Notas de Aula. tal que, para qualquer ponto (x, y) no plano xy, temos: p XY

Save this PDF as:
 WORD  PNG  TXT  JPG

Tamanho: px
Começar a partir da página:

Download "Notas de Aula. tal que, para qualquer ponto (x, y) no plano xy, temos: p XY"

Transcrição

1 UNIVERSIDDE FEDERL D BHI INSTITUTO DE MTEMÁTIC DEPRTMENTO DE ESTTÍSTIC v. demar de Barros s/n - Campus de Ondina Salvador B Tel:(071) Fax Mat Probabilidade II Profa. Maristela Notas de ula 1 Variáveis leatórias Conjuntamente Distribuídas té o momento temos nos concentrado no estudo de variáveis aleatórias unidimensionais. Contudo podemos estar interessados em afirmações sobre probabilidades envolvendo duas ou mais variáveis aleatórias. Nosso primeiro interesse nesse curso, portanto, será estudar conjuntamente o comportamento de n v.a. s, por exemplo, X 1, X 2,..., X n. Sendo assim, é sempre conveniente usar a notaçao de vetor X =(X 1, X 2,..., X n ) e se referir a X como um vetor aleatório. Quando a notação de vetor é usada, deve-se ter em mente que, se X é um vetor aleatório.n dimensional, então sua função de distribuição é definida como uma função no espaço n dimensional R n. 2 Distribuições Bivariadas Em muitos experimentos é necessário considerar as propriedades de duas variáveis aleatórias simultaneamente. distribuição de probabilidade conjunta de duas variáveis aleatórias é chamada de uma Distribuição Bivariada. Este conceito será apresentado agora e mais tarde será estendido a mais de duas variáveis aleatórias. 2.1 Distribuições de probabilidade conjuntas caso discreto Suponha que um dado experimento envolve duas variáveis aleatórias X e Y, cada uma com distribuição discreta. Por exemplo, se uma amostra de alunos é selecionada, uma variável aleatória pode ser o número X de pessoas na amostra com mais de 22 anos de idade, e uma outra variável aleatória pode ser o número Y de pessoas que moram a mais de 10Km da Universidade. Se ambas as variáveis aleatórias têm distribuição discreta com um número finito de valores possíveis, então teremos apenas um número finito de diferentes possíveis valores (x, y) para o par (X, Y ). Por outro lado, se ou X ou Y puder assumir um número infinito de valores possíveis, então teremos também um número infinito de valores possíveis para o par (X, Y ). Em qualquer dos casos, é dito que X e Y têm uma distribuição conjunta discreta. função de probabilidade conjunta de X e Y é definida como a função p tal que, para qualquer ponto (x, y) no plano xy, temos: p (x, y) = P (X = x e Y = y). Se o par (x, y) não é um dos valores possíveis do par de variáveis aleatórias(x, Y ), então é claro que p (x, y) = 0. lém disso, se a sequência (x 1, y 1 ), (x 2, y 2 ), (x, y ),... inclui todos os valores possíveis do par (X, Y ), então p (x i, y i ) = 1 Para qualquer subconjunto do plano xy, P [(X, Y ) ] = i=1 (x i,y i) p (x i, y i ) Especificando uma Distribuição Bivariada Discreta por uma Tabela de Probabilidades. distribuição conjunta de duas variáveis aleatórias discretas é uma tabela de dupla entrada que especifica a probabilidade conjunta de X assumir o valor x e Y assumir o valor y. Exemplo 1 Consideremos uma urna contendo 4 bolas pretas (P), 2 bolas brancas (B) e 2 bolas vermelhas (V). Extraímos, sem reposição, duas bolas dessa urna. Sejam: X = número de bolas pretas; Y = número de bolas vermelhas. Ω VV VP VB PV PP PB BV BP BB p 2/56 8/56 4/56 8/56 12/56 8/56 4/56 8/56 2/56 X Y

2 função de probabilidade conjunta de X e Y é especificada na tabela abaixo: caso contínuo X Y 0 2/56 = /56 = /56 = 1 8/56 = /56 = /56 = É dito que duas v.a. s X e Y têm uma distribuição conjunta contínua se existe uma função não negativa f definida sobre todo o plano xy tal que, para qualquer subconjunto do plano: P [(X, Y ) ] = (x, y)dxdy. função f é chamada de função densidade de probabilidade conjunta de X e Y e deve satisfazer as seguintes condições: 1. (x, y) 0 para < x < e < y < ; 2. (x, y)dxdy = 1. probabilidade de que o par (X, Y ) irá pertencer a alguma região específica do plano xy pode ser encontrada pela integração de (x, y) sobre a tal região. Exemplo 2 Suponha que a função densidade conjunta de X e Y seja definida por: { ce (x, y) = x e 2y para 0 < x < e 0 < y < ; 0, caso contrário. Calcule: 1. P (X < 1, Y < 1); 2. P (X < Y ). Exemplo Suponha que a função densidade conjunta de X e Y seja definida por: { cx (x, y) = 2 y para x 2 y 1; 0, caso contrário. Calcule: P (X Y ). 2.2 Distribuições Marginais caso discreto No exemplo 1, para encontrar, por exemplo, P (Y = 0), fixamos y = 0 e percorremos todos os valores de x, somando as respectivas probabilidades, ou seja: P (Y = 0) = P (Y = 0, X = 0) + P (Y = 0, X = 1) + P (Y = 0, X = 2) = = De uma maneira geral, P (Y = y) = x P (Y = y, X = x) e P (Y = y) é chamada de Distribuição Marginal de Y, pois é deduzida a partir da distribuição conjunta de X e Y. nalogamente, a distribuição marginal de X é calculada por: P (X = x) = P (Y = y, X = x). y Ou seja, a distribuição marginal de uma variável aleatória é deduzida a partir da soma da distribuição conjunta sobre todos os valores possíveis da outra variável aleatória.

3 Exemplo 4 função de probabilidade marginal de X no exemplo 1 é dada por: p X (x) = P (X = x) = e sua função distribuição acumulada, é: F X (x) = P (X x) = caso contínuo 0, x < 0, 0 x < 1 11, 1 x < 2 1, x 2, x = 0 4 7, x = 1, x = 2 Se X e Y são v.a. s conjuntamente contínuas, então elas são individualmente contínuas e suas respectivas funções densidades podem ser obtidas da forma a seguir: P {X } = P {X, Y (, )} = (x, y)dydx = f X (x)dx, onde f X (x) = (x, y)dy é a função densidade de probabilidade Marginal de X. De forma análoga, a função densidade Marginal de Y é dada por: f Y (y) = Exemplo: No exemplo 2, encontremos P (X < a) Distribuições Bivariadas Mistas (x, y)dx té agora discutimos distribuições de vetores aleatórios bivariados nos quais as variáveis aleatóras ou eram ambas discretas ou ambas eram contínuas. Ocasionalmente, podemos nos deparar com um vetor bivariado no qual uma coordenada é uma v.a. discreta e a outra é contínua. Nesse caso, a probabilidade de que o par (X, Y ) irá pertencer a uma certa região do plano xy, é então encontrada pelo somatório dos valores da função de distribuição conjunta g(x, Y ) para uma das variáveis, e pela integração de g(x, Y ) para a outra variável. Quando se trata de um vetor aleatório misto, para encontrar a distibuição marginal de cada coordenada devemos fazer o seguinte: supondo que X é discreta e Y é contínua, temos p X (x) = 2. Função de Distribuição Conjunta g(x, y)dy e f Y (y) = x g(x, y). Para quaisquer duas variáveis aleatórias X e Y, definimos a função de distribuição acumulada conjunta de X e Y pela função F tal que, para todos os valores x e y ( < x < e < y < ), temos: F (x, y) = P (X x e Y y). y d c a b x Figura 1: P (a < X b, c < Y d).

4 Se X e Y são duas v.a. s arbitrárias com função de distribuição acumulada F, então a probabilidade de que o par (X, Y ) irá pertencer a algum retângulo específico no plano xy (Figura 1) pode ser obtido, a partir de F, da seguinte forma, para quaisquer números a < b e c < d : P (a < X b, c < Y d) = F (b, d) F (b, c) F (a, d) + F (a, c). E a função de distribuição acumulada Marginal de X pode ser obtida como segue: ( ) F X (x) = P (X x) = P (X x, Y < ) = P lim {X x, Y y} = lim P (X x, Y y) = lim F (x, y). y y y Ou seja, F X (x) F (x, ). Do mesmo modo, F Y (y) F (, y) é a distribuição Marginal de Y. Note que, se X e Y têm distribuição conjunta contínua com função de densidade conjunta, então a função de distribuição conjunta, para quaisquer x e y, é: F (x, y) = x y (s, r)dsdr. (1) qui as variáveis s e r são apenas variáveis de integração. No caso do vetor (X, Y ) ser discreto, F (x, y) é encontrado de forma análoga, considerando o somatório ao invés da integral. densidade conjunta pode ser encontrada, a partir da função de distribuição acumulada conjunta usando a seguinte relação: (x, y) = no ponto (x, y) onde a derivada de segunda ordem exista. 2 x y F (x, y), Exemplo 5 Suponha que as v.a. s X e Y sejam contínuas com funçao de distribuiçao conjunta dada por: 0, se x 0 ou y 0; 1 F (x, y) = 16xy(x + y), se 0 x 2 e 0 y 2; 1, se x 2 e y 2. Encontremos: 1. (x, y) a densidade conjunta de X e Y ; 2. F X (x) e F Y (y) as distribuições marginais de X e de Y ;. f X (x) e f Y (y) as densidades marginais de X e de Y ; pesar das distribuições marginais de X e de Y poderem ser completamente determinadas a partir de sua distribuição conjunta, não é possível reconstruir a sua distribuição conjunta a partir das respectivas distribuições marginais sem uma informação adicional. É importante investigar qual a relação existente entre as v.a. s. 2.4 Independência Dizemos que duas v.a. s X e Y são independentes se para todo par x, y, temos que a distribuição conjunta de X e Y é igual ao produto das respectivas distribuições marginais. Ou seja, se para todo par x, y, temos: F (x, y) = P (X x, Y y) = P (X x).p (Y y) = F X (x).f Y (y) (2) o que significa dizer que os eventos {X x} e {Y y} são independentes para todo par x, y. Equivalentemente, teremos: Caso discreto p (x, y) = P (X = x, Y = y) = P (X = x).p (Y = y) = p X (x).p Y (y) ()

5 2.4.2 Caso contínuo (x, y) = f X (x).f Y (y). (4) Obs.: Para verificar se X e Y são independentes devemos checar (2), () ou (4), conforme o caso, para x, y. Para provar que X e Y não são independentes, basta um contra-exemplo a estas expressões. Exemplo 6 inda no exemplo 1, as variáveis X e Y não são independentes, pois: P (X = 1, Y = 2) = = P (X = 1)P (Y = 2) 7 28 Exemplo 7 Suponha que duas medidas independentes X e Y são feitas da precipitação atmosférica durante um período de tempo numa certa localidade, e que a função densidade de cada medida é: g W (w) = { 2w, se 0 w 1, 0, caso contrário. Determinemos P (X + Y 1). 2.5 Distribuição condicional caso discreto Suponha que X e Y sejam duas variáveis aletórias discretas cuja função de probabildade conjunta é P (X = x, Y = y). Depois de o valor y da variável aleatória Y ter sido observado, a probabilidade de que a variável aleatória X assumirá algum valor x específico, é dada pela seguinte probabilidade condicional: p X Y (x) = P (X = x Y = y) = P (X = x, Y = y) P (Y = y) = p (x, y). (5) p Y (y) Em outras palavras, se é conhecido que Y = y, então a distribuição de X será discreta, dada pelo quociente entre a conjunta de X e Y e a marginal de Y. p X Y (x) é chamada de função de probabilidade condicional de X dada Y. Da mesma forma, p Y X (y) = P (Y = y X = x) = P (X = x, Y = y) P (X = x) = p (x, y) p X (x) Y dada X. Verifiquemos que p Y X (y) realmente representa um função de probabilidade. é a distribuição condicional de Exemplo 8 Considere a função de probabilidade conjunta dada pela tabela do exemplo 1. função de probabilidade condicional de Y dado que X = 0. Vamos determinar a Da tabela, vimos que P (X = 0) =. Portanto, a função de probabilidade procurada será: p Y X=0 (y) = P (X = 0, Y = y) P (X = 0) = P (X = 0, Y = y) Note que, para todos os possíveis valores de y, as probabilidades condicionais p Y X=0 (y) devem ser proporcionais às probabilidades conjuntas P (X = 0, Y = y). Neste exemplo, cada valor de P (X = 0, Y = y) é dividido por simplesmente para que a soma de todos os resultados seja igual a caso contínuo Suponha que X e Y tenham uma distrinuição contínua conjunta com densidade conjunta e densidades marginais f X e f Y respectivamente. Suponha também que o valor Y = y tenha sido observado e que se queira especificar as probabilidades para vários conjuntos possíveis de valores de X. Note que neste caso P (Y = y) = 0 para cada valor y, e que as probabilidades condicionais da forma P ( B) não está definida quando P (B) = 0. fim de ser possível deduzir probabilidades condicionais quando X e Y tenham uma distrinuição contínua conjunta, o conceito de probabilidade condicional será extendido, considerando a definição de condicional dada em (5) e a analogia entre função densidade e função de probabilidade. Seja y um valor dado qualquer para o qual f Y (y) > 0. Então a densidade condicional de X dado que Y = y pode ser definida por: f X Y (x) = f (x, y), para < x <. (6) f Y (y)

6 nalogamente, a densidade condicional de Y dado que X = x pode ser definida por: f Y X (x) = f (x, y) f X (x) para < y <. Verifiquemos que f Y X (y) realmente representa um função de probabilidade. Obs.: Note que (5) foi deduzida, enquanto que (6) foi definida. Exemplo 9 Determinemos a densidade condicional de Y dado que X = x para o exemplo. seguir determinemos as probabilidades de Y > 1/4 e de Y > /4 dado o valor específico de X = 2. Observemos que, de posse do conceito e da definição de distribuição condicional, podemos construir a distribuição conjunta de duas v.a. s. 2.6 Construindo a Distribuição Conjunta Segue da equação (6) que para qualquer valor y tal que f Y (y) > 0 e para qualquer valor de x : (x, y) = f X Y (x).f Y (y). (7) lém disso, se f Y (y) = 0 para algum y 0, então pode ser assumido, sem perda de generalidade que (x, y 0 ) = 0 para todos os valores de x. Neste caso, ambos os membros da equação (7) serão 0, e o fato de f X Y (x) não estar definida é irrelevante. Pontanto (7) será satisfeita para todos os valores de x e y. nalogamente para (x, y) = f Y X (y).f X (x), pode representar a densidade conjunta de x e y. função de distribuição acumulada conjunta de X e Y é portanto determinada por (1) onde por (7). é representada Exemplo 10 Ensaios Independentes de Bernoulli Sejam X 1, X 2,...X k v.a. s independentes, cada uma com distribuição de Bernoulli com parâmetro p. Como eventos, isso quer dizer que: P (X 1 = x 1, X 2 = x 2,..., X k = x k ) = P (X 1 = x 1 )P (X 2 = x 2 )...P (X k = x k ) = p #(xi=1) (1 p) #(xi=0), i = 1,..., k. Considere agora que k = m + n e que: X = n o de sucessos nos n primeiros ensaios; Y = n o de sucessos nos m ensaios restantes. ( n Dessa forma, P (X = x, Y = y) = P (X = x).p (Y = y) = x ) p x (1 p) n x ( m y ) p y (1 p) m y. 2.7 Soma de v.a. s independentes Suponha que no exemplo anterior estejamos interessados no número de sucesso nos K ensaios. Defina a v.a. Z = X + Y. Queremos então encontrar a distribuição de Z: P (Z = z) = assim, P (Z = z) = P (Z = z, X = x), 0 z m + n, P (X + Y = z, X = x) = P (x + Y = z, X = x) = P (Y = z x, X = x), 0 z m + n. Ou seja, ( ) ( ) ( ) ( ) P (Z = z) = n n m p x x (1 p) n x p z x z x (1 p) m (z x) = p z (1 p) m+n z n n m = x z x ( ) m + n = p z (1 p) m+n z. z ( ) m + n ssim, P (Z = z) = p z z (1 p) m+n z. Conclusão: soma de duas v.a. s Binomiais com parâmetros (n, p) e (m, p), respectivamente, é Binomial com parâmetros (m + n, p). Exemplo 11 Qual a distribuição da soma de duas v.a. s independentes com distribuição de Poisson?

VARIÁVEIS ALEATÓRIAS

VARIÁVEIS ALEATÓRIAS UNIVERSIDADE FEDERAL DE JUIZ DE FORA INSTITUTO DE CIÊNCIAS EXATAS DEPARTAMENTO DE ESTATÍSTICA VARIÁVEIS ALEATÓRIAS Joaquim H Vianna Neto Relatório Técnico RTE-03/013 Relatório Técnico Série Ensino Variáveis

Leia mais

3 NOÇÕES DE PROBABILIDADE

3 NOÇÕES DE PROBABILIDADE 3 NOÇÕES DE PROILIDDE 3.1 Conjuntos Um conjunto pode ser considerado como uma coleção de objetos chamados elementos do conjunto. Em geral denota-se conjunto por letras maiúsculas,, C,... e a sua representação

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

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

Distribuições de Probabilidade Conjuntas

Distribuições de Probabilidade Conjuntas Distribuições de Probabilidade Conjuntas 1. Duas variáveis aleatórias discretas Exemplo 1. No desenvolvimento de um novo receptor para transmissão digital de informação, cada bit é classificado como aceitável,

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

CAPÍTULO 5: VARIÁVEIS ALEATÓRIAS BIDIMENSIONAIS Todas as coisas aparecem e desaparecem por causa da concorrência de causas e condições. Nada nunca existe inteiramente só, tudo está em relação com todo

Leia mais

Variáveis Aleatórias. Prof. Tarciana Liberal Departamento de Estatística - UFPB

Variáveis Aleatórias. Prof. Tarciana Liberal Departamento de Estatística - UFPB Variáveis Aleatórias Prof. Tarciana Liberal Departamento de Estatística - UFPB Introdução Ao descrever o espaço amostral de um experimento aleatório, não especificamos que um resultado individual seja

Leia mais

Variáveis Aleatórias. Prof. Luiz Medeiros Departamento de Estatística - UFPB

Variáveis Aleatórias. Prof. Luiz Medeiros Departamento de Estatística - UFPB Variáveis Aleatórias Prof. Luiz Medeiros Departamento de Estatística - UFPB Introdução Ao descrever o espaço amostral de um experimento aleatório, não especificamos que um resultado individual seja um

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

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

Introdução à probabilidade e estatística I

Introdução à probabilidade e estatística I Introdução à probabilidade e estatística I Variáveis Aleatórias Prof. Alexandre G Patriota Sala: 298A Email: patriota@ime.usp.br Site: www.ime.usp.br/ patriota Probabilidade Daqui por diante utilizaremos

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

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

Distribuição de Probabilidade Conjunta

Distribuição de Probabilidade Conjunta . DISTRIBUIÇÃO DE ROBABILIDADE CONJUNTA O nosso estudo de variável aleatória e de suas funções de probabilidade até agora se restringiram a espaços amostrais unidimensionais nos quais os valores observados

Leia mais

3. Variáveis aleatórias

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

Leia mais

Probabilidade III. Ulisses U. dos Anjos. Departamento de Estatística Universidade Federal da Paraíba. Período 2014.1

Probabilidade III. Ulisses U. dos Anjos. Departamento de Estatística Universidade Federal da Paraíba. Período 2014.1 Probabilidade III Ulisses U. dos Anjos Departamento de Estatística Universidade Federal da Paraíba Período 2014.1 Ulisses Umbelino (DE-UFPB) Probabilidade III Período 2014.1 1 / 42 Sumário 1 Apresentação

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

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

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

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

Leia mais

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

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

Leia mais

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

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

AULA 07 Distribuições Discretas de Probabilidade

AULA 07 Distribuições Discretas de Probabilidade 1 AULA 07 Distribuições Discretas de Probabilidade Ernesto F. L. Amaral 31 de agosto de 2010 Metodologia de Pesquisa (DCP 854B) Fonte: Triola, Mario F. 2008. Introdução à estatística. 10 ª ed. Rio de Janeiro:

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

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

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

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

Definição de Probabilidade

Definição de Probabilidade INTRODUÇÃO A TEORIA DAS PROBABILIDADES A teoria das probabilidade nada mais é do que o bom senso transformado em cálculo A probabilidade é uma medida da incerteza dos fenômenos. Traduz-se por um número

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

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

Lista de Exercícios 4

Lista de Exercícios 4 Introdução à Teoria de Probabilidade. Informática Biomédica. Departamento de Física e Matemática. USP-RP. Prof. Rafael A. Rosales 30 de maio de 2007. Lista de Exercícios 4 são difíceis, são bem mais difíceis.

Leia mais

Variáveis Aleatórias Discretas - Esperança e Variância

Variáveis Aleatórias Discretas - Esperança e Variância Exemplo Um empresário pretende estabelecer uma firma para montagem de um componente mecânico. Cada peça é composta de duas partes, A e B, cada uma com uma chance específica de ser defeituosa. Só é possível

Leia 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

Experimento 7 Circuitos RC em corrente alternada

Experimento 7 Circuitos RC em corrente alternada 1. OBJETIVO Experimento 7 Circuitos RC em corrente alternada O objetivo desta aula é estudar o comportamento de circuitos RC em presença de uma fonte de alimentação de corrente alternada.. 2. MATERIAL

Leia mais

DEPARTAMENTO DE MATEMÁTICA

DEPARTAMENTO DE MATEMÁTICA FACULDADE DE CIÊNCIAS NATURAIS E MATEMÁTICA DEPARTAMENTO DE MATEMÁTICA Campus de Lhanguene, Av. de Moçambique, km 1, Tel: +258 21401078, Fax: +258 21401082, Maputo Cursos de Licenciatura em Ensino de Matemática

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

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

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

Leia mais

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

Instituto Tecnológico de Aeronáutica Divisão de Engenharia Mecânica-Aeronáutica. Professora: Denise Beatriz T. P. do Areal Ferrari Instituto Tecnológico de Aeronáutica Divisão de Engenharia Mecânica-Aeronáutica Professora: Denise Beatriz T. P. do Areal Ferrari denise@ita.br Distribuições Discretas Uniforme Bernoulli Binomial Poisson

Leia mais

Métodos de Física Teórica II Prof. Henrique Boschi IF - UFRJ. 1º. semestre de 2010 Aula 5 Ref. Butkov, caps. 8 e 9, seções 8.8 e 9.

Métodos de Física Teórica II Prof. Henrique Boschi IF - UFRJ. 1º. semestre de 2010 Aula 5 Ref. Butkov, caps. 8 e 9, seções 8.8 e 9. Métodos de Física Teórica II Prof. Henrique Boschi IF - UFRJ 1º. semestre de 2010 Aula 5 Ref. Butkov, caps. 8 e 9, seções 8.8 e 9.1 Vibrações de uma membrana Como mencionado na aula passada, pode-se deduzir

Leia mais

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

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

Leia mais

Note que este funcional gerador agora tem sempre potências ímpares de J, de forma que as funções de n pontos serão nulas para n par:

Note que este funcional gerador agora tem sempre potências ímpares de J, de forma que as funções de n pontos serão nulas para n par: Teoria Quântica de Campos I 98 de onde fica claro que a lógica por trás do Teorema de Wick (conectar os pontos externos de todas as formas possíveis) aqui é implementada pela regra do produto da derivada.

Leia mais

Análise de Dados e Simulação

Análise de Dados e Simulação Universidade de São Paulo Instituto de Matemática e Estatística http:www.ime.usp.br/ mbranco Simulação de Variáveis Aleatórias Contínuas. O método da Transformada Inversa Teorema Seja U U (0,1). Para qualquer

Leia mais

Derivadas Parciais Capítulo 14

Derivadas Parciais Capítulo 14 Derivadas Parciais Capítulo 14 DERIVADAS PARCIAIS 14.2 Limites e Continuidade Nesta seção, aprenderemos sobre: Limites e continuidade de vários tipos de funções. LIMITES E CONTINUIDADE Vamos comparar o

Leia mais

Aula Distância entre duas retas paralelas no espaço. Definição 1. Exemplo 1

Aula Distância entre duas retas paralelas no espaço. Definição 1. Exemplo 1 Aula 1 Sejam r 1 = P 1 + t v 1 t R} e r 2 = P 2 + t v 2 t R} duas retas no espaço. Se r 1 r 2, sabemos que r 1 e r 2 são concorrentes (isto é r 1 r 2 ) ou não se intersectam. Quando a segunda possibilidade

Leia mais

Probabilidade - aula II

Probabilidade - aula II 2012/02 1 Interpretações de Probabilidade 2 3 Amostras Aleatórias e Objetivos Ao final deste capítulo você deve ser capaz de: Calcular probabilidades de eventos conjuntos. Interpretar e calcular probabilidades

Leia mais

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

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

Aula 12. Ângulo entre duas retas no espaço. Definição 1. O ângulo (r1, r2 ) entre duas retas r1 e r2 se define da seguinte maneira:

Aula 12. Ângulo entre duas retas no espaço. Definição 1. O ângulo (r1, r2 ) entre duas retas r1 e r2 se define da seguinte maneira: Aula 1 1. Ângulo entre duas retas no espaço Definição 1 O ângulo (r1, r ) entre duas retas r1 e r se define da seguinte maneira: (r1, r ) 0o se r1 e r são coincidentes, Se as retas são concorrentes, isto

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

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

INE Fundamentos de Matemática Discreta para a Computação

INE Fundamentos de Matemática Discreta para a Computação INE5403 - Fundamentos de Matemática Discreta para a Computação ) Fundamentos.1) Conjuntos e Sub-conjuntos.) Números Inteiros.3) Funções.4) Seqüências e Somas.5) Crescimento de Funções Seqüências Uma seqüência

Leia mais

σ-álgebras, geradores e independência

σ-álgebras, geradores e independência σ-álgebras, geradores e independência Roberto Imbuzeiro M. F. de Oliveira 15 de Março de 2009 Resumo Notas sobre a σ-álgebra gerada por uma variável aleatória X e sobre as condições de independência de

Leia mais

1 Conjuntos, Números e Demonstrações

1 Conjuntos, Números e Demonstrações 1 Conjuntos, Números e Demonstrações Definição 1. Um conjunto é qualquer coleção bem especificada de elementos. Para qualquer conjunto A, escrevemos a A para indicar que a é um elemento de A e a / A para

Leia mais

Variáveis aleatórias

Variáveis aleatórias Variáveis aleatórias Joaquim Neto joaquim.neto@ufjf.edu.br www.ufjf.br/joaquim_neto Departamento de Estatística - ICE Universidade Federal de Juiz de Fora (UFJF) Versão 3.0 Joaquim Neto (UFJF) ICE - UFJF

Leia mais

Princípios de Modelagem Matemática Aula 10

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

Leia mais

TÓPICO. Fundamentos da Matemática II DERIVADAS PARCIAIS. Licenciatura em Ciências USP/ Univesp. Gil da Costa Marques

TÓPICO. Fundamentos da Matemática II DERIVADAS PARCIAIS. Licenciatura em Ciências USP/ Univesp. Gil da Costa Marques 7 DERIVADAS PARCIAIS TÓPICO Gil da Costa Marques Fundamentos da Matemática II 7.1 Introdução 7. Taas de Variação: Funções de uma Variável 7.3 Taas de variação: Funções de duas Variáveis 7.4 Taas de Variação:

Leia mais

Capítulo 2: Procedimentos e algoritmos

Capítulo 2: Procedimentos e algoritmos Capítulo 2: Procedimentos e algoritmos Para estudar o processo de computação de um ponto de vista teórico, com a finalidade de caracterizar o que é ou não é computável, é necessário introduzir um modelo

Leia mais

3. Probabilidade P(A) =

3. Probabilidade P(A) = 7 3. Probabilidade Probabilidade é uma medida numérica da plausibilidade de que um evento ocorrerá. Assim, as probabilidades podem ser usadas como medidas do grau de incerteza e podem ser expressas de

Leia mais

Variáveis Aleatórias. Prof. Tarciana Liberal Departamento de Estatística - UFPB

Variáveis Aleatórias. Prof. Tarciana Liberal Departamento de Estatística - UFPB Variáveis Aleatórias Prof. Tarciana Liberal Departamento de Estatística - UFPB Introdução Ao descrever o espaço amostral de um experimento aleatório, não especificamos que um resultado individual seja

Leia mais

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

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

Leia mais

FFCLRP-USP Regra de L Hospital e Lista - CALCULO DIFERENCIAL E INTEGRAL I

FFCLRP-USP Regra de L Hospital e Lista - CALCULO DIFERENCIAL E INTEGRAL I FFCLRP-USP Regra de L Hospital e Lista - CALCULO DIFERENCIAL E INTEGRAL I Professor Dr. Jair Silvério dos Santos 1 Teorema de Michel Rolle Teorema 0.1. (Rolle) Se f : [a;b] R for uma função contínua em

Leia mais

Nessa situação, a média dessa distribuição Normal (X ) é igual à média populacional, ou seja:

Nessa situação, a média dessa distribuição Normal (X ) é igual à média populacional, ou seja: Pessoal, trago a vocês a resolução da prova de Estatística do concurso para Auditor Fiscal aplicada pela FCC. Foram 10 questões de estatística! Não identifiquei possibilidade para recursos. Considero a

Leia mais

Variáveis Aleatórias. Departamento de Matemática Escola Superior de Tecnologia de Viseu

Variáveis Aleatórias. Departamento de Matemática Escola Superior de Tecnologia de Viseu Variáveis Aleatórias Departamento de Matemática Escola Superior de Tecnologia de Viseu Exemplo No lançamento de duas moedas ao ar, os resultados possíveis são: FF, FC, CF ou CC. No entanto, o nosso interesse

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

Experiências Aleatórias. Espaço de Resultados. Acontecimentos

Experiências Aleatórias. Espaço de Resultados. Acontecimentos Experiências Aleatórias. Espaço de Resultados. Acontecimentos Experiência Aleatória É uma experiência em que: não se sabe exactamente o resultado que se virá a observar; conhece-se o universo dos resultados

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 ESPECIAIS DE PROBABILIDADE DISCRETAS

DISTRIBUIÇÕES ESPECIAIS DE PROBABILIDADE DISCRETAS VARIÁVEIS ALEATÓRIAS E DISTRIBUIÇÕES DE PROBABILIDADES 1 1. VARIÁVEIS ALEATÓRIAS Muitas situações cotidianas podem ser usadas como experimento que dão resultados correspondentes a algum valor, e tais situações

Leia mais

Matemática Discreta - 05

Matemática Discreta - 05 Universidade Federal do Vale do São Francisco Curso de Engenharia da Computação Matemática Discreta - 05 Prof. Jorge Cavalcanti jorge.cavalcanti@univasf.edu.br www.univasf.edu.br/~jorge.cavalcanti www.twitter.com/jorgecav

Leia mais

INE5403 FUNDAMENTOS DE MATEMÁTICA DISCRETA

INE5403 FUNDAMENTOS DE MATEMÁTICA DISCRETA INE5403 FUNDAMENTOS DE MATEMÁTICA DISCRETA PARA A COMPUTAÇÃO PROF. DANIEL S. FREITAS UFSC - CTC - INE Prof. Daniel S. Freitas - UFSC/CTC/INE/2007 p.1/30 3 - INDUÇÃO E RECURSÃO 3.1) Indução Matemática 3.2)

Leia mais

Aula 4 Inferência Estatística conceitos básicos

Aula 4 Inferência Estatística conceitos básicos Aula 4 Inferência Estatística conceitos básicos Objetivos Nesta aula, você estudará os seguintes conceitos: população e amostra; amostra aleatória simples; estatísticas e parâmetros; estimador; distribuição

Leia mais

2. Probabilidade. Aula 3

2. Probabilidade. Aula 3 Aula 3 2. Probabilidade 2-1 Espaços de amostragem e eventos 2-1.1 Experimentos randômicos 2-1.2 Espaços de amostragem 2-1.3 Eventos 2-2 Interpretações de probabilidade 2-2.1 Introdução 2-2.2 Axiomas de

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

Sequencias e Series. Exemplo 1: Seja tal que. Veja que os dez primeiros termos estão dados por: ,,,,...,, ou seja que temos a

Sequencias e Series. Exemplo 1: Seja tal que. Veja que os dez primeiros termos estão dados por: ,,,,...,, ou seja que temos a Sequencias e Series Autor: Dr. Cristian Novoa MAF- PUC- Go cristiancalculoii@gmail.com Este texto tem como objetivo principal, introduzir alguns conceitos de Sequencias e Series,para os cursos de Engenharia,

Leia mais

(versão preliminar) exceto possivelmente para x = a. Dizemos que o limite de f(x) quando x tende para x = a é um numero L, e escrevemos

(versão preliminar) exceto possivelmente para x = a. Dizemos que o limite de f(x) quando x tende para x = a é um numero L, e escrevemos LIMITE DE FUNÇÕES REAIS JOSÉ ANTÔNIO G. MIRANDA versão preinar). Revisão: Limite e Funções Continuas Definição Limite de Seqüências). Dizemos que uma seqüência de números reais n convergente para um número

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

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

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

TEMA 2 PROPRIEDADES DE ORDEM NO CONJUNTO DOS NÚMEROS REAIS

TEMA 2 PROPRIEDADES DE ORDEM NO CONJUNTO DOS NÚMEROS REAIS TEMA 2 PROPRIEDADES DE ORDEM NO CONJUNTO DOS NÚMEROS REAIS O conjunto dos números reais,, que possui as seguintes propriedades:, possui uma relação menor ou igual, denotada por O1: Propriedade Reflexiva:

Leia mais

Elementos de Matemática Finita

Elementos de Matemática Finita Elementos de Matemática Finita Exercícios Resolvidos 1 - Algoritmo de Euclides; Indução Matemática; Teorema Fundamental da Aritmética 1. Considere os inteiros a 406 e b 654. (a) Encontre d mdc(a,b), o

Leia mais

Derivadas Parciais Capítulo 14

Derivadas Parciais Capítulo 14 Derivadas Parciais Capítulo 14 DERIVADAS PARCIAIS 14.5 Regra da Cadeia Nesta seção, aprenderemos sobre: A Regra da Cadeia e sua aplicação em diferenciação. A REGRA DA CADEIA Lembremo-nos de que a Regra

Leia mais

PROBABILIDADE. Curso: Logística e Transportes Disciplina: Estatística Profa. Eliane Cabariti

PROBABILIDADE. Curso: Logística e Transportes Disciplina: Estatística Profa. Eliane Cabariti Curso: Logística e Transportes Disciplina: Estatística Profa. Eliane Cabariti PROBABILIDADE Dizemos que a probabilidade é uma medida da quantidade de incerteza que existe em um determinado experimento.

Leia mais

Definimos a soma de seqüências fazendo as operações coordenada-a-coordenada:

Definimos a soma de seqüências fazendo as operações coordenada-a-coordenada: Aula 8 polinômios (Anterior: chinês. ) 8.1 séries formais Fixemos um anel A. Denotaremos por A N o conjunto de todas as funções de N = {, 1, 2,... } a valores em A. Em termos mais concretos, cada elemento

Leia mais

CAPÍTULO 4 PROBABILIDADE PROBABILIDADE PPGEP Espaço Amostral e Eventos Espaço Amostral e Eventos UFRGS. Probabilidade.

CAPÍTULO 4 PROBABILIDADE PROBABILIDADE PPGEP Espaço Amostral e Eventos Espaço Amostral e Eventos UFRGS. Probabilidade. PROBABILIDADE CAPÍTULO 4 PROBABILIDADE UFRGS A Teoria das s estuda os fenômenos aleatórios. Fenômeno Aleatório: são os fenômenos cujo resultado não pode ser previsto exatamente. Se o fenômeno se repetir,

Leia mais

Fernando de Pol Mayer. Laboratório de Estatística e Geoinformação (LEG) Departamento de Estatística (DEST) Universidade Federal do Paraná (UFPR)

Fernando de Pol Mayer. Laboratório de Estatística e Geoinformação (LEG) Departamento de Estatística (DEST) Universidade Federal do Paraná (UFPR) 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

Anexo 1 - Revisões de Teoria das Probabilidades e Processos Estocásticos

Anexo 1 - Revisões de Teoria das Probabilidades e Processos Estocásticos 1 Anexo 1 - Revisões de Teoria das Probabilidades e Processos Estocásticos Documento auxiliar à disciplina de Modelação, Identificação e Controlo Digital Alexandre Bernardino 003/005 IST-Secção de Sistemas

Leia mais

Teoria das Probabilidades

Teoria das Probabilidades Capítulo 2 Teoria das Probabilidades 2.1 Introdução No capítulo anterior, foram mostrados alguns conceitos relacionados à estatística descritiva. Neste capítulo apresentamos a base teórica para o desenvolvimento

Leia mais

Estatística Aplicada. Prof. Carlos Alberto Stechhahn PARTE I ESPAÇO AMOSTRAL - EVENTOS PROBABILIDADE PROBABILIDADE CONDICIONAL.

Estatística Aplicada. Prof. Carlos Alberto Stechhahn PARTE I ESPAÇO AMOSTRAL - EVENTOS PROBABILIDADE PROBABILIDADE CONDICIONAL. Estatística Aplicada Administração p(a) = n(a) / n(u) PARTE I ESPAÇO AMOSTRAL - EVENTOS PROBABILIDADE PROBABILIDADE CONDICIONAL Prof. Carlos Alberto Stechhahn 2014 1. Noções de Probabilidade Chama-se experimento

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

Renato Martins Assunção

Renato Martins Assunção Análise Numérica Integração Renato Martins Assunção DCC - UFMG 2012 Renato Martins Assunção (DCC - UFMG) Análise Numérica 2012 1 / 1 Introdução Calcular integrais é uma tarefa rotineira em engenharia,

Leia mais

Aproximação da Distribuição Binomial pela Distribuição Normal

Aproximação da Distribuição Binomial pela Distribuição Normal Aproximação da Distribuição Binomial pela Distribuição Normal Uma das utilidades da distribuição normal é que ela pode ser usada para fornecer aproximações para algumas distribuições de probabilidade discretas.

Leia mais

Probabilidade - aula II

Probabilidade - aula II 25 de Março de 2014 Interpretações de Probabilidade Amostras Aleatórias e Objetivos Ao final deste capítulo você deve ser capaz de: Calcular probabilidades de eventos conjuntos. Interpretar e calcular

Leia mais

Sequências Generalizando um pouco, podemos então dizer que sequências de elementos são grupos com elementos obedecendo a determinada ordem. Obteremos uma sequência diferente quando se altera a ordem. No

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

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

CE Estatística I

CE Estatística I CE 002 - Estatística I Agronomia - Turma B Professor Walmes Marques Zeviani Laboratório de Estatística e Geoinformação Departamento de Estatística Universidade Federal do Paraná 1º semestre de 2012 Zeviani,

Leia mais

Aulas 10 e 11 / 18 e 20 de abril

Aulas 10 e 11 / 18 e 20 de abril 1 Conjuntos Aulas 10 e 11 / 18 e 20 de abril Um conjunto é uma coleção de objetos. Estes objetos são chamados de elementos do conjunto. A única restrição é que em geral um mesmo elemento não pode contar

Leia mais

IND 1115 Inferência Estatística Aula 6

IND 1115 Inferência Estatística Aula 6 Conteúdo IND 5 Inferência Estatística Aula 6 Setembro de 004 A distribuição Lognormal A distribuição Beta e sua relação com a Uniforme(0,) Mônica Barros mbarros.com mbarros.com A distribuição Lognormal

Leia mais

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

d 3 r ρ (r ) r r 3 (r r ). (2)

d 3 r ρ (r ) r r 3 (r r ). (2) Campo gravitacional Entre duas partículas puntiformes a força gravitacional é fácil de ser escrita e entendida intuitivamente, pois aponta sempre de uma partícula para a outra e é sempre atrativa. No entanto,

Leia mais