PRE29006 LISTA DE EXERCÍCIOS #
|
|
- Suzana Canejo Prada
- 7 Há anos
- Visualizações:
Transcrição
1 INSTITUTO FEDERAL DE SANTA CATARINA CAMPUS SÃO JOSÉ COORDENADORIA DE ÁREA DE TELECOMUNICAÇÕES ENGENHARIA DE TELECOMUNICAÇÕES PRE9006 LISTA DE EXERCÍCIOS # 06. Eercícios. Considere uma variável aleatória X cuja função densidade de probabilidade está mostrada abaio. h a (a) Determine o valor da constante h em função da constante a. (b) Determine e esboce a função de distribuição acumulada de X. (c) Determine Pr[X a/].. [, Eercício.4.30] Uma variável aleatória contínua X é definida pela seguinte função densidade de probabilidade: k, se 0 <, f X () = (a) Determine e esboce a função de distribuição acumulada de X. (b) Calcule a probabilidade de X assumir valores maiores que /. (c) Calcule a probabilidade de que, em 4 eperimentos independentes, a variável X assuma pelo menos uma vez um valor maior que /. 3. [3, Problem 4.33] Determine a função massa de probabilidade de uma variável aleatória X que representa o número de eperimentos de Bernoulli necessários para alcançar o segundo sucesso. Desafio: Generalize para o n-ésimo sucesso.
2 4. [4] Considere duas variáveis aleatórias discretas X e Y distribuídas conjuntamente de acordo com a tabela abaio. X Y 0 0 0,0 0,0 0,0 0,04 0,08 0,08 0,06 0, 0, (a) Determine as funções massa de probabilidade marginais de X e Y. (b) Determine as funções massa de probabilidade de X + Y e XY. (c) São X e Y independentes? (d) Determine as funções massa de probabilidade condicionais de X, dado Y = 0, e de Y, dado X =. (e) Determine Pr[X, Y ] e Pr[X Y = 0]. 5. Considere uma variável aleatória X cuja função de distribuição acumulada está mostrada abaio, em que a e b são constantes tais que 0 < a < b. F X () b a a b Determine e esboce a função densidade de probabilidade de X. Sua resposta deve estar em função de a e b. 6. Seja U uma variável aleatória contínua distribuída uniformemente no intervalo [0, 4]. Seja X uma outra variável aleatória, que depende de U da seguinte maneira: Dado que 0 U, então X é distribuída uniformemente no intervalo [0, ]. Caso contrário, tem-se X = 3. (a) Determine e esboce a função densidade de probabilidade de X. (b) Determine e esboce a função de distribuição acumulada de X. (c) Determine Pr[X ], Pr[X 3] e Pr[ X 3].
3 7. Sejam B, B, B 3 três variáveis aleatórias discretas independentes, cada qual distribuída uniformemente sobre o conjunto 0, }. Sejam X = B + B + B 3 e Y = B B B 3. (a) Determine a função massa de probabilidade conjunta de X e Y. (b) Determine e esboce as funções massa de probabilidade marginais de X e Y. (c) São X e Y variáveis aleatórias dependentes ou independentes? Justifique. 8. Considere a variável aleatória X definida através do seguinte eperimento probabilístico. Um dado honesto é lançado. Se o resultado for, então X =. Se o resultado for ou 3, então X = 0. Se o resultado for 4, então X =. Se o resultado for 5 ou 6, então X Unif(, ). (a) Determine e esboce a função densidade de probabilidade de X. (b) Determine Pr[ X 3]. (c) Determine Pr[X X 3]. 9. O tempo de espera X, em minutos, de um usuário em um sistema de filas é zero, se ele encontra o sistema livre, ou eponencialmente distribuído, se ele encontra o sistema ocupado mais precisamente, f X ocupado () = e u(). As probabilidades de ele encontrar o sistema livre ou ocupado são de 5 % e 75 %, respectivamente. (a) Determine e esboce a função densidade de probabilidade de X. (b) Determine a probabilidade de o usuário esperar mais do que minuto. 0. [, Eercício 3.8] Considere a função densidade de probabilidade conjunta f X,Y (, y) = π, se + y, (a) Determine a função densidade de probabilidade condicional f X Y =y (). (b) Verifique se X e Y são ou não variáveis aleatórias estatisticamente independentes. (c) Calcule a probabilidade de X ser positivo sendo dado que Y é positivo. (d) Calcule a probabilidade de X ser maior que Y. 3
4 . [, Eercício 3.9] Considere duas variáveis aleatórias X e Y distribuídas conjuntamente de acordo com a função densidade de probabilidade k(3 y), se 0 4 e 0 y, f X,Y (, y) = (a) Determine o valor da constante k. (b) Determine e esboce as densidades marginais de X e Y. (c) São X e Y independentes? (d) Calcule Pr[Y > X].. [, Eercício 3.9] Considere duas variáveis aleatórias X e Y com função densidade de probabilidade conjunta constante e diferente de zero apenas na área sombreada da figura abaio. y (a) Determine a função densidade de probabilidade conjunta de X e Y. (b) Determine e esboce a funções densidade de probabilidade marginais de X e Y. (c) Determine Pr[Y > / X /]. 3. Considere duas variáveis aleatórias X e Y com função densidade de probabilidade conjunta dada por k, se (, y) R, f X,Y (, y) = k, se (, y) R, onde k é uma constante positiva e R e R são as regiões sombreadas da figura abaio. y R R 4
5 (a) Determine o valor da constante k. (b) Determine e esboce as funções densidade de probabilidade marginais de X e de Y. (c) Determine e esboce as funções de distribuição acumuladas de X e de Y. (d) Determine a função densidade de probabilidade condicional de X dado que Y = y. Esboce a função densidade de probabilidade obtida, em função de, para y = 3/ e y = 3/. 4. Considere duas variáveis aleatórias X e Y com função densidade de probabilidade conjunta f X,Y (, y) constante e diferente de zero apenas na área sombreada da figura abaio. y (a) Determine e esboce as funções densidade de probabilidade marginais de X e de Y. (b) Determine e esboce as funções de distribuição acumuladas marginais de X e de Y. (c) Determine a função densidade de probabilidade condicional de X dado que Y = y. Esboce a função densidade de probabilidade obtida, em função de, para y = / e y = 3/. 5. [, Eercício 3.] Uma régua de comprimento unitário é quebrada em um ponto aleatório. O pedaço da esquerda é novamente quebrado. Seja X a variável aleatória que define, a partir da etremidade esquerda da régua, o ponto em que a régua é quebrada pela primeira vez e Y a variável aleatória que define o segundo ponto de quebra. (a) Determine as funções densidade de probabilidade marginais f X () e f Y (y) e as funções densidade de probabilidade condicionais f X Y =y () e f Y X= (y). (b) Calcule a probabilidade de que um triângulo possa ser formado com as três peças obtidas. (Lembre-se de que, num triângulo, o comprimento de qualquer um dos lados é menor que a soma dos comprimentos dos outros dois lados.) 5
6 Referências [] J. P. A. Albuquerque, J. M. P. Fortes, and W. A. Finamore, Probabilidade, Variáveis Aleatórias e Processos Estocásticos. Editora Interciência, 008. [] P. L. O. Costa Neto and M. Cymbalista, Probabilidades, nd ed. Editora Edgard Blücher, 006. [3] S. M. Kay, Intuitive Probability and Random Processes using MATLAB R. Springer, 006. [4] L. A. Peternelli, Estatística I: Notas de Aula. Universidade Federal de Viçosa, 00. Respostas 0, se < 0,. (a) h = a. (b) F X() =, se 0 a, a, se > a. 0, se < 0,. (a) F X () =, se 0,, se >. (c) 4. (b). (c) p X () = ( )( p) p, =,,.... p X () = 4. (a) p X (0) = 0,50, p X () = 0,0, p X () = 0,30. p Y (0) = 0,0, p Y () = 0,40, p Y () = 0,40. ( ) ( p) n p n, =,,.... n (b) p X+Y (0) = 0,0, p X+Y () = 0,4, p X+Y () = 0,34, p X+Y (3) = 0,0, p X+Y (4) = 0,. p XY (0) = 0,60, p XY () = 0,08, p XY () = 0,0, p XY (3) = 0, p XY (4) = 0,. (c) Sim. (d) p X Y =0 (0) = 0,50, p X Y =0 () = 0,0, p X Y =0 () = 0,30. p Y X= (0) = 0,0, p Y X= () = 0,40, p Y X= () = 0,40. (e) 0,30 e 0,70. /(b a), se a < < b, 5. f X () = 6. (a) f X () = 8 [0 ] δ(). 0, se < 0, (b) F /8, se 0 <, X() = /4, se < 3,, se 3. (c) 8,, 7 8. /8, se (, y) = (0, 0), /8, se = 0, 3/8, se (, y) = (, 0), 3/8, se =, 7/8, se y = 0, 7. (a) p X,Y (, y) = (b) p X () = p Y (y) = 3/8, se (, y) = (, 0), 3/8, se =, /8, se y =. /8, se (, y) = (4, ). /8, se = 4. (c) 3. 6 (d) X e Y são dependentes. 8. (a) f X () = 6 δ( + ) + 3 δ() + δ( ) + 6 [ ]. (b) 4. (c) (a) f X () = 4 δ() e u(). (b) 3 4e 0,76. 6
7 0. (a) f X Y =y () = y, se y, (b) X e Y são dependentes. (c). (d).. (a) k = 6. (b) f, se 0 4, X() = 4 (c) Sim. (d) 5 4., se e 0 y,. (a) f X,Y (, y) = (definido apenas para y ) 3 y, se 0 y, f Y (y) = 4 (b) f X () =, se, f Y (y) = ( y), se 0 y, (c) (a) k = 3. /3, se, /3, se y, (b) f X () = /3, se, f Y (y) = /3, se y, (c)., se,, se, (d) f X Y =3/ () = f X Y = 3/ () = /6, se <, /3, se 0 < y <, 4. (a) f X () = /3, se < <, f Y (y) = /3, se < y <, (b). /, se < <, /4, se <, (c) f X Y =/ () = f X Y =3/ () =, se 0, ln y, se 0 y, 5. (a) f X () = f Y (y) =, se y, f X Y =y () = ln y (definido apenas para 0 y ), se 0 y, f Y X= (y) = (definido apenas para 0 ) (b) ln 0,93. 7
PRE29006 LISTA DE EXERCÍCIOS #
INSTITUTO FEDERAL DE SANTA CATARINA CAMPUS SÃO JOSÉ COORDENADORIA DE ÁREA DE TELECOMUNICAÇÕES ENGENHARIA DE TELECOMUNICAÇÕES PRE9006 LISTA DE EXERCÍCIOS #3 06. Exercícios. [, Exercício 7.] Seja A uma variável
Leia maisM. Eisencraft 2.5 Outros exemplos de distribuições e densidades 29. Densidade e distribuição uniforme. 0 a b x. 0 a b x
M. Eisencraft 2.5 Outros eemplos de distribuições e densidades 29 Densidade e distribuição uniforme /(b a) () a b.8 ().6.4.2.2 a b 2.5.2 Eponencial Figura 2.8: Funções densidade e distribuição uniforme.
Leia maisPROCESSOS ESTOCÁSTICOS
PROCESSOS ESTOCÁSTICOS Definições, Principais Tipos, Aplicações em Confiabilidade de Sistemas e Sinais CLARKE, A. B., DISNEY, R. L. Probabilidade e Processos Estocásticos, Rio de Janeiro: Livros Técnicos
Leia maisEstatística e Modelos Probabilísticos - COE241
Estatística e Modelos Probabilísticos - COE241 Aula passada Função Distribuição Condicional Calculando Probabilidades condicionando Esperança Condicional Aula de hoje Análise de Comandos de Programação
Leia maisAula 4. Aula de hoje. Aula passada
Aula 4 Aula passada Função de distribuição Bernoulli Sequência de v.a. Binomial, Geométrica, Zeta Valor esperado Variância Distribuição conjunta Independência de v.a. Aula de hoje Valor esperado condicional
Leia 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 maisEstatística e Modelos Probabilísticos - COE241
Estatística e Modelos Probabilísticos - COE241 Aula passada Somas aleatórias Aula de hoje Introdução à simulação Geração de números aleatórios Lei dos Grandes Números Simulação de Sistemas Discretos É
Leia maisIntrodução aos Proc. Estocásticos - ENG 430
Introdução aos Proc. Estocásticos - ENG 430 Fabrício Simões IFBA 16 de novembro de 2015 Fabrício Simões (IFBA) Introdução aos Proc. Estocásticos - ENG 430 16 de novembro de 2015 1 / 35 Fabrício Simões
Leia maisO teorema central do limite de distribuições probabilísticas
O teorema central do limite de distribuições probabilísticas Há um teorema de central importância sobre o limite de distribuições probabilísticas: é o chamado teorema central do limite. Esse teorema é
Leia maisEstatística 4 - Variáveis Aleatórias Unidimensionais
Estatística 4 - Variáveis Aleatórias Unidimensionais UNESP FEG DPD Prof. Edgard - 11 4-1 VARIÁVEIS ALEATÓRIAS UNIDIMENSIONAIS Variável Aleatória X é uma Função que associa um número real a cada Evento
Leia maisALGUMAS DISTRIBUIÇÕES CONTÍNUAS DE PROBABILIDADE
ALGUMAS DISTRIBUIÇÕES CONTÍNUAS DE PROBABILIDADE 4. 1 INTRODUÇÃO Serão apresentadas aqui algumas distribuições de probabilidade associadas a v.a. s contínuas. A mais importante delas é a distribuição Normal
Leia maisCap. 6 Variáveis aleatórias contínuas
Estatística para Cursos de Engenharia e Informática Pedro Alberto Barbetta / Marcelo Menezes Reis / Antonio Cezar Bornia São Paulo: Atlas, 004 Cap. 6 Variáveis aleatórias contínuas APOIO: Fundação de Apoio
Leia maisCap. 6 Variáveis aleatórias contínuas
Estatística para Cursos de Engenharia e Informática Pedro Alberto Barbetta / Marcelo Menezes Reis / Antonio Cezar Bornia São Paulo: Atlas, 2004 Cap. 6 Variáveis aleatórias contínuas APOIO: Fundação de
Leia 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 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 maisEstatística e Modelos Probabilísticos - COE241
Estatística e Modelos Probabilísticos - COE241 Aula passada Análise da dados através de gráficos Introdução a Simulação Aula de hoje Introdução à simulação Geração de números aleatórios Lei dos Grandes
Leia maisEstatística e Modelos Probabilísticos - COE241
Estatística e Modelos Probabilísticos - COE241 Aula passada Análise da dados através de gráficos Introdução a Simulação Aula de hoje Introdução à simulação Geração de números aleatórios Lei dos Grandes
Leia maisEstatística e Modelos Probabilísticos - COE241
Estatística e Modelos Probabilísticos - COE241 Aula passada Aula de hoje Calcular probabilidade de eventos condicionando Somas aleatórias Esperança Condicional Análise de Comandos de Programação Análise
Leia maisProbabilidade II. Departamento de Estatística. Universidade Federal da Paraíba
Probabilidade II Departamento de Estatística Universidade Federal da Paraíba Prof. Tarciana Liberal (UFPB) Aula Variáveis Aleatórias Contínuas 14/10 1 / 25 VALE A PENA VER DE NOVO:Variáveis Aleatórias
Leia mais2.2 A variável aleatória
Eisencraft e Loiola 2.2 A variável aleatória 45 de 24 por minuto e que a probabilidade de acertar um alvo seja,4. Encontre a probabilidade de que eatamente 5 balas atinjam o alvo. (Dica: use a aproimação
Leia maisProbabilidade 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 maisRedes de Computadores sem Fio
Redes de Computadores sem Fio Prof. Marcelo Gonçalves Rubinstein Programa de Pós-Graduação em Engenharia Eletrônica Faculdade de Engenharia Universidade do Estado do Rio de Janeiro Programa Introdução
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 maisA 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 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 maisCap. 4 - Probabilidade
Estatística para Cursos de Engenharia e Informática Pedro Alberto Barbetta / Marcelo Menezes Reis / Antonio Cezar Bornia São Paulo: Atlas, 2004 Cap. 4 - Probabilidade APOIO: Fundação de Apoio à Pesquisa
Leia maisAvaliação de Desempenho
Avaliação de Desempenho Aula passada Métricas, Técnicas, Erros Aula de hoje Conceitos importantes de probabilidade Como fazer a análise de desempenho? Modelos Matemáticos Modelos de Simulação Como fazer
Leia maisPLANO DE ENSINO. NOME DA DISCIPLINA: Estatística e Probabilidade CÓDIGO: 63 EMENTA
PLANO DE ENSINO NOME DA DISCIPLINA: Estatística e Probabilidade CÓDIGO: 63 CURSO: Licenciatura em Matemática SEMESTRE: 6º PRÉ-REQUISITOS: Cálculo 2 CARGA HORÁRIA TEÓRICA: 67h / 80 aulas CARGA HORÁRIA PRÁTICA:
Leia maisMAT 461 Tópicos de Matemática II Aula 8: Resumo de Probabilidade
MAT 461 Tópicos de Matemática II Aula 8: Resumo de Probabilidade Edson de Faria Departamento de Matemática IME-USP 28 de Agosto, 2013 Probabilidade: uma Introdução / Aula 8 1 Desigualdades de Markov e
Leia maisINSTITUTO FEDERAL DE EDUCAÇÃO, CIÊNCIA E tecnologia PARAÍBA. Ministério da Educação
INSTITUTO FEDERAL DE EDUCAÇÃO, CIÊNCIA E tecnologia PARAÍBA Ministério da Educação Instituto Federal de Educação, Ciência e Tecnologia da Paraíba - Campus Cajazeiras Diretoria de Ensino / Coord. do Curso
Leia maisAcadêmico(a) Turma: Capítulo 7: Limites
Acadêmico(a) Turma: Capítulo 7: Limites 7.1. Noção Intuitiva de ite Considere a função f(), em que f() = 2 + 1. Para valores de que se aproima de 1, por valores maiores que 1 (Direita) e por valores menores
Leia mais5. PRINCIPAIS MODELOS CONTÍNUOS
5. PRINCIPAIS MODELOS CONTÍNUOS 04 5.. Modelo uniforme Uma v.a. contínua X tem distribuição uniforme com parâmetros α e β (α β) se sua função densidade de probabilidade é dada por f ( ) β α 0, Notação:
Leia maisProf. Lorí Viali, Dr.
Prof. Lorí Viali, Dr. viali@mat.ufrgs.br http://www.mat.ufrgs.br/~viali/ Seja X uma variável aleatória com conjunto de valores X(S). Se o conjunto de valores for infinito não enumerável então a variável
Leia maisIND 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 mais5. PRINCIPAIS MODELOS CONTÍNUOS
5. RINCIAIS MODELOS CONTÍNUOS 04 5.. Modelo uniforme Uma v.a. contínua tem distribuição uniforme com parâmetros α e β α β se sua função densidade de probabilidade é dada por f, β α 0, Notação: ~ Uα, β.
Leia maisGestão de Riscos e Investimentos
Generalizando o modelo... Investimento inicial: Taxa de retorno: R W Valor final da carteira no horizonte considerado: Retorno esperado: Volatilidade do retorno: E R Menor valor final da carteira no nível
Leia maisEstatística e Modelos Probabilísticos - COE241
Estatística e Modelos Probabilísticos - COE241 Aula passada Probabilidade Condicional Independência de Eventos Teorema da Probabilidade Total Lei de Bayes Aula de hoje Exemplo Lei de Bayes Variáveis Aleatórias
Leia maisLista de Exercícios 2 1
Universidade Federal de Ouro Preto Departamento de Matemática MTM - CÁLCULO DIFERENCIAL E INTEGRAL I Lista de Eercícios Mostre, utilizando a definição formal, que os ites abaio eistem e são iguais ao valor
Leia maisProbabilidade 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 maisSUMÁRIO. 1.1 Introdução, Conceitos Fundamentais, 2
SUMÁRIO 1 CONCEITOS BÁSICOS, 1 1.1 Introdução, 1 1.2 Conceitos Fundamentais, 2 1.2.1 Objetivo, 2 1.2.2 População e amostra, 2 1.3 Processos estatísticos de abordagem, 2 1.4 Dados estatísticos, 3 1.5 Estatística
Leia maisDistribuições de Probabilidade Discretas
Distribuições de Discretas Paulo Inácio K.L. Prado e João L.F. Batista BIE-5781 Modelagem Estatística em Ecologia e Recursos Naturais Novembro de 2018 Conceitos Variável aleatória Distribuição de probabilística
Leia maisCOM29008 LISTA DE EXERCÍCIOS #
INSTITUTO FEDERAL DE SANTA CATARINA CAMPUS SÃO JOSÉ COORDENADORIA DE ÁREA DE TELECOMUNICAÇÕES ENGENHARIA DE TELECOMUNICAÇÕES COM98 LISTA DE EXERCÍCIOS # 8. Exercícios. [, 9.5] Um processo estocástico gaussiano,
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 maisME-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 maisDistribuição de Probabilidade Conjunta
. DISTRIBUIÇÃO DE ROBABILIDADE CONJUNTA O nosso estudo de variável aleatória e de suas funções de probabilidade até agora se restringiram a espaços amostrais unidimensionais nos quais os valores observados
Leia maisExercícios sobre Polinômios
uff Universidade Federal Fluminense Campus do Valonguinho Instituto de Matemática e Estatística Departamento de Matemática Aplicada - GMA Eercícios sobre Polinômios Prof Saponga Rua Mário Santos Braga
Leia maisTeoria 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 maisExcel INTERMEDIÁRIO Estatística. Prof. Cassiano Isler Turma 3
Excel INTERMEDIÁRIO Prof. Cassiano Isler 2017.1 - Turma 3 s s Prof. Cassiano Isler Excel INTERMEDIÁRIO - Aula 4 2 / 29 s COSTA NETO, P. L. O.. 2. ed. São Paulo: Edgard Blücher (2002). GÓMEZ, Luis Alberto.
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 maisAULAS 6 e 7. ESPERANÇA, MOMENTOS E DISTRIBUIÇÕES DE PROBABILIDADES de VARIÁVEIS DISCRETAS 05/05/2017
AULAS 6 e 7 ESPERANÇA, MOMENTOS E DISTRIBUIÇÕES DE PROBABILIDADES de VARIÁVEIS DISCRETAS 05/05/2017 Em aulas passadas vimos as funções de probabilidade de variáveis discretas e contínuas agora vamos ver
Leia maisPlanejamento e Cronograma de Probabilidade e Estatística ECT 2207 Turma 2, Prof. Ronaldo Batista
Planejamento e Cronograma de Probabilidade e Estatística ECT 2207 Turma 2, 2018.2 Prof. Ronaldo Batista Datas 31/jul 02/ago 7/ago 9/ago 14/ago 16/ago 21/ago 23/ago 28/ago 30/ago Conteúdos/Atividades Apresentação
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 maisPARA A RESOLUÇÃO DO p-fólio, TENHA EM ATENÇÃO O SEGUINTE:
Nome:... B.I. :... Nº de Estudante:... Curso:... Turma:... Unidade Curricular: Elementos de Probabilidade e Estatística... Código:..1037... Data:..9 de Julho de 009. Assinatura do Vigilante:... PARA A
Leia maisESTATÍSTICA. x(s) W Domínio. Contradomínio
Variáveis Aleatórias Variáveis Aleatórias são funções matemáticas que associam números reais aos resultados de um Espaço Amostral. Uma variável quantitativa geralmente agrega mais informação que uma qualitativa.
Leia maisConteúdo Teórico: 04 Esperança
ACH2053 Introdução à Estatística Conteúdo Teórico: 04 Esperança Marcelo de Souza Lauretto Sistemas de Informação EACH www.each.usp.br/lauretto Referência: Morris DeGroot, Mark Schervish. Probability and
Leia maisProbabilidade e Estatística
Plano de Curso Probabilidade e Estatística UAEst/CCT/UFCG Ementa Fenômeno aleatório versus fenômeno determinístico. Espaço amostral e eventos. Introdução à teoria das probabilidades. Abordagem axiomática
Leia maisCálculo das Probabilidades I - Sexta Lista - Rio, 13/09/2014
Cálculo das Probabilidades I - Sexta Lista - Rio, 13/09/2014 1. O diâmetro X de{ um cabo elétrico é uma variável aleatória com densidade de probabilidade K(2x x dada por 2 ), 0 x 1 0, x < 0 ou x > 1. (a)
Leia maisLista de exercícios 2 Métodos Estatísticos Básicos
Lista de exercícios 2 Métodos Estatísticos Básicos Prof. Regis Augusto Ely 1 de julho de 2014 1 Variáveis aleatórias unidimensionais 1. Suponha que a variável aleatória X tenha os valores possíveis 1,
Leia maisMOQ-12: PROBABILIDADES E PROCESSOS ESTOCÁSTICOS. VA s e Distribuições
Motivação: MOQ-2: PROBABILIDADES E PROCESSOS ESTOCÁSTICOS VA s e Distribuições Definimos anteriormente Espaço de Probabilidades como sendo a tripla (W,, P(.)), em que, dado um eperimento, W representa
Leia maisIntrodução aos Proc. Estocásticos - ENG 430
Introdução aos Proc. Estocásticos - ENG 430 Fabrício Simões IFBA 16 de novembro de 2015 Fabrício Simões (IFBA) Introdução aos Proc. Estocásticos - ENG 430 16 de novembro de 2015 1 / 34 1 Motivação 2 Conceitos
Leia maisPrograma Analítico de Disciplina EST105 Iniciação à Estatística
0 Programa Analítico de Disciplina Departamento de Estatística - Centro de Ciências Exatas e Tecnológicas Número de créditos: Teóricas Práticas Total Duração em semanas: 15 Carga horária semanal 0 Períodos
Leia maisa) o time ganhe 25 jogos ou mais; b) o time ganhe mais jogos contra times da classe A do que da classe B.
Universidade de Brasília Departamento de Estatística 5 a Lista de PE. Um time de basquete irá jogar uma temporada de 44 jogos. desses jogos serão disputados contra times da classe A e os 8 restantes contra
Leia maisDistribuição Normal. Prof. Eduardo Bezerra. (CEFET/RJ) - BCC - Inferência Estatística. 25 de agosto de 2017
padrão - padronização Distribuição Normal Prof. Eduardo Bezerra (CEFET/RJ) - BCC - Inferência Estatística 25 de agosto de 2017 Eduardo Bezerra (CEFET/RJ) Distribuição Normal Março/2017 1 / 32 Roteiro Distribuições
Leia maisMotivação. VA n-dimensional. Distribuições Multivariadas VADB
Motivação Em muitas situações precisamos lidar com duas ou mais variáveis aleatórias ao mesmo tempo. Por exemplo o comprimento e a largura de uma Prof. Lorí Viali, Dr. viali@mat.ufgrs.br http://www.mat.ufrgsbr/~viali/
Leia maisMINISTÉRIO DA EDUCAÇÃO UNIVERSIDADE FEDERAL DE LAVRAS
MINISTÉRIO DA EDUCAÇÃO UNIVERSIDADE FEDERAL DE LAVRAS PRÓ-REITORIA DE GRADUAÇÃO EMENTA E CONTEÚDO PROGRAMÁTICO Carga horária Código Denominação Créditos ( ) Teórica Prática Total GEX112 Estatística 04
Leia maisEstatística Aplicada I
Estatística Aplicada I ESPERANCA MATEMATICA AULA 1 25/04/17 Prof a Lilian M. Lima Cunha Abril de 2017 EXPERIMENTO RESULTADOS EXPERIMENTAIS VARIÁVEL ALEATÓRIA X = variável aleatória = descrição numérica
Leia maisModelagem e Análise de Sistemas - COS767
Modelagem e Análise de Sistemas - COS767 Aula de hoje Introdução à simulação Geração de números aleatórios Lei dos Grandes Números Geração de variáveis aleatórias: método da transformada inversa Simulação
Leia maisAULA 9 - Variável aleatória bidimensional discreta
AULA 9 - Variável aleatória bidimensional discreta Susan Schommer Introdução à Estatística Econômica - IE/UFRJ Variáveis aleatórias bidimensionais Definition Sejam ɛ um experimento e S um espaço amostral
Leia maisSegunda Lista de Exercícios Cálculo de Probabilidades II Prof. Michel H. Montoril
Exercício 1. Uma urna contém 4 bolas numeradas: {1, 2, 2, 3}. Retira-se dessa urna duas bolas aleatoriamente e sem reposição. Sejam 1 : O número da primeira bola escolhida; 2 : O número da segunda bola
Leia maisExercícios propostos:
INF 16 Exercícios propostos: 1. Sabendo-se que Y=X-5 e que E(X)= e V(X)=1, calcule: a)e(y); b)v(y); c)e(x+y); d)e(x + Y ); e)v(x+y); Resp.: 1; 9; 5; 15; 81. Uma urna contém 5 bolas brancas e 7 bolas pretas.
Leia maisPROBABILIDADE & ESTATÍSTICA
PROBABILIDADE & ESTATÍSTICA Lilian de Souza Vismara Mestre Eng. Elétrica ESSC / USP Licenciada em Matemática UFSCar PROBABILIDADE & ESTATÍSTICA VARIÁVEIS ALEATÓRIAS DISTRIBUIÇÕES DE PROBABILIDADE Lilian
Leia maisM. Eisencraft 6.3 Funções de correlação 81. R YX (τ) R YY (τ). (6.19) R XY (τ) = R YX ( τ) (6.20)
M. Eisencraft 6.3 Funções de correlação 81 R XY (τ) = E[X(t)Y(t+τ)] e (6.17) R YX (τ) = E[Y(t)X(t+τ)]. (6.18) As propriedades de correlação de dois processos X(t) e Y(t) podem ser mostradas convenientemente
Leia maisAULA 15 - Distribuição de Bernoulli e Binomial
AULA 15 - Distribuição de Bernoulli e Binomial Susan Schommer Introdução à Estatística Econômica - IE/UFRJ Variável Aleatória de Bernoulli Podemos dizer que as variáveis aleatórias mais simples entre as
Leia maisDistribuições de Probabilidade Discretas
Distribuições de Probabilidade Discretas Who? From? Paulo Inácio K.L. Prado e João L.F. Batista BIE-5781 Modelagem Estatística em Ecologia e Recursos Naturais When? setembro de 2016 Conceitos Conceitos
Leia maisModelos Probabilísticos Teóricos Discretos e Contínuos. Bernoulli, Binomial, Poisson, Uniforme, Exponencial, Normal
Modelos Probabilísticos Teóricos Discretos e Contínuos Bernoulli, Binomial, Poisson, Uniforme, Exponencial, Normal Distribuição de Probabilidades A distribuição de probabilidades de uma variável aleatória:
Leia maisCálculo III-A Módulo 1
Universidade Federal Fluminense Instituto de Matemática e Estatística epartamento de Matemática Aplicada Prezado aluno, Cálculo III-A Módulo Seja bem-vindo à nossa disciplina. Este teto possui - salvo
Leia mais5. PRINCIPAIS MODELOS CONTÍNUOS
5. PRINCIPAIS MODELOS CONTÍNUOS 011 5.1. Modelo uniforme Uma v.a. contínua X tem distribuição uniforme com parâmetros e ( < ) se sua função densidade de probabilidade é dada por 1, f ( ) 0, Notação: X
Leia mais5. PRINCIPAIS MODELOS CONTÍNUOS
5. PRINCIPAIS MODELOS CONTÍNUOS 00 5.. Modelo uniforme Uma v.a. contínua X tem distribuição uniforme com parâmetros α e β (α β) se sua função densidade de probabilidade é dada por f ( ) β α 0, Notação:
Leia maisMódulo II: Cálculo dos Momentos de um Processo Estocástico, Processo de Bernoulli, Processo Random Walk
Módulo II: Cálculo dos Momentos de um Processo Estocástico, Processo de Bernoulli, Processo Random Walk Wamberto J. L. Queiroz Universidade Federal de Campina Grande-UFCG Departamento de Engenharia Elétrica
Leia maisPRINCIPAIS MODELOS CONTÍNUOS
RINCIAIS MODELOS CONTÍNUOS 0 5.. Modelo uniforme Uma v.a. contínua tem distribuição uniforme com parâmetros α e β α β se sua função densidade de probabilidade é dada por, f β α 0, Notação: ~ Uα, β. 0,
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 maisEstatística e Modelos Probabilísticos - COE241
Estatística e Modelos Probabilísticos - COE241 Aula passada Exemplos Análise Combinatória Probabilidade Condicional Independência de Eventos Teorema da Probabilidade Total Lei de Bayes Aula de hoje Exemplo
Leia maisVariáveis 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 maisConteúdo Teórico: 03 Variáveis Aleatórias e Distribuições
ACH2053 Introdução à Estatística Conteúdo Teórico: 03 Variáveis Aleatórias e Distribuições Marcelo de Souza Lauretto Sistemas de Informação EACH www.each.usp.br/lauretto Referência: Morris DeGroot, Mark
Leia maisLista de Exercícios - Modelos Probabilísticos 1 INE 7002 GABARITO LISTA DE EXERCÍCIOS MODELOS PROBABILÍSTICOS
Lista de Exercícios - Modelos Probabilísticos INE 72 GABARITO LISTA DE EERCÍCIOS MODELOS PROBABILÍSTICOS 35) a) Binomial: cada realização tem apenas 2 resultados possíveis, o número de realizações é conhecido,
Leia maisEstatística e Modelos Probabilísticos - COE241
Estatística e Modelos Probabilísticos - COE241 Aula passada Probabilidade Análise Combinatória Independência de eventos Aula de hoje Independência de eventos Prob. Condicional Teorema da Probabilidade
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 maisCompressão e Codificação de Dados. Primeiro Exame e Segundo Teste
Compressão e Codificação de Dados. Primeiro Exame e Segundo Teste Mestrado em Engenharia Electrotécnica e de Computadores, IST 7 de Janeiro de 2012 Nome: Número: NOTAS: Exame (3 horas): tudo. Segundo teste
Leia maisPoder Executivo Ministério da Educação Universidade Federal do Amazonas Instituto de Ciências Exatas Departamento de Estatística PLANO DE ENSINO
PLANO DE ENSINO 1. IDENTIFICAÇÃO DA DISCIPLINA CURSO: IE01 - Estatística PERÍODO LETIVO: 2017/2 TURMA: EB01 DISCIPLINA: Probabilidade I SIGLA: IEE201 CARGA HORÁRIA TOTAL: 90 horas CRÉDITOS: 6.6.0 TEÓRICA:
Leia maisProf. Lorí Viali, Dr.
Prof. Lorí Viali, Dr. viali@mat.ufgrs.br http://www.mat.ufrgsbr/~viali/ Motivação Em muitas situações precisamos lidar com duas ou mais variáveis aleatórias ao mesmo tempo. Por exemplo o comprimento e
Leia maisPrograma Analítico de Disciplina EST106 Estatística I
Programa Analítico de Disciplina Departamento de Estatística - Centro de Ciências Exatas e Tecnológicas Número de créditos: 4 Teóricas Práticas Total Duração em semanas: 15 Carga horária semanal 4 0 4
Leia maisAlgoritmos Probabilísticos
Algoritmos Probabilísticos Gilson Evandro Fortunato Dias Orientador: José Coelho de Pina Universidade de São Paulo Instituto de Matemática e Estatística Departamento de Ciência da Computação MAC0499 p.
Leia maisAnálise e Previsão de Séries Temporais Aula 1: Introdução às séries temporais. Eraylson Galdino
Análise e Previsão de Séries Temporais Aula 1: Introdução às séries temporais egs@cin.ufpe.br Agenda Séries Temporais: Definições Exemplos Modelos simples com média zero: Ruído I.I.D Processo Binário Random
Leia maisAula 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 maisDisciplina: Processamento Estatístico de Sinais (ENGA83) - Aula 02 / Processos Aleatórios
Disciplina: Processamento Estatístico de Sinais (ENGA83) - Aula 02 / Processos Aleatórios Prof. Eduardo Simas (eduardo.simas@ufba.br) Programa de Pós-Graduação em Engenharia Elétrica/PPGEE Universidade
Leia mais2. Tipos de funções. Funções pares e ímpares Uma função f é par se é simétrica em relação ao eixo y, isto é, f( x) = f(x).
1. Algumas funções básicas 2. Tipos de funções Funções pares e ímpares Uma função f é par se é simétrica em relação ao eio y, isto é, f( ) = f(). Eemplos: A função f() = n onde n inteiro positivo é par?
Leia maisIND 1115 Inferência Estatística Aula 7
Conteúdo IND 1115 Inferência Estatística Aula 7 Setembro 2004 Por que a revisão de probabilidades até agora? A importância da distribuição Normal O Mônica Barros mbarros.com 1 mbarros.com 2 Por que uma
Leia maisEstatística e Modelos Probabilísticos - COE241
Estatística e Modelos Probabilísticos - COE241 Aula passada Intervalo de confiança Método de Replicações Independentes Aula de hoje Para que serve a inferência estatística? Método dos Momentos Maximum
Leia mais2. EXERCÍCIOS PROPOSTOS SOBRE V.A. E DISTRIB.PROBAB.
2. EXERCÍCIOS PROPOSTOS SOBRE V.A. E DISTRIB.PROBAB. 1) Classifique as seguintes variáveis aleatórias como discretas ou contínuas. X : o número de acidentes de automóvel por ano na rodovia BR 116. Y :
Leia mais