigo Fresneda) 1 Existência e unicidade de zeros; Métodos
Leia maisANÁLISE MATEMÁTICA IV
Instituto Superior Técnico Departamento de Matemática Secção de Álgebra e Análise ANÁLISE MATEMÁTICA IV FICHA 1 NÚMEROS E FUNÇÕES COMPLEXAS (1) Calcule i, i e i e represente estes números geometricamente.
Leia maisUNIVERSIDADE FEDERAL DE PERNAMBUCO Lista de Exercícios / Cálculo Numérico 1ª Unidade
1) Analise as alternativas abaixo e marque V para verdadeiro e F para falso. No segundo caso, explique como as tornaria verdadeiras: ( ) O método das secantes é utilizado para solucionar um problema de
Leia maisExercícios de Teoria da Probabilidade e Processos Estocásticos Parte I
Exercícios de Teoria da Probabilidade e Processos Estocásticos Parte I 2014/2015 Os exercícios assinalados com (*) têm um nível de dificuldade superior. Exercício 1. Seja (X, F) um espaço mensurável. Mostre
Leia maisME-310 Probabilidade II Lista 0
ME-310 Probabilidade II Lista 0 1. Sejam A e B eventos disjuntos tais que P(A) = 0.1 e P(B) = 0.. Qual é a probabilidade que (a) A ou B ocorra; (b) A ocorra, mas B não ocorra; (c) repita (a) e (b) se os
Leia mais1. Seja θ = ang (r, s). Calcule sen θ nos casos (a) e (b) e cos θ nos casos (c) e (d): = z 3 e s : { 3x + y 5z = 0 x 2y + 3z = 1
14 a lista de exercícios - SMA0300 - Geometria Analítica Estágio PAE - Alex C. Rezende Medida angular, distância, mudança de coordenadas, cônicas e quádricas 1. Seja θ = ang (r, s). Calcule sen θ nos casos
Leia maisDerivadas. Derivadas. ( e )
Derivadas (24-03-2009 e 31-03-2009) Recta Tangente Seja C uma curva de equação y = f(x). Para determinar a recta tangente a C no ponto P de coordenadas (a,f(a)), i.e, P(a, f(a)), começamos por considerar
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 mais