MAE116 - Noções de Estatística
|
|
- Maria da Assunção Moreira Avelar
- 7 Há anos
- Visualizações:
Transcrição
1 MAE116 - Noções de Estatística Grupo A - 1 semestre de 215 Gabarito da Lista de exercícios 5 - Distribuição Binomial - CASA Exercício 1.(2,5 pontos) Uma concessionária tem disponível, para um certo automóvel, os modelos S, CL e GL com duas versões de combustível, gás ou ex. Com motor a gás os preços são 4, 45 e 5 mil reais para os modelos S, CL e GL, respectivamente. Esses preços são 1% superiores se o carro for ex. A procura por carros a gás é de 25% e ex é 75%. Qualquer que seja o combustível escolhido, há igual preferência entre os modelos. a. (,5 ponto) Calcule a distribuição de probabilidade do preço desse automóvel; Temos 3 modelos do automóvel: {S, CL, GL} que podem ser:{f lex, gas}. Seja X := Preço do automóvel P (X = 4) = P (S gas) = P (S gas)p (gas) = = 1 P (X = 45) = P (CL gas) = P (CL gas)p (gas) = = 1 P (X = 5) = P (GL gas) = P (GL gas)p (gas) = = 1 P (X = 44) = P (S flex) = P (S flex)p (flex) = = 1 4 P (X = 49, 5) = P (CL flex) = P (CL flex)p (flex) = = 1 4 P (X = 55) = P (GL flex) = P (GL flex)p (flex) = = 1 4 De forma resumida temos: Tabela 1: Distribuição de Probabilidade Valor , Prob
2 b. (,5 ponto) Calcule o preço médio desse automóvel; o preço médio é dado por E [X] = x xp (X = x). cada preço vezes sua probabilidade, tomamos a soma: Ou seja, depois de calculado E [X] = , = ( ) 1 + ( , ) 1 4 = (135) 1 + (148, 5) 1 4 = 48, 375 O preço médio desse automóvel é de R$48, 375 c. (1,5 ponto) Calcule a variância e desvio padrão do preço desse automóvel. A variância é calculada da seguinte forma: V ar(x) = E(X 2 ) [E(X)] 2. Precisamos então da E(X 2 ): E [ X 2] = (49, 1 5) = ( ) 1 + ( (49, 5) ) 1 4 = (65) 1 + (7411, 25) 1 4 = 51, , 81 = 2363, 23 A E(X) foi calculada no item anterior. Basta, apenas elevar ao quadrado: V ar(x) = E(X 2 ) [E(X)] 2 = 2363, 229 (48, 375) 2 = 23, 88 O desvio padrão "DP (X)" é a raiz quadrada da Variância "V ar(x)". ou seja: DP (X) = V ar(x) = 23, 88 = 4, 85 2
3 Exercício 2.(2,5 pontos) A escala Richter, também conhecida como escala de magnitude local, atribui um número único para quanticar o nível de energia liberada por um sismo. Suponha que, no encontro das placas tectônicas Naszca e Sul-Americana, a probabilidade de um terremoto atingir um valor acima de 8 graus na escala Richter seja de,5. Se no próximo mês ocorrerem de modo independente exatamente 1 abalos sísmicos nessa região, determine: Um terremoto atinge um valor acima de 8 graus na escala Richter com p =, 5. Não atinge tal valor com 1 p =, 95. Assim, se chamar-mos a variável aleatória, X : O número de abalos sismicos que ultrapassam 8 na escala Richter, temos que a Distribuição de X é Binomial com probabilidade de sucesso p =, 5: Binomial(1;,5) a. (,5 ponto) a probabilidade de todos os 1 abalos atingirem mais de 8 graus na escala Ritchter. A probabilidade de que todos os abalos sismicos ultrapassem 8 graus é o mesmo que escolher 1 sucessos na distribuição Binomial: P (X = 1) = ( 1), 5 1, 95 =.98 b. (,5 ponto) A probabilidade de ao menos um deles atingir mais de 8 graus na escala Ritchter. A probabilidade de que ao menos um abalo ultrapasse 8 graus é o mesmo que:p (X 1) P (X 1) = P (X = 1) + P (X = 2) + P (X = 3) + P (X = 4) + + P (X = 1) Porém, basta perceber que P (X = ) é o complementar de P (X 1) e portanto, P (X = ) + P (X 1) = 1. Logo, é mais fácil calcular pelo complementar para não ter que calcular todos os valores. P (X 1) = 1 P (X = ) = 1 ( 1 ), 5, 95 1 = 1, =, 4631 c. (1,5 ponto) O número esperado de abalos sísmicos com até 8 graus na escala Ritcher. O Número esperado de sucessos na distribuição Binomial é dado por E[X] = np. Porém, antes de sair calculando, perceba que até o item anterior nós chamamos de sucesso o evento em que o abalo sísmico ultrapassa os 8 graus na escala. Para esse item, no entanto, sucesso é quando o abalo não passa os 8 graus. Logo, p =.95.Temos agora uma distribuição Binomial(1,.95). E[X] = np =, 95 1 = 9, 5 O número esperado de abalos sísmicos que não ultrapassam 8 graus na escala Richter é de 9, 5 abalos. 3
4 Exercício 3. (3, ponto) Suponha que em um processo de produção, os itens x recémconfeccionados são levados por uma esteira até um ponto nal, onde são tomados de em para compor o que é chamada de caixa do item x. Tais caixas são imediadamente levadas à um caminhão, que com a carga completa, parte para a entrega das mesmas aos devidos clientes. Durante a fabricação, existem fatores externos que tornam o processo instável, de modo que cada iten x pode apresentar defeito com probabilidade,5 e de modo independente dos demais itens produzidos no processo. Seu João é um dos clientes dessa empresa, e a cada mês, compra uma caixa do item x. Supondo que exista uma norma que garanta a seu João o direito de ter todos os itens x sem defeitos e que Seu João mudaria de empresa caso encontrasse mais de três itens x defeituosos em sua caixa, determine a probabilidade de que, nesse mês, a. (,5 ponto) Seu João tenha seu direito violado - isto obriga a produtora a fornecer uma outra caixa ao cliente. Podemos denominar a Variável aleatória Y: O número de itens x que apresentam defeito. A probabilidade de apresentar defeito ("sucesso") é p =, 5 em itens. Temos portanto uma distribuição Binomial(;,5). Perceba que se um ou mais itens apresentarem defeito o Seu João terá seu direito violado e a caixa será trocada. Portanto queremos saber P (Y 1). P (Y 1) = P (Y = 1) + P (Y = 2) + P (Y = 3) + P (Y = 4) + + P (Y = ) Vimos no exercício 2 que P (Y = ) é o complementar de P (Y 1) e portanto, P (Y = ) + P (Y 1) = 1. Novamente é mais fácil calcular pelo complementar para não ter que computar todos os valores. ( ) P (Y 1) = 1 P (Y = ) = 1, 5, 95 = 1, 54 =, 46 b. (,5 ponto) Seu João deixe de ser cliente da produtora em questão. Se o número de itens com defeito for maior ou igual a 4 o Seu joão deixa de ser cliente da produtora. Assim, queremos a probabilidade de {Y 4} ou seja, P (Y 4). P (Y 4) = P (Y = 4) + P (Y = 5) + + P (Y = ) Note que: P (Y 3) + P (Y 4) = 1. É mais fácil calcular pelo complementar para não ter que computar todos os valores. P (Y 3) = P (Y = ) + P (Y = 1) + P (Y = 2) + P (Y = 3) 4
5 Assim, temos: P (Y 4) = 1 P (Y 3) = 1 [P (Y = ) + P (Y = 1) + P (Y = 2) + P (Y = 3)] = [( ) ( ) ( ) ( ) ] =, 5, 95 +, 5 1, , 5 2, , 5 3, = 1 [, , , , ] = = 1, =, Portanto a probabilidade de o Seu João deixar de ser cliente da distribuidora é de aproximadamente, 22% ou seja, menor que 1%. c. (2, ponto) Sabendo que Seu João recebeu uma segunda caixa sem defeito, ele ter deixado de ser cliente da produtora em questão. Sejam os eventos: A: a primeira caixa é devolvida e o Seu joão não deixa de ser cliente B: O Seu João deixa de ser cliente Temos então: P (A primeira caixa é devolvida) = P (A) = P (Y 1) P (O Seu João deixa de ser cliente) = P (B) = P (Y 4) Para que o Seu joão tenha recebido uma segunda caixa, é preciso ter tido algum defeito na primeira. Queremos saber portanto P (B A) ou seja: P (Y 4 Y 1). P (B A) = P (A B) P (A) = P (Y 1; Y 4) P (Y 1) = P (Y 4) P (Y 1) =, , 46 =, 4862 Logo, a Probabilidade de o Seu João ter deixado de ser cliente da produtora tendo recebido a segunda caixa é de, PS.: É importante notar que a interseção: {Y 1} {Y 4} = {Y 4}. 5
6 Exercício 4.(2, ponto) Com o objetivo de avaliar a satisfação dos participantes da festa GAMA, o(a) organizador(a) do evento escolheu, ao acaso, 1 dos convidados que estiveram presentes e fez-lhes a seguinte pergunta De modo geral, como você avaliaria a festa GAMA? Após uma análise das respostas obtidas, notou que dos 1 entrevistados, 2 poderiam ser categorizados como insatisfeitos, 4 como satisfeitos e 4 como plenamente satisfeitos. Caso as proporções de insatisfeitos, satisfeitos e plenamente satisfeitos no público total da festa - 2 participantes - fossem idênticas às observadas na amostra considerada pelo(a) organizador(a), qual seria a. (1, ponto) O número esperado de participantes insatisfeitos, satisfeitos e plenamente satisfeitos com a festa GAMA. Considere as variáveis aleatórias como descrito. I := Insatisfeito; P (I) = 2 1 =.2 S := Satisfeito; P (S) = 4 1 =.4 PS := Plenamente Satisfeito; P (P S) = 4 1 =.4 Como o exercício diz que as proporções são idênticas às encontradas na amostra, perceba que o número esperado para cada uma das avaliações é dado por: E(I) = P (I) 2 =, 2 2 = 4 E(S) = P (S) 2 =, 4 2 = 8 E(P S) = P (P S) 2 =, 4 2 = 8 Note ainda que E(I) + E(S) + E(P S) = 2 b. (1, ponto) A probabilidade de que num grupo de 1 pessoas, escolhidas ao acaso, nenhuma estivesse plenamente satisfeita com festa GAMA. Perceba que o sucesso só ocorre quando o participante selecionado responde que está plenamente satisfeito com a festa. Portanto, qualquer outra avaliação é considerada como fracasso ou seja: P (sucesso) = P (P lenamentesatisfeito) = P (P S) =, 4 P (fracasso) = P (Satisfeito)+P (Insatisfeito) = P (I)+P (P S) =, 2+, 4 =, 6 Logo passamos a ter uma Binomial(1;, 4). Seja X o número de participantes satisfeitos na amostra. Então: P (X = ) = ( 2 ), 4, 6 1 =, 65 6
7 A probabilidade de que nenhuma pessoa esteja plenamente satisfeita com a festa é de, 65 7
VARIÁVEIS ALEATÓRIAS e DISTRIBUIÇÃO BINOMIAL
VARIÁVEIS ALEATÓRIAS e DISTRIBUIÇÃO BINOMIAL 1 Variável Aleatória Uma função X que associa a cada elemento w do espaço amostral W um valor x R é denominada uma variável aleatória. Experimento: jogar 1
Leia maisVARIÁVEL ALEATÓRIA e DISTRIBUIÇÃO BINOMIAL
VARIÁVEL ALEATÓRIA e DISTRIBUIÇÃO BINOMIAL 1 Variável Aleatória Uma função X que associa a cada elemento w do espaço amostral W um valor x R é denominada uma variável aleatória. Experimento: jogar 1 dado
Leia maisVARIÁVEL ALEATÓRIA e DISTRIBUIÇÃO BINOMIAL
VARIÁVEL ALEATÓRIA e DISTRIBUIÇÃO BINOMIAL Variável Aleatória Uma função X que associa a cada elemento ω do espaço amostral Ω um valor x R é denominada uma variável aleatória. A variável aleatória pode
Leia maisProbabilidades e Estatística TODOS OS CURSOS
Duração: 90 minutos Grupo I Probabilidades e Estatística TODOS OS CURSOS Justifique convenientemente todas as respostas 2 o semestre 206/207 05/07/207 :30 o Teste C 0 valores. Uma peça de certo tipo é
Leia maisProbabilidade. 1 Distribuição de Bernoulli 2 Distribuição Binomial 3 Multinomial 4 Distribuição de Poisson. Renata Souza
Probabilidade Distribuição de Bernoulli 2 Distribuição Binomial 3 Multinomial 4 Distribuição de Poisson Renata Souza Distribuição de Bernoulli Uma lâmpada é escolhida ao acaso Ensaio de Bernoulli A lâmpada
Leia maisSolução dos Exercícios - Capítulos 1 a 3
Capítulo 9 Solução dos Exercícios - Capítulos a 3 9. Capítulo. a Como o valor se refere aos pacientes estudados, e não a todos os pacientes, esse é o valor de uma estatística amostral. b Estatística amostral
Leia maisVariáveis Aleatórias Contínuas e Distribuição de Probabilidad
Variáveis Aleatórias Contínuas e Distribuição de Probabilidades - parte III 23 de Abril de 2012 Introdução Objetivos Ao final deste capítulo você deve ser capaz de: Calcular probabilidades aproximadas
Leia maisDistribuição de Probabilidade. Prof. Ademilson
Distribuição de Probabilidade Prof. Ademilson Distribuição de Probabilidade Em Estatística, uma distribuição de probabilidade descreve a chance que uma variável pode assumir ao longo de um espaço de valores.
Leia mais3.3. Diga qual é o número médio e a variância dos animais que sobrevivem?
1. Um treinador de andebol tem à sua disposição 20 jogadores dos quais deve selecionar 10 para formar uma equipa para um jogo. 12 dos jogadores são atacantes e os restantes saõ defesas. 1.1. Se o selecionador
Leia maisPARTE 2. Profª. Drª. Alessandra de Ávila Montini
PARTE 2 Profª. Drª. Alessandra de Ávila Montini Conteúdo Introdução a Probabilidade Conceito de Experimento Conceito de Espaço Amostral Conceito de Variável Aleatória Principais Distribuições de Probabilidade
Leia maisPRO 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 maisPROBABILIDADE E ESTATÍSTICA. Profa. Dra. Yara de Souza Tadano
PROBABILIDADE E ESTATÍSTICA Profa. Dra. Yara de Souza Tadano yaratadano@utfpr.edu.br Aula 7 11/2014 Variáveis Aleatórias Variáveis Aleatórias Probabilidade e Estatística 3/41 Variáveis Aleatórias Colete
Leia maisEstatística (MAD231) Turma: IGA. Período: 2018/2
Estatística (MAD231) Turma: IGA Período: 2018/2 Aula #03 de Probabilidade: 19/10/2018 1 Variáveis Aleatórias Considere um experimento cujo espaço amostral é Ω. Ω contém todos os resultados possíveis: e
Leia maisX ~ Binomial (n ; p) H: p = p 0 x A: p p 0 (ou A: p > p 0 ou A: p < p 0 ) { X k 1 } U { X k 2 } (ou { X k } ou { X k }) x RC não rejeitamos H
NOÇÕES DE TESTE DE HIPÓTESES (II) Nível Descritivo valor P Resumo X ~ Binomial (n ; p) (1) Estabelecer as hipóteses sobre p: H: p = p 0 x A: p p 0 (ou A: p > p 0 ou A: p < p 0 ) (2) Escolher um nível de
Leia maisDepartamento de Estatística UFSCar Probabilidade e Estatística Lista de Exercícios 2 Prof. José Carlos Fogo (11/09/2014)
Departamento de Estatística UFSCar Probabilidade e Estatística Lista de Exercícios 2 Prof. José Carlos Fogo (11/09/2014) 1) Seja X v.a. representando o número de usuários de um microcomputador no período
Leia maisProbabilidades e Estatística
Departamento de Matemática Probabilidades e Estatística LEGM, LEIC-A, LEIC-T, LEMat, MEBiom, MEFT, MEQ 2 o semestre 2011/2012 1 o Teste A 21/04/2012 9:00 Duração: 1 hora e 30 minutos Justifique convenientemente
Leia maisProf. Adriano Mendonça Souza, Dr. Departamento de Estatística PPGEMQ / PPGEP - UFSM
Prof. Adriano Mendonça Souza, Dr. Departamento de Estatística PPGEMQ / PPGEP - UFSM Noções básicasb de Inferência Estatística descritiva inferencial População - Parâmetros desconhecidos (reais) Amostra
Leia maisMAE116 Noções de Estatística
Exercício 1 (Estimação) Um agente de viagens deseja estimar a proporção de clientes satisfeitos com os serviços da agência. (a) Determine o tamanho da amostra necessário para que o erro cometido na estimação
Leia maisPRINCIPAIS DISTRIBUIÇÕES DISCRETAS DE PROBABILIDADE
PRINCIPAIS DISTRIBUIÇÕES DISCRETAS DE PROBABILIDADE 3.1 INTRODUÇÃO Muitas variáveis aleatórias associadas a experimentos aleatórios têm propriedades similares e, portanto, podem ser descritas através de
Leia maisrio de Guerra Eletrônica EENEM 2008 Estatística stica e Probabilidade Aleatórias Discretas
ITA - Laboratório rio de Guerra Eletrônica EENEM 2008 Estatística stica e Probabilidade Aula 03: Variáveis Aleatórias Discretas Qual a similaridade na natureza dessas grandezas? Tempo de espera de um ônibus
Leia maisTeorema central do limite e es/mação da proporção populacional p
Teorema central do limite e es/mação da proporção populacional p 1 RESULTADO 1: Relembrando resultados importantes Seja uma amostra aleatória de tamanho n de uma variável aleatória X, com média µ e variância
Leia maisRESOLUÇÃO DAS QUESTÕES DE ESTATÍSTICA
RESOLUÇÃO DAS QUESTÕES DE ESTATÍSTICA Caro aluno, Disponibilizo abaixo a resolução resumida das questões de Estatística da prova de Auditor da SEFAZ/PI 2015. Vale dizer que utilizei a numeração da prova
Leia maisModelos Probabilisticos Discretos
Modelos Probabilisticos Discretos Ricardo Ehlers ehlers@icmc.usp.br Departamento de Matemática Aplicada e Estatística Universidade de São Paulo 1 / 30 A distribuição Uniforme Discreta Suponha um experimento
Leia maisF (x) = P (X x) = Σ xi xp(x i ) E(X) = x i p(x i ).
Variável Aleatória Uma variável aleatória é uma variável numérica, cujo valor medido pode variar de uma réplica para outra do experimento. Exemplos: (i) Variáveis aleatórias contínuas: corrente elétrica,
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 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 maisVariáveis Aleatórias Discretas e Distribuição de Probabilidade
Variáveis Aleatórias Discretas e Distribuição de Probabilidades - parte III 08 de Abril de 2014 Distribuição Binomial Negativa Objetivos Ao final deste capítulo você deve ser capaz de: Ententer suposições
Leia maisModelos de Distribuição PARA COMPUTAÇÃO
Modelos de Distribuição MONITORIA DE ESTATÍSTICA E PROBABILIDADE PARA COMPUTAÇÃO Distribuições Discretas Bernoulli Binomial Geométrica Hipergeométrica Poisson ESTATÍSTICA E PROBABILIDADE PARA COMPUTAÇÃO
Leia maisProbabilidade e Estatística
Probabilidade e Estatística Aula 5 Probabilidade: Distribuições de Discretas Parte 2 Leitura obrigatória: Devore, seções 3.4, 3.5 (hipergeométrica), 3.6 Aula 5-1 Objetivos Nesta parte 01 aprendemos a representar,
Leia maisTestes de Hipótese para uma única Amostra - parte II
Testes de Hipótese para uma única Amostra - parte II 2012/02 1 Teste para média com variância conhecida 2 3 Objetivos Ao final deste capítulo você deve ser capaz de: Testar hipóteses para média de uma
Leia maisProbabilidade I. Departamento de Estatística. Universidade Federal da Paraíba. Prof. Tarciana Liberal (UFPB) Aula Poisson 08/14 1 / 19
Probabilidade I Departamento de Estatística Universidade Federal da Paraíba Prof. Tarciana Liberal (UFPB) Aula Poisson 08/14 1 / 19 Modelo Poisson Na prática muitos experimentos consistem em observar a
Leia maisTestes de Hipóteses. Ricardo Ehlers Departamento de Matemática Aplicada e Estatística Universidade de São Paulo
Testes de Hipóteses Ricardo Ehlers ehlers@icmc.usp.br Departamento de Matemática Aplicada e Estatística Universidade de São Paulo Introdução e notação Em geral, intervalos de confiança são a forma mais
Leia maisDISTRIBUIÇÕES BERNOULLI E BINOMIAL
DISTRIBUIÇÕES BERNOULLI E BINOMIAL Lucas Santana da Cunha email: lscunha@uel.br http://www.uel.br/pessoal/lscunha/ Universidade Estadual de Londrina 26 de junho de 2017 Distribuição Bernoulli Nos experimentos
Leia maisCálculo 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 maisProbabilidade I. Departamento de Estatística. Universidade Federal da Paraíba
Probabilidade I Departamento de Estatística Universidade Federal da Paraíba Prof. Tarciana Liberal (UFPB) Aula Distribuição de Bernoulli e Binomial 07/14 1 / 32 Distribuições Discretas Apresentaremos agora
Leia maisUnidade II ESTATÍSTICA APLICADA. Prof. Luiz Felix
Unidade II ESTATÍSTICA APLICADA Prof. Luiz Felix Distribuição de frequências - média Cálculo da Média x = X i. f i n Onde: x média aritmética da distribuição de frequência X i ponto médio de cada classe
Leia maisDistribuições Bernoulli e Binomial
Distribuições Bernoulli e Binomial Prof. Dr. Lucas Santana da Cunha email: lscunha@uel.br http://www.uel.br/pessoal/lscunha/ 04 de junho de 2018 Londrina 1 / 12 Distribuição Bernoulli Nos experimentos
Leia maisBioestatística F. Modelo Binomial. Enrico A. Colosimo
Bioestatística F Modelo Binomial Enrico A. Colosimo Departamento de Estatística Universidade Federal de Minas Gerais http://www.est.ufmg.br/~enricoc 2011 1 / 1 Variável aleatória discreta Definição Uma
Leia maisProbabilidade II. Departamento de Estatística. Universidade Federal da Paraíba
Probabilidade II Departamento de Estatística Universidade Federal da Paraíba Prof. Tarciana Liberal (UFPB) Aula Lei dos Grandes Números e Teorema Central do Limite 02/14 1 / 9 Lei dos Grandes Números Lei
Leia maisPrincipais distribuições discretas Distribuição de Bernoulli sucesso fracasso X = 1, se sucesso X = 0, se fracasso P(X) TOTAL 1 Exemplo 5:
Principais distribuições discretas Na prática, sempre se procura associar um fenômeno aleatório a ser estudado, a uma forma já conhecida de distribuição de probabilidade (distribuição teórica) e, a partir
Leia mais3 a Lista de Exercícios de Estatística
Disciplina: Estatística (Ciências Biológicas - 2019/1) Prof.: João Batista M. Pereira e-mail: joao@dme.ufrj.br Entrega: 24/06/2019 3 a Lista de Exercícios de Estatística 1. Suponha que a probabilidade
Leia maisMAE0219 Introdução à Probabilidade e Estatística I
Exercício 1 Um par de dados não viciados é lançado. Seja X a variável aleatória denotando o menor dos dois números observados. a) Encontre a tabela da distribuição dessa variável. b) Construa o gráfico
Leia maisAula 5. Variáveis Aleatórias Discretas
Aula 5. Variáveis Aleatórias Discretas Definição formal : Variável aleatória é qualquer função definida em espaço Ω. Ω função é uma regra que para cada valor de domínio corresponde um valor de R R Definição
Leia maisVariáveis Aleatórias Discretas
Variáveis Aleatórias Discretas Ricardo Ehlers ehlers@icmc.usp.br Departamento de Matemática Aplicada e Estatística Universidade de São Paulo Introdução Definição Uma variável aleatória é uma função definida
Leia maisPRINCIPAIS DISTRIBUIÇÕES DE PROBABILIDADES
PRINCIPAIS DISTRIBUIÇÕES DE PROBABILIDADES Certas distribuições de probabilidades se encaixam em diversas situações práticas As principais são: se v.a. discreta Distribuição de Bernoulli Distribuição binomial
Leia maisTestes de Hipótese para uma única Amostra - parte II
Testes de Hipótese para uma única Amostra - parte II 01 de Julho de 2014 Objetivos Ao final deste capítulo você deve ser capaz de: Testar hipóteses para média de uma população. Serão usadas as distribuições
Leia maisGABARITO DA AVALIAÇÃO 1 ESTATÍSTICA E PROBABILIDADES ENGENHARIA DE TELECOMUNICAÇÕES
GABARITO DA AVALIAÇÃO 1 ESTATÍSTICA E PROBABILIDADES ENGENHARIA DE TELECOMUNICAÇÕES 014-1 1- Ordene os dados. Indique o 1º, º e 3º quartil. Desenhe o diagrama de caixa. Calcule a média e a mediana dos
Leia maisModelos Probabiĺısticos Discretos
Discretos Prof. Gilberto Rodrigues Liska UNIPAMPA 19 de Setembro de 2017 Material de Apoio e-mail: gilbertoliska@unipampa.edu.br Gilberto R. Liska ( UNIPAMPA ) Notas de Aula 19 de Setembro de 2017 1 /
Leia mais5 TORIA ELEMENTAR DA AMOSTRAGEM
5 TORIA ELEMENTAR DA AMOSTRAGEM É errôneo pensar que, caso tivéssemos acesso a todos os elementos da população, seríamos mais precisos. Os erros de coleta e manuseio de um grande número de dados são maiores
Leia maisPARTE 3. Profª. Drª. Alessandra de Ávila Montini
PARTE 3 Profª. Drª. Alessandra de Ávila Montini Distribuições Contínuas 2 Conteúdo Principais Distribuições de Probabilidade para Variáveis Quantitativas Contínuas: Exponencial Normal T de Student Qui-quadrado
Leia maisProfessora Ana Hermínia Andrade. Período
Distribuições de probabilidade Professora Ana Hermínia Andrade Universidade Federal do Amazonas Faculdade de Estudos Sociais Departamento de Economia e Análise Período 2016.2 Modelos de distribuição Para
Leia mais3. VARIÁVEIS ALEATÓRIAS
3. VARIÁVEIS ALEATÓRIAS 011 Variável aleatória é o espaço amostral de um eperimento aleatório. Uma variável aleatória,, é uma função que atribui um número real a cada resultado em. Eemplo. Retira-, ao
Leia maisBIOESTATISTICA. Unidade IV - Probabilidades
BIOESTATISTICA Unidade IV - Probabilidades 0 PROBABILIDADE E DISTRIBUIÇÃO DE FREQUÊNCIAS COMO ESTIMATIVA DA PROBABILIDADE Noções de Probabilidade Após realizar a descrição dos eventos utilizando gráficos,
Leia maisProbabilidades e Estatística LEGM, LEIC-A, LEIC-T, MA, MEMec
Duração: 9 minutos Grupo I Probabilidades e Estatística LEGM, LEIC-A, LEIC-T, MA, MEMec Justifique convenientemente todas as respostas o semestre 7/8 5/5/8 9: o Teste A valores. Uma loja comercializa telemóveis
Leia mais4. 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 maisDistribuições amostrais
Distribuições amostrais Tatiene Correia de Souza / UFPB tatiene@de.ufpb.br October 14, 2014 Souza () Distribuições amostrais October 14, 2014 1 / 23 Distribuição Amostral Objetivo Estender a noção de uma
Leia maisCálculo 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 maisVariáveis Aleatórias Discretas - Esperança e Variância
Exemplo Um empresário pretende estabelecer uma firma para montagem de um componente mecânico. Cada peça é composta de duas partes, A e B, cada uma com uma chance específica de ser defeituosa. Só é possível
Leia maisMAT 461 Tópicos de Matemática II Aula 5: Resumo de Probabilidade
MAT 461 Tópicos de Matemática II Aula 5: Resumo de Probabilidade Edson de Faria Departamento de Matemática IME-USP 26 de Agosto, 2013 Probabilidade: uma Introdução / Aula 5 1 Variáveis aleatórias Definição
Leia maisVariáveis Aleatórias Discretas e Distribuição de Probabilidade
Variáveis Aleatórias Discretas e Distribuição de Probabilidades - parte II 29 de Março de 2011 Distribuição Uniforme Discreta Média Propriedade da falta de memória Objetivos Ao final deste capítulo você
Leia maisLEEC Probabilidades e Estatística 1 a Chamada 13/06/2005. Parte Prática C (C) M 1% 9% 10% (M) 4% 86% 90% 5% 95% 100%
. Definição dos acontecimentos: M T-shirt tem manchas C T-shirt tem costuras defeituosas D T-shirt é defeituosa A Preço da t-shirt é alterado a) PM) = % PC) = 5% PM C) = % LEEC Probabilidades e Estatística
Leia maisAula 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 maisVariáveis Aleatórias Discretas e Distribuição de Probabilidade
Variáveis Aleatórias Discretas e Distribuição de Probabilidades - parte IV 2012/02 1 Distribuição Poisson Objetivos Ao final deste capítulo você deve ser capaz de: Ententer suposições para cada uma das
Leia mais1 a a. Para a soma dos números saídos ser 0, tem que sair 0 em ambos os dados
Página Preparar o Exame 0 0 Matemática A. O valor médio da variável aleatória X é dado por a a a a 0 a a a. Então, a a Resposta: B. O é um dos resultados possíveis para X,(X = {0,,, }) pelo que a opção
Leia maisESCOLA SUPERIOR DE TECNOLOGIA
Departamento Matemática Probabilidades e Estatística Curso Engenharia do Ambiente 2º Semestre 1º Folha Nº2: Distribuição Binomial, Poisson, Normal e Lognormal 1. A probabilidade de encontrar um insecto
Leia maisEstatística p/ TCE-PR Teoria e exercícios comentados Prof. Jeronymo Marcondes. Resolução prova Estatística p/ TCE-PR, área atuarial.
prova Estatística p/ TCE-PR, área atuarial. Boa pessoal! A CESPE deu uma prova de estatística que, acredito, estava muito acima do esperado por muitos candidatos. Vamos lá! Não encontrei recursos! Vamos
Leia maisFernando de Pol Mayer
Fernando de Pol Mayer Laboratório de Estatística e Geoinformação (LEG) Departamento de Estatística (DEST) Universidade Federal do Paraná (UFPR) Este conteúdo está disponível por meio da Licença Creative
Leia maisUnidade III ESTATÍSTICA. Prof. Fernando Rodrigues
Unidade III ESTATÍSTICA Prof. Fernando Rodrigues Medidas de dispersão Estudamos na unidade anterior as medidas de tendência central, que fornecem importantes informações sobre uma sequência numérica. Entretanto,
Leia maisProbabilidade I. Departamento de Estatística. Universidade Federal da Paraíba. Prof. Tarciana Liberal (UFPB) Aula 3 04/14 1 / 20
Probabilidade I Departamento de Estatística Universidade Federal da Paraíba Prof. Tarciana Liberal (UFPB) Aula 3 04/14 1 / 20 Alguns Conceitos Básicos de Contagem As ideias de contagem se relacionam com
Leia maisProbabilidade e Estatística
Probabilidade e Estatística Aula 7 Distribuição da Média Amostral Leitura obrigatória: Devore: Seções 5.3, 5.4 e 5.5 Chap 8-1 Inferência Estatística Na próxima aula vamos começar a parte de inferência
Leia maisINFERÊNCIA ESTATÍSTICA. ESTIMAÇÃO PARA A PROPORÇÃO POPULACIONAL p
INFERÊNCIA ESTATÍSTICA ESTIMAÇÃO PARA A PROPORÇÃO POPULACIONAL p Objetivo Estimar uma proporção p (desconhecida) de elementos em uma população, apresentando certa característica de interesse, a partir
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 maisProbabilidade Lista 6 - Variáveis Aleatórias Contínuas e Vetores Aleatórios
Probabilidade Lista - Variáveis Aleatórias Contínuas e Vetores Aleatórios Exercício. Uma v.a. X tem distribuição triangular no intervalo [0, ] se sua densidade for dada por 0, x < 0 cx, 0 x /2 c( x), /2
Leia maisDistribuições Amostrais
Estatística II Antonio Roque Aula Distribuições Amostrais O problema central da inferência estatística é como fazer afirmações sobre os parâmetros de uma população a partir de estatísticas obtidas de amostras
Leia mais2 log 3. equivale a uma energia de 3, 6 milhões de J (joules). kwh
TRRMOTOS M TRMOS D NRGIA Prof José Carlos F Bastos O poder destrutivo de um terremoto é melhor avaliado pela energia liberada no abalo sísmico Podemos estimar, com conformidade com o modelo de Richter,
Leia maisIntrodução à Estatística. Segundo Semestre/2018
Introdução à Estatística Segundo Semestre/2018 Recapitulação Já vimos que existem dois tipos de Variáveis Aleatórias: Discretas e Contínuas. Sabemos como trabalhar com variáveis aleatórias Discretas; Iremos
Leia maisNessa situação, a média dessa distribuição Normal (X ) é igual à média populacional, ou seja:
Pessoal, trago a vocês a resolução da prova de Estatística do concurso para Auditor Fiscal aplicada pela FCC. Foram 10 questões de estatística! Não identifiquei possibilidade para recursos. Considero a
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 maisEstatística (MAD231) Turma: IGA. Período: 2017/2
Estatística (MAD231) Turma: IGA Período: 2017/2 Aula #03 de Probabilidade: 04/10/2017 1 Variáveis Aleatórias Considere um experimento cujo espaço amostral é Ω. Ω contém todos os resultados possíveis: e
Leia maisLivro Eletrônico. Aula 00. RETA FINAL - Questões Comentadas de Estatística p/ AFRFB 2018 (Com videoaulas)
Livro Eletrônico Aula 00 RETA FINAL - Questões Comentadas de Estatística p/ AFRFB 018 (Com videoaulas) Professores: Equipe ArthurLima, Jeronymo Marcondes Aula 00 AULA 00 ESTATÍSTICA SUMÁRIO PÁGINA 1. Apresentação
Leia maisResolução da Prova de Matemática Financeira e Estatística do ISS Teresina, aplicada em 28/08/2016.
de Matemática Financeira e Estatística do ISS Teresina, aplicada em 8/08/016. 11 - (ISS Teresina 016 / FCC) Joana aplicou todo seu capital, durante 6 meses, em bancos ( e Y). No Banco, ela aplicou 37,5%
Leia mais4. PRINCIPAIS MODELOS DISCRETOS
4. PRINCIPAIS MODELOS DISCRETOS 2019 Principais modelos probabilísticos discretos 4.1. Modelo Bernoulli Muitos eperimentos admitem apenas dois resultados. Eemplos: 1. Uma peça é classificada como defeituosa
Leia maisCONTABILOMETRIA. Revisão de Probabilidade e Teorema de Bayes
CONTAILOMETRIA Revisão de robabilidade e Teorema de ayes Os ostulados de robabilidade 1. As probabilidades são números reais positivos maiores que zero e menores que 1; simbolicamente, 0 A 1 para qualquer
Leia maisUNIVERSIDADE FEDERAL DO PARANÁ CE003 - ESTATÍSTICA II
UNIVERSIDADE FEDERAL DO PARANÁ CE003 - ESTATÍSTICA II Segunda lista de Exercícios - Variáveis Aleatórias Professora Fernanda 1. Uma máquina caça níquel de cassino possui três roletas. Na primeira e segunda
Leia maisDISTRIBUIÇÃO BINOMIAL
Universidade Federal de Viçosa - CCE / DPI Inf 161 - Iniciação à Estatística / INF 16 Estatística I Lista de Exercícios: Cap. 4 - Distribuições de Variáveis Aleatórias DISTRIBUIÇÃO BINOMIAL 1. Determine
Leia maisProbabilidades e Estatística LEE, LEIC-A, LEIC-T, LEMat, LERC, MEBiol, MEBiom, MEEC, MEFT, MEMec, MEQ
Duração: 90 minutos Grupo I Probabilidades e Estatística LEE, LEIC-A, LEIC-T, LEMat, LERC, MEBiol, MEBiom, MEEC, MEFT, MEMec, MEQ Justifique convenientemente todas as respostas 1 o semestre 2017/2018 18/11/2017
Leia maisTestes de Hipóteses. Ricardo Ehlers Departamento de Matemática Aplicada e Estatística Universidade de São Paulo
Testes de Hipóteses Ricardo Ehlers ehlers@icmc.usp.br Departamento de Matemática Aplicada e Estatística Universidade de São Paulo Introdução e notação Em geral, intervalos de confiança são a forma mais
Leia maisMedidas resumo. Wagner H. Bonat Elias T. Krainski Fernando P. Mayer
Medidas resumo Wagner H. Bonat Elias T. Krainski Fernando P. Mayer Universidade Federal do Paraná Departamento de Estatística Laboratório de Estatística e Geoinformação 28/03/2018 WB, EK, FM ( LEG/DEST/UFPR
Leia maisUnidade I ESTATÍSTICA APLICADA. Prof. Mauricio Fanno
Unidade I ESTATÍSTICA APLICADA Prof. Mauricio Fanno Estatística indutiva Estatística descritiva Dados no passado ou no presente e em pequena quantidade, portanto, reais e coletáveis. Campo de trabalho:
Leia mais1 Distribuições Discretas de Probabilidade
1 Distribuições Discretas de Probabilidade A distribuição discreta descreve quantidades aleatórias (dados de interesse) que podem assumir valores particulares e os valores são finitos. Por exemplo, uma
Leia maisUAlg esght DISTRIBUIÇÕES
UAlg esght DISTRIBUIÇÕES TEÓRICAS EXERCÍCIOS ( pbasilio@ualg.pt ) Dezembro 2014 Distribuições Teóricas - Exercícios 1 1 - A impressora do centro de cálculo trabalha 90% do tempo. Se realizarmos dez inspecções
Leia maisConfiabilidade de sistemas. Uma importante aplicação de probabilidade nas engenharias é no estudo da confiabilidade de sistemas.
Confiabilidade de sistemas Uma importante aplicação de probabilidade nas engenharias é no estudo da confiabilidade de sistemas. Uma definição pratica de confiabilidade corresponde à probabilidade de um
Leia maisVariáveis 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 maisVariáveis Aleatórias Discretas e Distribuição de Probabilidade
Variáveis Aleatórias Discretas e Distribuição de Probabilidades 01 de Abril de 2014 Objetivos Ao final deste capítulo você deve ser capaz de: Determinar probabilidades a partir de funções de probabilidade
Leia maisProbabilidade e Estatística. Estimação de Parâmetros Intervalo de Confiança
Probabilidade e Estatística Prof. Dr. Narciso Gonçalves da Silva http://páginapessoal.utfpr.edu.br/ngsilva Estimação de Parâmetros Intervalo de Confiança Introdução A inferência estatística é o processo
Leia maisESTATÍSTICA. aula 3. Insper Ibmec São Paulo. Prof. Dr. Marco Antonio Leonel Caetano
ESTATÍSTICA aula 3 Prof. Dr. Marco Antonio Leonel Caetano Insper Ibmec São Paulo Espaço Amostral Espaço amostral é o conjunto de todos os resultados possíveis de um experimento aleatório. Experimento aleatório
Leia mais3 a Lista de PE Solução
Universidade de Brasília Departamento de Estatística 3 a Lista de PE Solução. Se X representa o ganho do jogador, então os possíveis valores para X são,, 0, e 4. Esses valores são, respectivamente, correspondentes
Leia maisUm conceito importante em Probabilidades e Estatística é o de
Variáveis Aleatórias Um conceito importante em Probabilidades e Estatística é o de Variável Aleatória. Variável Aleatória Seja (Ω, A) um espaço de acontecimentos. À função X : Ω IR chamamos variável aleatória.
Leia maisProbabilidade - aula II
2012/02 1 Interpretações de Probabilidade 2 3 Amostras Aleatórias e Objetivos Ao final deste capítulo você deve ser capaz de: Calcular probabilidades de eventos conjuntos. Interpretar e calcular probabilidades
Leia mais