Introdução aos Proc. Estocásticos - ENG 430
|
|
- Moisés das Neves Machado
- 7 Há anos
- Visualizações:
Transcrição
1 Introdução aos Proc. Estocásticos - ENG 430 Fabrício Simões IFBA 16 de novembro de 2015 Fabrício Simões (IFBA) Introdução aos Proc. Estocásticos - ENG de novembro de / 34
2 1 Motivação 2 Conceitos Básicos 3 Processo Estocástico Fabrício Simões (IFBA) Introdução aos Proc. Estocásticos - ENG de novembro de / 34
3 Motivação V V a R = V I I a I Leis naturais não são determinísticas, mas uma representação do comportamento médio de um fenômeno. Como as incertezas sobre os resultados obtidos a partir da lei de Ohm são pequenas, pode-se considerá-la determinística. Fabrício Simões (IFBA) Introdução aos Proc. Estocásticos - ENG de novembro de / 34
4 Motivação Desvios entre os dados teóricos e experimentais pressupõe a existência de fenômenos que não foram considerados no modelo. Na maioria das vezes, essas manifestações são aleatórias. O modelo deve ser analisado com o uso da teoria de probabilidades. IMPORTANTE: O método probabiĺıstico inclui o resultado determinístico como um caso especial. Fabrício Simões (IFBA) Introdução aos Proc. Estocásticos - ENG de novembro de / 34
5 Determinístico x Aleatório Sinal determinístico: Apresenta uma representação matemática exata. Ex.: Sinal senoidal, x(t) = Acos(ω o t + θ) Mais : Degrau, impulso, exponencial complexa. Sinal aleatório: Apresenta alguma quantidade de incerteza. Ex.: sinal de voz, vídeo, número de veículos em um sistema de controle de tráfego, variação de temperatura, sinal de um sensor de pressão. Fabrício Simões (IFBA) Introdução aos Proc. Estocásticos - ENG de novembro de / 34
6 Situações Práticas e Sistemas Aleatórios O sistema possui características que variam aleatoriamente, por exemplo : O número de usuários em um sistema telefônico; O consumo de energia em um sistema de distribuição de energia elétrica; O peso em um controle de velocidade de uma esteira; O canal de comunicações de um telefone celular. Fabrício Simões (IFBA) Introdução aos Proc. Estocásticos - ENG de novembro de / 34
7 Espaço Amostral - Teoria Básica de Probabilidade 1 Espaço Amostral - S: Conjunto de todos os possíveis resultados de um experimento. Por exemplo: Jogar um dado. 2 Evento - A : Subconjunto do espaço amostral. Espaço Amostral - S Evento A Fabrício Simões (IFBA) Introdução aos Proc. Estocásticos - ENG de novembro de / 34
8 Conceito de Probabilidade 1 Considere que um experimento seja realizado N vezes e que o resultado A 1 tenha ocorrido N(A 1 ) vezes. A frequência relativa de A 1 é dada por f r (A 1 ) = N(A 1) N 2 Mas, com o aumento do valor de N é possível identificar uma regularidade estatística, um padrão no comportamento do valor de f r. Para n : N(A 1 ) P(A 1 ) = lim n n Fabrício Simões (IFBA) Introdução aos Proc. Estocásticos - ENG de novembro de / 34
9 Probabilidade de um Evento 1 Probabilidade de ocorrer o evento A, P(A), é a soma da probabilidade de cada elemento que compõe o subconjunto A. Se os elementos forem mutuamente exclusivos, então P(A) = P(A 1 ) + P(A 2 ) P(A N ) 2 Entretanto, se todos os resultados (elementos) ocorrem com a mesma probabilidade (eventos equiprováveis), então: Exemplo 1 P(A) = N(A) N(S) Probabilidade de ocorrer o evento A = {3, 5} é dada por P(A) = 2 6 = 1 3 Fabrício Simões (IFBA) Introdução aos Proc. Estocásticos - ENG de novembro de / 34
10 Axiomas de Kolmogorov 1 P(A) 0; 2 0 P(A) 1; 3 P(A B) = P(A) + P(B) P(A B), Se os eventos A e B são mutuamente exclusivos, ou seja, 4 P(A B) = P(A) + P(B) A B = Fabrício Simões (IFBA) Introdução aos Proc. Estocásticos - ENG de novembro de / 34
11 Probabilidade 1 Probabilidade de ocorrer o evento A E o evento B : P(A B) = P(A)P(B), se os eventos forem independentes. 2 Probabilidade de ocorrer o evento A OU o evento B : para P(A B) = Exemplo 2 P(A B) = P(A) + P(B), Considere o lançamento de um dado. Qual a probabilidade de ocorrer o evento B = {1} OU o evento A = {6}? P(A B) = P(A) + P(B) = = 1 3 Fabrício Simões (IFBA) Introdução aos Proc. Estocásticos - ENG de novembro de / 34
12 Probabilidade Condicional 1 P(A/B) - Probabilidade de ocorrer A dado que B ocorreu. P(A/B) = P(A B), P(B) 0 P(B) 2 Os eventos são independentes quando a ocorrência do evento A não depende do evento B, então: P(A B) = P(A)P(B) e P(A/B) = P(A). Regra de Bayes P(B/A) = P(A/B)P(B), P(A) 0 P(A) Fabrício Simões (IFBA) Introdução aos Proc. Estocásticos - ENG de novembro de / 34
13 Adição e Multiplicação Regras de Adição P( n i=1a i ) = n P(A i ) P(A i A j ) + P(A i A j A k ) i=1 Regras de Multiplicação ( 1) n P(A i... A k ) P(A 1 A 2... A k ) = P(A 1 )P(A 2 /A 1 )P(A 3 /A 1 A 2 ) P(A k /A 1 A 2... A k 1 ) Fabrício Simões (IFBA) Introdução aos Proc. Estocásticos - ENG de novembro de / 34
14 Aplicação 1 - Engenharia de Confiabilidade Sabendo que a probablidade dos sistemas A e B funcionarem é p, qual a probabilidade do sistema completo funcionar? A p i(t) L B p R i(t) Fabrício Simões (IFBA) Introdução aos Proc. Estocásticos - ENG de novembro de / 34
15 Variável Aleatória 1 É uma variável cujo valor (um número real) depende da ocorrência do evento. Evento X = f(evento) nível baixo 0 Mapeamento nível alto 1 Fabrício Simões (IFBA) Introdução aos Proc. Estocásticos - ENG de novembro de / 34
16 Variável Aleatória Discreta f(x) Fonte Digital X 1 1/2 P (X = 0) = 0,5 P (X = 1) = 0,5 0 Espaço Amostral de X 0 1 x Distribuição de Probabilidade 1 O par (x i, P x (x i )) é uma distribuição de probabilidade se c) P x (x i ) é a probabilidade de ocorrer x i. a) P x (x i ) 0; b) i P x(x i ) = 1; Fabrício Simões (IFBA) Introdução aos Proc. Estocásticos - ENG de novembro de / 34
17 Variável Aleatória Contínua 1 Exemplo: x(t) variação contínua da amplitude Ruído Térmico x t a b p x(x) x 2 Propriedades: P(a < x < b) = b a p x (x) 0 p x (x)d x Fabrício Simões (IFBA) Introdução aos Proc. Estocásticos - ENG de novembro de / 34
18 Momentos de Ordem n Variável Aleatória Contínua E[x n ] = Variável Aleatória Discreta x n p x (x)dx E[x n ] = i x n i P x (x i ) Mais importantes : Ordens 1 e 2. µ x = E[x] = xp x (x)dx E[x 2 ] = x 2 p x (x)dx Fabrício Simões (IFBA) Introdução aos Proc. Estocásticos - ENG de novembro de / 34
19 Momento Centrais O n-ésimo momento central da variável aleatória x é dado por E[(x µ x ) n ] = Resultados importantes E[(x µ x )] = 0 (x µ x ) n p x (x)dx E[(x µ x ) 2 ] = σ 2 x σ 2 x é a variância da variável aleatória x. σ 2 x é o desvio padrão. Fabrício Simões (IFBA) Introdução aos Proc. Estocásticos - ENG de novembro de / 34
20 Variáveis Aleatórias Conjuntas Em alguns experimentos, o resultado depende de duas ou mais variáveis aleatórias; Vamos considerar as variáveis aleatórias discretas x e y, cuja probabilidade de x = x i e y = y j é representada por P xy (x i, y j ) Se as variáveis aleatórias são independentes, então : P xy (x i, y j ) = P x (x i )P y (y j ) E considerando variáveis aleatórias contínuas, p xy (x, y) = p x (x)p y (y) Fabrício Simões (IFBA) Introdução aos Proc. Estocásticos - ENG de novembro de / 34
21 Variáveis Aleatórias Conjuntas e Contínuas Probabilidade de x 1 x x 2 e y 1 y y 2 é dada por P(x 1 x x 2, y 1 y y 2 ) = x2 y2 x 1 y 1 Funções de densidade de probabilidade marginal p x (x) = p y (y) = p xy (xy)d y p xy (xy)d x p xy (x, y)d x d y Fabrício Simões (IFBA) Introdução aos Proc. Estocásticos - ENG de novembro de / 34
22 Probabilidade Condicional 1 A função de densidade de probabilidade condicionada p x/y (x, y) é dada por p x/y (x/y) = p x,y (x, y) p y (y), p y (y) = p x,y (x, y)d x 2 Mas, para variáveis x e y independentes, temos que 3 Então: p x,y (x, y) = p x (x)p y (y) p x/y (x/y) = p x (x) Fabrício Simões (IFBA) Introdução aos Proc. Estocásticos - ENG de novembro de / 34
23 Aplicação 2 1 Determine as probabilidades P y (0) e P y (1) P X (0) = q X 1 P e P e Y 0 P Y (0) =? 1 P X (1) = 1-q 1 P e P e 1 P Y (1) =? Fabrício Simões (IFBA) Introdução aos Proc. Estocásticos - ENG de novembro de / 34
24 Teorema Central do Limite Sejam as variáveis aleatórias x 1, x 2, x 3,..., x n, a nova variável aleatória y dada por y = i=1 x i, é modelada por uma função densidade de probabilidade p y (y) gaussiana; Gráfico de p y (y) para uma soma de n variáveis aleatórias. 2 Variaveis p y (y) y Fabrício Simões (IFBA) Introdução aos Proc. Estocásticos - ENG de novembro de / 34
25 Teorema Central do Limite Sejam as variáveis aleatórias x 1, x 2, x 3,..., x n, a nova variável aleatória y dada por y = i=1 x i, é modelada por uma função densidade de probabilidade p y (y) gaussiana; Gráfico de p y (y) para uma soma de n variáveis aleatórias. 4 Variaveis p y (y) y Fabrício Simões (IFBA) Introdução aos Proc. Estocásticos - ENG de novembro de / 34
26 Teorema Central do Limite Sejam as variáveis aleatórias x 1, x 2, x 3,..., x n, a nova variável aleatória y dada por y = i=1 x i, é modelada por uma função densidade de probabilidade p y (y) gaussiana; Gráfico de p y (y) para uma soma de n variáveis aleatórias. 8 Variaveis p y (y) y Fabrício Simões (IFBA) Introdução aos Proc. Estocásticos - ENG de novembro de / 34
27 Teorema Central do Limite Sejam as variáveis aleatórias x 1, x 2, x 3,..., x n, a nova variável aleatória y dada por y = i=1 x i, é modelada por uma função densidade de probabilidade p y (y) gaussiana; Gráfico de p y (y) para uma soma de n variáveis aleatórias. 10 Variaveis p y (y) y Fabrício Simões (IFBA) Introdução aos Proc. Estocásticos - ENG de novembro de / 34
28 Teorema Central do Limite Sejam as variáveis aleatórias x 1, x 2, x 3,..., x n, a nova variável aleatória y dada por y = i=1 x i, é modelada por uma função densidade de probabilidade p y (y) gaussiana; Gráfico de p y (y) para uma soma de n variáveis aleatórias. 12 Variaveis p y (y) y Fabrício Simões (IFBA) Introdução aos Proc. Estocásticos - ENG de novembro de / 34
29 Processo Estocástico Fabrício Simões (IFBA) Introdução aos Proc. Estocásticos - ENG de novembro de / 34
30 Espaço Amostral de um Processo Estocástico O espaço amostral é constituído por funções no domínio do tempo, ou seja, as realizações do evento dependem do tempo. x 3(t) x 2(t) t x 1(t) t t x 4(t) t Espaço Amostral Fabrício Simões (IFBA) Introdução aos Proc. Estocásticos - ENG de novembro de / 34
31 Espaço Amostral de um Processo Estocástico Cada membro x n (t) do processo x(t) é uma amostra, uma possível realização; E o valor de uma amostra no instante t a, ou seja, x n (t a ), é uma variável aleatória. Espaço Amostral do Processo x(t) x 1 (t) t a t x 2 (t) t Fabrício Simões (IFBA) Introdução aos Proc. Estocásticos - ENG de novembro de / 34
32 Processo Estocástico - Definições 1 É uma extensão do conceito de variável aleatória, compreendendo o espaço amostral, o conjunto de formas de onda e as funções densidade de probabilidade associadas. 2 É um experimento aleatório cujos resultados é uma forma de onda em função do tempo. Fabrício Simões (IFBA) Introdução aos Proc. Estocásticos - ENG de novembro de / 34
33 Contínuo e Discreto Contínuo Variável aleatória assume qualquer valor dentro do intervalo [a,b]. Por exemplo, o ruído branco. Discreto Variável aleatória assume valores isolados (pontuais) dentro do intervalo [a,b]. Por exemplo, o sinal quantizado e o número de ligações em um sistema telefônico. x(t) y(t) t t t t ta tb tc td te Fabrício Simões (IFBA) Introdução aos Proc. Estocásticos - ENG de novembro de / 34
34 Estacionário Definição Processo aleatório cuja estatística não muda com o tempo, ou seja, p x (x; t) = p x (x) Os valores médio e outros momentos não dependem do tempo. Importante Na prática, não existe processo estacionário. Por isso, é adotada a Estacionaridade no Sentido Amplo. Fabrício Simões (IFBA) Introdução aos Proc. Estocásticos - ENG de novembro de / 34
35 Estacionário no Sentido Amplo Definição A média de x(t) independe do tempo e a autocorrelação entre x(t 1 ) e x(t 2 ) depende apenas da diferença t 2 t 1. Essa condição implica, com relação ao tempo, em: Valor médio (E[x(t)]) é constante; Valor médio quadrático (E[x(t) 2 ]) constante; Variância constante; Fabrício Simões (IFBA) Introdução aos Proc. Estocásticos - ENG de novembro de / 34
36 Não estacionário Definição O valor médio e/ou algum momento de ordem n > 1 dependem do tempo; A função densidade de probabilidade depende do tempo. p x (x; t) Fabrício Simões (IFBA) Introdução aos Proc. Estocásticos - ENG de novembro de / 34
37 Ergodicidade Considere um problema de estimação da média: Para um instante t o, x(t o ) é uma variável aleatória. A média pode ser calculada por ˆη(t o ) = 1 x(t o, ξ i ), N em que ξ i representa a i-ésima função amostral dentre N funções amostrais e ˆη(t o ), a estimativa da média no instante t o. Problema Para fazer essa estimativa, eu preciso de um número grande de funções amostrais. Na prática, tenho somente uma. Como isso pode ser resolvido? i Fabrício Simões (IFBA) Introdução aos Proc. Estocásticos - ENG de novembro de / 34
38 Ergodicidade Ocorre quando as suas médias estatísticas podem ser aproximadas pelas suas médias temporais. Todo processo Ergódico é estacionário. E[x n (t)] = x(t) n x(t) n 1 T p x (x)dx = lim x n (t)dt T 2T T Na prática, o conceito de ergodicidade é importante porque é possível, por exemplo, estimar a sua média a partir de uma função amostral. Fabrício Simões (IFBA) Introdução aos Proc. Estocásticos - ENG de novembro de / 34
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 / 35 Fabrício Simões
Leia maisTE802 Processos Estocásticos em Engenharia. Processo Aleatório. TE802 Processos Aleatórios. Evelio M. G. Fernández. 18 de outubro de 2017
TE802 Processos Estocásticos em Engenharia Processos Aleatórios 18 de outubro de 2017 Processo Aleatório Processo Aleatório (ou Estocástico), X(t): Função aleatória do tempo para modelar formas de onda
Leia maisFundamentos da Teoria da Probabilidade
Fundamentos da Teoria da Probabilidade Edmar José do Nascimento (Princípios de Comunicações) http://www.univasf.edu.br/ edmar.nascimento Universidade Federal do Vale do São Francisco Sinais Aleatórios
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 maisPRINCÍPIOS 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 maisProcessos Estocásticos
Processos Estocásticos Luis Henrique Assumpção Lolis 26 de maio de 2014 Luis Henrique Assumpção Lolis Processos Estocásticos 1 Conteúdo 1 Introdução 2 Definição 3 Especificando um processo aleatório 4
Leia maisProbabilidade. É o conjunto de todos os possíveis resultados de um experimento aleatório.
Probabilidade Introdução O trabalho estatístico se desenvolve a partir da observação de determinados fenômenos e emprega dados numéricos relacionados aos mesmos, para tirar conclusões que permitam conhecê-los
Leia maisTE060 Princípios de Comunicação. Probabilidade. Probabilidade Condicional. Notes. Notes. Notes
TE060 Princípios de Comunicação Efeito do Ruído em Sistemas com Modulação de Onda Contínua 5 de novembro de 2013 Probabilidade Uma medida de probabilidade P é uma função que associa um número não negativo
Leia maisDisciplina: Processamento Estatístico de Sinais (ENGA83) - Aula 06 / Classes Especiais de Processos Aleatórios
Disciplina: Processamento Estatístico de Sinais (ENGA83) - Aula 06 / Classes Especiais de Processos Aleatórios Prof. Eduardo Simas (eduardo.simas@ufba.br) Programa de Pós-Graduação em Engenharia Elétrica/PPGEE
Leia maisResumo. Parte 7 Processos Estocásticos. Ramiro Brito Willmersdorf
Parte 7 Processos Estocásticos Ramiro Brito Willmersdorf ramiro@willmersdorf.net Departamento de Engenharia Mecânica Universidade Federal de Pernambuco 2011.2 Resumo 1 Processos Estocásticos 2 Classicação
Leia maisTeoria das Probabilidades
Universidade Federal do Pará Instituto de Tecnologia Estatística Aplicada I Prof. Dr. Jorge Teófilo de Barros Lopes Campus de Belém Curso de Engenharia Mecânica 08:8 ESTATÍSTICA APLICADA I - Teoria das
Leia maisModelagem e Avaliação de Desempenho. Pós Graduação em Engenharia Elétrica - PPGEE Prof. Carlos Marcelo Pedroso 2018
Modelagem e Avaliação de Desempenho Pós Graduação em Engenharia Elétrica - PPGEE Prof. Carlos Marcelo Pedroso 2018 Análise de desempenho São disponíveis duas abordagens para realizar a análise de desempenho:
Leia maisIntrodução aos Processos Estocásticos em Engenharia Elétrica 1
Introdução aos Processos Estocásticos em Engenharia Elétrica 10 de março de 2014 Introdução aos Processos Estocásticos em Engenharia Elétrica 1 Conteúdo 1 Modelos Matemáticos - Determinísticos e Probabiĺısticos
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 maisTeoria das Probabilidades
08/06/07 Universidade Federal do Pará Instituto de Tecnologia Estatística Aplicada I Prof. Dr. Jorge Teófilo de Barros Lopes Campus de Belém Curso de Engenharia Mecânica Universidade Federal do Pará Instituto
Leia maisPROBABILIDADES PROBABILIDADE DE UM EVENTO EM UM ESPAÇO AMOSTRAL FINITO
PROBABILIDADES Probabilidade é um conceito filosófico e matemático que permite a quantificação da incerteza, permitindo que ela seja aferida, analisada e usada para a realização de previsões ou para a
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 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 maisEscola Superior de Agricultura "Luiz de Queiroz", Departamento de Ciências Exatas. Probabilidades. Cristian Villegas
Probabilidades Cristian Villegas clobos@usp.br Setembro de 2013 Apostila de Estatística (Cristian Villegas) 1 Introdução Escola Superior de Agricultura "Luiz de Queiroz", Departamento de Ciências Exatas
Leia maisProcessos Aleatórios e Ruído
Processos Aleatórios e Ruído Luis Henrique Assumpção Lolis 11 de abril de 2014 Luis Henrique Assumpção Lolis Processos Aleatórios e Ruído 1 Conteúdo 1 O Experimento Aleatório / Espaço de Amostras 2 Algebra
Leia maisModelagem e Avaliação de Desempenho. Pós Graduação em Engenharia Elétrica - PPGEE Prof. Carlos Marcelo Pedroso 2014
Modelagem e Avaliação de Desempenho Pós Graduação em Engenharia Elétrica - PPGEE Prof. Carlos Marcelo Pedroso 2014 Análise de desempenho São disponíveis duas abordagens para realizar a análise de desempenho:
Leia maisModelagem e Avaliação de Desempenho. Pós Graduação em Engenharia Elétrica - PPGEE Prof. Carlos Marcelo Pedroso 2017
Modelagem e Avaliação de Desempenho Pós Graduação em Engenharia Elétrica - PPGEE Prof. Carlos Marcelo Pedroso 2017 Análise de desempenho São disponíveis duas abordagens para realizar a análise de desempenho:
Leia maisEstatística Empresarial. Fundamentos de Probabilidade
Fundamentos de Probabilidade A probabilidade de chuva é de 90% A probabilidade de eu sair é de 5% Conceitos Básicos Conceitos Básicos 1. Experiência Aleatória (E) Processo de obtenção de uma observação
Leia maisProcessos 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 maisCURTA REVISÃO SOBRE PROBABILIDADE E PROCESSOS ESTOCÁSTICOS
CURTA REVISÃO SOBRE PROBABILIDADE E PROCESSOS ESTOCÁSTICOS PARTE i Histórico Probabilidade Axiomática de Kolmogorov Variáveis Aleatórias Densidade de Probabilidade Desigualdade de Chebyshev Versão Fraca
Leia maisChamamos 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 maisProcessos 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 maisMódulo IV: Processos Aleatórios Estacionários, Cicloestaionaridade e Análise de Continuidade de Processos Aleatórios
Módulo IV: Processos Aleatórios Estacionários, Cicloestaionaridade e Análise de Continuidade de Processos Aleatórios Wamberto J. L. Queiroz Universidade Federal de Campina Grande-UFCG Departamento de Engenharia
Leia maisProcessos 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 maisCapítulo 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 maisTE802 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 maisTE802 Processos Estocásticos em Engenharia. Informação sobre a disciplina. TE802 Conceitos Básicos de Teoria de Probabilidade. Evelio M. G.
TE802 Processos Estocásticos em Engenharia Conceitos Básicos de Teoria de Probabilidade 23 de agosto de 2017 Informação sobre a disciplina Segundas e Quartas feiras das 09:30 às 11:20 horas Professor:
Leia maisProcessamento de Sinal e Imagem Engenharia Electrotécnica e de Computadores
António M. Gonçalves Pinheiro Departamento de Física Covilhã - Portugal pinheiro@ubi.pt Processos Estocásticos - Sinais que variam aleatoriamente no tempo. são regidos por processos estocásticos. 2 1 1
Leia mais1 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 maisConceitos Básicos, Básicos,Básicos de Probabilidade
Conceitos Básicos, Básicos,Básicos de Probabilidade Espaço Amostral Base da Teoria de Probabilidades Experimentos são realizados resultados NÃO conhecidos previamente Experimento aleatório Exemplos: Determinar
Leia maisRevisão de Probabilidade
05 Mat074 Estatística Computacional Revisão de Probabilidade Prof. Lorí Viali, Dr. viali@mat.ufrgs.br http://www.ufrgs.br/~viali/ Determinístico Sistema Real Causas Efeito Probabilístico X Causas Efeito
Leia maisRevisão de Probabilidade
Revisão de Probabilidade Magnos Martinello Universidade Federal do Espírito Santo - UFES Departamento de Informática DI Laboratório de Pesquisas em Redes Multimidia LPRM Motivação Em qualquer modelo realístico
Leia maisMétodos Quantitativos para Ciência da Computação Experimental. Jussara Almeida DCC-UFMG 2013
Métodos Quantitativos para Ciência da Computação Experimental Jussara Almeida DCC-UFMG 2013 Revisão de Probabilidade e Estatística Concentrado em estatística aplicada Estatística apropriada para medições
Leia maisMétodos Quantitativos para Ciência da Computação Experimental. Jussara Almeida DCC-UFMG 2016
Métodos Quantitativos para Ciência da Computação Experimental Jussara Almeida DCC-UFMG 2016 Revisão de Probabilidade e Estatística Concentrado em estatística aplicada Estatística apropriada para medições
Leia maisMOQ-13 PROBABILIDADE E ESTATÍSTICA. Professor: Rodrigo A. Scarpel
MOQ-13 PROBABILIDADE E ESTATÍSTICA Professor: Rodrigo A. Scarpel rodrigo@ita.br www.mec.ita.br/~rodrigo Programa do curso: Semanas 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 e 16 Introdução à probabilidade (eventos,
Leia maisEstatítica Descritiva e Exploratória
Gledson Luiz Picharski e Wanderson Rodrigo Rocha 3 de Abril de 2008 Estatística Descritiva e exploratória 1 Introdução à análise exploratória de dados 2 Análise exploratória de dados: Medidas-resumo 3
Leia maisMESTRADO 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 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 maisAnexo 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 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 maisVariáveis Aleatórias Contínuas
Variáveis Aleatórias Contínuas Bacharelado em Administração - FEA - Noturno 2 o Semestre 2017 MAE0219 (IME-USP) Variáveis Aleatórias Contínuas 2 o Semestre 2017 1 / 35 Objetivos da Aula Sumário 1 Objetivos
Leia maisEELT-7035 Processos Estocásticos em Engenharia. Variáveis Aleatórias. EELT-7035 Variáveis Aleatórias Discretas. Evelio M. G.
EELT-7035 Processos Estocásticos em Engenharia Variáveis Aleatórias Discretas 21 de março de 2019 Variáveis Aleatórias Variável aleatória, X( ): função que mapeia o espaço amostral (S) em números pertencentes
Leia maisEstatística e Modelos Probabilísticos - COE241
Estatística e Modelos Probabilísticos - COE241 Aulas passadas Espaço Amostral Álgebra de Eventos Axiomas de Probabilidade Análise Combinatória Aula de hoje Probabilidade Condicional Independência de Eventos
Leia maisObjetivos. Frequência Relativa X Probabilidade. Probabilidade. 1. Definições: Experimento Espaço Amostral Evento Probabilidade
Magnos Martinello Universidade Federal do Espírito Santo - UFES Departamento de Informática DI Laboratório de Pesquisas em Redes Multimidia LPRM Objetivos 1. Definições: Experimento Espaço Amostral Evento
Leia maisEstatística e Modelos Probabilísticos - COE241
Estatística e Modelos Probabilísticos - COE241 Aulas passadas Motivação Exemplos de aplicação de probabilidade e estatística Informações do curso Aula de hoje Espaço amostral Álgebra de Eventos Eventos
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 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 maisEstatística e Modelos Probabilísticos - COE241
Estatística e Modelos Probabilísticos - COE241 Aulas passadas Espaço Amostral Álgebra de Eventos Axiomas de Probabilidade Análise Aula de hoje Probabilidade Condicional Independência de Eventos Teorema
Leia maisNoções de Simulação. Ciências Contábeis - FEA - Noturno. 2 o Semestre MAE0219 (IME-USP) Noções de Simulação 2 o Semestre / 23
Noções de Simulação Ciências Contábeis - FEA - Noturno 2 o Semestre 2013 MAE0219 (IME-USP) Noções de Simulação 2 o Semestre 2013 1 / 23 Objetivos da Aula Sumário 1 Objetivos da Aula 2 Motivação 3 Geração
Leia mais24/04/2017. Operações que podem ser aplicadas aos eventos
Inferência estatística: processo de extrair conclusões de uma população inteira com base na informação de uma amostra A base para a inferência estatística é a teoria da probabilidade Evento: é o resultado
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 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 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 maiscanal 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 mais195
195 196 197 198 199 200 201 202 203 204 205 206 207 208 209 210 211 212 213 214 215 216 217 218 219 220 221 222 223 224 225 226 227 228 229 230 231 232 233 234 235 236 237 238 239 240 241 242 243 244 245
Leia maisTema 4- Modelos de probabilidade.
Tema 4- Modelos de probabilidade. 1- Modelos de probabilidade(136) 1.1) Introdução.(36) [Vídeo: 33] 1.) Fenómenos aleatórios(138) Experiência determinística-produz sempre o mesmo resultado desde que seja
Leia maisEstatística Aplicada II. } Revisão: Probabilidade } Propriedades da Média Amostral
Estatística Aplicada II } Revisão: Probabilidade } Propriedades da Média Amostral 1 Aula de hoje } Tópicos } Revisão: } Distribuição de probabilidade } Variáveis aleatórias } Distribuição normal } Propriedades
Leia maisPARTE TEÓRICA Perguntas de escolha múltipla
PROBABILIDADES E ESTATÍSTICA MIEEC/FEUP PARTE TEÓRICA Perguntas de escolha múltipla 1 Dada a experiência aleatória ε define-se espaço amostral associado a ε como sendo: A O espaço físico onde se realiza
Leia maisAnexo 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 IST-Secção de Sistemas e Controlo
Leia maisUma breve introdução a probabilidade
Uma breve introdução a probabilidade Modelo Probabilístico Espaço amostral (S): conjunto de todos os resultados que podem ocorrer a partir de um experimento aleatório Probabilidade de eventos (P): quantificação
Leia maisTE802 Processos Estocásticos em Engenharia
TE802 Processos Estocásticos em Engenharia Vetores Aleatórios 10 de setembro de 2017 Modelos Probabiĺısticos para N Variáveis Aleatórias F X1,...,X n (x 1,...,x n) = P[X 1 x 1,..., X n x n] (x 1,...,x
Leia maisEstatística 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 maisTeoria da Probabilidade
Teoria da Probabilidade Luis Henrique Assumpção Lolis 14 de fevereiro de 2014 Luis Henrique Assumpção Lolis Teoria da Probabilidade 1 Conteúdo 1 O Experimento Aleatório 2 Espaço de amostras 3 Álgebra dos
Leia mais6. Predição Linear e Controlo de Variância Mínima
1 6. Predição Linear e Controlo de Variância Mínima Objectivo: Projectar controladores discretos lineares para sistemas com perturbações estocásticas. Preparação para o Controlo Adaptativo. Referência:
Leia maisSUMÁRIO. 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 maisProbabilidade - 7/7/2018. Prof. Walter Tadeu
Probabilidade - 7/7/018 Prof. Walter Tadeu www.professorwaltertadeu.mat.br Espaço Amostral (): conjunto de todos os resultados possíveis de um experimento aleatório. Exemplos: 1. Lançamento de um dado.
Leia maisCONHECIMENTOS ESPECÍFICOS
fonte de graus de soma de quadrado variação liberdade quadrados médio teste F regressão 1 1,4 1,4 46,2 resíduo 28 0,8 0,03 total 2,2 A tabela de análise de variância (ANOVA) ilustrada acima resulta de
Leia maisCONHECIMENTOS ESPECÍFICOS
CONHECIMENTOS ESPECÍFICOS Julgue os itens que se seguem, acerca da estatística descritiva. 51 Na distribuição da quantidade de horas trabalhadas por empregados de certa empresa, é sempre possível determinar
Leia maisProbabilidade ESQUEMA DO CAPÍTULO. UFMG-ICEx-EST Cap. 2- Probabilidade 1
Probabilidade ESQUEMA DO CAPÍTULO 2.1 ESPAÇOS AMOSTRAIS E EVENTOS 2.2 INTERPRETAÇÕES DE PROBABILIADE 2.3 REGRAS DE ADIÇÃO 2.4 PROBABILIDADE CONDICIONAL 2.5 REGRAS DA MULTIPLICAÇÃO E DA PROBABILIDADE TOTAL
Leia maisEstatística e Modelos Probabilísticos - COE241
Estatística e Modelos Probabilísticos - COE241 Aulas passadas Motivação Espaço Amostral, Eventos, Álgebra de eventos Aula de hoje Probabilidade Análise Combinatória Independência Probabilidade Experimentos
Leia maisMódulo I: Introdução a Processos Estocásticos
Módulo I: Introdução a Processos Estocásticos Wamberto J. L. Queiroz Universidade Federal de Campina Grande-UFCG Departamento de Engenharia Elétrica Processos Estocásticos Campina Grande - PB Módulo I:
Leia maisTema 4- Modelos de probabilidade. (Versão: para o manual a partir de 2016/17)
Tema 4- Modelos de probabilidade. (Versão: para o manual a partir de 016/17) 1- Modelos de probabilidade(136) 1.1) Introdução.(36) (Vídeo: 33) 1.) Fenómenos aleatórios(138) Experiência determinística-produz
Leia maisProbabilidade. Objetivos de Aprendizagem. UFMG-ICEx-EST. Cap. 2 - Probabilidade Espaços Amostrais e Eventos. 2.1.
2 ESQUEMA DO CAPÍTULO 2.1 ESPAÇOS AMOSTRAIS E EVENTOS 2.2 INTERPRETAÇÕES E AXIOMAS DE PROBABILIADE 2.3 REGRAS DE ADIÇÃO 2.4 PROBABILIDADE CONDICIONAL 2.5 REGRAS DA MULTIPLICAÇÃO E DA PROBABILIDADE TOTAL
Leia maisEstatística. Probabilidade. Conteúdo. Objetivos. Definições. Probabilidade: regras e aplicações. Distribuição Discreta e Distribuição Normal.
Estatística Probabilidade Profa. Ivonete Melo de Carvalho Conteúdo Definições. Probabilidade: regras e aplicações. Distribuição Discreta e Distribuição Normal. Objetivos Utilizar a probabilidade como estimador
Leia maisAST203-CVR 4-1 AST203-CVR. Observação eletromagnética. Processamento de sinais importante em várias áreas, além da astronomia telecomunicações
Bloco 4 Estatística Atualizado: 2012 4-1 Bibliografia Lena Cap. 4 (parte) - só a inspiração... Wall & Jenkins, Practical statistics for astronomers Brandt Statistical and computacional methods in data
Leia maisProcessos estocásticos
36341 - Introdução aos Processos Estocásticos Curso de Pós-Graduação em Engenharia Elétrica Departamento de Engenharia Elétrica Universidade de Brasília Processos estocásticos Geovany A. Borges gaborges@ene.unb.br
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 maisPar 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 mais3 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 maisProbabilidade em espaços discretos. Prof.: Joni Fusinato
Probabilidade em espaços discretos Prof.: Joni Fusinato joni.fusinato@ifsc.edu.br jfusinato@gmail.com Probabilidade em espaços discretos Definições de Probabilidade Experimento Espaço Amostral Evento Probabilidade
Leia maisINTRODUÇÃO À PROBABILIDADE
INTRODUÇÃO À PROBABILIDADE Foto extraída em http://www.alea.pt Profª Maria Eliane Universidade Estadual de Santa Cruz USO DE PROBABILIDADES EM SITUAÇÕES DO COTIDIANO Escolhas pessoais Previsão do tempo
Leia maisNOTAS DA AULA REVISÃO SOBRE FUNDAMENTOS DE PROBABILIDADE. Prof.: Idemauro Antonio Rodrigues de Lara
1 NOTAS DA AULA REVISÃO SOBRE FUNDAMENTOS DE PROBABILIDADE Prof.: Idemauro Antonio Rodrigues de Lara 2 Experimentos aleatórios Definição 1. Experimentos aleatórios são experimentos que quando executados
Leia maisPRE29006 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 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 maisAnálise de Sinais e Sistemas
Universidade Federal da Paraíba Departamento de Engenharia Elétrica Análise de Sinais e Sistemas Luciana Ribeiro Veloso luciana.veloso@dee.ufcg.edu.br ANÁLISE DE SINAIS E SISTEMAS Ementa: Sinais contínuos
Leia maisTeoria de Filas Aula 1
Teoria de Filas Aula 1 Aulas passada Introdução, Logística e Motivação para avaliação e desempenho Aula de hoje Revisão de probabilidade Eventos e probabilidade Independência Prob. condicional Experimentos
Leia maisTE802 Processos Estocásticos em Engenharia. Valores Esperados de Somas de Variáveis Aleatórias. TE802 Somas de Variáveis Aleatórias
TE802 Processos Estocásticos em Engenharia Somas de Variáveis Aleatórias 27 de setembro de 2017 Valores Esperados de Somas de Variáveis Aleatórias Seja W n = X 1 + + X n, E[W n ] = E[X 1 ] + E[X 2 ] +
Leia maisCapítulo4- Modelos de probabilidade.
Capítulo4- Modelos de probabilidade. 1- Modelos de probabilidade(110) 1.1) Introdução.(110) 1.) Fenómenos aleatórios(11) Experiência determinística-produz sempre o mesmo resultado desde que seja repetido
Leia maisComunicações Digitais Prof. André Noll Barreto. Prova /1 (04/04/2017)
Prova 1 17/1 (4/4/17) Aluno: Matrícula: Instruções A prova consiste de quatro questões discursivas A prova terá a duração de h A prova pode ser feita a lápis ou caneta Não é permitida consulta a notas
Leia maisProbabilidade. Probabilidade e Estatística. Prof. Dr. Narciso Gonçalves da Silva
Probabilidade e Estatística Prof. Dr. Narciso Gonçalves da Silva http://paginapessoal.utfpr.edu.br/ngsilva Probabilidade Probabilidade Experimento Aleatório Um experimento é dito aleatório quando satisfaz
Leia maisProcessos aleatórios - características
Capítulo 6 Processos aleatórios - características temporais 6.1 O conceito de processo aleatório Um processo aleatório ou estocástico é um espaço de amostras em que cada elemento é associado a uma função
Leia maisModelagem de um sistema por cadeias de Markov
Modelagem de um sistema por cadeias de Markov Sistemas sem memória : somente o estado imediatamente anterior influencia o estado futuro. rocesso estacionário: probabilidades de transição de um estado para
Leia mais