PRE29006 LISTA DE EXERCÍCIOS #

Save this PDF as:
 WORD  PNG  TXT  JPG

Tamanho: px
Começar a partir da página:

Download "PRE29006 LISTA DE EXERCÍCIOS #"

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 #

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 mais

PROCESSOS ESTOCÁSTICOS

PROCESSOS 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 mais

Distribuição de Probabilidade Conjunta

Distribuição 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 mais

MAT 461 Tópicos de Matemática II Aula 8: Resumo de Probabilidade

MAT 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 mais

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

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

Leia mais

Probabilidade I. Departamento de Estatística. Universidade Federal da Paraíba. Prof. Tarciana Liberal (UFPB) Aula Distribuição Geométrica 08/14 1 / 13

Probabilidade I. Departamento de Estatística. Universidade Federal da Paraíba. Prof. Tarciana Liberal (UFPB) Aula Distribuição Geométrica 08/14 1 / 13 Probabilidade I Departamento de Estatística Universidade Federal da Paraíba Prof. Tarciana Liberal (UFPB) Aula Distribuição Geométrica 08/14 1 / 13 Distribuição Geométrica Considere novamente uma sequência

Leia mais

3. Variáveis aleatórias

3. Variáveis aleatórias 3. Variáveis aleatórias Numa eperiência aleatória, independentemente de o seu espaço de resultados ser epresso numericamente, há interesse em considerar-se funções reais em Ω, denominadas por variáveis

Leia mais

Princípios de Modelagem Matemática Aula 10

Princípios de Modelagem Matemática Aula 10 Princípios de Modelagem Matemática Aula 10 Prof. José Geraldo DFM CEFET/MG 19 de maio de 2014 1 Alguns resultados importantes em estatística A distribuição normal tem importante papel em estatística pois

Leia mais

Funções Geradoras de Variáveis Aleatórias. Simulação Discreta de Sistemas - Prof. Paulo Freitas - UFSC/CTC/INE

Funções 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 mais

Métodos Estatísticos II 1 o. Semestre de 2010 ExercíciosProgramados1e2 VersãoparaoTutor Profa. Ana Maria Farias (UFF)

Métodos Estatísticos II 1 o. Semestre de 2010 ExercíciosProgramados1e2 VersãoparaoTutor Profa. Ana Maria Farias (UFF) Métodos Estatísticos II 1 o. Semestre de 010 ExercíciosProgramados1e VersãoparaoTutor Profa. Ana Maria Farias (UFF) Esses exercícios abrangem a matéria das primeiras semanas de aula (Aula 1) Os alunos

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

Cap. 4 - Probabilidade

Cap. 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 mais

Introdução aos Proc. Estocásticos - ENG 430

Introdução 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 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

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

1 Distribuição Uniforme

1 Distribuição Uniforme Centro de Ciências e Tecnologia Agroalimentar - Campus Pombal Disciplina: Estatística Básica - 03 Aula 8 Professor: Carlos Sérgio UNIDADE 4 - Distribuições Contínuas (Notas de Aula) Distribuição Uniforme

Leia mais

2. EXERCÍCIOS PROPOSTOS SOBRE V.A. E DISTRIB.PROBAB.

2. EXERCÍCIOS PROPOSTOS SOBRE V.A. E DISTRIB.PROBAB. 2. EXERCÍCIOS PROPOSTOS SOBRE V.A. E DISTRIB.PROBAB. 1) Classifique as seguintes variáveis aleatórias como discretas ou contínuas. X : o número de acidentes de automóvel por ano na rodovia BR 116. Y :

Leia mais

Modelos discretos e contínuos

Modelos discretos e contínuos Modelos discretos e contínuos Joaquim Neto joaquim.neto@ufjf.edu.br Departamento de Estatística - ICE Universidade Federal de Juiz de Fora (UFJF) Versão 3.0 Joaquim Neto (UFJF) ICE - UFJF Versão 3.0 1

Leia mais

Modelos básicos de distribuição de probabilidade

Modelos básicos de distribuição de probabilidade Capítulo 6 Modelos básicos de distribuição de probabilidade Muitas variáveis aleatórias, discretas e contínuas, podem ser descritas por modelos de probabilidade já conhecidos. Tais modelos permitem não

Leia mais

FAMÍLIA EXPONENCIAL DE DISTRIBUIÇÕES

FAMÍLIA EXPONENCIAL DE DISTRIBUIÇÕES FAMÍLIA EXPONENCIAL DE DISTRIBUIÇÕES 1 Os modelos lineares generalizados, propostos originalmente em Nelder e Wedderburn (1972), configuram etensões dos modelos lineares clássicos e permitem analisar a

Leia mais

Disciplina: Processamento Estatístico de Sinais (ENGA83) - Aula 02 / Processos Aleatórios

Disciplina: 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 mais

M. 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 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 mais

Probabilidade: aula 2, 3 e 4

Probabilidade: aula 2, 3 e 4 Probabilidade: aula 2, 3 e 4 Regras de contagem e combinatória Permutação Simples: Exemplo: De quantas maneiras 5 pessoas podem viajar em um automóvel com 5 lugares, se apenas uma delas sabe dirigir? Atividade:

Leia mais

MEDIDAS E INCERTEZAS

MEDIDAS E INCERTEZAS MEDIDAS E INCERTEZAS O Que é Medição? É um processo empírico que objetiva a designação de números a propriedades de objetos ou a eventos do mundo real de forma a descrevêlos quantitativamente. Outra forma

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

MEEMF-2010 Aula 01. Noções de inferência estatística: Diferença entre máxima verossimilhança e abordagem bayesiana

MEEMF-2010 Aula 01. Noções de inferência estatística: Diferença entre máxima verossimilhança e abordagem bayesiana MEEMF-2010 Aula 01 Noções de inferência estatística: Diferença entre máxima verossimilhança e abordagem bayesiana O que é inferência estatística? Inferência estatística é o importante ramo da Estatística

Leia mais

PROBLEMA 1 O retorno mensal de certo investimento de risco pode ser modelado pela variável aleatória R com função de probabilidade dada abaixo :

PROBLEMA 1 O retorno mensal de certo investimento de risco pode ser modelado pela variável aleatória R com função de probabilidade dada abaixo : Módulo básico - Tópicos de Estatística e obabilidade ONS 006/007 - ofa. Mônica Barros LISTA DE EXERCÍCIOS # PROBLEMA O retorno mensal de certo investimento de risco pode ser modelado pela variável aleatória

Leia mais

Probabilidade 2 - ME310 - Lista 2

Probabilidade 2 - ME310 - Lista 2 Probabilidade - ME3 - Lista September 4, Lembrando:. Estatística de ordem, pg 38 Ross: f xj (x) = n! (n j)!(j )! F (x)j ( F (x)) n j f(x). Distribuição de probabilidade conjunta de funções de variáveis

Leia mais

Estatística I Aula 8. Prof.: Patricia Maria Bortolon, D. Sc.

Estatística 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

LISTA DE EXERCÍCIOS CÁLCULO II INTEGRAL DEFINIDA E SUAS APLICAÇÕES

LISTA DE EXERCÍCIOS CÁLCULO II INTEGRAL DEFINIDA E SUAS APLICAÇÕES 008 LISTA DE EXERCÍCIOS CÁLCULO II INTEGRAL DEFINIDA E SUAS APLICAÇÕES. Calcular a soma superior e inferir de f ( =. sen( no intervalo [0,] com divisões.,86 u.a. e,6 u.a.. Esboce o gráfico e aproime com

Leia mais

Departamento de InformáAca - PUC- Rio. Hélio Lopes Departamento de InformáAca PUC- Rio. A plataforma R

Departamento 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 mais

TE802 Processos Estocásticos em Engenharia. Informação sobre a disciplina Notes. Processos Estocásticos em Engenharia Conteúdo Notes.

TE802 Processos Estocásticos em Engenharia. Informação sobre a disciplina Notes. Processos Estocásticos em Engenharia Conteúdo Notes. TE802 Processos Estocásticos em Engenharia Conceitos Básicos de Teoria de Probabilidade 7 de março de 2016 Informação sobre a disciplina Terças e Quintas feiras das 09:30 às 11:20 horas Professor: Evelio

Leia mais

Probabilidade 2 - ME310 - Lista 2

Probabilidade 2 - ME310 - Lista 2 Probabilidade - ME3 - Lista November, 5 Lembrando:. Estatística de ordem, pg 38 Ross: f xj (x) = n! (n j)!(j )! F (x)j ( F (x)) n j f(x). Distribuição de probabilidade conjunta de funções de variáveis

Leia mais

4. Distribuições de probabilidade e

4. Distribuições de probabilidade e 4. Distribuições de probabilidade e características Valor esperado de uma variável aleatória. Definição 4.1: Dada uma v.a. discreta (contínua) X com f.m.p. (f.d.p.) f X (), o valor esperado (ou valor médio

Leia mais

Variáveis Aleatórias Contínuas e Distribuição de Probabilidad

Variáveis 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 mais

PRO 2271 ESTATÍSTICA I. 3. Distribuições de Probabilidades

PRO 2271 ESTATÍSTICA I. 3. Distribuições de Probabilidades PRO71 ESTATÍSTICA 3.1 PRO 71 ESTATÍSTICA I 3. Distribuições de Probabilidades Variáveis Aleatórias Variáveis Aleatórias são valores numéricos que são atribuídos aos resultados de um eperimento aleatório.

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

Processos Estocásticos. Professora Ariane Ferreira

Processos Estocásticos. Professora Ariane Ferreira Professora Conteúdos das Aulas 2 1.Apresentação da disciplina e introdução aos (PE) 2.Conceitos de Probabilidades 3.Variaveis aleatorias 4.Introdução aos 5.Processos de Poisson 6.Cadeias de Markov 7.Passeio

Leia mais

PROCESSOS ESTOCÁSTICOS

PROCESSOS ESTOCÁSTICOS PROCESSOS ESTOCÁSTICOS Definições, Principais Tipos, Aplicações em Confiabilidade de Sistemas CLARKE, A. B., DISNEY, R. L. Probabilidade e Processos Estocásticos, Rio de Janeiro: Livros Técnicos e Científicos

Leia mais

x lim, sendo: 03. Considere as funções do exercício 01. Verifique se f é contínua em x = a. Justifique.

x lim, sendo: 03. Considere as funções do exercício 01. Verifique se f é contínua em x = a. Justifique. INSTITUTO DE MATEMÁTICA DA UFBA DEPARTAMENTO DE MATEMÁTICA CÁLCULO A 008. A LISTA DE EXERCÍCIOS 0. Esboce o gráfico de f, determine f ( ), f ( ) e, caso eista, f ( ) : a a a, >, e a) f ( ) =, = (a = )

Leia mais

Lista de Exercícios de Calculo I Limites e Continuidade

Lista de Exercícios de Calculo I Limites e Continuidade Lista de Eercícios de Calculo I Limites e Continuidade ) O gráfico a seguir representa uma função f de [ 6, 9] em Determine: ) Dada a função f definida por:, se f ( ), se, se Esboce o gráfico de f e calcule

Leia mais

PLANO DE ENSINO IDENTIFICAÇÃO DA DISCIPLINA

PLANO DE ENSINO IDENTIFICAÇÃO DA DISCIPLINA PLANO DE ENSINO IDENTIFICAÇÃO DA DISCIPLINA Curso: CST em Sistemas de Telecomunicações, Tecnologia Nome da disciplina: Teoria da Estatística Código: TEL026 Carga horária: 83 horas Semestre previsto: 3º

Leia mais

Aula 2 A distribuição normal

Aula 2 A distribuição normal Aula 2 A distribuição normal Objetivos: Nesta aula você estudará a distribuição normal, que é uma das mais importantes distribuições contínuas. Você verá a definição geral desta distribuição, mas, nesse

Leia mais

Processos de Poisson

Processos de Poisson Processos de Poisson Mauro C. M. Campos 1 SUMÁRIO I Alguns fatos sobre a distribuição exponencial 1 II Alguns fatos sobre a distribuição de Poisson 2 III Processos estocásticos em tempo contínuo 2 IV Processos

Leia mais

Chamamos de evento qualquer subconjunto do espaço amostral: A é um evento A Ω.

Chamamos de evento qualquer subconjunto do espaço amostral: A é um evento A Ω. PROBABILIDADE 1.0 Conceitos Gerais No caso em que os possíveis resultados de um experimento aleatório podem ser listados (caso discreto), um modelo probabilístico pode ser entendido como a listagem desses

Leia mais

Daniel Queiroz VARIÁVEIS ALEATÓRIAS DISCRETAS

Daniel Queiroz VARIÁVEIS ALEATÓRIAS DISCRETAS Daniel Queiroz VARIÁVEIS ALEATÓRIAS DISCRETAS INTRODUÇÃO O que é uma variável aleatória? Um tipo de variável que depende do resultado aleatório de um experimento aleatório. Diz-se que um experimento é

Leia mais

Teoria de Filas Aula 10

Teoria de Filas Aula 10 Aula Passada Comentários sobre a prova Teoria de Filas Aula 10 Introdução a processos estocásticos Introdução a Cadeias de Markov Aula de Hoje Cadeias de Markov de tempo discreto (DTMC) 1 Recordando...

Leia mais

Professor Mauricio Lutz DISTRIBUIÇÃO NORMAL

Professor Mauricio Lutz DISTRIBUIÇÃO NORMAL 1 DISTRIBUIÇÃO NORMAL Entre as distribuições teóricas de variável contínua, uma das mais empregadas é a distribuição normal. O aspecto gráfico de uma distribuição normal é o da figura abaio. Para uma perfeita

Leia mais

TE802 Processos Estocásticos em Engenharia. Valores Esperados de Somas de Variáveis Aleatórias Notes. PDF da Soma de Duas Variáveis Aleatórias.

TE802 Processos Estocásticos em Engenharia. Valores Esperados de Somas de Variáveis Aleatórias Notes. PDF da Soma de Duas Variáveis Aleatórias. TE802 Processos Estocásticos em Engenharia Somas de Variáveis Aleatórias 25 de abril de 2016 Valores Esperados de Somas de Variáveis Aleatórias Seja W n = X 1 + + X n, E[W n ] = E[X 1 ] + E[X 2 ] + + E[X

Leia mais

ESTATÍSTICA APLICADA À ADMINISTRAÇÃO

ESTATÍSTICA APLICADA À ADMINISTRAÇÃO ESTATÍSTICA APLICADA À ADMINISTRAÇÃO Thiago Marzagão DISTRIBUIÇÕES CONTÍNUAS DE PROBABILIDADE Thiago Marzagão (IDP) ESTATÍSTICA APLICADA À ADMINISTRAÇÃO 2/2016 1 / 35 variáveis discretas vs variáveis contínuas

Leia mais

1 Definição de Derivada

1 Definição de Derivada Departamento de Computação é Matemática Cálculo I USP- FFCLRP Prof. Rafael A. Rosales 5 de março de 2014 Lista 5 Derivada 1 Definição de Derivada Eercício 1. O que é f (a)? Eplique com suas palavras o

Leia mais

Exercícios sobre Trigonometria

Exercícios sobre Trigonometria Universidade Federal Fluminense Campus do Valonguinho Instituto de Matemática e Estatística Departamento de Matemática Aplicada - GMA Prof Saponga uff Rua Mário Santos Braga s/n 400-40 Niterói, RJ Tels:

Leia mais

Curso de Férias de IFVV (Etapa 3) INTEGRAIS DUPLAS

Curso de Férias de IFVV (Etapa 3) INTEGRAIS DUPLAS Curso de Férias de IFVV (Etapa ) INTEGAIS UPLAS VOLUMES E INTEGAIS UPLAS Objetivando resolver o problema de determinar áreas, chegamos à definição de integral definida. A idéia é aplicar procedimento semelhante

Leia mais

MB-210 Probabilidade e Estatística

MB-210 Probabilidade e Estatística Instituto Tecnológico de Aeronáutica Divisão de Engenharia Mecânica-Aeronáutica MB-210 Probabilidade e Estatística Profa. Denise Beatriz Ferrari www.mec.ita.br/ denise denise@ita.br 2o. semestre/2013 Variáveis

Leia mais

UNIVERSIDADE FEDERAL DA PARAÍBA

UNIVERSIDADE FEDERAL DA PARAÍBA UNIVERSIDADE FEDERAL DA PARAÍBA Departamento de Estatística Tarciana Liberal Quando se estuda uma massa de dados é de freqüente interesse resumir as informações de variáveis. Costuma-se, freqüentemente,

Leia mais

PRINCÍPIOS DE COMUNICAÇÃO

PRINCÍPIOS DE COMUNICAÇÃO PRINCÍPIOS DE COMUNICAÇÃO RUÍDO EM MODULAÇÕES ANALÓGICAS Evelio M. G. Fernández - 2011 Processo Aleatório (ou Estocástico): Função aleatória do tempo para modelar formas de onda desconhecidas. Processos

Leia mais

Fernando Nogueira Simulação 1

Fernando 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 mais

Cálculo 2B - Notas de Aula (em construção) - Prof a Denise

Cálculo 2B - Notas de Aula (em construção) - Prof a Denise Cálculo 2B - Notas de Aula (em construção) - Prof a Denise 20-2 4 3.9 Superfícies de Nível de Funções Reais de Três Variáveis Seja f : Dom(f) R 3 R. Conforme já sabemos, dado k Im(f), temos que o conjunto

Leia mais

Mecânica Técnica. Aula 14 Sistemas Equivalentes de Cargas Distribuídas. Prof. MSc. Luiz Eduardo Miranda J. Rodrigues

Mecânica Técnica. Aula 14 Sistemas Equivalentes de Cargas Distribuídas. Prof. MSc. Luiz Eduardo Miranda J. Rodrigues Aula 14 Sistemas Equivalentes de Cargas Distribuídas Tópicos Abordados Nesta Aula Sistemas Equivalentes de Cargas Distribuídas. Sistema de Cargas Distribuidas A intensidade da força resultante é equivalente

Leia mais

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

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

Leia mais

Distribuições de Probabilidade Contínuas 1/19

Distribuições de Probabilidade Contínuas 1/19 all Distribuições de Probabilidade Contínuas Professores Eduardo Zambon e Magnos Martinello UFES Universidade Federal do Espírito Santo DI Departamento de Informática CEUNES Centro Universitário Norte

Leia mais

1 a série E.M. Professores Tiago Miranda e Cleber Assis

1 a série E.M. Professores Tiago Miranda e Cleber Assis Módulo de Função Quadrática Gráfico de uma Função Quadrática a série E.M. Professores Tiago Miranda e Cleber Assis Função Quadrática Gráfico de uma Função Quadrática Eercícios Introdutórios Eercício. Determine

Leia mais

MOQ-13 PROBABILIDADE E ESTATÍSTICA. Professor: Rodrigo A. Scarpel

MOQ-13 PROBABILIDADE E ESTATÍSTICA. Professor: Rodrigo A. Scarpel MOQ-13 PROBABILIDADE E ESTATÍSTICA Professor: Rodrigo A. Scarpel rodrigo@ita.br www.mec.ita.br/~rodrigo Programa do curso: Semanas 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 e 16 Introdução à probabilidade (eventos,

Leia mais

f(x t =x t )= F(X t =x t )/ x X 1 X 2 X 3 X 4 Representação Gráfica de um Processo Estocástico

f(x t =x t )= F(X t =x t )/ x X 1 X 2 X 3 X 4 Representação Gráfica de um Processo Estocástico CAÍTULO ROCESSOS ESTOCÁSTICOS - Introdução ) A variação de tráfego em um cruzamento que envolve a formação e dissipação de congestionamento de tráfego. ) A variação diária do nível de estoques de um determinado

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. Prof. Tarciana Liberal (UFPB) Aula Função Característica 10/13 1 / 26

Probabilidade II. Departamento de Estatística. Universidade Federal da Paraíba. Prof. Tarciana Liberal (UFPB) Aula Função Característica 10/13 1 / 26 Probabilidade II Departamento de Estatística Universidade Federal da Paraíba Prof. Tarciana Liberal (UFPB) Aula Função Característica 10/13 1 / 26 Vimos que a função geradora de momentos é uma ferramenta

Leia mais

Revisão de distribuições de probabilidades contínuas (Capítulo 6 Levine)

Revisão de distribuições de probabilidades contínuas (Capítulo 6 Levine) Revisão de distribuições de probabilidades contínuas (Capítulo 6 Levine) Statistics for Managers Using Microsoft Excel, 5e 2008 Pearson Prentice-Hall, Inc. Chap 6-1 Objetivos: Neste capítulo, você aprenderá:

Leia mais

Apostila de Cálculo I

Apostila de Cálculo I Limites Diz-se que uma variável tende a um número real a se a dierença em módulo de -a tende a zero. ( a ). Escreve-se: a ( tende a a). Eemplo : Se, N,,,4,... quando N aumenta, diminui, tendendo a zero.

Leia mais

1 Distribuição de Bernoulli

1 Distribuição de Bernoulli Centro de Ciências e Tecnlogia Agroalimentar - Campus Pombal Disciplina: Estatística Básica - 2013 Aula 6 Professor: Carlos Sérgio Distribuições Teóricas de Probabilidades de Variáveis Aleatórias Discretas

Leia mais

Objetivos. fim de servir de entrada na simulação de um modelo.

Objetivos. fim de servir de entrada na simulação de um modelo. Geração de variáveis aleatórias 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

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

DISTRIBUIÇÕES DE PROBABILIDADE CONJUNTAS DISTRIBUIÇÕES CONJUNTAS ROTEIRO DISTRIBUIÇÃO CONJUNTA. Estatística Aplicada à Engenharia

DISTRIBUIÇÕES DE PROBABILIDADE CONJUNTAS DISTRIBUIÇÕES CONJUNTAS ROTEIRO DISTRIBUIÇÃO CONJUNTA. Estatística Aplicada à Engenharia ROTEIRO DISTRIBUIÇÕES DE PROBABILIDADE CONJUNTAS 1. Distribuições conjuntas 2. Independência 3. Confiabilidade 4. Combinações lineares de variáveis aleatórias 5. Referências Estatística Aplicada à Engenharia

Leia mais

SUMÁRIO. Prefácio, Espaço amostrai, Definição de probabilidade, Probabilidades finitas dos espaços amostrais fin itos, 20

SUMÁRIO. Prefácio, Espaço amostrai, Definição de probabilidade, Probabilidades finitas dos espaços amostrais fin itos, 20 SUMÁRIO Prefácio, 1 3 1 CÁLCULO DAS PROBABILIDADES, 15 1.1 Introdução, 15 1.2 Caracterização de um experimento aleatório, 15 1.3 Espaço amostrai, 16 1.4 Evento, 17 1.5 Eventos mutuamente exclusivos, 17

Leia mais

Risco. Definição: Uma lotaria é qualquer evento com um resultado incerto. Exemplos: Investimento, Jogos de Casino, Jogo de Futebol.

Risco. Definição: Uma lotaria é qualquer evento com um resultado incerto. Exemplos: Investimento, Jogos de Casino, Jogo de Futebol. Risco Definição: Uma lotaria é qualquer evento com um resultado incerto. Exemplos: Investimento, Jogos de Casino, Jogo de Futebol. Definição: A probabilidade de um resultado (de uma lotaria) é a possibilidade

Leia mais

Distribuições de Probabilidade

Distribuições de Probabilidade Distribuições de Probabilidade Júlio Osório Distribuições Teóricas de Probabilidades Diz-se que uma variável aleatória contínua X tem uma distribuição normal de parâmetros µ (média) e σ (desviopadrão)

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

1 Roteiro Atividades Mat146 Semana4: 22/08/16 a 26/08/2016

1 Roteiro Atividades Mat146 Semana4: 22/08/16 a 26/08/2016 1 Roteiro Atividades Mat146 Semana4: /08/16 a 6/08/016 1. Matéria dessa semana de acordo com o Plano de ensino oicial: Assíntotas Horizontais e Verticais. Continuidade. Material para estudar: Assíntotas

Leia mais

LISTA DE EXERCÍCIOS 1

LISTA DE EXERCÍCIOS 1 1 LISTA DE EXERCÍCIOS 1 Conteúdo... : Espaços Amostrais e Probabilidade Variáveis Aleatórias Instruções Gerais.. : Apresentar as soluções em folhas de papel escritas à mão. As folhas devem ser identificadas

Leia mais

5 Distribuição normal de probabilidade. Estatística Aplicada Larson Farber

5 Distribuição normal de probabilidade. Estatística Aplicada Larson Farber 5 Distribuição normal de probabilidade Estatística Aplicada Larson Farber Seção 5.1 Introdução às distribuições normais Propriedades de uma distribuição normal Suas média, mediana e moda são iguais. Tem

Leia mais

Aula de Estatística 13/10 à 19/10. Capítulo 4 (pág. 155) Distribuições Discretas de Probabilidades

Aula de Estatística 13/10 à 19/10. Capítulo 4 (pág. 155) Distribuições Discretas de Probabilidades Aula de Estatística 13/10 à 19/10 Capítulo 4 (pág. 155) Distribuições Discretas de Probabilidades 4.1 Distribuições de probabilidades Variáveis Aleatórias Geralmente, o resultado de um experimento de probabilidades

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

Exercícios de Teoria da Probabilidade e Processos Estocásticos Parte II

Exercícios de Teoria da Probabilidade e Processos Estocásticos Parte II Exercícios de Teoria da Probabilidade e Processos Estocásticos Parte II 13 de Dezembro de 2013 Exercício 1. Descreva o espaço de probabilidade associado às seguintes experiências aleatórias: 1. Uma moeda

Leia mais

Conceitos básicos: Variável Aleatória

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

Leia mais

Teoria Ergódica (9 a aula)

Teoria Ergódica (9 a aula) Outubro 2012 Espaços de Sequências Seja (X, d 0 ) um espaço métrico compacto. B Z (X ) = X Z = { x = (x j ) j Z : x j X, j Z } B N (X ) = X N = { x = (x j ) j N : x j X, j N } B(X ) designa indiferentemente

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 Modelos de distribuição Para utilizar a teoria

Leia mais

Matéria Exame 2 Colegial. Aula 1 Matrizes. Aula 2 Matrizes: Igualdade, adição e subtração. Aulas 3 e 4 Multiplicação de matrizes

Matéria Exame 2 Colegial. Aula 1 Matrizes. Aula 2 Matrizes: Igualdade, adição e subtração. Aulas 3 e 4 Multiplicação de matrizes Matéria Eame Colegial Aula Matries Aula Matries: Igualdade, adição e subtração Aulas e Multiplicação de matries Aulas 5 e 6 Determinantes: Ordens, e Aula 7 Sistemas Lineares Aulas 8 Sistemas Lineares:

Leia mais

Variáveis Aleatórias

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

Leia mais

Integrais Múltiplas. Integrais duplas sobre retângulos

Integrais Múltiplas. Integrais duplas sobre retângulos Integrais Múltiplas Integrais duplas sobre retângulos Vamos estender a noção de integral definida para funções de duas, ou mais, variáveis. Da mesma maneira que a integral definida para uma variável, nos

Leia mais

1 x. = π 2. pois. Probabilidade: um curso introdutório - Mônica Barros - Capítulo 7 - Soluções

1 x. = π 2. pois. Probabilidade: um curso introdutório - Mônica Barros - Capítulo 7 - Soluções Soluções - Capítulo 7 Lista semestre 000.0:, 3, 5 a, 5, 6, 7,, 4, 5 Problema Ache a mediana das densidades Qui-quadrado com e graus de liberdade. A densidade Qui-quadrado com n graus de liberdade é dada

Leia mais

Estatística e Probabilidade. Aula 11 Cap 06

Estatística e Probabilidade. Aula 11 Cap 06 Aula 11 Cap 06 Intervalos de confiança para variância e desvio padrão Confiando no erro... Intervalos de Confiança para variância e desvio padrão Na produção industrial, é necessário controlar o tamanho

Leia mais

A Prática. Perfeição. Cálculo. William D. Clark, Ph.D e Sandra Luna McCune, Ph.D

A Prática. Perfeição. Cálculo. William D. Clark, Ph.D e Sandra Luna McCune, Ph.D A Prática Leva à Perfeição Cálculo William D. Clark, P.D e Sandra Luna McCune, P.D Rio de Janeiro, 01 Para Sirley e Donice. Vocês estão sempre em nossos corações. Sumário Prefácio i I Limites 1 1 O conceito

Leia mais

6.3 Valor Médio de uma Variável Aleatória

6.3 Valor Médio de uma Variável Aleatória 6. 3 V A L O R M É D I O D E U M A V A R I Á V E L A L E A T Ó R I A 135 1. Considere uma urna contendo três bolas vermelhas e cinco pretas. Retire três bolas, sem reposição, e defina a v.a. X igual ao

Leia mais

Modelos de Distribuições

Modelos de Distribuições 4/05/014 Universidade Federal do Pará Instituto de Tecnologia Estatística Aplicada I Prof. Dr. Jorge Teófilo de Barros Lopes Campus de Tucuruí CTUC Curso de Engenharia Mecânica 4/05/014 06:56 ESTATÍSTICA

Leia mais

Monitor: Diego Augusto Silva (P8 Eng. Elétrica) Atendimento: 2as. de 19:45h às 21:30h

Monitor: Diego Augusto Silva (P8 Eng. Elétrica)   Atendimento: 2as. de 19:45h às 21:30h Monitor: Diego Augusto Silva (8 Eng. Elétrica) Email: Atendimento: as. de 9:5h às :30h A Nota arcial de Aproveitamento (NA) será obtida da seguinte forma: NA = 0.6 NT + 0. N A nota prática será dada por:

Leia mais

Lista 1: Processo Estocástico I

Lista 1: Processo Estocástico I IFBA/Introdução aos Processos Estocásticos/ Prof. Fabrício Simões 1 Lista 1: Processo Estocástico I 1. Esboce o espaço amostral do processo estocástico x(t) = acos(ωt + θ), em que ω e θ constantes e a

Leia mais

Princípios de Modelagem Matemática Aula 09

Princípios de Modelagem Matemática Aula 09 Princípios de Modelagem Matemática Aula 09 Prof. José Geraldo DFM CEFET/MG 12 de maio de 2014 1 Modelos estatísticos e estimação de parâmetros A verificação de um modelo matemático demanda a realização

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 Esperança e Variância Variáveis Contínuas 10/13 1 / 1 Esperança Definição 2.1:(Valor Esperado

Leia mais

Análise de Dados e Simulação

Análise 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 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 ESTATÍSTICA. Profa. Dra. Yara de Souza Tadano

PROBABILIDADE E ESTATÍSTICA. Profa. Dra. Yara de Souza Tadano PROBABILIDADE E ESTATÍSTICA Profa. Dra. Yara de Souza Tadano yaratadano@utfpr.edu.br Aula 8 11/2014 Distribuição Normal Vamos apresentar distribuições de probabilidades para variáveis aleatórias contínuas.

Leia mais