Exemplos. Experimento Aleatório. E 1 : Joga-se uma moeda quatro vezes e observa-se o número de caras;

Save this PDF as:
 WORD  PNG  TXT  JPG

Tamanho: px
Começar a partir da página:

Download "Exemplos. Experimento Aleatório. E 1 : Joga-se uma moeda quatro vezes e observa-se o número de caras;"

Transcrição

1 Prof. Lorí Viali, Dr. Eperimento Aleatório Eperiência para o qual o modelo probabilístico é adequado. Eemplos E : Joga-se uma moeda quatro vezes e observa-se o número de caras; E : Joga-se uma moeda quatro vezes e observa-se a seqüência de caras e coroas; E : Uma lâmpada nova é ligada e conta-se o tempo gasto até queimar; E 4 : Joga-se uma moeda até que uma cara seja obtida. Conta-se o número de lançamentos necessários; E 5 : Jogam-se dois dados e observase o par de valores obtido; E 6 : Jogam-se dois dados e observa-se a soma dos pontos obtido;

2 Espaço Amostra(l) Eemplos S {0,,,, 4} É o conjunto de todos os resultados possíveis de uma eperiência aleatória. S { cccc, ccck, cckc, ckcc, kccc, cckk, kkcc, ckkc, kcck, ckck, kckc, kkkc, kkck, kckk, ckkk, kkkk} S { t R / t 0} S 4 {,,,... } S 5 { (, ), (, ),(,), (, 4), (, 5), (, 6) (, ), (, ), (, ), (, 4), (, 5), (, 6) (, ), (, ), (, ), (, 4), (, 5), (, 6) (4, ), (4, ), (4, ), (4, 4), (4, 5), (4, 6) (5, ), (5, ), (5, ), (5, 4), (5, 5), (5, 6) (6, ), (6, ), (6, ), (6, 4), (6, 5), (6, 6) } S 6 {,, 4, 5, 6, 7, 8, 9, 0,, } Eventos Um evento é um subconjunto de um espaço amostra. Eemplo: Seja S {,,, 4, 5, 6 } o espaço amostra, obtido no lançamento de um dado. Então são eventos: A {,, 5} B { 6 } C { 4, 5, 6} D E S

3 Ocorrência de um Evento Seja E um eperimento com espaço amostra associado S. Diremos que o evento A ocorre se realizado E o resultado é um elemento de A. Combinação de Eventos Sejam A e B eventos de um espaço S. Diremos que ocorre o evento: A união B, A soma B ou A mais B, se e só se A ocorre ou B ocorre. A B Sejam A e B eventos de um espaço S. Diremos que ocorre o evento: A produto B, A vezes B ou A interseção B, se e só se A ocorre e B ocorre. A B Sejam A e B eventos de um espaço S. Diremos que ocorre o evento: A menos B, A diferença B, se e só se A ocorre e B não ocorre. A - B Eventos mutuamente ecludentes Sejam A e B eventos de um espaço S. Diremos que ocorre o evento: Complementar de A (não A) se e só se A não ocorre. Dois eventos A e B são mutuamente ecludentes se não puderem ocorrer juntos. A A C A

4 Conceitos de Probabilidade Clássico Clássico Freqüencial Número de casos favoráveis P(A) Número de casos possíveis Aiomático Eemplo: Solução: Qual a probabilidade de ganhar na Mega Sena com um cartão de seis dezenas? Casos favoráveis Casos possíveis: Freqüência Relativa P(Mega Sena) Número de favoráveis Número de possíveis ,00000% Número de vezes que A ocorre fr A Número de vezes que E é repetido 4

5 Eemplo: Um dado é lançado 0 vezes e apresenta FACE SEIS 8 vezes. Então, a freqüência relativa de FACE SEIS é: fr6 número de vezes que"f_seis" ocorre número de vezes que o dado é jogado 8 0 0,5 5% Conceito Freqüencial P(A) lim fr A n Conceito Aiomático P(A) é um número real que deve satisfazer as seguintes propriedades: () 0 P(A) () P(S) () P(AUB) P(A) + P(B) se A B Conseqüências dos Aiomas Probabilidade Condicionada () P( ) 0 () P( A) - P(A) () P(A - B) P(A) - P(A B) (4) P(AUB) P(A) + P(B) - P(A B) Motivação Considere uma urna com 50 fichas, onde 40 são pretas e 0 são brancas. 5

6 Suponha que desta urna são retiradas duas fichas, ao acaso e sem reposição: Sejam os eventos: A { a primeira ficha é branca} B { a segunda ficha é branca} Então: P(A) 0/50 0,0 0% P(B)?/49 Neste caso, não se pode avaliar P(B), pois para isto é necessário saber se A ocorreu ou não, isto é, se saiu ficha branca na primeira retirada. Nesse caso, pode-se calcular P(B/A), isto é, a probabilidade de B ocorrer dado que A ocorreu, ou a probabilidade de B condicionada a ocorrência de A. Essa probabilidade vale, então: P(B/A) 9/49, pois se A ocorreu então eistem 9 bolas brancas na urna, de um total de 49. Independência Dois eventos A e B são independentes se a probabilidade de um ocorrer não altera a probabilidade do outro ocorrer, isto é: Se: () P(A/B) P(A) ou () P(B/A) P(B) ou ainda () P(A B) P(A).P(B) 6

7 Variável Aleatória s KKK CKK KKC KCK CCK CKC KCC CCC S X 0 R X(s) X(S) Uma função X que associa a cada elemento de S (s S) um número real X(s) é denominada variável aleatória. Conjunto de Valores Tipos de Variável Aleatória O conjunto formado por todos os valores, isto é, a imagem da variável aleatória X, é denominado de conjunto de valores de X. X(S) { R/ X(s) } Conforme o conjunto de valores X(S) uma variável aleatória poderá ser discreta ou contínua. Variável Aleatória Discreta (VAD) Variável Aleatória Contínua (VAC) Se o conjunto de valores for finito ou então infinito enumerável (contável) a variável é dita discreta. Se o conjunto de valores for infinito não enumerável então a variável é dita contínua. 7

8 A função de Probabilidade (fp) A função de probabilidade (fp) de uma VAD é a função que associa a cada i X(S) o número f( i ) P(X i ) que satisfaz as seguintes propriedades: f( i ) 0, para todo i f( i ) A Distribuição de Probabilidade Eemplo: A coleção dos pares [ i, f( i )] para i,,,... é denominada de Suponha que uma moeda equilibrada é lançada três vezes. Seja distribuição de probabilidade VAD X. da X número de caras. Então a distribuição de probabilidade de X é: KKK CKK KKC KCK CCK CKC KCC CCC S X 0 R f f () /8 /8 /8 /8 [0;] Representação de uma Distribuição de Probabilidade Através de: uma tabela uma epressão analítica (fórmula) um diagrama 8

9 Tabela Epressão Analítica Seja X número de caras, obtidas no lançamento de 4 moedas honestas. Então a distribuição de X é a dada ao lado. 0 4 Σ f() /6 4/6 6/6 4/6 /6 Considere X soma do par, no lançamento de dois dados equilibrados, então: f : X(S) R ( - )/6 se 7 ( - +)/6 se > 7 Diagrama Caracterização de uma VAD 0,8 0,6 0,4 0, 0,0 0,08 0,06 0,04 0,0 0, (a) Epectância, valor esperado μ E(X) (b) Desvio padrão σ f ( ) ( μ).f ().P(X f ( ) μ ) Eemplo: Cálculos Calcular o valor esperado e a variabilidade da variável X número de caras no lançamento de quatro moedas honestas. 0 4 Σ f() /6 4/6 6/6 4/6 /6.f() 0 4/6 /6 /6 4/6 /6 f() 0 4/6 4/6 6/6 6/6 80/6 9

10 Resultados: (a) Epectância ou valor esperado μ E (X).f () caras 6 (b) Desvio padrão σ 80 f () μ Eperimento: Quando eistem apenas duas situações: A ocorre ou A não ocorre, pode-se determinar a probabilidade de A não ocorrer como sendo q p. A VAD definida por X número de vezes que A ocorreu nas n repetições de E é denominada BINOMIAL. Conjunto de Valores X(S) {0,,,,..., n} A Função de Probabilidade (fp) f () n P(X ) p q n A função de probabilidade 0,8 0,6 0,4 0, 0,0 0,08 0,06 0,04 0,0 0, Características: Epectância ou Valor Esperado n n E(X).f (). p q np Variância V(X) E(X n(n )p n p ) - E(X) + np (np) + np np( p) npq 0

11 Eemplo: Suponha que uma amostra de 0 pessoas é entrevistada (com reposição) para saber se comprariam um determinado produto que tem uma aceitação de 0%. Seja X o número de pessoas na amostra que compraria o produto. Determine a distribuição de X. Como se tratam de 0 pessoas a variável X é Binomial com p 0%, assim a distribuição é: 0 0 () P(X ) (0,).(0,9 para 0,,,...,0 f ) Seja X uma variável aleatória com conjunto de valores X(S). Se o conjunto de valores for infinito não enumerável então a variável é dita contínua. A função densidade de probabilidade É a função que associa a cada X(S) um número f() que deve satisfazer as seguintes propriedades: f() 0 f(). d A distribuição de probabilidade A coleção dos pares (, f()) é denominada de distribuição de probabilidade da VAC X.

12 Eemplo: Seja X uma VAC. Determine o valor de c para que f() seja uma função densidade de probabilidade (fdp). Para determinar o valor de c, devemos igualar a área total a um, isto é, devemos fazer: c. f() 0 se c.c. f()d - c. d - Tem-se: Graficamente: - c. d - c d,5 c - c - -,0 0,5 f() c c 0,0 -,5 -, -,0-0,8-0,5-0, 0,0 0, 0,5 0,8,0,,5 - X Cálculo da Probabilidade P ( a y < X < b ) b a f ( ) d P ( a < X < b ) Isto é, a probabilidade de que X a b f ( ) d assuma valores entre os números a e a b a < X < b b é a área sob o gráfico de f() entre os pontos a e b.

13 Observações: Se X é uma VAC, então: P ( X a ) a a f ( ) d P (a < X < b ) P (a X P (a < X b ) P (a 0 < b ) X b ) Eemplo: Seja X uma VAC. Determine a probabilidade de X assumir valores no intervalo [-0,5; 0,5]. f () 0 se c.c. A probabilidade solicitada é dada pela integral da função no intervalo, isto é: P ( 0,5 < 0,5-0,5 [(0,5) X < 0,5) d (-0,5) d ],50 % 0,5-0,5 0,5-05 Características: (a) Epectância, valor esperado μ E(X) (b) Desvio padrão σ f ()( μ) d.f () d f ()d μ Eemplo: A Epectância Determinar a epectância e o desvio padrão da variável X dada por: f () 0 se c. c. μ - E ( X ) f()d.d d

14 O Desvio Padrão σ E ( X ) E ( X ) E ( ). X d , d O desvio padrão de X será, então: σ E ( X ) E ( X ) 0,60 0 0,77 A Função de Distribuição (Acumulada) É a função F() definida por: F() P(X ) f(u)du A F() é a integral da f() até um ponto genérico. Eemplo: Considerando a função abaio como a fdp de uma VAC X, determinar F(). f () 0 se c.c. A F() é uma função definida em todo o intervalo real da seguinte forma: Vamos determinar o valor da integral em u : 0 F() u du se < - se se > F() u du u du u + ] [u 4

15 Assim a Função de Distribuição Acumulada (FDA) é: 0 se < - F() + se se > Gráfico: F() +,0 0,8 0,6 0,4 0, 0,0 -,5 -,0-0,5 0,0 0,5,0,5 Cálculo de Probabilidade com a FDA O uso da FDA é bastante prático no cálculo das probabilidades, pois não é necessário integrar, já que ela é uma função Integral. Usando a FDA, teremos sempre três casos possíveis: P(X ) F() P(X > ) F() P( < X< ) F( ) F( ) Normal (Gauss-Moivre-Laplace) t (Student) χ (Qui-quadrado) F (Snedecor - Fisher) 5

16 Uma variável aleatória X tem uma distribuição normal se sua fdp for do tipo: f () μ. σ.e, R π. σ com - < μ < e σ > 0 Gráficos: Cálculo da Probabilidade: 0,8 0,6 N(0; ) N(0; 0,5) N(0; ) N(; ) P(X ).e π. σ u μ. σ du? 0,4 0, 0, A normal não é integrável através do TFC (Teorema Fundamental do Cálculo), isto é, não eiste F() tal que F () f(). Solução: Utilizar integração numérica. Como não é possível fazer isto com todas as curvas, escolheu-se uma para ser tabelada (integrada numericamente). A Normal Padrão A curva escolhida é a N(0, ), isto é, com μ 0 e σ. Se X éuma N(μ, σ), então: Z X μ σ Será uma N(0; ). 6

17 A Distribuição N(0, ) A fdp da variável Z é dada por: ϕ(z).e π z., z R uma vez que μ 0 e σ. 0,4 0, 0, 0, 0,0-4,0 -,0 -,0 -,0 0,0,0,0,0 4,0 Tabelas ou Planilhas: O que é tabelado ou obtido na Planilha é a FDA da variável Z, isto é: P(Z z) z - z - ϕ(u)du u..e du Φ(z) F(z) π FDA da N(0; ) Φ(z),0 0,8 0,6 0,4 0, 0,0-4,0 -,0 -,0 -,0 0,0,0,0,0 4,0 z Utilização da Tabela (Planilha) Área à esquerda (abaio) de z P(Z z) Φ(z) Leitura direta Área à direita (acima) de z P(Z > z) -P(Z z) -Φ(z) Φ( z) Área entre dois valores de z P( < Z< z ) Φ( z ) ( z ) z Φ Planilha Ou um valor não padronizado. Nesse caso, a planilha padroniza o valor fornecido. É possível fornecer um valor padronizado z. 7

18 Eemplo: Uma VAC tem distribuição normal de média 50 e desvio padrão 8. Determinar: (a) P(X 40) (b) P(X > 65) (c) P(45 < X < 6) (a) P(X 40) X μ P(X 40) P( ) σ 8 P(Z,5) 0,56% Como a curva é simétrica, tem-se: (b) P(X > 65) Φ( z) Φ(z) X μ P(X > 65) P( > ) σ 8 P(Z >,88) P(Z <,88) Φ(,88) Φ(,88),0% (c) P(45 < X < 6) P(45 < X < 6) X μ 6 50 P( < < ) 8 σ 8 P( 0,6 < Z <,50) Φ(,50) Φ( 0,6) 9,% 6,76% 66,56% A função Inversa Uma VAC tem distribuição normal de média 50 e desvio padrão 8. Determinar: (a) P(X ) 5% (b) P(X > ) % Para resolver este tipo de eercício é preciso utilizar a função inversa, isto pode ser feito direto na Planilha. Só que agora devemos entrar com uma probabilidade para obter um valor de z ou. Lembrar que a planilha só fornece áreas (valores) à esquerda. Planilha Nesse caso, a planilha faz a mudança de z para, Acima fornece z, abaio. Nesse caso, é fornecido uma área, por eemplo, 99%. 8

19 Graficamente, tem-se: 0,05 0,04 0,0 0,0 5% 0,0 P(X ) 5% 0, Em (a) temos P(X ) 5%: X μ 50 P(X ) P( ) σ 8 P(Z z) Φ(z) 5% onde 50 z 8 Se Φ(z) 5%, então Φ z Φ [ Φ(z)] Φ (5%) (0,05) Função Inversa Obtendo na planilha, o valor (z) que corresponde a uma área à esquerda de 5% 0,05, tem-se: z -,645. Assim: 50 Como z, tem 8 50,645 z 8 50, ,84 se : Poderia ter sido utilizado a função INV.NORM(5%, 50; 8 ) que forneceria o valor de 6,84 diretamente. Em (b) temos P(X > ) %. Nesse caso, basta entrar com uma área de 99%, lembre-se, a planilha e a tabela, só fornecem a área à esquerda: 0,05 0,05 0,04 0,04 0,0 0,0 P(X > ) % 0,0 0,0 Entra com a área (branca) de 99%. 0, % 9

20 Uma variável aleatória X tem uma distribuição t ou de Student se sua fdp for do tipo: f ( ) υ + Γ + υ υ πυ. Γ para υ + R Gráficos: A função Γ é a uma generalização da função fatorial e poderá ser obtida com o recurso da planilha. No entanto, será necessário obter apenas valores da t e áreas que a planilha fornece sem a necessidade de utilizarmos essa fórmula. 0,40 0,0 0,0 0,0 fdp de t() t(5) t(5) 0, Caracterização: Epectância ou Valor esperado: μ E (X) Variância: Var(X) 0 υ υ- O valor υ é denominado de Grau de liberdade O que é tabelado é a função inversa (percentis), em relação a área à direita (unilateral) de cada curva (uma para cada linha), ou a soma das caudas (bilateral), isto é, a tabela retorna um valor t tal que P(Τ t) α (unilateral) ou P( T t) α (Bilateral). 0

21 As duas opções podem ser colocadas em uma mesma tabela. Podese ler uma área (α) de cima para baio e se ter um valor unilateral (P(T t) α) ou ler a área (α) de baio para cima e se ter um valor t tal que P(T t) α/. Na planilha, entrando com o valor, por eemplo, e um grau de liberdade (gl) de 0 obtém-se a área de 5,46%, soma das duas caudas. Se caudas for a resposta seria,7%. Na planilha, entrando com uma área de 5% e um gl de 0 a resposta é,04, isto é, P(-,04 < T <,04) 95%. Uma variável aleatória X tem uma distribuição Qui-Quadrado se sua fdp for do tipo: υ υ f ( ) 0 e υ Γ se se > 0 0 Epectância ou Valor esperado μ E(X) Variância σ υ Var(X) υ O valor υ é denominado de Grau de liberdade

22 χ () 0,60 χ () 0,40 χ () χ (5) 0,0 χ (5) 0,00 0,0,0,0,0 4,0 5,0 6,0 7,0 8,0 O que é tabelado é a função inversa, em relação a área à direita de cada curva (uma para cada linha), isto é, dado um valor de área na cauda direita (α), a tabela retorna um valor tal que P(χ ) α 0,995 0,990 0,975 0,950 0,900 0,000 0,000 0,00 0,004 0,06 0,00 0,00 0,05 0,0 0, 0,07 0,5 0,6 0,5 0, ,07 0,97 0,484 0,7, ,4 0,554 0,8,45,60 6 0,676 0,87,7,65,04 7 0,989 P[χ,9 () 0,],690 90%,67,8 8,44,647,80,7,490 9,75,088,700,5 4,68 0,56,558,47,940 4,865 Se formos calcular P[χ () > 4], teríamos com o uso da planilha: 4,55%. A função direta fornece a área à direita nesse caso, ao contrário, da normal que é à esquerda. Se fosse solicitado P[χ () > ] 5%, então, utilizando a função inversa, teríamos o valor de,84, isto é, P[χ () >,84] 5%.

23 Uma variável aleatória X tem uma distribuição F ou de Snedecor se sua fdp for do tipo: f () m n m m + n Γ m n m n Γ Γ 0 ( n + m) m+ n se > 0 se 0 Epectância ou Valor esperado m μ E(X) m Variância σ (m n - ) Var(X) m m(n- )(n- 4) + m é o grau de liberdade do numerador e n do denominador.,0 0,8 0,6 0,4 0, 0,0 F(, ) F(, 5) F(5, 0) F(0, 0) O que é tabelado é a percentil 95% ou 99% - área à direita de cada curva (uma para cada par de valores numerador, denominador) igual a 5% e %, isto é, tal que P[F(m, n) ] 5% ou P[F(m, n) ] % ,45 99,50 5,7 4,58 0,6,99 6,77 8,5 9,00 9,6 9,5 9,0 9, 9,5 0, 9,55 9,8 9, 9,0 8,94 8,89 P[F(5,7),97] 5% 4 7,7 6,94 6,59 6,9 6,6 6,6 6,09 5 6,6 5,79 5,4 5,9 5,05 4,95 4,88 6 5,99 5,4 4,76 4,5 4,9 4,8 4, 7 5,59 4,74 4,5 4,,97,87,79 8 5, 4,46 4,07,84,69,58,50 9 5, 4,6,86,6,48,7,9 0 4,96 4,0,7,48,,,4 4,84,98,59,6,0,09,0 4,75,89,49,6,,00, ,8 4999,4 540,5 564,6 576, ,95 598, 98,50 99,00 99,6 99,5 99,0 99, 99,6 4,P[F(5, 0,8 7) 9,467,46] 8,7 % 8,4 7,9 7,67 4,0 8,00 6,69 5,98 5,5 5, 4,98 5 6,6,7,06,9 0,97 0,67 0,46 6,75 0,9 9,78 9,5 8,75 8,47 8,6 7,5 9,55 8,45 7,85 7,46 7,9 6,99 8,6 8,65 7,59 7,0 6,6 6,7 6,8 9 0,56 8,0 6,99 6,4 6,06 5,80 5,6 0 0,04 7,56 6,55 5,99 5,64 5,9 5,0 9,65 7, 6, 5,67 5, 5,07 4,89 9, 6,9 5,95 5,4 5,06 4,8 4,64

24 Se formos calcular P[F(, ) > 4], teríamos com o uso da planilha: 8,5%. A função direta fornece, nesse caso, também a área à direita. Se fosse solicitado P[F(, ) > ] 8,5%, então, utilizando a função inversa, teríamos o valor de 4, isto é, P[F(, ) > 4] 8,5%. Pafnut(i/y) Lvovic(h) Tchebycheff (Tchebichev ou Chebyshev) (8 894) P( X - μ kσ) /k ou P( X - μ < kσ) - /k Esta desigualdade fornece a probabilidade de que os valores de uma VAD/VAC estejam em um intervalo simétrico em torno da média de amplitude igual a k desvios padrões. Assim se k, por eemplo, a desigualdade estabelece que o percentual de valores da variável aleatória que está compreendida no intervalo μ ± σ é de pelo menos - /4 75%. X - μ < σ - /4 75%. 4

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

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

Leia mais

É o conjunto de resultados de uma experiência aleatória. E 1 : Joga-se uma moeda quatro vezes e observa-se o número de caras e coroas;

É o conjunto de resultados de uma experiência aleatória. E 1 : Joga-se uma moeda quatro vezes e observa-se o número de caras e coroas; Prof. Lorí Viali, Dr. viali@pucrs.br http://www.pucrs.br/famat/viali Eperiência na qual o resultado é incerto. E : Joga-se uma moeda quatro vezes e observa-se o número de caras e coroas; E : Joga-se uma

Leia mais

Prof. Lorí Viali, Dr.

Prof. Lorí Viali, Dr. Prof. Lorí Viali, Dr. viali@mat.ufrgs.br http://www.mat.ufrgs.br/~viali/ Tipos de Modelos Determinístico Sistema Real Probabilístico Modelo determinístico Causas Efeito Exemplos Gravitação F GM 1 M /r

Leia mais

Experiência para o qual o modelo probabilístico é adequado. Efeito. Causas. Prof. Lorí Viali, Dr.

Experiência para o qual o modelo probabilístico é adequado. Efeito. Causas. Prof. Lorí Viali, Dr. Prof. Lorí Viali, Dr. viali@pucrs.br http://www.pucrs.br/~viali Prof. Lorí Viali, Dr. viali@mat.ufrgs.br http://www.ufrgs.br/~viali/ Determinístico Sistema Real Causas Efeito Probabilístico X Causas Efeito

Leia mais

Tipos de Modelo. Exemplos. Modelo determinístico. Causas. Efeito. Exemplos. Modelo probabilístico. Causas. Efeito. Determinístico.

Tipos de Modelo. Exemplos. Modelo determinístico. Causas. Efeito. Exemplos. Modelo probabilístico. Causas. Efeito. Determinístico. Tipos de Modelo Sistema Real Determinístico Prof. Lorí Viali, Dr. viali@mat.ufrgs.br http://www.mat.ufrgs.br/~viali/ Probabilístico Modelo determinístico Exemplos Gravitação F GM 1 M 2 /r 2 Causas Efeito

Leia mais

Tipos de Modelos. Exemplos. Modelo determinístico. Exemplos. Modelo probabilístico. Causas Efeito. Determinístico. Sistema Real.

Tipos de Modelos. Exemplos. Modelo determinístico. Exemplos. Modelo probabilístico. Causas Efeito. Determinístico. Sistema Real. Tipos de Modelos Sistema Real Determinístico Prof. Lorí Viali, Dr. viali@mat.ufrgs.br http://www.mat.ufrgs.br/~viali/ Probabilístico Modelo determinístico Exemplos Gravitação F GM M /r Causas Efeito Aceleração

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

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

Texto SII: ELEMENTOS DE PROBABILIDADE

Texto SII: ELEMENTOS DE PROBABILIDADE SUMÁRIO 1. INTRODUÇÃO... 2 1.1. MODELOS... 2 1.2. EXPERIMENTO ALEATÓRIO (NÃO-DETERMINÍSTICO)... 2 1.3. O ESPAÇO AMOSTRAL... 3 1.4. EVENTOS... 4 1.5. COMBINAÇÃO DE EVENTOS... 4 1.6. EVENTOS MUTUAMENTE EXCLUDENTES...

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

UFRGS - UNIVERSIDADE FEDERAL DO RIO GRANDE DO SUL INSTITUTO DE MATEMÁTICA - DEPARTAMENTO DE ESTATÍSTICA

UFRGS - UNIVERSIDADE FEDERAL DO RIO GRANDE DO SUL INSTITUTO DE MATEMÁTICA - DEPARTAMENTO DE ESTATÍSTICA UFRGS - UNIVERSIDADE FEDERAL DO RIO GRANDE DO SUL INSTITUTO DE MATEMÁTICA - DEPARTAMENTO DE ESTATÍSTICA SUMÁRIO 1. COMBINATÓRIA... 3 1.1. CONJUNTOS... 3 1.2. OPERAÇÕES COM CONJUNTOS... 3 1.3. APLICAÇÕES

Leia mais

SÉRIE: Probabilidade Univariada Parte 2: Variáveis Contínuas 2. PROPRIEDADES DA MÉDIA E DA VARIÂNCIA DE VARIÁVEIS ALEATÓRIAS EXERCÍCIOS...

SÉRIE: Probabilidade Univariada Parte 2: Variáveis Contínuas 2. PROPRIEDADES DA MÉDIA E DA VARIÂNCIA DE VARIÁVEIS ALEATÓRIAS EXERCÍCIOS... SUMÁRIO 1. VARIÁVEIS ALEATÓRIAS CONTÍNUAS... 1.1. CÁLCULO DE PROBABILIDADE COM UMA VAC... 1.. A FUNÇÃO DE DISTRIBUIÇÃO ACUMULADA...3 1.3. VARIÁVEL ALEATÓRIA CONTÍNUA (CARACTERIZAÇÃO)...4 1.3.1. Expectância,

Leia mais

SÉRIE: Probabilidade Texto 1: PROBABILIDADE UNIVARIADA I 1. INTRODUÇÃO...3

SÉRIE: Probabilidade Texto 1: PROBABILIDADE UNIVARIADA I 1. INTRODUÇÃO...3 SUMÁRIO. INTRODUÇÃO...3.. MODELOS...3... Modelo determínistico...3..2. Modelo não-determinístico ou probabilístico...3.2. EXPERIMENTO ALEATÓRIO (NÃO-DETERMINÍSTICO)...4.2.. Características dos Experimentos

Leia mais

Texto SII: ELEMENTOS DE PROBABILIDADE 3.1. INTRODUÇÃO...9

Texto SII: ELEMENTOS DE PROBABILIDADE 3.1. INTRODUÇÃO...9 SUMÁRIO 1. INTRODUÇÃO...2 1.1. MODELOS...2 1.2. EXPERIMENTO ALEATÓRIO (NÃO-DETERMINÍSTICO)...2 1.3. O ESPAÇO AMOSTRAL...3 1.4. EVENTOS...4 1.5. COMBINAÇÃO DE EVENTOS...4 1.6. EVENTOS MUTUAMENTE EXCLUDENTES...5

Leia mais

VARIÁVEIS ALEATÓRIAS E DISTRIBUIÇÕES DE PROBABILIDADE

VARIÁVEIS ALEATÓRIAS E DISTRIBUIÇÕES DE PROBABILIDADE VARIÁVEIS ALEATÓRIAS E DISTRIBUIÇÕES DE PROBABILIDADE.1 INTRODUÇÃO Admita que, de um lote de 10 peças, 3 das quais são defeituosas, peças são etraídas ao acaso, juntas (ou uma a uma, sem reposição). Estamos

Leia mais

PRO 2271 ESTATÍSTICA I. 3. Distribuições de Probabilidades

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

Leia mais

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

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

Leia mais

Teoria da Probabilidade

Teoria 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 mais

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

Departamento de Matemática Escola Superior de Tecnologia de Viseu

Departamento de Matemática Escola Superior de Tecnologia de Viseu Distribuições contínuas Departamento de Matemática Escola Superior de Tecnologia de Viseu Distribuição Normal Diz-se que uma variável aleatória X tem distribuição normal, se a sua função densidade de probabilidade

Leia mais

Variáveis Aleatórias - VA

Variáveis Aleatórias - VA Variáveis Aleatórias - VA cc ck kc kk 0 1 2 1/4 1/2 Prof. Adriano Mendonça Souza, Dr. Departamento de Estatística - PPGEMQ / PPGEP - UFSM - Introdução Se entende por VA ou V. indicadoras uma lista de valores

Leia mais

AULA 08 Probabilidade

AULA 08 Probabilidade Cursinho Pré-Vestibular da UFSCar São Carlos Matemática Professora Elvira e Monitores Ana Carolina e Bruno AULA 08 Conceitos e assuntos envolvidos: Espaço amostral Evento Combinação de eventos Espaço Amostral

Leia mais

Estatística Empresarial. Fundamentos de Probabilidade

Estatística 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 mais

I NTRODUÇÃO. SÉRIE: Probabilidade

I NTRODUÇÃO. SÉRIE: Probabilidade SUMÁRIO 1. COMBINATÓRIA... 5 1.1. CONJUNTOS... 5 1.2. OPERAÇÕES COM CONJUNTOS... 5 1.3. APLICAÇÕES DOS DIAGRAMAS DE VENN... 6 1.4. FATORIAL... 6 1.5. PRINCÍPIO FUNDAMENTAL DA CONTAGEM (PRINCÍPIO MULTIPLICATIVO)...

Leia mais

Unidade I ESTATÍSTICA APLICADA. Prof. Mauricio Fanno

Unidade 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 mais

Distribuições derivadas da distribuição Normal. Distribuição Normal., x real.

Distribuições derivadas da distribuição Normal. Distribuição Normal., x real. Distribuições derivadas da distribuição Normal Distribuição Normal Uma variável aleatória X tem distribuição normal com parâmetros µ e σ, quando sua densidade de probabilidade é f ( x) π σ e ( x µ ) σ,

Leia mais

TEORIA DA PROBABILIDADE

TEORIA DA PROBABILIDADE TEORIA DA PROBABILIDADE Lucas Santana da Cunha lscunha@uel.br http://www.uel.br/pessoal/lscunha/ Universidade Estadual de Londrina 22 de maio de 2017 Introdução Conceitos probabiĺısticos são necessários

Leia mais

Probabilidade e Modelos Probabilísticos

Probabilidade e Modelos Probabilísticos Probabilidade e Modelos Probabilísticos 1ª Parte: Conceitos básicos, variáveis aleatórias, modelos probabilísticos para variáveis aleatórias discretas, modelo binomial, modelo de Poisson 1 Probabilidade

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. Probabilidade e Estatística. Prof. Dr. Narciso Gonçalves da Silva

Probabilidade. 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 mais

Estatística. Probabilidade. Conteúdo. Objetivos. Definições. Probabilidade: regras e aplicações. Distribuição Discreta e Distribuição Normal.

Estatística. 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 mais

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

MAT 461 Tópicos de Matemática II Aula 8: Resumo de Probabilidade MAT 461 Tópicos de Matemática II Aula 8: Resumo de Probabilidade Edson de Faria Departamento de Matemática IME-USP 28 de Agosto, 2013 Probabilidade: uma Introdução / Aula 8 1 Desigualdades de Markov e

Leia mais

PROBABILIDADE E ESTATÍSTICA PROBABILIDADES

PROBABILIDADE E ESTATÍSTICA PROBABILIDADES PROBABILIDADE E ESTATÍSTICA PROBABILIDADES Bruno Baierle Maurício Furigo Prof.ª Sheila Regina Oro (orientadora) Edital 06/2013 - Produção de Recursos Educacionais Digitais Revisando - Análise combinatória

Leia mais

PROBABILIDADE E ESTATÍSTICA PROBABILIDADES

PROBABILIDADE E ESTATÍSTICA PROBABILIDADES PROBABILIDADE E ESTATÍSTICA PROBABILIDADES Bruno Baierle Maurício Furigo Prof.ª Sheila Regina Oro (orientadora) Edital 06/2013 - Produção de Recursos Educacionais Digitais Revisando - Análise combinatória

Leia mais

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

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

Leia mais

TEORIA DAS PROBABILIDADES

TEORIA DAS PROBABILIDADES TEORIA DAS PROBABILIDADES 1.1 Introdução Ao estudarmos um fenômeno coletivo, verificamos a necessidade de descrever o próprio fenômeno e o modelo matemático associado ao mesmo, que permita explicá-lo da

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

Cálculo das Probabilidades e Estatística I

Cálculo das Probabilidades e Estatística I Cálculo das Probabilidades e Estatística I Prof a. Juliana Freitas Pires Departamento de Estatística Universidade Federal da Paraíba - UFPB juliana@de.ufpb.br Variáveis Aleatórias Ao descrever um espaço

Leia mais

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

MAT 461 Tópicos de Matemática II Aula 5: Resumo de Probabilidade

MAT 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 mais

ALGUMAS DISTRIBUIÇÕES CONTÍNUAS DE PROBABILIDADE

ALGUMAS DISTRIBUIÇÕES CONTÍNUAS DE PROBABILIDADE ALGUMAS DISTRIBUIÇÕES CONTÍNUAS DE PROBABILIDADE 4. 1 INTRODUÇÃO Serão apresentadas aqui algumas distribuições de probabilidade associadas a v.a. s contínuas. A mais importante delas é a distribuição Normal

Leia 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

Distribuição Normal. Prof. Eduardo Bezerra. (CEFET/RJ) - BCC - Inferência Estatística. 25 de agosto de 2017

Distribuição Normal. Prof. Eduardo Bezerra. (CEFET/RJ) - BCC - Inferência Estatística. 25 de agosto de 2017 padrão - padronização Distribuição Normal Prof. Eduardo Bezerra (CEFET/RJ) - BCC - Inferência Estatística 25 de agosto de 2017 Eduardo Bezerra (CEFET/RJ) Distribuição Normal Março/2017 1 / 32 Roteiro Distribuições

Leia mais

PROBABILIDADE. ENEM 2016 Prof. Marcela Naves

PROBABILIDADE. ENEM 2016 Prof. Marcela Naves PROBABILIDADE ENEM 2016 Prof. Marcela Naves PROBABILIDADE NO ENEM As questões de probabilidade no Enem podem cobrar conceitos relacionados com probabilidade condicional e probabilidade de eventos simultâneos.

Leia mais

INTRODUÇÃO À PROBABILIDADE

INTRODUÇÃO 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 mais

Modelos Lineares Distribuições de Probabilidades Distribuição Normal Teorema Central do Limite. Professora Ariane Ferreira

Modelos Lineares Distribuições de Probabilidades Distribuição Normal Teorema Central do Limite. Professora Ariane Ferreira Distribuições de Probabilidades Distribuição Normal Teorema Central do Limite Professora Ariane Ferreira Modelos Probabilísticos de v.a. continuas Distribuição de Probabilidades 2 IPRJ UERJ Ariane Ferreira

Leia mais

Aula 10 Variáveis aleatórias discretas

Aula 10 Variáveis aleatórias discretas AULA 0 Aula 0 Variáveis aleatórias discretas Nesta aula você aprenderá um conceito muito importante da teoria de probabilidade: o conceito de variável aleatória. Você verá que as variáveis aleatórias e

Leia mais

Prof. Janete Pereira Amador 1. 1 Introdução

Prof. Janete Pereira Amador 1. 1 Introdução Prof. Janete Pereira Amador 1 1 Introdução A ciência manteve-se até pouco tempo atrás, firmemente apegada à lei da causa e efeito. Quando o efeito esperado não se concretizava, atribuía-se o fato ou a

Leia mais

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

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

Leia mais

UNIVERSIDADE FEDERAL DA PARAÍBA. Variáveis Aleatórias. Departamento de Estatística Luiz Medeiros

UNIVERSIDADE FEDERAL DA PARAÍBA. Variáveis Aleatórias. Departamento de Estatística Luiz Medeiros UNIVERSIDADE FEDERAL DA PARAÍBA Variáveis Aleatórias Departamento de Estatística Luiz Medeiros Introdução Como sabemos, características de interesse em diversas áreas estão sujeitas à variação; Essa variabilidade

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

Aproximação da binomial pela normal

Aproximação da binomial pela normal Aproximação da binomial pela normal 1 Objetivo Verificar como a distribuição normal pode ser utilizada para calcular, de forma aproximada, probabilidades associadas a uma variável aleatória com distribuição

Leia mais

Sumário. 2 Índice Remissivo 12

Sumário. 2 Índice Remissivo 12 i Sumário 1 Definições Básicas 1 1.1 Fundamentos de Probabilidade............................. 1 1.2 Noções de Probabilidade................................ 3 1.3 Espaços Amostrais Finitos...............................

Leia mais

Cap. 6 Variáveis aleatórias contínuas

Cap. 6 Variáveis aleatórias contínuas Estatística para Cursos de Engenharia e Informática Pedro Alberto Barbetta / Marcelo Menezes Reis / Antonio Cezar Bornia São Paulo: Atlas, 004 Cap. 6 Variáveis aleatórias contínuas APOIO: Fundação de Apoio

Leia mais

Prof.Letícia Garcia Polac. 26 de setembro de 2017

Prof.Letícia Garcia Polac. 26 de setembro de 2017 Bioestatística Prof.Letícia Garcia Polac Universidade Federal de Uberlândia UFU-MG 26 de setembro de 2017 Sumário 1 2 Probabilidade Condicional e Independência Introdução Neste capítulo serão abordados

Leia mais

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

Estatística I Aula 8. Prof.: Patricia Maria Bortolon, D. Sc. Estatística I Aula 8 Prof.: Patricia Maria Bortolon, D. Sc. MODELOS PROBABILÍSTICOS MAIS COMUNS VARIÁVEIS ALEATÓRIAS CONTÍNUAS Lembram o que vimos sobre V.A. contínua na Aula 6? Definição: uma variável

Leia mais

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

6.3 Valor Médio de uma Variável Aleatória

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

Leia mais

Variável Aleatória. Gilson Barbosa Dourado 6 de agosto de 2008

Variável Aleatória. Gilson Barbosa Dourado 6 de agosto de 2008 Variável Aleatória Gilson Barbosa Dourado gdourado@uneb.br 6 de agosto de 2008 Denição de Variável Aleatória Considere um experimento E e seu espaço amostral Ω = {a 1, a 2,..., a n }. Variável aleatória

Leia mais

Aproximação da binomial pela normal

Aproximação da binomial pela normal Aproximação da binomial pela normal 1 Objetivo Verificar como a distribuição normal pode ser utilizada para calcular, de forma aproximada, probabilidades associadas a uma variável aleatória com distribuição

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

Distribuições de Probabilidade Contínuas 1/19

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

Leia mais

mat.ufrgs..ufrgs.br br/~viali/ mat.ufrgs..ufrgs.br

mat.ufrgs..ufrgs.br br/~viali/ mat.ufrgs..ufrgs.br Prof. Lorí Viali, Dr. http://www. ://www.mat mat.ufrgs..ufrgs.br br/~viali/ viali@mat mat.ufrgs..ufrgs.br Média Uma amostra Proporção Variância Dependentes Diferença de médias m Duas amostras Independentes

Leia mais

Tema 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 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 mais

1 Introdução. 2 Noções de Experimento, Espaço Amostral e Eventos

1 Introdução. 2 Noções de Experimento, Espaço Amostral e Eventos Prof. Janete Pereira Amador 1 1 Introdução A ciência manteve-se até pouco tempo atrás, firmemente apegada à lei da causa e efeito. Quando o efeito esperado não se concretizava, atribuía-se o fato ou a

Leia mais

1 Definição Clássica de Probabilidade

1 Definição Clássica de Probabilidade Centro de Ciências e Tecnologia Agroalimentar - Campus Pombal Disciplina: Estatística Básica - 2013 Aula 4 Professor: Carlos Sérgio UNIDADE 2 - Probabilidade: Definições (Notas de aula) 1 Definição Clássica

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

Conjunto de Valores. A Função de Probabilidade (fp)

Conjunto de Valores. A Função de Probabilidade (fp) Prof. Lorí Viali, Dr. viali@mat.ufrgs.br htt://www.mat.ufrgs.br/~viali/ Bernoulli Binomial Binomial Negativa ou Pascal Geométrica Hiergeométrica Uniforme Poisson Eerimento Qualquer um que corresonda a

Leia mais

Distribuições de Probabilidade

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

Leia mais

Estatística. Capítulo 3 - Parte 1: Variáveis Aleatórias Discretas. Professor Fernando Porto

Estatística. Capítulo 3 - Parte 1: Variáveis Aleatórias Discretas. Professor Fernando Porto Estatística Capítulo 3 - Parte 1: Variáveis Aleatórias Discretas Professor Fernando Porto Lançam-se 3 moedas. Seja X o número de ocorrências da face cara. O espaço amostral do experimento é: W = {(c,c,c),(c,c,r),(c,r,c),(c,r,r),(r,c,c),(r,c,r),(r,r,c),(r,r,r)}

Leia mais

Distribuições de probabilidade

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

Leia mais

Capítulo4- Modelos de probabilidade.

Capítulo4- 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 mais

Modelos de Distribuições

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

Leia mais

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

Conceito de Estatística

Conceito de Estatística Conceito de Estatística Estatística Técnicas destinadas ao estudo quantitativo de fenômenos coletivos, observáveis. Unidade Estatística um fenômeno individual é uma unidade no conjunto que irá constituir

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

Cursos de Licenciatura em Ensino de Matemática e de EGI Teoria de Probabilidade

Cursos de Licenciatura em Ensino de Matemática e de EGI Teoria de Probabilidade FACULDADE DE CIÊNCIAS NATURAIS E MATEMÁTICA DEPARTAMENTO DE MATEMÁTICA Campus de Lhanguene, Av. de Moçambique, km, Tel: +5 4007, Fax: +5 400, Maputo Cursos de Licenciatura em Ensino de Matemática e de

Leia mais

Noções sobre Probabilidade

Noções sobre Probabilidade Noções sobre Probabilidade Introdução Vimos anteriormente como apresentar dados em tabelas e gráficos, e também como calcular medidas que descrevem características específicas destes dados. Mas além de

Leia mais

Estatística II Aula 2. Prof.: Patricia Maria Bortolon, D. Sc.

Estatística II Aula 2. Prof.: Patricia Maria Bortolon, D. Sc. Estatística II Aula Prof.: Patricia Maria Bortolon, D. Sc. Distribuições Amostrais ... vocês lembram que: Antes de tudo... Estatística Parâmetro Amostra População E usamos estatíticas das amostras para

Leia mais

Variáveis Aleatórias e Distribuições de Probabilidade

Variáveis Aleatórias e Distribuições de Probabilidade de 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 mais

Variáveis Aleatórias e Distribuições de Probabilidade

Variáveis Aleatórias e Distribuições de Probabilidade de 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 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

Conceitos básicos: Variável Aleatória

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

Leia mais

ELEMENTOS DE PROBABILIDADE. Prof. Paulo Rafael Bösing 25/11/2015

ELEMENTOS DE PROBABILIDADE. Prof. Paulo Rafael Bösing 25/11/2015 ELEMENTOS DE PROBABILIDADE Prof. Paulo Rafael Bösing 25/11/2015 ELEMENTOS DE PROBABILIDADE Def.: Um experimento é dito aleatório quando o seu resultado não for previsível antes de sua realização, ou seja,

Leia mais

HEP-5800 BIOESTATÍSTICA. Capitulo 2

HEP-5800 BIOESTATÍSTICA. Capitulo 2 HEP-5800 BIOESTATÍSTICA Capitulo 2 NOÇÕES DE PROBABILIDADE, DISTRIBUIÇÃO BINOMIAL, DISTRIBUIÇÃO NORMAL Nilza Nunes da Silva Regina T. I. Bernal MARÇO DE 2012 2 1. NOÇÕES DE PROBABILIDADE 1. DEFINIÇÃO Considere

Leia mais

Probabilidades- Teoria Elementar

Probabilidades- Teoria Elementar Probabilidades- Teoria Elementar Experiência Aleatória Experiência aleatória é uma experiência em que: não se sabe exactamente o resultado que se virá a observar, mas conhece-se o universo dos resultados

Leia mais

Lucas Santana da Cunha de junho de 2017

Lucas Santana da Cunha de junho de 2017 VARIÁVEL ALEATÓRIA Lucas Santana da Cunha email: lscunha@uel.br http://www.uel.br/pessoal/lscunha/ Universidade Estadual de Londrina 19 de junho de 2017 Uma função que associa um número real aos resultados

Leia mais

O Ensino de Probabilidade. Paulo Cezar Pinto Carvalho IMPA

O Ensino de Probabilidade. Paulo Cezar Pinto Carvalho IMPA O Ensino de Probabilidade Paulo Cezar Pinto Carvalho IMPA Probabilidade na Escola Básica Tópico de grande importância em carreiras profissionais de todas as áreas (Engenharia, Medicina, Administração,...)

Leia mais

Introdução à Probabilidade

Introdução à Probabilidade A Teoria de Probabilidade é responsável pelo estudo de fenômenos que envolvem a incerteza (é impossível prever antecipadamente o resultado) e teve origem na teoria de jogos, servindo como ferramenta para

Leia mais

Prof. Lorí Viali, Dr.

Prof. Lorí Viali, Dr. Prof. Lorí Viali, Dr. viali@mat.ufrgs.br http://www.ufrgs.br/~viali/ Dependentes Teste t para amostras emparelhadas Variâncias Teste z Conhecidas Independentes Variâncias Desconhecidas Supostas iguais

Leia mais

Probabilidade. Experiências aleatórias

Probabilidade. Experiências aleatórias Probabilidade Experiências aleatórias 1 Experiências aleatórias Acontecimento: Qualquer colecção de resultados de uma experiência. Acontecimento elementar: Um resultado que não pode ser simplificado ou

Leia mais

Variáveis Aleatórias Discretas 1/1

Variáveis Aleatórias Discretas 1/1 Variáveis Aleatórias Discretas Professores Eduardo Zambon e Magnos Martinello UFES Universidade Federal do Espírito Santo DI Departamento de Informática CEUNES Centro Universitário Norte do Espírito Santo

Leia mais

NOÇÕES DE PROBABILIDADE

NOÇÕES DE PROBABILIDADE NOÇÕES DE PROBABILIDADE ALEATORIEDADE Menino ou Menina me? CARA OU COROA? 3 Qual será o rendimento da Caderneta de Poupança no final deste ano? E qual será a taxa de inflação acumulada em 014? Quem será

Leia mais

Variáveis Aleatórias

Variáveis Aleatórias Variáveis Aleatórias Conceitos, Discretas, Contínuas, Propriedades Itens 5. e 6. BARBETTA, REIS e BORNIA Estatística para Cursos de Engenharia e Informática. Atlas, 004 Variável aleatória Uma variável

Leia mais

Conceitos básicos de teoria da probabilidade

Conceitos básicos de teoria da probabilidade Conceitos básicos de teoria da probabilidade Experimento Aleatório: procedimento que, ao ser repetido sob as mesmas condições, pode fornecer resultados diferentes Exemplos:. Resultado no lançamento de

Leia mais

Bioestatística e Computação I

Bioestatística e Computação I Bioestatística e Computação I Distribuições Teóricas de Probabilidade Maria Virginia P Dutra Eloane G Ramos Vania Matos Fonseca Pós Graduação em Saúde da Mulher e da Criança IFF FIOCRUZ Baseado nas aulas

Leia mais

Modelos discretos e contínuos

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

Leia mais

Probabilidade, distribuição normal e uso de tabelas padronizadas

Probabilidade, distribuição normal e uso de tabelas padronizadas Probabilidade, distribuição normal e uso de tabelas padronizadas Prof. Marcos Vinicius Pó Métodos Quantitativos para Ciências Sociais O que é probabilidade? Número de 0 até 1 que expressa a tendência de

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

Stela Adami Vayego DEST/UFPR

Stela Adami Vayego DEST/UFPR Resumo 9 Modelos Probabilísticos Variável Contínua Vamos ver como criar um modelo probabilístico, o que é uma função densidade de probabilidade (fdp), e como calcular probabilidades no caso de variáveis

Leia mais