Instituto Tecnológico de Aeronáutica Divisão de Engenharia Mecânica-Aeronáutica. Professora: Denise Beatriz T. P. do Areal Ferrari

Save this PDF as:
 WORD  PNG  TXT  JPG

Tamanho: px
Começar a partir da página:

Download "Instituto Tecnológico de Aeronáutica Divisão de Engenharia Mecânica-Aeronáutica. Professora: Denise Beatriz T. P. do Areal Ferrari"

Transcrição

1 Instituto Tecnológico de Aeronáutica Divisão de Engenharia Mecânica-Aeronáutica Professora: Denise Beatriz T. P. do Areal Ferrari

2 Distribuições Discretas Uniforme Bernoulli Binomial Poisson Distribuições Contínuas Uniforme Normal Exponencial Gama

3 Definição: Uma va discreta X definida nos pontos x 1, x 2,...,x n tem distribuição uniforme discreta se assume cada um dos n valores possíveis com igual probabilidade. Temos: f ( x i ) 1, n 0, para i 1,..., caso contrário n

4 Teorema: Seja X uma va discreta que se distribui uniformemente nos pontos definidos pela seqüência de números inteiros consecutivos 1,2,...,n. Então : E[ X ] n 2 1 Var[ X ] 2 n 12 1 m X ( t) E[ e tx ] i n 1 e ti 1 n

5 OBS: Se o espaço amostral é um conjunto enumerável e infinito ( +, por exemplo), então não é possível definir um experimento uniformemente distribuído neste conjunto. Se o espaço amostral for um conjunto não-enumerável, finito, tal como o intervalo real [0,1], utilizamos a distribuição uniforme contínua.

6 Exemplo 1:Geração de números aleatórios Seja X uma va com fdp dada por f(x), onde x pertence ao conjunto{x 1, x 2, x 3 } e f(x1) = 1/2, f(x2) = 1/3 e f(x3) = 1/6. Caso 1: Geração de números inteiros aleatórios num conjunto inteiro definido. conjunto {1, 2,...,6}: x 1 : se resultar 1,2 ou 3 x 2 : se resultar 4 ou 5 x 3 : se resultar 6 Caso 2: Geração de números reais aleatórios no intervalo [0,1]. r [0,1] R = 6r +1 {1,...6}

7 Conseqüência do chamado experimento de Bernoulli : 1. Um experimento aleatório em que há apenas dois possíveis resultados: sucesso e fracasso. 2. A probabilidade de ocorrer sucesso vale p, enquanto para fracasso, vale 1-p. X = resultado do experimento ~ Bernoulli (p).

8 Definição: Uma va discreta X tem distribuição de Bernoulli se sua fdp é dada por: f ( x) p 0, x q 1-x, para x 0,1 caso contrário onde 0 p 1 e q=(1-p)

9 Teorema: Seja X uma va discreta que tem distribuição de Bernoulli. Então: tx t E [ X ] p Var [ X ] pq m ( t) E[ e pe q X ]

10 Um medicamento cuja probabilidade de curar uma determinada doença é de 0,9 é administrado a um paciente. Os resultados possíveis são curado ou não-curado. Definindo X = resultado após medicação, então: X ~ Bernoulli (p=0,9)

11 Suponha que o experimento de Bernoulli seja repetido n vezes, de forma que sejam válidas: 1. Hipótese de Independência: Cada repetição do experimento é independente do anterior. 2. Hipótese de Estacionariedade: A probabilidade p de sucesso permanece constante para todos os experimentos. O mesmo vale para a probabilidade de fracasso, dada por q = 1-p. X = número de sucessos obtidos nos n experimentos, então: X ~ Binomial (n, p).

12 Definição: Uma va discreta X tem distribuição Binomial se sua fdp é dada por: f ( x) n x p x q n-x, para x 0,1,..., n 0, caso contrário onde 0 p 1 e q=(1-p)

13 Teorema: Seja X uma va discreta que tem distribuição binomial. Então: E [ X ] np Var [ X ] npq tx m X ( t) E[ e ] pe t q n

14 Alguns experimentos que podem ser modelados como uma va Binomial: Um medicamento cuja probabilidade de curar uma determinada doença é de 0,9 é administrado a 100 pacientes. Os resultados possíveis para cada paciente são curado ou não-curado. X = número de pacientes curados~ Binomial (100; 0,9). Pesquisas revelam que há 20% de chance de que uma pessoa adulta sofra de algum tipo de desordem psiquiátrica. Um grupo de 25 pessoas é selecionado aleatoriamente. X= no. de pessoas com desordem psiquiátrica ~ Binomial (25; 0,20). Um fabricante de chips de computador acredita que, em média, 5% dos itens produzidos são defeituosos. A fim de monitorar o processo de fabricação, toma uma amostra de 75 itens. Se a amostra contiver mais do que 5 chips defeituosos, o processo é interrompido. X = número de chips defeituosos encontrados ~ Binomial (75;0,05)

15 Pesquisas revelam que há 20% de chance de que uma pessoa adulta sofra de algum tipo de desordem psiquiátrica. Um grupo de 25 pessoas é selecionado aleatoriamente. Definindo: X = nº de pessoas que apresentam uma desordem psiquiátrica, temos que X ~ Binomial (25; 0,20). Qual a probabilidade de que no máximo 3 pessoas do grupo selecionado tenham a desordem?

16 Solução Manual: Queremos P(X 3): mas, p ( x) n x p x q n-x P( X 3) p(0) p(1) p(2) p(3) p(0) ,2 0.0,8 25 3, p(1) p(2) ,2.0, ,2.0, , , P(X 3) 0,234 p(3) ,2 3.0,8 22 0,136

17 Suponha que a aspirina comum seja usada como medicamento para curar dor de cabeça e seja eficiente em 60% dos casos. Um fabricante desenvolveu uma nova aspirina contendo um componente adicional, que alega aumentar a eficiência do medicamento. Teste para a veracidade da informação: Hipótese alternativa: afirmação do fabricante Hipótese nula: o componente adicional não aumenta eficiência

18 Temos, então: Ho: p = 0,6 Ha: p>0,6 (onde p é a probabilidade de que a nova aspirina seja eficiente). Queremos encontrar um número m (valor crítico) tal que rejeitamos Ho se pelo menos m pessoas forem curadas. Do contrário, não podemos rejeitar Ho. Como determinar m?

19 Binomial: contagem do número de sucessos em um nº determinado de experimentos. Outros experimentos em que uma contagem é envolvida: O número de erros tipográficos encontrados em uma página. O número de aeronaves que chegam a um aeroporto em um dia. O número de paradas de uma máquina em uma planta industrial num determinado intervalo de tempo. Contagem de ocorrências num determinado intervalo.

20 Suponha que estamos observando a ocorrência de um determinado fenômeno no tempo ou espaço: Ex: o recebimento de chamadas telefônicas em um call-center. Seja o evento: A = recebimento de x chamadas em um certo intervalo de tempo. X X X X X X X X 0 t 1 x

21 Vamos considerar: 1. A probabilidade de exatamente uma ocorrência em um pequeno intervalo de comprimento h é proporcional ao comprimento do intervalo: P[uma ocorrência no intervalo de comprimento h] = vh +o(h) 2. A probabilidade de mais de uma ocorrência no intervalo de comprimento h é desprezível, se comparada à probabilidade de apenas uma ocorrência no mesmo intervalo: P[duas ou mais ocorrências no intervalo de comprimento h] = o(h) 3. O número de ocorrências em intervalos não sobrepostos são independentes entre si. v = taxa média de ocorrências por unidade X = número de ocorrências num intervalo de comprimento t, então: X ~ Poisson ( = vt).

22 Definição: Uma va discreta X tem distribuição de Poisson se sua fdp é dada por: f ( x) e 0, x! x, para x 0,1,... caso contrário, onde >0

23 Teorema: Seja X uma va discreta que tem distribuição de Poisson. Então: t E [X ] Var [X ] tx ( e 1) m ( t) E[ e ] e X

24 Suponha que acidentes de trânsito ocorram em um determinado cruzamento de forma que satisfaça as condições de um processo de Poisson, com taxa de 2 acidentes por semana. Definindo: X = nº de acidentes em 2 semanas, temos que X ~ Poisson ( = 2.2 = 4). Qual a probabilidade de que no máximo 3 acidentes ocorram nas próximas 2 semanas?

25 Solução Manual: Queremos P(X 3): mas, (3) (2) (1) (0) 3) ( p p p p X P! ) ( x e x p x - 0, (3) 0, (2) 7, (1) 1, (0) e p e p e p e p 0,4335 3) P(X

26

27 Definição: Uma va contínua X definida no intervalo [a,b] tem distribuição uniforme se sua fdp é dada por: f ( x) b 1 a para a x b, onde - <a<b<

28 Teorema: Se X é uma va contínua que se distribui uniformemente no intervalo [a,b]. Então : E[ X ] b a 2 Var[ X ] ( b a) 12 2 m X ( t) tb e ( b ta e a) t

29 OBS: X ~ Uniforme (a,b): X = resultado do experimento em que um número real é aleatoriamente escolhido dentro do intervalo [a,b]. Embora a distribuição uniforme tenha sido definida no intervalo [a,b], também poderia ser igualmente definida nos intervalos (a,b], [a,b) ou (a,b), verificando-se a não unicidade da fdp de uma va contínua.

30 Processo de Poisson: P x>1 (h) = 0 P 1 (h) = vh +o(h) Independência. VA ~ Poisson: Contagem do número de ocorrências num determinado intervalo. VA ~ Exponencial: Tempo transcorrido entre duas ocorrências; Tempo de espera até a primeira ocorrência.

31 Suponha que estamos observando a ocorrência de um determinado fenômeno no tempo ou espaço: Ex: o recebimento de chamadas telefônicas em um call-center. Sejam o eventos: A = recebimento de x chamadas em um certo intervalo de tempo. X ~ Poisson B = tempo t transcorrido entre duas chamadas consecutivas. T ~ Exponencial X X X X X X X X 0 t 1 x

32 Definição: Uma va contínua X tem distribuição exponencial se sua fdp é dada por: f ( x) e x, para 0 x< e >0

33 Teorema: Se X é uma va contínua que se distribui exponencialmente, então: 1 1 E[X ] Var[X ] 2 m X ( t), t t

34 Suponha que ao comprar um computador com um determinado tipo de disco rígido, o vendedor afirmou que a durabilidade média de um disco destes é de 30 meses. Definindo: X = durabilidade (tempo de vida) do disco X ~ Exponencial ( = 1/30). Suponha que o computador já esteja funcionando há 15 meses e o disco rígido original continua funcionando. Quanto tempo espera-se que ele continue funcionando?

35 Quanto tempo espera-se que ele continue funcionando? Alguém poderia esperar que ele fosse durar, em média, mais 15 meses. O tempo de vida restante seria, então, representado por Y =X-15. Podemos simular valores de Y no computador...

36 Comentários: Valor médio simulado de Y = 29, 74 (mais próximo do valor médio original para o tempo de vida do disco rígido, X, ao invés dos 15 meses que se poderia imaginar) Distribuição do Y simulado é bem semelhante à de X. Na verdade, também Y ~ Exponencial ( =1/30). Esta é uma ilustração da chamada Propriedade de Ausência de Memória.

37 Teorema: (Propriedade de Ausência de Memória) Se X é uma va contínua que se distribui exponencialmente, então: P( X t h X t) P( X h) para t>0 e h>0

38 OBS: Se X = tempo de vida de um determinado componente P[durar t+h já durou t] = P[durar h] Isso significa que o tempo de vida de um componente velho tem a mesma distribuição de probabilidade de um novo ; o componente não se desgasta ou sofre fadiga. Essa propriedade não se verifica na prática, mas funciona como boa aproximação para va s que medem tempo de vida de vários produtos.

39 Teorema: Se as va s X 1,..., X n formam uma amostra aleatória de uma distribuição exponencial de parâmetro, então: Y = min{x 1,..., X n } ~ Exponencial (n )

40 Exemplo (Testes de Vida): Suponha que n lâmpadas sejam postas a funcionar num teste para determinar seu tempo de vida. As lâmpadas funcionam independentemente entre si. Seja: X i = tempo de vida da i-ésima lâmpada, i=1,...,n Xi ~ Exponencial ( ). Temos: Y 1 = intervalo de tempo até que a primeira lâmpada falhe Y 1 ~ Exponencial (n )

41 Processo de Poisson: P x>1 (h) = 0 P 1 (h) = vh +o(h) Independência. VA ~ Exponencial: Tempo transcorrido entre duas ocorrências; Tempo de espera até a primeira ocorrência. VA ~ Gama: Tempo de espera até a r-ésima ocorrência.

42 Definição: Uma va contínua X tem distribuição Gama se sua fdp é dada por: f ( x) r ( r) x r 1 e x, para 0 x<, r >0 e >0 r 1 x Onde: ( r) x e dx, para r >0 0 ( r) ( r 1)!, para r

43 Teorema: Se X é uma va contínua e apresenta distribuição Gama, então: E X ] r [ Var[ X ] 2 r mx ( t), t r t

44 OBS: Sejam X 1,...,X n v.a.i.i.d. com distribuição Exponencial. Y = X X n ~ Gama Se r Se r = 1 distribuição de Erlang. distribuição Exponencial. Se r = n + ½, para n e = ½ distribuição Quiquadrado

45 Definição: Uma va contínua X tem distribuição normal se sua fdp é dada por: f ( x) 2 1 e ( x ) 2 2 2, para - < < e >0

46 Teorema: Se X é uma va contínua e apresenta distribuição Normal, então: 2 E[X ] Var[X ] m X ( t) exp t 2 t Teorema: Se X ~ N(, 2 ) e Y = ax +b, então Y ~ N(a +b, a 2 2 ).

47 Se X ~ N( =0, 2 =1), então X é uma va normal padronizada. A fdp e FDA desta va são representadas como: x ( x ) e e ( x) ( u) du 2 x OBS: Os valores de probabilidade para a distribuição normal não podem ser obtidos analiticamente, apenas através de aproximações numéricas ou valores tabelados para (x).

48 Teorema: Se X ~ N(, 2 ), então: P [ a X b] b a OBS: (-x) = 1- (x)

49 Teorema: Se X ~ N(, 2 ), então P( X - k ) = g(k). OBS: k = 1: P( X - ) = 0,6826 k = 2: P( X - 2 ) = 0,9544 k = 3: P( X - 3 ) = 0,9974

50 Exemplo: Um professor acredita que as notas dos alunos sejam normalmente distribuídas com média e variância 2. O professor decide passar uma curva tal que as correspondências na tabela abaixo sejam válidas. Quais as proporções para cada conceito? D I R B MB L X< -2-2 <X< - - <X< <X< + + <X< +2 X> +2

51 Se para cada n +, X 1,..., X n são vaiid com média X e variância X2, então, para cada z: F Zn ( z) ( z) conforme n onde: Z n X n E[ X var[ X n n ] ] X n X X n pois: 2 E [ X n ] X e var[ X ] n n X

52 OBS: O TLC afirma que para uma série de vaiid X 1,..., X n,..., com média e variância connhecidas, temos ~ N(0,1) Corolário: Z n Sejam as vaiid X 1,..., X n,..., com média X e variância 2. Então: X n X P a b ( b) ( a) n X Nos dá valores aproximados para as probabilidades dos eventos.

53 Aplicações em Estatística: Pesquisas eleitorais são realizadas a fim de estimar a proporção de pessoas em uma certa população que votam a favor de um candidato A ou B.

Modelos Probabilísticos Teóricos Discretos e Contínuos. Bernoulli, Binomial, Poisson, Uniforme, Exponencial, Normal

Modelos 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 mais

Avaliação e Desempenho Aula 5

Avaliação e Desempenho Aula 5 Avaliação e Desempenho Aula 5 Aula passada Revisão de probabilidade Eventos e probabilidade Independência Prob. condicional Aula de hoje Variáveis aleatórias discretas e contínuas PMF, CDF e função densidade

Leia mais

Probabilidade e Estatística

Probabilidade e Estatística Probabilidade e Estatística Distribuições Discretas de Probabilidade Prof. Narciso Gonçalves da Silva www.pessoal.utfpr.edu.br/ngsilva Introdução Distribuições Discretas de Probabilidade Muitas variáveis

Leia mais

Distribuições Amostrais

Distribuições Amostrais Instituto Tecnológico de Aeronáutica Divisão de Engenharia Mecânica-Aeronáutica MOQ-13 Probabilidade e Estatística Profa. Denise Beatriz Ferrari www.mec.ita.br/ denise denise@ita.br 13/10/2011 Distribuições

Leia mais

PROBABILIDADES E INTRODUÇÃO A PROCESSOS ESTOCÁSTICOS. Aula 7 11 e 12 abril MOQ-12 Probabilidades e Int. a Processos Estocásticos

PROBABILIDADES E INTRODUÇÃO A PROCESSOS ESTOCÁSTICOS. Aula 7 11 e 12 abril MOQ-12 Probabilidades e Int. a Processos Estocásticos PROBABILIDADES E INTRODUÇÃO A PROCESSOS ESTOCÁSTICOS Aula 7 11 e 12 abril 2007 1 Distribuições Discretas 1. Distribuição Bernoulli 2. Distribuição Binomial 3. Distribuição Geométrica 4. Distribuição Pascal

Leia mais

PRINCIPAIS DISTRIBUIÇÕES DISCRETAS DE PROBABILIDADE

PRINCIPAIS 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 mais

Teoria das Filas aplicadas a Sistemas Computacionais. Aula 08

Teoria das Filas aplicadas a Sistemas Computacionais. Aula 08 Teoria das Filas aplicadas a Sistemas Computacionais Aula 08 Universidade Federal do Espírito Santo - Departamento de Informática - DI Laboratório de Pesquisas em Redes Multimidia - LPRM Teoria das Filas

Leia mais

Modelos Probabilisticos Discretos

Modelos 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 mais

Modelos de Distribuição PARA COMPUTAÇÃO

Modelos 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 mais

Estatística: Aplicação ao Sensoriamento Remoto SER ANO Distribuições de Probabilidade (Extra)

Estatística: Aplicação ao Sensoriamento Remoto SER ANO Distribuições de Probabilidade (Extra) Estatística: Aplicação ao Sensoriamento Remoto SER 04 - ANO 018 Distribuições de Probabilidade (Etra) Camilo Daleles Rennó camilo@dpi.inpe.br http://www.dpi.inpe.br/~camilo/estatistica/ Distribuição Uniforme

Leia mais

EST029 Cálculo de Probabilidade I Cap. 4: Variáveis Aleatórias Unidimensionais

EST029 Cálculo de Probabilidade I Cap. 4: Variáveis Aleatórias Unidimensionais EST029 Cálculo de Probabilidade I Cap. 4: Variáveis Aleatórias Unidimensionais Prof. Clécio da Silva Ferreira Depto Estatística - UFJF Introdução Considere o experimento: Lançamento de uma moeda. Resultados

Leia mais

Probabilidade e Estatística

Probabilidade e Estatística Probabilidade e Estatística Aula 6 Distribuições Contínuas (Parte 02) Leitura obrigatória: Devore, Capítulo 4 Chap 6-1 Distribuições de Probabilidade Distribuições de Probabilidade Distribuições de Probabilidade

Leia mais

Teoria das Filas aplicadas a Sistemas Computacionais. Aula 09

Teoria 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 mais

Probabilidade 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 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 mais

Prof. Fabrício Maciel Gomes Departamento de Engenharia Química Escola de Engenharia de Lorena EEL

Prof. Fabrício Maciel Gomes Departamento de Engenharia Química Escola de Engenharia de Lorena EEL Prof. Fabrício Maciel Gomes Departamento de Engenharia Química Escola de Engenharia de Lorena EEL Referências Bibliográficas Sistema de Avaliação Duas Provas teóricas Um Trabalho em Grupo MédiaFinal 0,4

Leia mais

Variáveis Aleatórias Discretas e Distribuição de Probabilidade

Variáveis 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 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

AULA 8. DISTRIBUIÇÕES DE VARIÁVEIS CONTÍNUAS Uniforme, Exponencial e Normal 19/05/2017

AULA 8. DISTRIBUIÇÕES DE VARIÁVEIS CONTÍNUAS Uniforme, Exponencial e Normal 19/05/2017 AULA 8 DISTRIBUIÇÕES DE VARIÁVEIS CONTÍNUAS Uniforme, Exponencial e Normal 19/05/2017 As funções de distribuição (acumulada) e de densidade para v.a. contínuas = =. Se a densidade f(x)for continua no seu

Leia mais

Distribuição de Probabilidade Variáveis Aleatórias Discretas. Prof.: Joni Fusinato

Distribuição de Probabilidade Variáveis Aleatórias Discretas. Prof.: Joni Fusinato Distribuição de Probabilidade Variáveis Aleatórias Discretas Prof.: Joni Fusinato joni.fusinato@ifsc.edu.br jfusinato@gmail.com Distribuição de Probabilidade Descreve a chance que uma variável pode assumir

Leia mais

Estatística Aplicada

Estatística Aplicada Estatística Aplicada Variável Aleatória Contínua e Distribuição Contínua da Probabilidade Professor Lucas Schmidt www.acasadoconcurseiro.com.br Estatística Aplicada DISTRIBUIÇÕES CONTÍNUAS DE PROBABILIDADE

Leia mais

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 : Ω A, em que A R. Esquematicamente As variáveis aleatórias

Leia mais

Distribuição de Probabilidade. Prof. Ademilson

Distribuição 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 mais

Prof. Lorí Viali, Dr.

Prof. Lorí Viali, Dr. Prof. Lorí Viali, Dr. viali@mat.ufrgs.br http://www.mat.ufrgs.br/~viali/ Uma variável aleatória X tem uma distribuição normal se sua fdp for do tipo: f(x) 1.e 1 2. x µ σ 2, x R 2π. σ com - < µ < e σ >

Leia mais

H. Iglésias Pereira Revisões. RESOLUÇÃO: X-nº de clientes que chegam ao departamento do C.C./hora

H. Iglésias Pereira Revisões. RESOLUÇÃO: X-nº de clientes que chegam ao departamento do C.C./hora Esta distribuição que aparece como caso limite da distribuição binomial em determinadas circunstâncias, é um bom modelo probabilístico de fenómenos aleatórios como número de clientes que chegam a um determinado

Leia mais

Probabilidade e Estatística

Probabilidade 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 mais

Professora Ana Hermínia Andrade. Período

Professora 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 mais

1 Introdução. 2 Variáveis Aleatórias Discretas (VAD)

1 Introdução. 2 Variáveis Aleatórias Discretas (VAD) Prof. Janete Pereira Amador 1 1 Introdução Muitas situações cotidianas podem ser usadas como experimento que dão resultados correspondentes a algum valor, e tais situações podem ser descritas por uma variável

Leia mais

MOQ-12 Cadeias de Markov

MOQ-12 Cadeias de Markov Instituto Tecnológico de Aeronáutica Divisão de Engenharia Mecânica-Aeronáutica MOQ-12 Cadeias de Markov Professora: Denise Beatriz T. P. do Areal Ferrari denise@ita.br Roteiro Introdução Processos Estocásticos

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

Variáveis Aleatórias Discretas e Distribuição de Probabilidade

Variáveis 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 mais

Princípios de Estatística

Princípios de Estatística Instituto Tecnológico de Aeronáutica Divisão de Engenharia Mecânica-Aeronáutica MOQ-13 Probabilidade e Estatística Profa. Denise Beatriz Ferrari www.mec.ita.br/ denise denise@ita.br 05/10/2011 Probabilidade

Leia mais

Sumário. 2 Índice Remissivo 11

Sumário. 2 Índice Remissivo 11 i Sumário 1 Principais Distribuições Contínuas 1 1.1 Distribuição Uniforme................................. 1 1.2 A Distribuição Normal................................. 2 1.2.1 Padronização e Tabulação

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

PRINCIPAIS MODELOS DISCRETOS

PRINCIPAIS MODELOS DISCRETOS PRINCIPAIS MODELOS DISCRETOS 2012 Principais modelos probabilísticos discretos 4.1. Modelo Bernoulli Muitos eperimentos admitem apenas dois resultados. Eemplos: 1. Uma peça é classificada como defeituosa

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

VARIÁVEL ALEATÓRIA e DISTRIBUIÇÃO BINOMIAL

VARIÁVEL 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 mais

Estatística. Capítulo 4: Distribuições Teóricas de Probabilidades de Variáveis Aleatórias Discretas. Professor Fernando Porto

Estatística. Capítulo 4: Distribuições Teóricas de Probabilidades de Variáveis Aleatórias Discretas. Professor Fernando Porto Estatística Capítulo 4: Distribuições Teóricas de Probabilidades de Variáveis Aleatórias Discretas Professor Fernando Porto Capítulo 4 Baseado no Capítulo 4 do livro texto, Distribuições Teóricas de Probabilidades

Leia mais

Distribuições de Probabilidade

Distribuições de Probabilidade Distribuições de Probabilidade 1 Aspectos Gerais 2 Variáveis Aleatórias 3 Distribuições de Probabilidade Binomiais 4 Média e Variância da Distribuição Binomial 5 Distribuição de Poisson 1 1 Aspectos Gerais

Leia mais

Confiabilidade 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. 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 mais

Probabilidade e Estatística

Probabilidade 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 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

Processos Estocásticos

Processos Estocásticos Processos Estocásticos Luiz Affonso Guedes Sumário Modelos Probabilísticos Discretos Uniforme Bernoulli Binomial Hipergeométrico Geométrico Poisson Contínuos Uniforme Normal Tempo de Vida Exponencial Gama

Leia mais

Métodos Quantitativos para a Gestão Ambiental Probabilidades e Distribuições Estatísticas Parte 1 (4/13) Luiz Carlos Estraviz Rodriguez

Métodos Quantitativos para a Gestão Ambiental Probabilidades e Distribuições Estatísticas Parte 1 (4/13) Luiz Carlos Estraviz Rodriguez Métodos Quantitativos para a Gestão Ambiental Probabilidades e Distribuições Estatísticas Parte 1 (4/13) Luiz Carlos Estraviz Rodriguez Distribuição de probabilidades Contexto O porquê desta aula Ao desenvolvermos

Leia mais

Estatística Planejamento das Aulas

Estatística Planejamento das Aulas 29 de outubro de 2018 Distribuição Discreta Uniforme No experimento estatístico, os eventos são equiprováveis. A v.a. discreta X assume n valores discretos tem função de probabilidade: { 1 se x f x = i

Leia mais

1 Distribuições Discretas de Probabilidade

1 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 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

Variáveis aleatórias contínuas

Variáveis aleatórias contínuas Variáveis aleatórias contínuas Wagner H. Bonat Fernando P. Mayer Elias T. Krainski Universidade Federal do Paraná Departamento de Estatística Laboratório de Estatística e Geoinformação 20/04/2018 WB, FM,

Leia mais

Cap. 8 - Variáveis Aleatórias

Cap. 8 - Variáveis Aleatórias Variáveis Aleatórias Discretas: A de Poisson e Outras ESQUEMA DO CAPÍTULO 8.1 A DISTRIBUIÇÃO DE POISSON 8.2 A DISTRIBUIÇÃO DE POISSON COMO APROXIMAÇÃO DA DISTRIBUIÇÃO BINOMIAL 8.3 O PROCESSO DE POISSON

Leia mais

PROBABILIDADE E ESTATÍSTICA DISTRIBUIÇÕES DE PROBABILIDADES

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

Leia mais

Probabilidade e Estatística. stica. Prof. Dr. Narciso Gonçalves da Silva pessoal.utfpr.edu.

Probabilidade e Estatística. stica. Prof. Dr. Narciso Gonçalves da Silva  pessoal.utfpr.edu. Probabilidade e Estatística stica Prof. Dr. Narciso Gonçalves da Silva http://paginapessoal.utfpr.edu.br/ngsilva pessoal.utfpr.edu.br/ngsilva Distribuição Uniforme Uma variável aleatória contínua X está

Leia mais

Prof. Lorí Viali, Dr.

Prof. Lorí Viali, Dr. Prof. Lorí Viali, Dr. viali@mat.ufrgs.br http://www.mat.ufrgs.br/~viali/ s KKK CKK KKC KCK CCK CKC KCC CCC S X 0 1 2 3 R x X(s) X(S) Uma função X que associa a cada elemento de S (s S) um número real

Leia mais

Variável Aleatória. O conjunto de valores. Tipos de variáveis. Uma função X que associa a cada

Variável Aleatória. O conjunto de valores. Tipos de variáveis. Uma função X que associa a cada Variável Aleatória Uma função X que associa a cada Prof. Lorí Viali, Dr. viali@mat.ufrgs.br http://www.mat.ufrgs.br/~viali/ elemento de S (s S) um número real x X(s) é denominada variável aleatória. O

Leia mais

Capítulo 2. Variáveis Aleatórias e Distribuições

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

Leia mais

PROBABILIDADE E ESTATÍSTICA DISTRIBUIÇÕES DE PROBABILIDADES PARTE I

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

Leia mais

Aula 5. Variáveis Aleatórias Discretas

Aula 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 mais

Distribuições Discretas

Distribuições Discretas META: Estudar o comportamento das Variáveis Aleatórias Discretas, bem como das Distribuições Binomial e Poisson e suas aplicações. Entender o comportamento de uma Variável aleatória Contínua. OBJETIVOS:

Leia mais

Variável Aleatória Poisson. Número de erros de impressão em uma

Variável Aleatória Poisson. Número de erros de impressão em uma EST029 Cálculo de Probabilidade I Cap. 7. Principais Variáveis Aleatórias Discretas Prof. Clécio da Silva Ferreira Depto Estatística - UFJF Variável Aleatória Poisson Caraterização: Usa-se quando o experimento

Leia mais

Prof. Eduardo Bezerra. 15 de setembro de 2017

Prof. Eduardo Bezerra. 15 de setembro de 2017 Distribuições Amostrais Prof. Eduardo Bezerra Inferência Estatística 15 de setembro de 2017 Eduardo Bezerra (CEFET/RJ) Distribuições Amostrais 1 / 28 Roteiro Distribuições amostrais 1 Distribuições amostrais

Leia mais

Conforme o conjunto de valores X(S) uma variável aleatória poderá ser discreta ou contínua.

Conforme o conjunto de valores X(S) uma variável aleatória poderá ser discreta ou contínua. Prof. Lorí Viali, Dr. viali@pucrs.br http://www.pucrs.br/famat/viali/ s KKK CKK KKC KCK CCK CKC KCC CCC S X X(s) R X(S) Uma função X que associa a cada elemento de S (s S) um número real X(s) é denominada

Leia mais

Universidade Federal do Ceará

Universidade Federal do Ceará Universidade Federal do Ceará Faculdade de Economia Vicente Lima Crisóstomo Fortaleza, 2011 1 Sumário Introdução Estatística Descritiva Probabilidade Distribuições de Probabilidades Amostragem e Distribuições

Leia mais

F (x) = P (X x) = Σ xi xp(x i ) E(X) = x i p(x i ).

F (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 mais

Variáveis Aleatórias Discretas

Variáveis 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 mais

Modelos Binomial e Poisson

Modelos Binomial e Poisson Modelos Binomial e Poisson Cristian Villegas clobos@usp.br Outubro de 2013 Apostila de Estatística (Cristian Villegas) 1 Distribuição Bernoulli Se um experimento possui dois possíveis resultados, sucesso

Leia mais

3 a Lista de PE Solução

3 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 mais

Lista de Exercícios #2 Assunto: Variáveis Aleatórias Discretas

Lista de Exercícios #2 Assunto: Variáveis Aleatórias Discretas 1. ANPEC 2018 Questão 3 Considere um indivíduo procurando emprego. Para cada entrevista de emprego (X) esse indivíduo tem um custo linear (C) de 10,00 Reais. Suponha que a probabilidade de sucesso em uma

Leia mais

Processos Estocásticos. Luiz Affonso Guedes

Processos Estocásticos. Luiz Affonso Guedes Processos Estocásticos Luiz Affonso Guedes Sumário Modelos Probabilísticos Discretos Uniforme Bernoulli Binomial Hipergeométrico Geométrico Poisson Contínuos Uniforme Normal Tempo de Vida Exponencial Gama

Leia mais

4ª LISTA DE EXERCÍCIOS - LOB1012. Variáveis Aleatórias Contínuas, Aproximações e TLC

4ª LISTA DE EXERCÍCIOS - LOB1012. Variáveis Aleatórias Contínuas, Aproximações e TLC 4ª LISTA DE EXERCÍCIOS - LOB1012 Variáveis Aleatórias Contínuas, Aproximações e TLC Assunto: Função Densidade de Probabilidade Prof. Mariana Pereira de Melo 1. Suponha que f(x) = x/8 para 3

Leia mais

Experimento Aleatório

Experimento Aleatório Probabilidades 1 Experimento Aleatório Experimento aleatório (E) é o processo pelo qual uma observação é ob;da. Exemplos: ü E 1 : Jogar uma moeda 3 vezes e observar o número de caras ob;das; ü E 2 : Lançar

Leia mais

Lista de exercícios 2 Métodos Estatísticos Básicos

Lista 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 mais

Universidade Federal da Paraíba Departamento de Estatística Lista 1 - Outubro de 2013

Universidade Federal da Paraíba Departamento de Estatística Lista 1 - Outubro de 2013 1. Seja X a duração de vida de uma válvula eletrônica e admita que X possa ser representada por uma variável aleatória contínua, com f.d.p. be bx, x 0. Seja p j = P (j X < j + 1). Verifique que p j é da

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

Solução dos Exercícios - Capítulos 1 a 3

Solução 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 mais

1 Variáveis Aleatórias

1 Variáveis Aleatórias Centro de Ciências e Tecnologia Agroalimentar - Campus Pombal Disciplina: Estatística Básica - 2013 Aula 5 Professor: Carlos Sérgio UNIDADE 3 - VARIÁVEIS ALEATÓRIAS DISCRETAS (Notas de aula) 1 Variáveis

Leia mais

PRINCIPAIS DISTRIBUIÇÕES DE PROBABILIDADES

PRINCIPAIS 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 mais

Momentos: Esperança e Variância. Introdução

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

Leia mais

Modelos Binomial e Poisson

Modelos Binomial e Poisson Modelos Binomial e Poisson Cristian Villegas clobos@usp.br http://www.lce.esalq.usp.br/arquivos/aulas/2014/lce0216/ 1 Distribuição Bernoulli Se um experimento possui dois possíveis resultados, sucesso

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

Distribuições amostrais

Distribuições 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 mais

AULA 17 - Distribuição Uniforme e Normal

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

Leia mais

AULA 16 - Distribuição de Poisson e Geométrica

AULA 16 - Distribuição de Poisson e Geométrica AULA 16 - Distribuição de Poisson e Geométrica Susan Schommer Introdução à Estatística Econômica - IE/UFRJ Distribuição de Poisson Em muitas situações nos deparamos com a situação em que o número de ensaios

Leia mais

4. PRINCIPAIS MODELOS DISCRETOS

4. PRINCIPAIS MODELOS DISCRETOS 4. PRINCIPAIS MODELOS DISCRETOS 2010 Principais modelos probabilísticos discretos 4.1. Modelo Bernoulli Muitos eperimentos admitem apenas dois resultados. Eemplos: 3. Uma peça é classificada como defeituosa

Leia mais

Probabilidade e Estatística

Probabilidade e Estatística Probabilidade e Estatística Aula 5 Probabilidade: Distribuições de Discretas Parte 1 Leitura obrigatória: Devore, 3.1, 3.2 e 3.3 Chap 5-1 Objetivos Nesta parte, vamos aprender: Como representar a distribuição

Leia mais

Variáveis Aleatórias Discretas e Distribuições de 3Probabilidade

Variáveis Aleatórias Discretas e Distribuições de 3Probabilidade Variáveis Aleatórias Discretas e Distribuições de 3Probabilidade Variáveis Aleatórias Discretas e Distribuições de Probabilidade Objetivos do aprendizado 3 Como determinar se um experimento é Binomial.

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 Distribuição Normal Motivação: Distribuição

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 7 11/2014 Variáveis Aleatórias Variáveis Aleatórias Probabilidade e Estatística 3/41 Variáveis Aleatórias Colete

Leia mais

Conceitos Básicos, Básicos,Básicos de Probabilidade

Conceitos 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 mais

FACULDADE DE TECNOLOGIA DE GUARATINGUETÁ

FACULDADE DE TECNOLOGIA DE GUARATINGUETÁ FACULDADE DE TECNOLOGIA DE GUARATINGUETÁ ESTATÍSTICA II Nota de aula 1 Prof. MSc. Herivelto T Marcondes dos Santos Fevereiro /2009 1 Modelos de probabilidade 1.1 Variável aleatória Definição: Sejam ε um

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

Exercícios Funções Multivariadas, Exponencial e Outras

Exercícios Funções Multivariadas, Exponencial e Outras Turma 2017 Exercícios Funções Multivariadas, Exponencial e Outras Problema 1 (bivariada) Um bim de cinco transistores possui dois que são defeituosos. Os transistores são testados um a um, até que os defeituosos

Leia mais

Fundamentos de Estatística

Fundamentos de Estatística Fundamentos de Estatística Clássica Workshop Análise de Incertezas e Validação Programa de Verão 2017 Marcio Borges 1 1LABORATÓRIO NACIONAL DE COMPUTAÇÃO CIENTÍFICA mrborges@lncc.br Petrópolis, 9 de Fevereiro

Leia mais

Introdução à Probabilidade e à Estatística II

Introdução à Probabilidade e à Estatística II Introdução à Probabilidade e à Estatística II Introdução à Inferência Estatística Capítulo 10, Estatística Básica (Bussab&Morettin, 7a Edição) Lígia Henriques-Rodrigues MAE0229 1º semestre 2018 1 / 36

Leia mais

Lista de Exercícios para Segundo Exercício Escolar

Lista de Exercícios para Segundo Exercício Escolar Universidade Federal de Pernambuco Centro de Ciências Exatas e da Natureza Departamento de Estatística Contato: Professora Fernanda De Bastiani, coord-area-2@de.ufpe.br Lista de Exercícios para Segundo

Leia mais

Distribuições de Probabilidade. Distribuição Uniforme Distribuição Exponencial Distribuição Normal

Distribuições de Probabilidade. Distribuição Uniforme Distribuição Exponencial Distribuição Normal Distribuições de Probabilidade Distribuição Uniforme Distribuição Exponencial Distribuição Normal 1 Distribuição Uniforme A distribuição Uniforme atribui uma densidade igual ao longo de um intervalo (a,b).

Leia mais

VARIÁVEIS ALEATÓRIAS 1

VARIÁVEIS ALEATÓRIAS 1 VARIÁVEIS ALEATÓRIAS 1 Na prática é, muitas vezes, mais interessante associarmos um número a um evento aleatório e calcularmos a probabilidade da ocorrência desse número do que a probabilidade do evento.

Leia mais

PARA A RESOLUÇÃO DO p-fólio, TENHA EM ATENÇÃO O SEGUINTE:

PARA A RESOLUÇÃO DO p-fólio, TENHA EM ATENÇÃO O SEGUINTE: Nome:... B.I. :... Nº de Estudante:... Curso:... Turma:... Unidade Curricular: Elementos de Probabilidade e Estatística... Código:..1037... Data:..9 de Julho de 009. Assinatura do Vigilante:... PARA A

Leia mais

Distribuições de probabilidade de variáveis aleatórias discretas

Distribuições de probabilidade de variáveis aleatórias discretas Distribuições de probabilidade de variáveis aleatórias discretas Universidade Estadual de Santa Cruz Ivan Bezerra Allaman Cronograma 1. Distribuição Bernoulli 2. Distribuição Binomial 3. Distribuição Poisson

Leia mais

Modelos Probabiĺısticos Discretos

Modelos 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 mais

Probabilidade Revisão de Conceitos

Probabilidade Revisão de Conceitos Probabilidade Revisão de Conceitos Espaço de Amostras A totalidade dos possíveis resultados de um experimento aleatório. Exemplo: jogar dados S = {(1,1),(1,),... (,1),(,)... (6,6)} S é dito o número de

Leia mais

Distribuições de Probabilidade

Distribuições de Probabilidade Distribuições de Probabilidade Carla Henriques, Nuno Bastos e Cristina Lucas Departamento de Matemática Escola Superior de Tecnologia de Viseu. Henriques, N. Bastos e C. Lucas (DepMAT) Distribuições de

Leia mais