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:

Save this PDF as:
 WORD  PNG  TXT  JPG

Tamanho: px
Começar a partir da página:

Download "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:"

Transcrição

1 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 = y ) = x f ( x y) dx X Y = y Variável discreta E ( X Y = y ) = x p ( x y ) j i = 1 i X Y = y j i j Notas: O valor esperado de Y para um dado X = x é definido de modo análogo, quer para o caso discreto quer para o caso contínuo. A interpretação do valor esperado condicionado é a seguinte: dado que fx Y = y ( x y) representa a fdp condicionada de X para um dado Y=y, E ( X Y = y) é o valor esperado de X, condicionado ao acontecimento Y = y. { }

2 De um modo geral ( X Y y) assim como ( Y X x) E = é uma função de y E = é uma função de x e daí serem também variáveis aleatórias. Então fará sentido calcular os seus valores esperados: E [ E ( X Y = y) ] e E [ E ( Y X = x) ] É porém importante notar que o valor esperado interno é calculado em relação à distribuição condicionada de X para Y=y ( ou relativamente à distribuição condicionada dey para X=x), enquanto o valor esperado externo é calculado em relação à distribuição de probabilidade de Y ( ou relativamente à distribuição de probabilidade de X ). TEOREMA: E [ E ( X Y y) ] = E ( X) (demonstração...) = e [ E ( Y X = x) ] E ( Y ) E = 47 TEOREMA: Se X e Y forem v.a. independentes então: ( X Y = y) E ( X) e E ( Y X = x ) = E ( Y) E = (demonstração...)

3 48 REGRESSÃO DA MÉDIA Vimos já que E ( X Y = y) é uma função de y, assim como E ( Y X = x) é uma função de x. O gráfico de E ( X Y = y) é designado por curva de regressão (da média) de X em Y. Analogamente, o gráfico da função de x, E ( Y X = x), é denominado como curva de regressão (da média) de Y em X. E ( Y X = x) E ( X Y = y) 0 x 0 y Exemplos:... Notas: Pode acontecer que uma ou as duas curvas de regressão sejam linhas rectas. Isto é, E ( X Y = y) pode ser uma função linear de y ou E ( Y X = x) pode ser uma função linear de x ou as duas funções podem ser lineares. Nesse caso diz-se que a regressão da média é linear. Se a regressão de Y em X for linear E Y X = x = α x + β, é possível exprimir os ( ( ) ) coeficientes α e β a partir da distribuição conjunta de (X,Y):

4 49 TEOREMA: Seja (X,Y) uma v.a. bidimensional e consideremos que: 2 2 ( X) = X, E ( Y) = µ Y, V ( X ) = σ X, V ( Y ) = σ Y E µ Seja ρ XY o coeficiente de correlação entre X e Y. Então: - Se a regressão de Y em X for linear temos que: σ E Y XY µ σ ( Y X = x ) = µ + ρ Y ( x ) X X - Se a regressão de X em Y for linear temos que: σ E X XY µ σ ( X Y = y) = µ + ρ X ( y ) Y Y (demonstração:...) É de notar que se por exemplo a regressão de X em Y for linear e se ρ = 0, então E ( X Y = y) não depende de y. Por outro lado, se as duas funções de regressão forem lineares, a resolução simultânea das expressões anteriores mostra que as rectas de regressão se intersectam no centro da distribuição, isto é, em µ. ( ) X,µ Y

5 50 Se se pretender, eventualmente, aproximar a curva de regressão por uma função linear, recorre-se de um modo geral ao método dos mínimos quadrados. Então escolhem-se as constantes a e b de modo que: [ E ( Y X ) ( a X b ) ] 2 E + seja mínimo Analogamente, podemos escolher as constantes c e d que tornem mínimo: [ E ( X Y ) ( c Y d ) ] 2 E + As rectas y = a x + b e x = a y + b designam-se como aproximações dos mínimos quadrados às curvas de Y X x E X Y = y, respectivamente. regressão E ( = ) e ( ) TEOREMA: Se y = a x + b for a aproximação dos mínimos quadrados a E ( Y X = x) e se E ( Y X = x) for, de facto, uma função linear de x, isto é: então a = a e b = b. ' ' ( Y X = x) = a x b E +

6 51 Funções de variáveis aleatórias Seja ε uma experiência aleatória e S um espaço amostral associado a essa experiência. Seja X uma variável aleatória definida em S. Admita que y = H (x) é uma função real de x. Então, Y = H (X) é uma variável aleatória porque para todo o s S fica determinado um valor de Y tal que y = H (X(s)). S R X R Y s X X(s) = x H H(x) = y R X : valores possíveis da função X (contradomínio de X) R Y : valores possíveis de Y (contradomínio da v.a. Y) Acontecimentos equivalentes Seja C um acontecimento associado ao contradomínio R Y de Y. Seja B R X definido como : B = { x R X : H (x) C } Então B e C são acontecimentos equivalentes e define-se: P ( C ) = P [ { x R X : H (x) C }] = P [ { s S : H [ X(s) ] C }]

7 52 Variáveis aleatórias discretas Seja X uma v.a. discreta. Então Y = H(X) é também uma v.a. discreta e dada p X (x i ), podemos obter: p Y ( y j ) = P ( Y = y j ) = ( = ) em que x i : H (x i ) = y j i P X x i Seja X uma v.a. contínua e Y= H(X) uma v.a. discreta. Então se { Y = y j } for equivalente a um dado acontecimento A, no contradomínio R X de X vem que: p Y ( y j ) = P ( Y = y j ) = ( ) Variáveis aleatórias contínuas A f x dx Seja X uma v.a. contínua e Y = H(X) também uma v.a. contínua. Dada f X (x) podemos obter f Y (y) por dois métodos: Método 1 i) Obter F Y (y), a função de distribuição da v.a. Y, determinando-se o acontecimento A (em R X ) que é equivalente ao acontecimento {Y y }. ii) Derivar F Y (y) em ordem a y para obter f Y (y). iii) Determinar os valores de y (em R Y ) para os quais f Y (y) 0. F Y (y) = P ( Y y ) = P ( H(X) y ) = P (? X? )

8 53 e finalmente: f Y (y) = d F Y d y ( y ) Método 2 (apenas quando H(X) é estritamente monótona) fy ( y ) ( x ) = fx d y = d x fx ( x ) d x d y x = H -1 (y) Nota: A aplicação do método pode ser generalizada desde que se decomponha H(X) em intervalos em que seja estritamente monótona (crescente ou decrescente).

9 54 VALOR ESPERADO DE UMA FUNÇÃO DE UMA V. A. Seja X uma variável aleatória e g (X) uma função real de X, então temos que: a) Se X for uma v.a. discreta com função de probabilidade p X ( x) : E[ g ( x) ] = g ( xi ) px ( xi ) i b) Se X for uma v.a. contínua com função densidade de f X x : probabilidade ( ) E + [ g ( x) ] = g ( x) f ( x)dx X Nota: Se X é uma variável aleatória, então Y = g (X) é também uma variável aleatória com uma determinada distribuição de probabilidade. Assim fará sentido calcular E(Y) de modo análogo ao utilizado para calcular E(X), isto é: Se Y for uma variável aleatória discreta, com valores possíveis y 1, y 2,..., y n,... e se p Y ( yi ) = P ( Y = yi ) i=1,2,..., n,..., então: E ( Y) y p ( y ) = i=1 Se Y for uma variável aleatória contínua com função y, então: densidade de probabilidade ( ) i Y f Y i

10 55 E + ( Y) = y f ( y) dy Contudo, este processo de cálculo do valor esperado de Y apresenta a desvantagem de exigir a determinação prévia da distribuição de probabilidade da variável aleatória Y. Um caso particular especialmente importante surge quando : ( X) = [ X E( X) ] 2 = [ X ] 2 g µ uma vez que a variância de uma variável aleatória X é definida como: Var ( X) = V ( X) = σ 2 [ ( )] X = E X E X 2 Y O desvio padrão de X é definido como σ Var X X = ( ) r Se g ( X) = X ou g ( X) [ X E( X) ] r = obtemos respectivamente o momento e o momento central de ordem r de X, ou da distribuição de X, com r=0,1,2,.... ( ) ' r X r µ = E momento de ordem r r [ X E( X) ] r µ = E momento central de ordem r ' Em particular temos que: 1 = µ = E( X) µ = V ( X) = ( X). 2 σx µ, µ 0 e 1 =

11 56 Se os momentos de ordem r existem, então existem todos os momentos de ordem r ' < r. r Demonstra-se que o conhecimento de ( X ) E para r=1,2,... (desde que estes valores médios existam) é suficiente para especificar a distribuição de probabilidade de X e daí a sua importância.

12 57 Funções de variáveis aleatórias bidimensionais Considere-se uma variável aleatória bidimensional (X,Y) onde X = X(s), Y = Y(s) e s S. Sejam Z = H 1 (X,Y) e W = H 2 (X,Y) funções das duas variáveis aleatórias X e Y. É evidente que Z = Z(s) e W = W(s) são também variáveis aleatórias. Y Z z = H 1 (x, y) ; w = H 2 (x, y) (z, w) (x, y) X W S A s

13 58 Variáveis aleatórias discretas Seja (X,Y) uma v.a. discreta bidimensional. Então dado Z = H 1 (X,Y) e conhecendo p XY (x,y) p ( z ) = P ( Z = z ) = P ( X = x, Y = y ) Z k k i i j em que ( x i, y j ) : H 1 ( x i, y j ) = z k Seja (X,Y) uma v.a. discreta bidimensional. Sejam Z = H 1 (X,Y) e W = H 2 (X,Y) e admitamos conhecida p XY (x,y). Então se a transformação: j z w = H1 ( x, y) H2 ( x, y) tiver inversa, x y = G1 ( z, w) G2 ( z, w) a função de probabilidade conjunta de Z e W é dada por: p ZW (z,w) = P (Z=z,W=w) = P ( Z=H 1 (x,y),w=h 2 (x,y) ) = P (A) ( ver figura da página anterior) = P ( X = G 1 (z,w), Y = G 2 (z,w) ) = p XY ( G 1 (z,w), G 2 (z,w) ) Variáveis aleatórias contínuas Seja (X,Y) uma v.a. contínua bidimensional. Seja Z=H 1 (x,y) uma função contínua de (X,Y) e admita-se

14 59 conhecida a fdp conjunta de X e Y, f XY (x,y). Pretende-se obter a fdp de Z=H 1 (X,Y), f Z (z). Método 1 i) Obter F Z (z), a função de distribuição da v.a. Z, determinando-se o acontecimento A (em R X Y ) que é equivalente ao acontecimento { Z z }. F Z (z) = P (Z z) = P (H 1 (x,y) z) = f ( x, y) dy dx D XY ii) Derivar F Z (z) em ordem a z para obter f Z (z). Método 2 i) Escolher uma v.a. auxiliar W= H 2 (X,Y). ii) Obter a fdp conjunta de Z e W, f ZW (z,w). iii) Determinar f Z (z) = + fzw ( z, w ) dw Teorema: Seja (X,Y) uma v.a. contínua bidimensional com fdp conjunta f XY (x,y). Sejam Z=H 1 (X,Y) e W=H 2 (x,y) e admitamos que : a) H 1 e H 2 são tais que as equações z=h 1 (x,y) e w=h 2 (x,y) podem ser resolvidas univocamente para x e y em função de z e w, isto é, existe a transformação inversa: x = G 1 (z,w) e y = G 2 (z,w)

15 60 b) A transformação e respectiva inversa são contínuas c) As derivadas parciais x são contínuas z, x w, y z, y w existem e d) O Jacobiano, J (z,w), da transformação inversa é diferente de zero x y J ( z, w ) = (, ) ( z, w ) = x y z z x y w w Nestas condições a função densidade de probabilidade conjunta de Z e W é dada por: f ZW ( z, w) = x y f XY ( G1 ( z, w), G2 ( z, w) ) J ( z, w) ( z, w) R Z W 0 outros valores

3 3. Variáveis Aleatórias

3 3. Variáveis Aleatórias ÍNDICE 3. VARIÁVEIS ALEATÓRIAS...49 3.. VARIÁVEIS ALEATÓRIAS UNIDIMENSIONAIS...49 3.2. VARIÁVEIS DISCRETAS FUNÇÃO DE PROBABILIDADE E FUNÇÃO DISTRIBUIÇÃO DE PROBABILIDADE...50 3.2.. Função de probabilidade...50

Leia mais

LEEC Probabilidades e Estatística 1 a Chamada 13/06/2005. Parte Prática C (C) M 1% 9% 10% (M) 4% 86% 90% 5% 95% 100%

LEEC Probabilidades e Estatística 1 a Chamada 13/06/2005. Parte Prática C (C) M 1% 9% 10% (M) 4% 86% 90% 5% 95% 100% . Definição dos acontecimentos: M T-shirt tem manchas C T-shirt tem costuras defeituosas D T-shirt é defeituosa A Preço da t-shirt é alterado a) PM) = % PC) = 5% PM C) = % LEEC Probabilidades e Estatística

Leia mais

Motivação. VA n-dimensional. Distribuições Multivariadas VADB. Em muitas situações precisamos

Motivação. VA n-dimensional. Distribuições Multivariadas VADB. Em muitas situações precisamos Motivação Em muitas situações precisamos Prof. Lorí Viali, Dr. viali@pucrs.br lidar com duas ou mais variáveis aleatórias ao mesmo tempo. Por exemplo o comprimento e a largura de uma determinada peça.

Leia mais

MESTRADO INTEGRADO EM ENGENHARIA ELECTROTÉCNICA E DE COMPUTADORES PROBABILIDADES E ESTATÍSTICA. 1ª Chamada 10/01/2008.

MESTRADO INTEGRADO EM ENGENHARIA ELECTROTÉCNICA E DE COMPUTADORES PROBABILIDADES E ESTATÍSTICA. 1ª Chamada 10/01/2008. MESTRADO INTEGRADO EM ENGENHARIA ELECTROTÉCNICA E DE COMPUTADORES PROBABILIDADES E ESTATÍSTICA 1ª Chamada 10/01/2008 Parte Teórica DURAÇÃO : 50 min COTAÇÃO DA PARTE TEÓRICA: 8 Valores em 20 PERGUNTAS DE

Leia mais

Aula 11. Variáveis Aleatórias Contínuas Bidimensionais

Aula 11. Variáveis Aleatórias Contínuas Bidimensionais Aula. Variáveis Aleatórias Contínuas Bidimensionais Resumo de caso unidimensional Caso Discreto p p 2 p 3 Caso Contínuo f(x) x x 2 x 3 i p i + f x dx X x x 2 x 3 P p p 2 p 3 Caso bidimensional Caso Discreto

Leia 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

Capítulo 3: Elementos de Estatística e Probabilidades aplicados à Hidrologia

Capítulo 3: Elementos de Estatística e Probabilidades aplicados à Hidrologia Departamento de Engenharia Civil Prof. Dr. Doalcey Antunes Ramos Capítulo 3: Elementos de Estatística e Probabilidades aplicados à Hidrologia 3.1 - Objetivos Séries de variáveis hidrológicas como precipitações,

Leia mais

Distribuições de Probabilidade. Variáveis aleatórias contínuas

Distribuições de Probabilidade. Variáveis aleatórias contínuas Distribuições de Probabilidade Variáveis aleatórias contínuas 1 Variáveis contínuas Uma variável aleatória contínua toma um nº infinito não numerável de valores (intervalos de números reais), os quais

Leia mais

Probabilidades e Estatística TODOS OS CURSOS

Probabilidades e Estatística TODOS OS CURSOS Duração: 90 minutos Grupo I Probabilidades e Estatística TODOS OS CURSOS Justifique convenientemente todas as respostas o semestre 07/08 0/07/08 :0 o Teste C 0 valores. Um relatório anual estabelece que

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

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

Revisões de Matemática e Estatística

Revisões de Matemática e Estatística Revisões de Matemática e Estatística Joaquim J.S. Ramalho Contents 1 Operadores matemáticos 2 1.1 Somatório........................................ 2 1.2 Duplo somatório....................................

Leia 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

Momentos: Esperança e Variância. Introdução

Momentos: Esperança e Variância. Introdução Momentos: Esperança e Variância. Introdução Em uma relação determinística pode-se ter a seguinte relação: " + " = 0 Assim, m =, é a declividade e a e b são parâmetros. Sabendo os valores dos parâmetros

Leia mais

ESTATÍSTICA I Variáveis Aleatórias Variáveis Aleatórias Discretas. Helena Penalva 2006/2007

ESTATÍSTICA I Variáveis Aleatórias Variáveis Aleatórias Discretas. Helena Penalva 2006/2007 ESTATÍSTICA I Variáveis Aleatórias 1 Definição: A uma função X de domínio Ω com valores em Ñ X:Ω Ñ, ω X(ω)=x, chamamos variável aleatória (v.a.) em Ω. Ao contradomínio da função X, designaremos por V X

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

R X. X(s) Y Y(s) Variáveis aleatórias discretas bidimensionais

R X. X(s) Y Y(s) Variáveis aleatórias discretas bidimensionais 30 Varáves aleatóras bdmensonas Sea ε uma experênca aleatóra e S um espaço amostral assocado a essa experênca. Seam X X(s) e Y Y(s) duas funções cada uma assocando um número real a cada resultado s S.

Leia mais

Lista de Exercícios #5 Assunto: Variáveis Aleatórias Multidimensionais Contínuas

Lista de Exercícios #5 Assunto: Variáveis Aleatórias Multidimensionais Contínuas 1. ANPEC 018 Questão 9 Uma pessoa investe R$ 10.000,00 (I) em duas aplicações cujas taxas de retorno são variáveis aleatórias independentes, R 1 e R, com médias 5% e 14% e desvios-padrão 1% e 8%, respectivamente.

Leia mais

AULA 17 - Distribuição Uniforme e Normal

AULA 17 - Distribuição Uniforme e Normal AULA 17 - Distribuição Uniforme e Normal Susan Schommer Introdução à Estatística Econômica - IE/UFRJ Distribuições Contínuas Em muitos problemas se torna matematicamente mais simples considerar um espaço

Leia 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

Distribuições de Probabilidade. Variáveis aleatórias contínuas

Distribuições de Probabilidade. Variáveis aleatórias contínuas Distribuições de Probabilidade Variáveis aleatórias contínuas 1 Variáveis contínuas Uma variável aleatória contínua toma um nº infinito não numerável de valores (intervalos de números reais), os quais

Leia mais

Probabilidade II. Departamento de Estatística. Universidade Federal da Paraíba

Probabilidade II. Departamento de Estatística. Universidade Federal da Paraíba Probabilidade II Departamento de Estatística Universidade Federal da Paraíba Prof. Tarciana Liberal (UFPB) Aula Distribuições Condicionais 11/13 1 / 19 Em estudo feito em sala perguntamos aos alunos qual

Leia mais

Métodos Experimentais em Ciências Mecânicas

Métodos Experimentais em Ciências Mecânicas Métodos Experimentais em Ciências Mecânicas Professor Jorge Luiz A. Ferreira Função que descreve a chance que uma variável pode assumir ao longo de um espaço de valores. Uma distribuição de probabilidade

Leia mais

Cálculo das Probabilidades I

Cálculo das Probabilidades I Cálculo das Probabilidades I Departamento de Estatística Universidade Federal da Paraíba Prof. Tarciana Liberal (UFPB) Aula Função Geradora de Momentos 10/13 1 / 19 Calculamos algumas características da

Leia mais

IND 1115 Inferência Estatística Aula 6

IND 1115 Inferência Estatística Aula 6 Conteúdo IND 5 Inferência Estatística Aula 6 Setembro de 004 A distribuição Lognormal A distribuição Beta e sua relação com a Uniforme(0,) Mônica Barros mbarros.com mbarros.com A distribuição Lognormal

Leia mais

Probabilidades e Estatística TODOS OS CURSOS

Probabilidades e Estatística TODOS OS CURSOS Duração: 90 minutos Grupo I Probabilidades e Estatística TODOS OS CURSOS Justifique convenientemente todas as respostas 2 o semestre 206/207 05/07/207 :30 o Teste C 0 valores. Uma peça de certo tipo é

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

3. Estimação pontual USP-ICMC-SME. USP-ICMC-SME () 3. Estimação pontual / 25

3. Estimação pontual USP-ICMC-SME. USP-ICMC-SME () 3. Estimação pontual / 25 3. Estimação pontual USP-ICMC-SME 2013 USP-ICMC-SME () 3. Estimação pontual 2013 1 / 25 Roteiro Formulação do problema. O problema envolve um fenômeno aleatório. Interesse em alguma característica da população.

Leia 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

Probabilidade II. Departamento de Estatística. Universidade Federal da Paraíba

Probabilidade II. Departamento de Estatística. Universidade Federal da Paraíba Probabilidade II Departamento de Estatística Universidade Federal da Paraíba Prof. Tarciana Liberal (UFPB) Aula Distribuição t de Student 02/14 1 / 1 A distribuição t de Student é uma das distribuições

Leia 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

Tiago Viana Flor de Santana

Tiago Viana Flor de Santana ESTATÍSTICA BÁSICA DISTRIBUIÇÃO NORMAL DE PROBABILIDADE (MODELO NORMAL) Tiago Viana Flor de Santana www.uel.br/pessoal/tiagodesantana/ tiagodesantana@uel.br sala 07 Curso: MATEMÁTICA Universidade Estadual

Leia 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

Probabilidades e Estatística

Probabilidades e Estatística Departamento de Matemática Probabilidades e Estatística LEAN, LEE, LEGI, LEGM, LEIC-A, LEIC-T, LEMat, LERC, LMAC, MEAer, MEAmbi, MEBiol, MEBiom, MEEC, MEFT, MEMec, MEQ 2 o semestre 2/22 o TESTE (Época

Leia mais

Modelagem 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 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

Probabilidades e Estatística MEEC, LEIC-A, LEGM

Probabilidades e Estatística MEEC, LEIC-A, LEGM Departamento de Matemática Probabilidades e Estatística MEEC, LEIC-A, LEGM Exame a Época / o Teste (Grupos III e IV) o semestre 009/00 Duração: 80 / 90 minutos /06/00 9:00 horas Grupo I Exercício 5 valores

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

ESTATÍSTICA MULTIVARIADA. Tiago Teles de Abreu Tarré

ESTATÍSTICA MULTIVARIADA. Tiago Teles de Abreu Tarré Tiago Teles de Abreu Tarré 1 Variáveis Aleatórias É uma função que a cada acontecimento ω do espaço de resultados, faz corresponder um valor real, x = X (). Ω IR ω 1 x = X(ω 1 ) Variáveis Aleatórias Exemplo

Leia mais

Grupo I. (a) A função de probabilidade marginal de X, P (X = x), é dada por

Grupo I. (a) A função de probabilidade marginal de X, P (X = x), é dada por Probabilidades e Estatística + Probabilidades e Estatística I Solução do Exame de 2 a chamada 3 de Fevereiro de 2003 LEFT + LMAC Grupo I (a) A função de probabilidade marginal de X, P (X = x), é dada por

Leia 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

Análise de regressão linear simples. Diagrama de dispersão

Análise de regressão linear simples. Diagrama de dispersão Introdução Análise de regressão linear simples Departamento de Matemática Escola Superior de Tecnologia de Viseu A análise de regressão estuda o relacionamento entre uma variável chamada a variável dependente

Leia mais

Método de Newton para polinômios

Método de Newton para polinômios Método de Newton para polinômios Alan Costa de Souza 26 de Agosto de 2017 Alan Costa de Souza Método de Newton para polinômios 26 de Agosto de 2017 1 / 31 Seja f(x) uma função polinomial de grau n. A princípio.

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

Modelagem 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 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 mais

Análise de Regressão Linear Simples e

Análise de Regressão Linear Simples e Análise de Regressão Linear Simples e Múltipla Carla Henriques Departamento de Matemática Escola Superior de Tecnologia de Viseu Introdução A análise de regressão estuda o relacionamento entre uma variável

Leia mais

Anexo 1 - Revisões de Teoria das Probabilidades e Processos Estocásticos

Anexo 1 - Revisões de Teoria das Probabilidades e Processos Estocásticos 1 Anexo 1 - Revisões de Teoria das Probabilidades e Processos Estocásticos Documento auxiliar à disciplina de Modelação, Identificação e Controlo Digital Alexandre Bernardino 003/005 IST-Secção de Sistemas

Leia 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

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

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

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

Probabilidade II. Departamento de Estatística. Universidade Federal da Paraíba

Probabilidade 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 mais

Lucas Santana da Cunha de junho de 2018 Londrina

Lucas Santana da Cunha de junho de 2018 Londrina Distribuição Normal Lucas Santana da Cunha email: lscunha@uel.br http://www.uel.br/pessoal/lscunha/ 25 de junho de 2018 Londrina 1 / 17 Distribuição Normal Dentre todas as distribuições de probabilidades,

Leia mais

Vetor de Variáveis Aleatórias

Vetor de Variáveis Aleatórias Vetor de Variáveis Aleatórias Luis Henrique Assumpção Lolis 25 de junho de 2013 Luis Henrique Assumpção Lolis Vetor de Variáveis Aleatórias 1 Conteúdo 1 Vetor de Variáveis Aleatórias 2 Função de Várias

Leia mais

Cálculo II (Primitivas e Integral)

Cálculo II (Primitivas e Integral) Cálculo II (Primitivas e Integral) Antônio Calixto de Souza Filho Escola de Artes, Ciências e Humanidades Universidade de São Paulo 5 de março de 2013 1 Aplicações de Integrais subject Aplicações de Integrais

Leia mais

Capítulo 5. Variáveis aleatórias. 5.1 Introdução

Capítulo 5. Variáveis aleatórias. 5.1 Introdução Capítulo 5 Variáveis aleatórias 5.1 Introdução Em experimentos aleatórios cujo espaço amostral contém alguns eventos de interesse é, em geral, mais fácil lidar como uma variável aleatória, isto é, é mais

Leia mais

AULA 8 - Funções de variáveis aleatórias

AULA 8 - Funções de variáveis aleatórias AULA 8 - Funções de variáveis aleatórias Susan Schommer Introdução à Estatística Econômica - IE/UFRJ Funções de variáveis aleatórias Dada uma variável aleatória X, nós podemos gerar outras variáveis aleatórias

Leia mais

Introdução ao modelo de Regressão Linear

Introdução ao modelo de Regressão Linear Introdução ao modelo de Regressão Linear Prof. Gilberto Rodrigues Liska 8 de Novembro de 2017 Material de Apoio e-mail: gilbertoliska@unipampa.edu.br Local: Sala dos professores (junto ao administrativo)

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

Probabilidade Lista 6 - Variáveis Aleatórias Contínuas e Vetores Aleatórios

Probabilidade 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 mais

Distribuições derivadas da distribuição Normal. Distribuição Normal., x real.

Distribuições derivadas da distribuição Normal. Distribuição Normal., x real. Distribuições derivadas da distribuição Normal Distribuição Normal Uma variável aleatória X tem distribuição normal com parâmetros µ e σ, quando sua densidade de probabilidade é f ( x) π σ e ( x µ ) σ,

Leia mais

Par de Variáveis Aleatórias

Par de Variáveis Aleatórias Par de Variáveis Aleatórias Luis Henrique Assumpção Lolis 7 de abril de 2014 Luis Henrique Assumpção Lolis Par de Variáveis Aleatórias 1 Conteúdo 1 Introdução 2 Par de Variáveis Aleatórias Discretas 3

Leia mais

Modelagem 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 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 mais

AULA 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 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 mais

Nome: N o : Espaço reservado a classificações

Nome: N o : Espaço reservado a classificações ESTATÍSTICA I 2 o Ano/Gestão 1 o Semestre Época Normal Duração: 2 horas 1 a Parte Teórica N o de Exame: abcde 03.Jan.11 Este exame é composto por duas partes. Esta é a 1 a Parte Teórica (Cotação: 8 valores).

Leia 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

Avaliação e Desempenho Aula 5

Avaliação 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 mais

Cálculo das Probabilidades I

Cálculo das Probabilidades I Cálculo das Probabilidades I Departamento de Estatística Universidade Federal da Paraíba Prof. Tarciana Liberal (UFPB) Aula 10/13 1 / 11 Seja Y uma função de uma variável aleatória X. EXEMPLOS: Obter o

Leia mais

VARIÁVEIS ALEATÓRIAS E DISTRIBUIÇÕES DE PROBABILIDADE

VARIÁVEIS ALEATÓRIAS E DISTRIBUIÇÕES DE PROBABILIDADE 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

Leia mais

Teoria da Informação

Teoria da Informação Charles Casimiro Cavalcante charles@gtel.ufc.br Grupo de Pesquisa em Telecomunicações Sem Fio GTEL Programa de Pós-Graduação em Engenharia de Teleinformática Universidade Federal do Ceará UFC http://www.gtel.ufc.br/

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

PROBABILIDADE E ESTATÍSTICA DISTRIBUIÇÕES DE PROBABILIDADES

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

Leia mais

x exp( t 2 )dt f(x) =

x exp( t 2 )dt f(x) = INTERPOLAÇÃO POLINOMIAL 1 As notas de aula que se seguem são uma compilação dos textos relacionados na bibliografia e não têm a intenção de substituir o livro-texto, nem qualquer outra bibliografia Aproximação

Leia mais

Variáveis Aleatórias. Esperança e Variância. Prof. Luiz Medeiros Departamento de Estatística - UFPB

Variáveis Aleatórias. Esperança e Variância. Prof. Luiz Medeiros Departamento de Estatística - UFPB Variáveis Aleatórias Esperança e Variância Prof. Luiz Medeiros Departamento de Estatística - UFPB ESPERANÇA E VARIÂNCIA Nos modelos matemáticos aleatórios parâmetros podem ser empregados para caracterizar

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

Probabilidade. Experiências aleatórias

Probabilidade. Experiências aleatórias Probabilidade Experiências aleatórias 1 Experiências aleatórias Acontecimento: Qualquer colecção de resultados de uma experiência. Acontecimento elementar: Um resultado que não pode ser simplificado ou

Leia mais

A figura 5.1 ilustra a densidade da curva normal, que é simétrica em torno da média (µ).

A figura 5.1 ilustra a densidade da curva normal, que é simétrica em torno da média (µ). Capítulo 5 Distribuição Normal Muitas variáveis aleatórias contínuas, tais como altura, comprimento, peso, entre outras, podem ser descritas pelo modelo Normal de probabilidades. Este modelo é, sem dúvida,

Leia mais

Tiago Viana Flor de Santana

Tiago Viana Flor de Santana ESTATÍSTICA BÁSICA DISTRIBUIÇÃO UNIFORME Tiago Viana Flor de Santana www.uel.br/pessoal/tiagodesantana/ tiagodesantana@uel.br sala 07 Curso: MATEMÁTICA Universidade Estadual de Londrina UEL Departamento

Leia mais

PARTE TEÓRICA Perguntas de escolha múltipla

PARTE 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 mais

TÓPICOS DE RESOLUÇÃO - Exame de Época de Recurso (Diurno) 2009/2010. Primeira Parte. F (b) F (a) =P (a <X<b) P (a <X<b)=

TÓPICOS DE RESOLUÇÃO - Exame de Época de Recurso (Diurno) 2009/2010. Primeira Parte. F (b) F (a) =P (a <X<b) P (a <X<b)= TÓPICOS DE RESOLUÇÃO - Exame de Época de Recurso (Diurno) 009/010 [,0] 1. Considere as seguintes afirmações: Primeira Parte I. Sendo F a função de distribuição da variável aleatória (v.a.) discreta X,

Leia mais

Capítulo 2. Variáveis Aleatórias e Distribuições

Capítulo 2. Variáveis Aleatórias e Distribuições Capítulo 2 Variáveis Aleatórias e Distribuições Experimento Aleatório Não existe uma definição satisfatória de Experimento Aleatório. Os exemplos dados são de fenômenos para os quais modelos probabilísticos

Leia mais

Cálculo II (Primitivas e Integral)

Cálculo II (Primitivas e Integral) Cálculo II (Primitivas e Integral) Antônio Calixto de Souza Filho Escola de Artes, Ciências e Humanidades Universidade de São Paulo 19 de março de 2013 1 Aplicações de Integrais 2 subject Aplicações de

Leia mais

Probabilidade II. Departamento de Estatística. Universidade Federal da Paraíba

Probabilidade II. Departamento de Estatística. Universidade Federal da Paraíba Probabilidade II Departamento de Estatística Universidade Federal da Paraíba Prof. Tarciana Liberal (UFPB) Aula Covariância e Coeficiente de correlação 11/13 1 / 21 Covariância Quando duas variáveis aleatórias

Leia mais

ME-310 Probabilidade II Lista 2

ME-310 Probabilidade II Lista 2 ME-3 Probabilidade II Lista 2. Uma máquina funciona enquanto pelo menos 3 das 5 turbinas funcionam. Se cada turbina funciona um tempo aleatório com densidade xe x, x >, independentemente das outras, calcule

Leia mais

Variáveis Aleatórias Contínuas e Distribuições de Probabilidade

Variáveis Aleatórias Contínuas e Distribuições de Probabilidade Variáveis Aleatórias Contínuas e Distribuições de Probabilidade Motivação A quantidade de oxigênio dissolvido é importante para aferir a qualidade de um regato. Os níveis aceitáveis de oxigênio variam

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

Distribuição Normal. Estatística Aplicada I DISTRIBUIÇÃO NORMAL. Algumas característica importantes. 2πσ

Distribuição Normal. Estatística Aplicada I DISTRIBUIÇÃO NORMAL. Algumas característica importantes. 2πσ Estatística Aplicada I DISTRIBUIÇÃO NORMAL Prof a Lilian M. Lima Cunha AULA 5 09/05/017 Maio de 017 Distribuição Normal Algumas característica importantes Definida pela média e desvio padrão Media=mediana=moda

Leia mais

APROXIMAÇÃO DE FUNÇÕES MÉTODO DOS MÍNIMOS QUADRADOS

APROXIMAÇÃO DE FUNÇÕES MÉTODO DOS MÍNIMOS QUADRADOS MÉTODO DOS MÍNIMOS QUADRADOS INTRODUÇÃO Frequentemente é possível estabelecer uma relação linear entre duas grandezas medidas experimentalmente. O método dos mínimos quadrados é uma maneira de se obter

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

Noções 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 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 mais

Probabilidade e Modelos Probabilísticos

Probabilidade 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 mais

Distribuições de Probabilidade. Distribuição Normal

Distribuições 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 mais

Teoria das Filas aplicadas a Sistemas Computacionais. Aula 08

Teoria 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 mais

Modelos de Regressão Linear Simples - parte III

Modelos de Regressão Linear Simples - parte III 1 Modelos de Regressão Linear Simples - parte III Erica Castilho Rodrigues 20 de Setembro de 2016 2 3 4 A variável X é um bom preditor da resposta Y? Quanto da variação da variável resposta é explicada

Leia mais

RESPOSTAS - PROVA ESTATÍSTICA AGENTE PF 2018

RESPOSTAS - PROVA ESTATÍSTICA AGENTE PF 2018 RESPOSTAS - PROVA ESTATÍSTICA AGENTE PF 018 Determinado órgão governamental estimou que a probabilidade p de um ex-condenado voltar a ser condenado por algum crime no prazo de 5 anos, contados a partir

Leia mais

CORRELAÇÃO E REGRESSÃO. Modelos Probabilísticos para a Computação Professora: Andréa Rocha. UNIVERSIDADE FEDERAL DA PARAÍBA Dezembro, 2011

CORRELAÇÃO E REGRESSÃO. Modelos Probabilísticos para a Computação Professora: Andréa Rocha. UNIVERSIDADE FEDERAL DA PARAÍBA Dezembro, 2011 CORRELAÇÃO E REGRESSÃO CORRELAÇÃO E REGRESSÃO Modelos Probabilísticos para a Computação Professora: Andréa Rocha UNIVERSIDADE FEDERAL DA PARAÍBA Dezembro, 2011 CORRELAÇÃO Introdução Quando consideramos

Leia mais

canal para sinais contínuos

canal para sinais contínuos Processos estocásticos, Entropia e capacidade de canal para sinais contínuos 24 de setembro de 2013 Processos estocásticos, Entropia e capacidade de canal para1 sin Conteúdo 1 Probabilidade de sinais contínuos

Leia mais

Estatística 1. Resumo Teórico

Estatística 1. Resumo Teórico Estatística 1 Resumo Teórico Conceitos do Curso 1. Tipos de Variáveis e Representações Gráficas a. Tipos de Variáveis b. Distribuição de Frequências c. Histograma 2. Estatística Descritiva Medidas Estatísticas

Leia mais

Distribuição t de Student

Distribuição t de Student Distribuição t de Student Introdução Quando o desvio padrão da população não é conhecido (o que é o caso, geralmente), usase o desvio padrão da amostra como estimativa, substituindo-se σ x por S x nas

Leia mais