TEORIA DAS PROBABILIDADES. Figura 1: Gráfico de pontos. Figura 3: Polígono de frequências.
|
|
- Nelson Lencastre Marroquim
- 6 Há anos
- Visualizações:
Transcrição
1 TEORIA DAS PROBABILIDADES Figura 1: Gráfico de pontos. Figura 3: Polígono de frequências.
2 Figura 4: Função de distribuição de probabilidades sobre o histograma. A teoria das probabilidades estuda os modelos de probabilidades, definidos pela função f(x), para os diferentes processos ou fenômenos em estudo.
3 1) CONCEITOS BÁSICOS 1.1) Experimento Aleatório é um experimento no qual: i) todos os possíveis resultados são conhecidos; ii) resulta num valor desconhecido, dentre todos os resultados possíveis; iii) pode ser repetido em condições idênticas. 1.2) Espaço Amostral é o conjunto de todos os resultados possíveis para um experimento aleatório. É denotado por. Pode ser: - Discreto Finito: formado por um conjunto finito de pontos; Infinito: conjunto infinito e enumerável de pontos; - Contínuo formado por um conjunto não enumerável de pontos. 1.3) Um Evento é um subconjunto do espaço amostral, associado a um experimento. É denotado por letras maiúsculas: A, B, E,... a) Um Evento Complementar: o evento complementar de A é dado pelo conjunto dos pontos que pertencem ao espaço amostral, mas não pertencem a A. É denotado por A c. A c A =. b) Dois eventos A e B são mutuamente exclusivos, ou disjuntos, se a intersecção entre eles é vazia. A B =.
4 Exemplos: Um dado equilibrado é lançado e seu número observado. O espaço amostral é: = { 1, 2, 3, 4, 5, 6 }. Sejam os eventos: A = O número observado é menor ou igual a 4, então, A = { 1, 2, 3, 4 } B = O número observado é par, B = { 2, 4, 6 } C = O número observado é ímpar, C = { 1, 3, 5 } Então, temos A B = { 2, 4 } e A C = { 1, 3 } B C = B e C são disjuntos B c = C, pois B C = c) Evento elementar Seja um espaço amostral finito = { 1, 2,..., N }. Então os elementos do espaço amostral são chamados de resultados elementares. Um evento é dito elementar se é formado por um único elemento do espaço amostral, por exemplo: A 1 = { 1 }. obs: o evento elementar é dado por um subconjunto unitário. No lançamento de um dado equilibrado, cada um dos resultados possíveis são eventos elementares: A 1 = { 1 }, A 2 = { 2 }, A 3 = { 3 }, A 4 = { 4 }, A 5 = { 5 }, A 6 = { 6 }. Assim sendo, temos que: A 1 A 2 A 3 A 4 A 5 A 6 = Ou seja: i 6 1 A i Ω.
5 Exemplos: i) Experimento: numa comunidade carente conta-se o número de pessoas abaixo da linha de pobreza; A = { 0, 1, 2,..., N }, N = população da comunidade Eventos: A 1 = ninguém abaixo da linha de pobreza A 1 = { 0 } A 2 = no máximo cinco pessoas abaixo da linha de pobreza A 2 = { 1, 2, 3, 4, 5 } ii) Experimento: Na fabricação de celulares são contados os aparelhos produzidos até que se encontre um defeituoso; B = { 1, 2, 3, 4,... }, ou ainda B = N*, N* = N { 0 } Eventos: B 1 = o aparelho defeituoso ocorre até o 10ª celular produzido B 1 = { 1, 2, 3, 4, 5, 6, 7, 8, 9, 10 } B 2 = são produzidos no mínimo 200 aparelhos antes do celular defeituoso B 2 = { 201, 202, 203,... }, ou B 2 = { X N* X > 200 }
6 iii) Experimento: No estudo a respeito de um tipo de câncer, indivíduos são acompanhados e o tempo (em meses) até a ocorrência da morte é observado; C = { t R t 0 } ou C = { t 0 } Eventos: C 1 = o indivíduo morre antes de completar 6 meses: C 1 = { t < 6 } C 2 = o indivíduo sobrevive pelo menos 2 anos antes de morrer C 2 = { t R t 24 } Obs: Este é um exemplo de um espaço amostral contínuo, ou não enumerável
7 2) PROBABILIDADES EM ESPAÇOS FINITOS 2.1) Definição Clássica de Probabilidade: seja A um evento associado a um espaço amostral finito, então P A número de pontos favoráveis a número total de pontos A, P A é a probabilidade de ocorrência do evento A e deve satisfazer: a) 0 P A 1; b) P Ω 1; c) Se A e B são disjuntos, então, PA B PA PB. 2.2) Definição Frequentista de Probabilidade: seja o evento A associado a um experimento. Suponha que esse experimento seja repetido n vezes e seja n A o número de ocorrências do evento A. A frequência relativa de A é dada por: n f A A, 0 f A 1. n Se n for grande, então a frequência probabilidade de ocorrência de A, ou seja, para n grande, f A P( A). f A se aproxima da
8 2.3) Definição Subjetiva de Probabilidade: Nas fundamentações clássica e frequentista, o cálculo da probabilidade independe do observador. (exemplos lançamento de um dado ou retirado de uma carta do baralho) Em algumas situações, por outro lado, a repetição do experimento simplesmente é impossível! Exemplos: i) Numa cirurgia, muitas vezes, deseja-se saber se o paciente vai ficar bom ou o tempo até sua recuperação; ii) O Brasil vai ser campeão mundial, em casa, na copa do mundo de futebol de 2014; iii) Será que vai chover amanhã? Fenômenos naturais ou envolvendo pessoas normalmente são imprevisíveis e difíceis (até mesmo impossíveis) de serem reproduzidos. Nesses casos a probabilidade pode ser considerada subjetiva, dependendo da crença do observador.
9 2.4) Propriedades de Probabilidade i) Se é o espaço vazio, então: P(vazio) = P() = 0; ii) P(espaço amostral todo) = P() = 1; iii) Se A c é o evento complementar de A, então: P(A c ) = 1 P(A) e, P(A) = 1 P(A c ); iv) Se A e B são eventos quaisquer, então: P(AB) = P(A) + P(B) P(AB)
10 3) Métodos de Contagem Quando o espaço amostral é equiprovável, ou homogêneo, o cálculo de probabilidades se resumo nas contagens dos elementos de cada um dos eventos e do espaço amostral. Desta forma, é importante o domínio de algumas técnicas de contagens. i) Permutação: quando temos de permutar n elementos em n posições diferentes P n, n n! n! n( n 1)( n 2) 1, n! é o fatorial de n ii) Arranjo: quando, de um total de n elementos, devemos tomar k destes elementos e permutá-los n! n k n( n 1)( n 2) ( n k 1). ( n k)! A, iii) Combinação: quando temos de escolher k, dentre n elementos distintos, sem considerar a ordem C n, k n n! ; note que k k!( n k)! An, k Cn, k. P k, k
11 4) PROBABILIDADE CONDICIONAL E INDEPENDÊNCIA Sejam A e B eventos quaisquer tais que P A 0, então a probabilidade de B condicionada à ocorrência do evento A é definida por P( B A) P( B A). P( A) Lê-se: probabilidade de B dado A. Nota: se dois eventos A e B são independentes, então a ocorrência de um deles não altera a probabilidade de ocorrência do outro e, neste caso: P( B A) P( B) ou P( A B) P( A). 4.1) Regra Multiplicativa das Probabilidades: da probabilidade condicional podemos escrever a probabilidade conjunta de A e B por P( A B) P( B A) P( A) ou P( A B) P( A B) P( B) E, se A e B forem independentes, então P( A B) P( A) P( B).
12 Exemplos: i) Considere as informações da qualidade de um produto pela região de procedência. O produto foi classificado como tipos A e B, sendo o tipo A de melhor qualidade. Qualidade Região S SE CO Total Tipo A Tipo B Total Se um fornecedor é sorteado ao acaso para verificação, qual é a probabilidade de que: a) Seja de qualidade Tipo A? 224 P ( A) b) Seja procedente da região S? 75 P ( S) c) Seja de qualidade Tipo B e da região CO? 11 P ( B CO) d) Seja da região S ou de qualidade Tipo A? P ( A S)
13 e) Sabendo que o fornecedor escolhido é da região SE, qual a probabilidade de que seja de qualidade do Tipo B? 42 / P ( B SE) / f) Se a amostra não é de região S, qual é a probabilidade de que seja de qualidade do Tipo A? P [A (SE CO)] P[(A SE) (A CO)] P(SE CO) (118 54) / P [ A (SE CO)] (160 65) / ii) Um aluno responde a um teste de múltipla escolha com quatro alternativas, sendo uma só correta. A probabilidade de que saiba a resposta é de 30%. Se ele não sabe a resposta, vai chutar. Definindo: A = o aluno acerta a questão; S = o aluno sabe a resposta. a) Qual a probabilidade dele acertar a questão? P(A) = P(acertar sabendo ou acertar chutando) P(A) = P(acertar sabendo) +P(acertar chutando) P(A) = P(A S) P(S) + P(A S c ) P(S c ) P(A) = (1.0)(0.3) + (0.25)(0.7) = * Esse resultado é conhecido como lei da probabilidade total. Na prática a lei da probabilidade total soma as parcelas da probabilidade de um evento em todas as subpopulações.
14 b) Se ele acertou a questão, qual é a probabilidade de que ele realmente saiba a resposta? P(S A) 0.3 P ( S A) P (A) * Esse resultado é conhecido como teorema de Bayes. O teorema de Bayes divide a parcela do evento, sobre a qual desejamos calcular a probabilidade, pela probabilidade total do evento Teorema de Bayes: Seja um evento A ocorrendo sobre parcelas disjuntas do espaço amostral. A Assim, podemos escrever A como sendo: A ( A E1) ( A E2) ( A E3) ( A E4) ( A E5) em que, P ( A) P[( A E1) ( A E2) ( A E3) ( A E4) ( A E5)] é a probabilidade total. O teorema de Bayes se deve ao Revendo Inglês Thomas Bayes, num trabalho publicado em 1763, e que recebe o seu nome em sua homenagem.
15 Os exercícios a seguir são para resolver em sala iii) Sabe-se que numa população 8% das pessoas são infectadas por um vírus causador de uma doença muito grave. Um teste para detecção do vírus é eficiente em 99% dos casos nos quais os indivíduos são infectados, mas resulta em 2% de resultados positivos para os não infectados (falsos positivos). a) Uma pessoa dessa população que não tem nenhum sintoma faz o teste preventivamente. Qual é a probabilidade de que essa pessoa esteja infectada? b) Sabendo que o teste dessa pessoa deu positivo, qual a probabilidade de que ela seja da fato infectada?. iv) Uma mulher tem 1/3 de chance de ainda estar viva daqui a 30 anos e seu marido tem 2/5 de chance. Qual é a probabilidade de, daqui a 30 anos: a) Ambos estejam vivos b) Ao menos um esteja vivo. c) Só o homem estar vivo. v) Um dado equilibrado é lançado 12 vezes. Calcule a probabilidade de se obter: a) Dois seis. b) Quatro seis. c) Pelo menos dois seis. d) No máximo três seis.
16 Diagrama em árvore para o exercício (iii)
17 5) VARIÁVEIS ALEATÓRIAS E MODELOS DE PROBABILIDADE 5.1) Variáveis aleatórias: uma variável aleatória (v.a.) é uma característica numérica que associa valores do conjunto dos números reais aos eventos em Ω. A v.a. representa uma característica individual das unidades de uma população, que podem ser observadas através de uma amostra. Exemplos de v.a. s: X = número de indivíduos abaixo da linha da pobreza numa amostra de 80 pessoas de uma comunidade; T = tempo de sobrevida de pacientes com câncer de pulmão; Y = número de pessoas que votam no candidato Zelão; R = renda familiar em salários mínimos, numa amostra de pessoas de uma população rural; W = número de nascimentos do sexo feminino de uma maternidade, no período de um dia; Z = número de dias de estiagem até a ocorrência de chuva em São Carlos. As variáveis aleatórias podem ser classificadas como discretas e contínuas segundo a natureza do espaço amostral: i) v.a. s discretas assumem valores em espaços discretos e, normalmente, são definidas por uma contagem; ii) v.a. s contínuas assumem valores em espaços contínuos e, normalmente, são definidas por uma mensuração.
18 5.2) Função de probabilidade e função densidade: a função de probabilidade e a função densidade são funções que associam probabilidades a uma v.a. a) A função de probabilidade, denotada por p(x), é uma função que associa probabilidades diretamente aos possíveis valores de uma v.a. discreta X, sendo definida por: p(x) = P(X = x) Exemplo: Considere os nascimentos, independentes, de três crianças e seja a v.a. que conta o número de nascimentos do sexo feminino nesses 3 nascimentos: Espaço amostral: Ω = {(FFF), (FFM), (FMF), (MFF), (FMM), (MFM), (MMF), (MMM)} Neste caso o espaço amostral é equiprovável, pois cada um de seus elementos tem mesma probabilidade. Considerendo que P(F) = P(M) = 1/2, e que os nascimentos são independentes, temos que: P(FFF) = P(F) P(F) P(F) = 1/8. Obs: O mesmo vale para todos os demais elementos de Ω, resultando P(FFF) = P(FFM) = P(FMF) = P(MFF) = P(FMM) = P(MFM) = P(MMF) = P(MMM) = 1/8 Associando a este espaço amostral a v.a. X = número de crianças do sexo feminino dentre os três nascimentos, temos:
19 Tabela: Função de probabilidade para uma v.a. discreta Elementos de Ω Valores de X Probabilidade p(x) (FFF) 3 1/8 (FFM), (FMF), (MFF) 2 3/8 (FMM), (MFM), (MMF) 1 3/8 (MMM) 0 1/8 Desta forma, a função p(x) = P(X = x), dada pela tabela acima, associa as probabilidades aos possíveis valos de X. b) A função densidade, denotada por f(x), associa probabilidades a intervalos de valores de uma v.a. contínua X, sendo dada pela área 1 abaixo de sua curva (ver figura): A função densidade recebe, ainda, os nomes: função densidade de probabilidade ou função distribuição de probabilidade (fdp). Nota: Um exemplo de função densidade de uma v.a. contínua será visto mais adiante. 1 A operação matemática que calcula a área sob a curva de uma função f(x) é a integral: b P(a X b) = a f ( x) dx.
20 5.3) Principais modelos discretos de probabilidade: o modelo binomial. Seja X uma v.a. discreta, porém, para a definição do modelo binomial é que necessário que, antes, seja definido o que um ensaio de Bernoulli. Ensaios de Bernoulli são ensaios (ou experimentos) nos quais temos apenas dois resultados possíveis: sim/não; presença/ausência; ocorre/não ocorre; pertence/não pertence; 0 ou 1. Ao realizarmos um ensaio de Bernoulli estamos interessados em apenas um apenas um dos resultados ao qual chamaremos de sucesso sendo que, a não ocorrência do evento de interesse vamos chamar de fracasso. Por exemplo, a característica de interesse pode ser: a presença de uma doença; um hábito de comportamento ou de consumo; uma característica física; um defeito ou falha ; o resultado de uma medição classificado por um ponto de corte. etc... Para um ensaio de Bernoulli temos associadas as seguintes probabilidades: p = P(sucesso) e (1 p) = P(fracasso)
21 A observação individual desta característica de interesse para os elementos da amostra caracteriza realizações independentes de ensaios de Bernoulli. O modelo binomial é caracterizado pela realização de n ensaios independentes com apenas dois resultados possíveis (sucesso e fracasso), para os quais P(sucesso) = p é constante. Seja a v.a. X que conta os sucessos num número fixo de ensaios independentes de Bernoulli. Então, X tem distribuição binomial com parâmetros n e p. Notação: X binomial(n; p). A função de probabilidade binomial é dada pela fórmula: n P(X = x) = p x (1 p) n x, x = 0, 1, 2,..., n. x Exemplos: i) Considere o exemplo dos nascimentos, independentes, de três crianças e seja a v.a. que conta o número de nascimentos do sexo feminino nesses 3 nascimentos: Podemos notar que o sexo tem apenas dois resultados possíveis: masculino e feminino. Como o interesse está no nascimento de crianças do sexo feminino, então, o evento caracterizado como sucesso será exatamento o nascimento do sexo feminino. Logo, a v.a. X = número de bebês do sexo feminino dentre os três nascimentos tem distribuição binomial com parâmetros n = 3 e p = 1/2. Ou seja: X binomial(3; 0.5). e, a sua fnção de probabilidade é definida como:
22 3 0.5 x 3 x x P(X = x) = 1 0.5, x = 0, 1, 2, 3. Assim, as probabilidades para cada um dos possíveis valores de X sãocalculadas por: P(X = 0) = ; P(X = 1) = P(X = 2) = (0.5) (0.5) 3 ; 8 3 ; P(X = 3) = Resolvendo as frações, temos: x 0, p(0) P( X x 1, p(1) P( X x 2, p(2) P( X x 3, p(3) P( X 0) ) ) )
23 Gráfico da função de probabilidade: ii) Suponha que uma característica genética é determinada por um par de genes, sendo D o gene dominante e d o gene recessivo. Assim sendo, DD é dominante puro; Dd é híbrido e dd recessivo puro. Sabese, ainda, que essa característica é determinada pelo gene recessivo. Uma família na qual os pais são ambos híbridos tem quatro filhos, determine: a) A distribuição de probabilidade e os seus parâmetros. Qual é a probabilidade de que: b) três dos filhos tenham a característica genética; c) no máximo dois dos filhos tenham a característica. Com os dois pais híbridos, ou seja, ambos Dd, temos as seguintes possibilidades de cargas genéticas para os filhos:
24 Considerando, ainda, P(D) = P(d) = 1/2, temos as seguintes probabilidades associadas: Filho P( DD) P( Dd) P( dd) 2 1 = = = Dominante puro Hibrído Recessivo puro DD Dd dd probabilidade 1/4 1/2 1/4 a) Como a característica genética é determinada pelo gene recessivo, ela só vai se manifestar se o filho for dd. Assim sendo, teremos uma probabilidade igual a 0.25 de que um filho apresente a característica. Seja a v.a. X = número de filhos com a característica genética dentre os quatro irmãos. Então, X tem distribuição binomial com parâmetros n = 4 e p = X binomial(4; 0.25). e, a sua fnção de probabilidade é dada por: x 4 x x p(x) = P(X = x) = 0.75, x = 0, 1, 2, 3, 4.
25 b) Probabilidade de que três filhos apresentem a característica. 4 P ( X 3) P ( X 3) 4(0.0156) (0.75) c) Probabilidade de que, no máximo dois filhos tenham a característica. P ( X 2) P( X 0) P( X 1) P( X 2) ou, ainda, P ( X 2) 1 P( X 3) 1 P( X 3) P( X Como P ( X 4) , então: P ( X 2) 1 4)
26 6. Principais modelos contínuos: a distribuição Normal. Uma v.a. X tem distribuição normal ou Gaussiana, com parâmetros e 2 se a sua f.d.p. for: 1 2 x x e 2 2 f, x, e 0. 2 Notação: X normal( ; 2 ) ou X N( ; 2 ). 2 As principais características da distribuição normal são: i) X tem média e variância 2 ; ii) é uma função simétrica em torno de : f( k) = f( + k); iii) a função muda sua curvatura nos pontos ( ) e ( + );
27 iv) tem o conhecido formato de sino com probabilidade de aproximadamente 95% entre ( 2) e ( + 2) (ver figura). A função de distribuição acumulada F(x) do modelo normal não pode ser determinada algebricamente, o que dificulta o cálculo das probabilidades, pois F(x) = P(X x) No entanto, o resultado a seguir vem facilitar as coisas: Resultado: a transformação a seguir padroniza a v.a. normal Z X. Fazendo com que Z tenha média igual a 0 e variância igual a 1. Com este resultado, basta construir uma única tabela de probabilidades para a distribuição normal padronizada que teremos as probabilidades para uma v.a. normal qualquer.
28 Exemplos: i) Seja uma va X com distribuição normal com média 220 e variância 16, ou seja, X N(220; 16). Calcular as probabilidades abaixo: a) P(X 225) X P = P(X 225) = PZ 1.25 b) P(210 X 228) X P(210 X 228) = P P 2.50 Z Z 2.00 PZ 2. P =
29 c) Qual o valor de k tal que P(X k) = 0.01? P(X k) = X 220 k 220 P = 0.01, 4 4 k Da tabela temos que k = d) Quais os valores k 1 e k 2 simétricos em torno de, tal que P(k 1 X k 2 ) = 0.95? P(k 1 X k 2 ) = k1 220 k 220 P Z 2 = 0.95, 4 4 e, k Da tabela temos que k 220 P Z PZ 2 = 0.025, 4 4 k k 1 = Como k 1 e k 2 simétricos em torno da média, então k k 2 = ii) Suponha que a renda de uma população (em s.m.) tenha distribuição N 4; Qual a probabilidade de que: a) Uma pessoa escolhida ao acaso desta população tenha renda inferior a 2.87sm? b) Uma pessoa escolhida ao acaso desta população tenha renda superior a 5.05sm? c) Qual a proporção de pessoas com renda entre 2.8 e 5.2 sm s?
30 a) P(X < 28.7) P = P(X < 28.7) = Z PZ 1.88 b) P(X > 50.5) P = P(X > 50.5) = Z 1 PZ 1.75 c) P(28 < X < 52) P(28 < X < 52) = P 2.0 Z 2.0 PZ 2.0 PZ 2.0 = = iii) O tempo até a falha dos televisores da marca X-View tem distribuição normal com média 35 mil horas ( 4 anos) e desvio padrão de mil horas ( 3.7 meses). A empresa deseja fixar a garantia do produto de forma que, no máximo 5% dos televisores apresentem problemas abaixo desse limite. a) Encontre o limite de garantia L? P(X < L) = L L 35 P Z L 35(1.645) (2.675) L = 30.6 mil horas ( 3.5 anos)
31 b) Os diretores da companhia traçam um plano de ação para reduzir a variabilidade do processo de produção. De quanto deve ser reduzido o desvio padrão do processo para que, mantido o limite obtido em (a), o percentual de itens abaixo do limite garantia caia pela metade? P(X < 30.6) = P Z * * * * = mil horas ( 3.1 meses) Definição: Seja Z o quantil 100% da distribuição N(0, 1), então, Z é tal que P(Z Z ) =
32 Principais quantis da distribuição Normal Quantil Z = % Z 0.01 = 2.33 = % Z = 1.96 = % Z 0.05 = = % Z 0.95 = = % Z = 1.96 = % Z 0.99 = 2.33 Obs: 1) Note que Z = Z (1 ), por exemplo Z = Z ; 2) No programa R os quantis da normal são obtidos pelo comando: qnorm(), 0 1. iv) Um produto é vendido em pacotes de um quilograma, sendo que a distribuição do peso dos pacotes é normal com média 1005g e desvio padrão 12g. a) Qual a probabilidade de que um pacote saia com peso 15g abaixo da média? b) Num fardo com 12 pacotes, qual é a probabilidade de no máximo 2 estejam abaixo de 990g? c) Um fiscal informou o produtor de que são aceitos apenas 5% dos pacotes com peso abaixo de 995g. De quanto deve diminuir a variabilidade para que esse limite seja atendido? d) Como o processo não permite o ajuste na variabilidade, a opção seria aumentar a média para atender a especificação. De quanto deve ser a nova média? e) Com a nova média obtida no item anterior, de quanto se espera seja o aumento na perda do empacotador em uma tonelada do produto.
Os exercícios a seguir são para resolver em sala
Os exercícios a seguir são para resolver em sala i) Uma mulher tem 1/3 de chance de ainda estar viva daqui a 30 anos e seu marido tem 2/5 de chance. Qual é a probabilidade de, daqui a 30 anos: a) Ambos
Leia maisVariáveis Aleatórias
Variáveis Aleatórias Definição: Uma variável aleatória v.a. é uma função que associa elementos do espaço amostral a valores numéricos, ou seja, X : Ω A, em que A R. Esquematicamente As variáveis aleatórias
Leia maisVariáveis Aleatórias
Variáveis Aleatórias Definição: Uma variável aleatória v.a. é uma função que associa elementos do espaço amostral a valores numéricos, ou seja, X : I, em que I. Esquematicamente: As variáveis aleatórias
Leia maisVARIÁVEIS ALEATÓRIAS e DISTRIBUIÇÃO BINOMIAL
VARIÁVEIS ALEATÓRIAS e DISTRIBUIÇÃO BINOMIAL 1 Variável Aleatória Uma função X que associa a cada elemento w do espaço amostral W um valor x R é denominada uma variável aleatória. Experimento: jogar 1
Leia maisVARIÁVEL ALEATÓRIA e DISTRIBUIÇÃO BINOMIAL
VARIÁVEL ALEATÓRIA e DISTRIBUIÇÃO BINOMIAL 1 Variável Aleatória Uma função X que associa a cada elemento w do espaço amostral W um valor x R é denominada uma variável aleatória. Experimento: jogar 1 dado
Leia maisBioestatística F. Modelo Binomial. Enrico A. Colosimo
Bioestatística F Modelo Binomial Enrico A. Colosimo Departamento de Estatística Universidade Federal de Minas Gerais http://www.est.ufmg.br/~enricoc 2011 1 / 1 Variável aleatória discreta Definição Uma
Leia maisCONCEITOS BÁSICOS. 5) Dois eventos A e B são mutuamente exclusivos, ou disjuntos, se A B =.
CONCEITOS BÁSICOS Eperimento leatório é um eperimento no qual: i todos os possíveis resultados são conhecidos; ii resulta num valor desconhecido, dentre todos os resultados possíveis; iii pode ser repetido
Leia maisVARIÁVEL ALEATÓRIA e DISTRIBUIÇÃO BINOMIAL
VARIÁVEL ALEATÓRIA e DISTRIBUIÇÃO BINOMIAL Variável Aleatória Uma função X que associa a cada elemento ω do espaço amostral Ω um valor x R é denominada uma variável aleatória. A variável aleatória pode
Leia maisChamamos de evento qualquer subconjunto do espaço amostral: A é um evento A Ω.
PROBABILIDADE 1.0 Conceitos Gerais No caso em que os possíveis resultados de um experimento aleatório podem ser listados (caso discreto), um modelo probabilístico pode ser entendido como a listagem desses
Leia mais1 Noções de Probabilidade
Noções de Probabilidade Já vimos que para se obter informações sobre alguma característica da população, podemos utilizar uma amostra. Estudaremos agora a probabilidade, que é uma ferramenta usada e necessária
Leia maisEscola Superior de Agricultura "Luiz de Queiroz", Departamento de Ciências Exatas. Probabilidades. Cristian Villegas
Probabilidades Cristian Villegas clobos@usp.br Setembro de 2013 Apostila de Estatística (Cristian Villegas) 1 Introdução Escola Superior de Agricultura "Luiz de Queiroz", Departamento de Ciências Exatas
Leia maisPode ser a observação de um fenômeno natural:
MAE 116 Introdução à Probabilidade FEA -2º Semestre de 2017 1 Experimento Designaremos por Experimento todo processo que nos fornece dados: Pode ser a observação de um fenômeno natural: 4observação astronômica
Leia maisProbabilidade - 7/7/2018. Prof. Walter Tadeu
Probabilidade - 7/7/018 Prof. Walter Tadeu www.professorwaltertadeu.mat.br Espaço Amostral (): conjunto de todos os resultados possíveis de um experimento aleatório. Exemplos: 1. Lançamento de um dado.
Leia maisModelos Probabiĺısticos Discretos
Discretos Prof. Gilberto Rodrigues Liska UNIPAMPA 19 de Setembro de 2017 Material de Apoio e-mail: gilbertoliska@unipampa.edu.br Gilberto R. Liska ( UNIPAMPA ) Notas de Aula 19 de Setembro de 2017 1 /
Leia maisAula 5. Variáveis Aleatórias Discretas
Aula 5. Variáveis Aleatórias Discretas Definição formal : Variável aleatória é qualquer função definida em espaço Ω. Ω função é uma regra que para cada valor de domínio corresponde um valor de R R Definição
Leia maisPROBABILIDADE 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 maisProbabilidade em espaços discretos. Prof.: Joni Fusinato
Probabilidade em espaços discretos Prof.: Joni Fusinato joni.fusinato@ifsc.edu.br jfusinato@gmail.com Probabilidade em espaços discretos Definições de Probabilidade Experimento Espaço Amostral Evento Probabilidade
Leia maisNOÇÕES DE PROBABILIDADE
NOÇÕES DE PROBABILIDADE Experimento Aleatório Experimento Aleatório: procedimento que, ao ser repetido sob as mesmas condições, pode fornecer resultados diferentes Exemplos:. Resultado no lançamento de
Leia mais2. INTRODUÇÃO À PROBABILIDADE
2. INTRODUÇÃO À PROBABILIDADE 2019 Conceitos básicos Experimento aleatório ou fenômeno aleatório Situações ou acontecimentos cujos resultados não podem ser previstos com certeza. Um experimento ou fenônemo
Leia maisBioestatística Aula 3
Bioestatística Aula 3 Anderson Castro Soares de Oliveira Anderson Bioestatística 1 / 51 Probabilidade Probabilidade é o ramo da matemática que estuda fenômenos aleatórios. Probabilidade é uma medida que
Leia maisProbabilidade. Definição de Probabilidade Principais Teoremas Probabilidades dos Espaços Amostrais Espaços Amostrais Equiprováveis.
Probabilidade Definição de Probabilidade Principais Teoremas Probabilidades dos Espaços Amostrais Espaços Amostrais Equiprováveis Renata Souza Probabilidade É um conceito matemático que permite a quantificação
Leia maisPROBABILIDADE CONDICIONAL E TEOREMA DE BAYES
PROBABILIDADE CONDICIONAL E TEOREMA DE BAYES Lucas Santana da Cunha email: lscunha@uel.br http://www.uel.br/pessoal/lscunha/ Universidade Estadual de Londrina 08 de junho de 2016 Probabilidade Condicional
Leia mais3 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 maisConceitos 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 maisProbabilidade. Objetivos de Aprendizagem. UFMG-ICEx-EST. Cap. 2 - Probabilidade Espaços Amostrais e Eventos. 2.1.
2 ESQUEMA DO CAPÍTULO 2.1 ESPAÇOS AMOSTRAIS E EVENTOS 2.2 INTERPRETAÇÕES E AXIOMAS DE PROBABILIADE 2.3 REGRAS DE ADIÇÃO 2.4 PROBABILIDADE CONDICIONAL 2.5 REGRAS DA MULTIPLICAÇÃO E DA PROBABILIDADE TOTAL
Leia maisProbabilidade ESQUEMA DO CAPÍTULO. UFMG-ICEx-EST Cap. 2- Probabilidade 1
Probabilidade ESQUEMA DO CAPÍTULO 2.1 ESPAÇOS AMOSTRAIS E EVENTOS 2.2 INTERPRETAÇÕES DE PROBABILIADE 2.3 REGRAS DE ADIÇÃO 2.4 PROBABILIDADE CONDICIONAL 2.5 REGRAS DA MULTIPLICAÇÃO E DA PROBABILIDADE TOTAL
Leia maisProf.: Joni Fusinato
Probabilidade Condicional Prof.: Joni Fusinato joni.fusinato@ifsc.edu.br jfusinato@gmail.com Probabilidade Condicional É a probabilidade de ocorrer um evento A sabendo-se que já ocorreu um evento B. Assim,
Leia maisProbabilidade. 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 maisProf.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 maisTeoria 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 maisProcessos Estocásticos. Luiz Affonso Guedes
Processos Estocásticos Luiz Affonso Guedes Sumário Probabilidade Variáveis Aleatórias Funções de Uma Variável Aleatória Funções de Várias Variáveis Aleatórias Momentos e Estatística Condicional Teorema
Leia maisBIOESTATÍSTICA AULA 3. Anderson Castro Soares de Oliveira Jose Nilton da Cruz. Departamento de Estatística/ICET/UFMT
BIOESTATÍSTICA AULA 3 Anderson Castro Soares de Oliveira Jose Nilton da Cruz Departamento de Estatística/ICET/UFMT Probabilidade PROBABILIDADE Probabilidade é o ramo da matemática que estuda fenômenos
Leia maisTeoria da Probabilidade
Teoria da Probabilidade Luis Henrique Assumpção Lolis 14 de fevereiro de 2014 Luis Henrique Assumpção Lolis Teoria da Probabilidade 1 Conteúdo 1 O Experimento Aleatório 2 Espaço de amostras 3 Álgebra dos
Leia mais24/04/2017. Operações que podem ser aplicadas aos eventos
Inferência estatística: processo de extrair conclusões de uma população inteira com base na informação de uma amostra A base para a inferência estatística é a teoria da probabilidade Evento: é o resultado
Leia maisVARIÁVEIS ALEATÓRIAS 1
VARIÁVEIS ALEATÓRIAS 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 duas vezes e observar
Leia maisEstatística. Probabilidade. Conteúdo. Objetivos. Definições. Probabilidade: regras e aplicações. Distribuição Discreta e Distribuição Normal.
Estatística Probabilidade Profa. Ivonete Melo de Carvalho Conteúdo Definições. Probabilidade: regras e aplicações. Distribuição Discreta e Distribuição Normal. Objetivos Utilizar a probabilidade como estimador
Leia maisUniversidade Federal de Lavras
Universidade Federal de Lavras Departamento de Estatística Prof. Daniel Furtado Ferreira 13 a Lista de Exercícios Práticos Conceitos Básicos de Probabilidade 1) Considere um experimento que consiste em
Leia maisEstatística e Modelos Probabilísticos - COE241
Estatística e Modelos Probabilísticos - COE241 Aulas passadas Espaço Amostral Álgebra de Eventos Axiomas de Probabilidade Análise Combinatória Aula de hoje Probabilidade Condicional Independência de Eventos
Leia maisEstatística (MAD231) Turma: IGA. Período: 2018/2
Estatística (MAD231) Turma: IGA Período: 2018/2 Aula #03 de Probabilidade: 19/10/2018 1 Variáveis Aleatórias Considere um experimento cujo espaço amostral é Ω. Ω contém todos os resultados possíveis: e
Leia maisModelos 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 maisCálculo das Probabilidades e Estatística I
Cálculo das Probabilidades e Estatística I Prof a. Juliana Freitas Pires Departamento de Estatística Universidade Federal da Paraíba - UFPB juliana@de.ufpb.br Variáveis Aleatórias Ao descrever um espaço
Leia maisProbabilidades- 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 maisINTRODUÇÃO À PROBABILIDADE
INTRODUÇÃO À PROBABILIDADE Foto extraída em http://www.alea.pt Profª Maria Eliane Universidade Estadual de Santa Cruz USO DE PROBABILIDADES EM SITUAÇÕES DO COTIDIANO Escolhas pessoais Previsão do tempo
Leia maisProfessora Ana Hermínia Andrade. Período
Distribuições de probabilidade Professora Ana Hermínia Andrade Universidade Federal do Amazonas Faculdade de Estudos Sociais Departamento de Economia e Análise Período 2016.2 Modelos de distribuição Para
Leia maisINTRODUÇÃO À PROBABILIDADE
INTRODUÇÃO À PROBABILIDADE Análise e Elaboração de Projetos Apresentação Prof Dr Isnard Martins Conteúdo: Profº Dr Carlos Alberto (Caio) Dantas Profº Dr Luiz Renato G. Fontes Prof Dr Victor Hugo Lachos
Leia maisRevisão Conceitos de Estatística aplicados à Epidemiologia
Revisão Conceitos de Estatística aplicados à Epidemiologia Carlos R. V. Kiffer Médico Infectologista Professor Doutor / Pesquisador Visitante LEMC / UNIFESP Sumário O que é Estatística? Conceitos População
Leia maisCap. 4 - Probabilidade
Estatística para Cursos de Engenharia e Informática Pedro Alberto Barbetta / Marcelo Menezes Reis / Antonio Cezar Bornia São Paulo: Atlas, 2004 Cap. 4 - Probabilidade APOIO: Fundação de Apoio à Pesquisa
Leia maisParte 3 Probabilidade
Parte 3 Probabilidade A probabilidade tem origem no século XVII, motivada, inicialmente, pelos jogos de azar. De maneira bastante informal, refere-se à probabilidade como uma medida de chance de algum
Leia maisProbabilidade. Ricardo Ehlers Departamento de Matemática Aplicada e Estatística Universidade de São Paulo
Probabilidade Ricardo Ehlers ehlers@icmc.usp.br Departamento de Matemática Aplicada e Estatística Universidade de São Paulo Experimento aleatório Definição. Qualquer experimento cujo resultado não pode
Leia maisVARIÁVEIS 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 maisEstatística e Modelos Probabilísticos - COE241
Estatística e Modelos Probabilísticos - COE241 Aulas passadas Motivação Exemplos de aplicação de probabilidade e estatística Informações do curso Aula de hoje Espaço amostral Álgebra de Eventos Eventos
Leia maisELEMENTOS 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 maisNOÇÕES 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 maisTeoria das probabilidades
Teoria das probabilidades Prof. Dr. Lucas Santana da Cunha email: lscunha@uel.br http://www.uel.br/pessoal/lscunha/ 25 de abril de 2018 Londrina 1 / 22 Conceitos probabiĺısticos são necessários para se
Leia maisPROBABILIDADE. Aula 2 Probabilidade Básica. Fernando Arbache
PROBABILIDADE Aula 2 Probabilidade Básica Fernando Arbache Probabilidade Medida da incerteza associada aos resultados do experimento aleatório Deve fornecer a informação de quão verossímil é a ocorrência
Leia maisProbabilidade. Ricardo Ehlers Departamento de Matemática Aplicada e Estatística Universidade de São Paulo
Probabilidade Ricardo Ehlers ehlers@icmc.usp.br Departamento de Matemática Aplicada e Estatística Universidade de São Paulo Introdução Experimento aleatório Definição Qualquer experimento cujo resultado
Leia maisTeoria das Probabilidades
08/06/07 Universidade Federal do Pará Instituto de Tecnologia Estatística Aplicada I Prof. Dr. Jorge Teófilo de Barros Lopes Campus de Belém Curso de Engenharia Mecânica Universidade Federal do Pará Instituto
Leia mais2. INTRODUÇÃO À PROBABILIDADE
2. INTRODUÇÃO À ROILIDDE 2014 Conceitos básicos Experimento aleatório ou fenômeno aleatório Situações ou acontecimentos cujos resultados não podem ser previstos com certeza. Um experimento ou fenônemo
Leia maisAula de hoje. administração. São Paulo: Ática, 2007, Cap. 3. ! Tópicos. ! Referências. ! Distribuição de probabilidades! Variáveis aleatórias
Aula de hoje! Tópicos! Distribuição de probabilidades! Variáveis aleatórias! Variáveis discretas! Variáveis contínuas! Distribuição binomial! Distribuição normal! Referências! Barrow, M. Estatística para
Leia mais2 Conceitos Básicos de Probabilidade
CE003 1 1 Introdução No capítulo anterior, foram mostrados alguns conceitos relacionados à estatística descritiva. Neste capítulo apresentamos a base teórica para o desenvolvimento de técnicas estatísticas
Leia maisTeoria das Probabilidades
Universidade Federal do Pará Instituto de Tecnologia Estatística Aplicada I Prof. Dr. Jorge Teófilo de Barros Lopes Campus de Belém Curso de Engenharia Mecânica 08:8 ESTATÍSTICA APLICADA I - Teoria das
Leia mais1 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 maisProbabilidade. É o conjunto de todos os possíveis resultados de um experimento aleatório.
Probabilidade Introdução O trabalho estatístico se desenvolve a partir da observação de determinados fenômenos e emprega dados numéricos relacionados aos mesmos, para tirar conclusões que permitam conhecê-los
Leia maisEstatística Aplicada II. } Revisão: Probabilidade } Propriedades da Média Amostral
Estatística Aplicada II } Revisão: Probabilidade } Propriedades da Média Amostral 1 Aula de hoje } Tópicos } Revisão: } Distribuição de probabilidade } Variáveis aleatórias } Distribuição normal } Propriedades
Leia maisProbabilidade. Probabilidade e Estatística. Prof. Dr. Narciso Gonçalves da Silva
Probabilidade e Estatística Prof. Dr. Narciso Gonçalves da Silva http://paginapessoal.utfpr.edu.br/ngsilva Probabilidade Probabilidade Experimento Aleatório Um experimento é dito aleatório quando satisfaz
Leia maisProbabilidade. Professora Ana Hermínia Andrade. Universidade Federal do Amazonas Faculdade de Estudos Sociais Departamento de Economia e Análise
Probabilidade Professora Ana Hermínia Andrade Universidade Federal do Amazonas Faculdade de Estudos Sociais Departamento de Economia e Análise Período 2016.2 Você reconhece algum desses experimentos? Alguns
Leia maisEstatística e Modelos Probabilísticos - COE241
Estatística e Modelos Probabilísticos - COE241 Aulas passadas Espaço Amostral Álgebra de Eventos Axiomas de Probabilidade Análise Aula de hoje Probabilidade Condicional Independência de Eventos Teorema
Leia maisProbabilidades. Wagner H. Bonat Elias T. Krainski Fernando P. Mayer
Probabilidades Wagner H. Bonat Elias T. Krainski Fernando P. Mayer Universidade Federal do Paraná Departamento de Estatística Laboratório de Estatística e Geoinformação 06/03/2018 WB, EK, FM ( LEG/DEST/UFPR
Leia maisVariáveis 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 maisModelos Probabilisticos Discretos
Modelos Probabilisticos Discretos Ricardo Ehlers ehlers@icmc.usp.br Departamento de Matemática Aplicada e Estatística Universidade de São Paulo 1 / 30 A distribuição Uniforme Discreta Suponha um experimento
Leia maisUniversidade Federal do Ceará
Universidade Federal do Ceará Faculdade de Economia Vicente Lima Crisóstomo Fortaleza, 2011 1 Sumário Introdução Estatística Descritiva Probabilidade Distribuições de Probabilidades Amostragem e Distribuições
Leia maisExperimento 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 maisMomentos: Esperança e Variância. Introdução
Momentos: Esperança e Variância. Introdução Em uma relação determinística pode-se ter a seguinte relação: " + " = 0 Assim, m =, é a declividade e a e b são parâmetros. Sabendo os valores dos parâmetros
Leia maisVariáveis Aleatórias Discretas
Variáveis Aleatórias Discretas Ricardo Ehlers ehlers@icmc.usp.br Departamento de Matemática Aplicada e Estatística Universidade de São Paulo Introdução Definição Uma variável aleatória é uma função definida
Leia maisProbabilidade - aula II
2012/02 1 Interpretações de Probabilidade 2 3 Amostras Aleatórias e Objetivos Ao final deste capítulo você deve ser capaz de: Calcular probabilidades de eventos conjuntos. Interpretar e calcular probabilidades
Leia maisCurso de Farmácia Estatística Vital Aula 05 Comentários Adicionais. Prof. Hemílio Fernandes Depto. de Estatística - UFPB
Curso de Farmácia Estatística Vital Aula 05 Comentários Adicionais Prof. Hemílio Fernandes Depto. de Estatística - UFPB Um pouco de Probabilidade Experimento Aleatório: procedimento que, ao ser repetido
Leia maisTeoria das Filas aplicadas a Sistemas Computacionais. Aula 08
Teoria das Filas aplicadas a Sistemas Computacionais Aula 08 Universidade Federal do Espírito Santo - Departamento de Informática - DI Laboratório de Pesquisas em Redes Multimidia - LPRM Teoria das Filas
Leia mais3. 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 maisESTATÍSTICA EXPLORATÓRIA
ESTATÍSTICA EXPLORATÓRIA Prof Paulo Renato A. Firmino praf62@gmail.com Aulas 07-08 Probabilidade Apanhado Geral Seguimos nossas discussões sobre a Incerteza Decidir usualmente envolve incerteza Uma presa
Leia maisCONCEITOS BÁSICOS. 5) Dois eventos A e B são mutuamente exclusivos, ou disjuntos, se A B =.
CONCITOS BÁSICOS 1 xperimento leatório é um experimento no qual: i todos os possíveis resultados são conhecidos; ii resulta num valor desconhecido, dentre todos os resultados possíveis; iii pode ser repetido
Leia maisProcessos Estocásticos. Introdução. Probabilidade. Introdução. Espaço Amostral. Luiz Affonso Guedes. Fenômenos Determinísticos
Processos Estocásticos Luiz ffonso Guedes Sumário Probabilidade Variáveis leatórias Funções de Uma Variável leatória Funções de Várias Variáveis leatórias Momentos e Estatística Condicional Teorema do
Leia maisCONCEITOS BASICOS, ORGANIZAÇÃO E APRESENTAÇÃO DOS RESULTADOS, DISTRIBUIÇÃO DE FREQUÊNCIA
DISCIPLINA: MÉTODOS QUANTITATIVOS PROFESSORA: GARDÊNIA SILVANA DE OLIVEIRA RODRIGUES CONCEITOS BASICOS, ORGANIZAÇÃO E APRESENTAÇÃO DOS RESULTADOS, DISTRIBUIÇÃO DE FREQUÊNCIA MOSSORÓ/RN 2015 1 POR QUE ESTUDAR
Leia maisTEORIA 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 maisESTATÍSTICA. 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 maisBIOESTATÍSTICA. Parte 3 Variáveis Aleatórias
BIOESTATÍSTICA Parte 3 Variáveis Aleatórias Aulas Teóricas de 29/03/2011 a 26/04/2011 3.1. Conceito de Variável Aleatória. Função de Distribuição Variáveis aleatórias Uma variável aleatória pode ser entendida
Leia maisAproximação 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 maisNOÇÕES DE PROBABILIDADE
NOÇÕES DE PROBABILIDADE Qual a razão para esta mudança? (isto é, para passarmos de Análise Descritiva para Cálculo de Probabilidades?) ALEATORIEDADE Menino ou Menina me? 3 CARA? OU COROA? 4 ? Qual será
Leia maisESTATÍSTICA TÓPICO 7 VARIÁVEL ALEATÓRIA DISCRETA / DISTRIBUIÇÃO BINOMIAL / DISTRIBUIÇÃO NORMAL
ESTATÍSTICA TÓPICO 7 VARIÁVEL ALEATÓRIA DISCRETA / DISTRIBUIÇÃO BINOMIAL / DISTRIBUIÇÃO NORMAL VARIÁVEIS ALEATÓRIAS Como já vimos no estudo das probabilidades, o conjunto de todos os possíveis resultados
Leia maisUnidade I ESTATÍSTICA APLICADA. Prof. Mauricio Fanno
Unidade I ESTATÍSTICA APLICADA Prof. Mauricio Fanno Estatística indutiva Estatística descritiva Dados no passado ou no presente e em pequena quantidade, portanto, reais e coletáveis. Campo de trabalho:
Leia maisVariável Aleatória Contínua:
Distribuição Contínua Normal Luiz Medeiros de Araujo Lima Filho Departamento de Estatística UFPB Variável Aleatória Contínua: Assume valores num intervalo de números reais. Não é possível listar, individualmente,
Leia maisTEORIA 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 maisProbabilidade Parte 1. Camyla Moreno
Probabilidade Parte 1 Camyla Moreno Probabilidade A teoria das probabilidades é um ramo da Matemática que cria, elabora e pesquisa modelos para estudar experimentos ou fenômenos aleatórios. Principais
Leia maisEstatística e Modelos Probabilísticos - COE241
Estatística e Modelos Probabilísticos - COE241 Aulas passadas Motivação Espaço Amostral, Eventos, Álgebra de eventos Aula de hoje Probabilidade Análise Combinatória Independência Probabilidade Experimentos
Leia maisSumário. 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 maisVARIÁVEIS 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