b) Fabrico de peças cilíndricas Capítulo 5 - Distribuições conjuntas de probabilidades e complementos X - comprimento da peça Y - diâmetro da peça
|
|
- Iasmin Vilarinho Palmeira
- 6 Há anos
- Visualizações:
Transcrição
1 Capítulo 5 - Distribuições cojutas de probabilidades e complemetos 5.1 Duas variáveis aleatórias discretas. Distribuições cojutas, margiais e codicioais. Idepedêcia Em relação a uma mesma eperiêcia podem ser cosideradas várias variáveis aleatórias. Eemplos: a) Trasmissão/recepção de siais em que cada um é classificado como: alta, média ou baia qualidade. Cosiderem-se as v.a. X - º de siais de alta qualidade Y - º de siais de baia qualidade Trata-se de duas variáveis discretas. 1 b) Fabrico de peças cilídricas X - comprimeto da peça Y - diâmetro da peça Trata-se de duas variáveis cotíuas. Nos Capítulos 3 e 4 estudou-se a distribuição de probabilidade de v.a. (discretas ou cotíuas), cosideradas isoladamete. Para duas ou mais v.a. o seu comportameto simultâeo é estudado usado as chamadas distribuições de probabilidade cojutas. Defiição: Dadas duas variáveis aleatórias discretas, chama-se fução de probabilidade cojuta a f XY (, ) P( X,Y ), tal que (1) f XY (, ) 0,, () f XY (, ) 1 Eemplo: Laçameto de dois dados perfeitos. Seja Orgaização da fução de probabilidade cojuta em tabela: X - º de vezes que sai a face 6 Y - º de vezes que sai a face 5 0,1, 0,1, Y \ X /36 8/36 1/36 P( X 0,Y 0) P( X 1,Y 0) P( X 0,Y 1) P( X 1,Y 1) Gráfico: 1 8/36 /36 0 1/ P( X,Y 0) P( X 0,Y ) 3 P( X 1,Y ) 0 P( X,Y 1) 1/36 P( X,Y ) 0 P( X,Y ) /36 /36 16/36 8/36 1/
2 A partir da tabela podem calcular-se também as probabilidades (chamadas margiais) para X ou Y. Por eemplo: P( X 0) f XY ( 0,0) + f XY ( 0,1) + f XY ( 0,) f XY 0, 0 Estas probabilidades podem ser acrescetadas à tabela da fução de probabilidade cojuta: Y \ X 0 1 P( Y ) 0 16/36 8/36 1/36 5/36 1 8/36 / /36 1/ /36 5/36 10/36 1/36 1 P X 5 Nota: verificar que X ~ Bi, 1 6 e Y ~ Bi, 1 6 (diz-se que X e Y são ideticamete distribuídas) Defiição: Se X e Y forem v.a. discretas com fução de probabilidade cojuta f XY (, ), as fuções de probabilidade margiais de X e Y são f X f Y f XY (, ) P X P Y f XY (, ) Nota: dada uma fução de probabilidade cojuta, E( X), V( X), E( Y) e V( Y) podem ser calculados usado a f.p. cojuta ou as f.p. margiais: µ X f X E X f XY (, ) f XY, 6 Defiição: Dadas as v.a. discretas X e Y com f.p. cojuta f XY (, ), a fução de probabilidade codicioada de Y dado X (tal que f X > 0) é e verifica f Y (1) f Y f (, ) XY P Y X 0, () f Y Nota: Defiições semelhates para X dado Y. 7 f X 1 (tem as propriedades de uma f.p.) Defiição: O valor esperado codicioado de Y dado X é E Y µ Y f Y e a respectiva variâcia codicioada é µ Y V Y f Y Eemplo (cot.): Y X1 P( Y 0 X 1) P( Y 1 X 1) P( Y X 1) E( Y X 1) Y X0 P( Y 0 X 0) P( Y 1 X 0) P( Y X 0) E Y X
3 O coceito de idepedêcia de acotecimetos pode ser estedido a variáveis aleatórias. Defiição: Dadas duas v.a. discretas X e Y, se uma das seguites codições se verificar etão as outras também se verificam e as v.a. são idepedetes (1) f XY (, ) f X f Y,, () f Y f Y,, com f X > 0 (3) f X f X,, com f Y > 0 Eemplo (cot.): Serão X e Y idepedetes? Não, porque, por eemplo, P( X,Y ) 0 P( X )P( Y ) Cosequêcia da defiição de idepedêcia: Se X e Y são idepedetes, etão P( X A e Y B) P( X A) P( Y B) 9 5. Duas variáveis aleatórias cotíuas. Distribuições cojutas, margiais e codicioais. Idepedêcia Do mesmo modo que para caracterizar uma v.a. cotíua foi ecessário itroduzir o coceito de fução de desidade de probabilidade, defie-se para duas variáveis aleatórias cotíuas a fução de desidade de probabilidade cojuta. Defiição: A fução de desidade de probabilidade cojuta para duas v.a. cotíuas, X e Y, represetada por f XY,, satisfaz: (1) f XY (, ) 0, + + () f XY (, )dd 1 f XY (, ) (3) P ( X,Y) R R dd região R 10 Defiição: Dadas duas v.a. cotíuas, X e Y, com f.d.p. cojuta f XY (, ), as fuções de desidade de probabilidade margiais de X e Y são dadas por f X f Y + f XY (, )d + f XY (, )d Defiição: Dadas duas v.a. cotíuas, X e Y, com f.d.p. cojuta f XY (, ), a fução de desidade de probabilidade codicioada de Y dado X (tal que f X > 0) é f Y f (, ) XY f X e verifica: (1) f Y + 0, () f Y d 1 Defiição: O valor esperado codicioado de Y dado X é µ Y f Y E Y + d e a respectiva variâcia codicioada é µ Y V Y + f Y d Nota: Defiições semelhates para X dado Y. A defiição de idepedêcia coicide com a que foi dada para as variáveis discretas mas em que (, ), f X, f Y, f Y e f X são f XY fuções de desidade de probabilidade. f Y (3) P Y B X B d 11 1
4 5.3 Covariâcia e correlação Pretede-se uma medida que meça algum aspecto da variação cojuta de duas variáveis aleatórias. Iterpretação do sial da covariâcia: cov( X,Y) > 0: Defiição: a covariâcia etre duas v.a., X e Y, é dada por Y E X µ X cov X,Y [( Y µ Y )] Se ambas as v.a. forem discretas tem-se µ Y ( µ X ) µ Y f XY (, ) µ Se ambas as v.a. forem cotíuas tem-se Nota: potos com iguais probabilidades. Y + + ( µ X ) µ Y f XY, dd cov( X,Y) 0: cov( X,Y) < 0: Propriedades da covariâcia: 1) cov( X,Y) E( XY) µ X µ Y ) cov( X,Y) cov( Y, X) 3) cov( X, X) V( X) 4) cov( ax,y) acov( X,Y) cov( X,Y) + cov( Z,Y) 5) cov X + Z,Y 6) cov X i, j 1 Y j j 1 cov ( X i,y j ) 15 16
5 Eemplo (cot.): Calcular a covariâcia etre X e Y Y \ X /36 8/36 1/36 1 8/36 /36 0 1/ E( XY) X e Y ~ Bi, 1 6 E X logo E( Y) cov( X,Y) Sigificado: em média há uma tedêcia para decrescer quado cresce e vice-versa. O valor absoluto da covariâcia ão é iterpretável porque esta pode ser arbitrariamete alterada por uma mudaça de escala (propriedade 4). 17 Medida cujo sial dá a mesma idicação mas que é adimesioal e cujo valor absoluto já é iterpretável: Defiição: A correlação ou coeficiete de correlação etre duas v.a. X e Y é ρ XY Propriedades: 1) 1 ρ XY 1, X,Y Y cov X,Y V( X)V Y ) a) ρ XY 1 sse Y ax + b com a > 0 b) ρ XY 1 sse Y ax + b com a < 0 18 Demostração: 1) a) ρ XY 1 ) b) Pela demostração aterior, Cosidere-se a v.a. auiliar X + Y, sabe-se que V X + Y 0, X,Y, por outro lado V X + Y X E + Y E ( X ) + E Y E X µ X + E Y + E( XY) µ Y ρ XY 0 ρ XY 1 E X + Y µ X µ Y σ µ Xµ Y Y + E( XY) µ Xµ Y V X + Y 0 ρ XY 1 mas V X + Y 0 X + Y costate, o que demostra o resultado. Teorema: Se X e Y são idepedetes etão Y ρ XY 0 Demostração: Vamos admitir que X e Y são ambas discretas (seria semelhate para ambas cotíuas, substituido os itegrais por somatórios) b) ρ XY 1 Repetir a demostração aterior X com a v.a. auiliar Y 19 0
6 X e Y são idepedetes sse f XY logo (, ) f X E XY f Y,, f XY (, ) f X f Y f X f Y E( X)E Y pelo que Y 0 e ρ XY 0 Muito importate: a proposição iversa ão é verdadeira, isto é ρ XY Y 0 ão implica X e Y idepedetes Eemplo: Y \ X P( Y ) /6 0 1/6 0 1/1 1/ 1/1 / /6 0 1/6 1/1 5/6 1/1 1 P X Tem-se E( X) E( Y) 0 e E( XY) 0, pelo que Y 0, mas X e Y ão são idepedetes. 5.4 Combiações lieares de variáveis aleatórias Defiição: dadas p v.a.,, X,..., X p e p costates c 1,c,...,c p, Y c 1 + c X +...+c p X p é uma combiação liear de, X,..., X p. 1 Valor esperado duma combiação liear: 1) E( c 1 + c X ) c 1 E( ) + c E( X ) Demostração: ( c c ) f ( 1, ) E c 1 + c X 1 c 1 1 f ( 1, ) + c f ( 1, ) 1 c 1 E( ) + c E( X ) ) Geeralização de (1) 1 E c 1 + c X +...+c p X p c 1 E + c E X +...+c p E X p Variâcia duma combiação liear: 1) V c 1 + c X c 1 V( ) + c V( X ) + c 1 c cov(, X ) Demostração: V( c 1 + c X ) [ ] E c 1 + c X E ( c 1 + c X ) E c 1 + c X + c 1 c X [ ] c 1 µ 1 + c µ + c E( X ) + c 1 c E( X ) c 1 E c 1 E( ) µ 1 c 1 µ 1 c µ c 1 c µ 1 µ [ ] + c [ E( X ) µ ] + [ µ 1 µ ] + c 1 c E X c.q.d. 3 4
7 ) Geeralização de (1) p c i V X i V c c p X p 3) Caso particular de ) + p p + c i c j cov X i, X j j i+1 Se cov( X i, X j ) 0, i j, ou seja, se as v.a. forem ão correlacioadas duas a duas tem-se p c i V X i V c c p X p Nota: o mesmo acotece se as v.a. forem idepedetes duas a duas, uma vez que, como já se viu, esse caso as covariâcias duas a duas são ulas. 5 Casos especiais de somas de variáveis aleatórias: I) Propriedade reprodutiva da distribuição biomial a) Se ~ Bi( 1, p), X ~ Bi(, p) e e X forem idepedetes, etão + X ~ Bi( 1 +, p) ( + X represeta o úmero de sucessos em 1 + provas de Beroulli idepedetes com P(sucesso) costate e igual a p) b) (Geeralização) Se X i ~ Bi( i, p), i 1,...,k, idepedetes, etão k +...+X k ~ Bi i, p Caso particular: X i ~ Ber( p) Bi( 1, p), i 1,..., idepedetes, etão +...+X ~ Bi, p 6 II) Propriedade reprodutiva da distribuição de Poisso a) Se ~ Poisso( λ 1 ), X ~ Poisso λ X forem idepedetes, etão + X ~ Poisso( λ 1 + λ ) e e (Este caso pode ser visto como um limite do caso I)a)) b) (Geeralização) Se X i ~ Poisso( λ i ), i 1,...,k, idepedetes, etão +...+X k ~ Poisso k λ i III) Propriedade reprodutiva da distribuição Normal Se ~ N µ 1,σ 1, X ~ N µ,σ e e X forem idepedetes, etão c 1 + c X ~ N c 1 µ 1 + c µ,c 1 σ 1 + c ( σ ) IV) Mudaça de escala a distribuição epoecial Se X ~ Ep λ e c > 0, etão Y cx ~ Ep λ c Demostração: Seja para > 0 F Y P Y P ( cx ) P X c F X c 1 e λ c uma vez que para X ~ Ep( λ ), F X 1 e λ, > 0 7 8
8 5.5 Desigualdade de Chebchev * Esta desigualdade permite relacioar probabilidades, relativas a uma qualquer v.a., discreta ou cotíua, com os parâmetros µ e σ : Proposição: Para qualquer v.a. X, com valor esperado µ e desvio padrão σ, verifica-se (só é útil para c > 1). Eemplo: 1 c P X µ cσ c P( X µ cσ) (qq v.a. X) Estes valores são úteis se ão cohecermos a distribuição da variável, mas podem ser muito pessimistas. Por eemplo para X ~ N µ,σ, podem ser determiados eactamete e comparados com aqueles: c P X µ cσ X ~ N µ,σ P( X µ cσ) (qq v.a. X) * Ecepto para Probabilidades, Erros e Estatística 9 30 Demostração: Cosidere-se a v.a. auiliar Y, defiida da seguite forma 1, se X µ cσ Y 0, caso cotrário Tem-se E( Y) 1 P( Y 1) P( X µ cσ), por outro lado como 0 ou 1, e pela defiição de Y, Logo ( X µ ) ( X µ ) Y e ( X µ ) Y c σ Y E( X µ ) c σ E( Y) σ c σ P X µ cσ P( X µ cσ) 1 c 5.6 Teorema do Limite Cetral Este teorema justifica a grade utilidade e importâcia da distribuição ormal. T.L.C.: Se para todo o iteiro positivo,,..., X forem v.a. idepedetes e ideticamete distribuídas com valor esperado µ e variâcia σ, etão para cada z, real, tem-se X i µ lim P z σ Φ( z) Cosequêcia: Para,..., X as mesmas codições e grade verifica-se P a < X i < b Φ b µ Φ a µ σ σ 31 3
9 Observações: A demostração do teorema eige algumas ferrametas matemáticas avaçadas. Como E( X i ) µ, V( X i ) σ e,..., X são v.a. idepedetes tem-se E X i µ e V X i σ pelo que X i µ X i µ E 0 V σ σ 1 As v.a.,..., X podem ser discretas ou cotíuas. A aproimação das distribuições Biomial e Poisso à distribuição ormal (ver Capítulo 4), pode ser justificada por este teorema. Geralmete cosidera-se grade se Eemplo: Supoha-se que ao adicioar úmeros reais cada úmero é arredodado previamete para o iteiro mais próimo. Admita-se que os erros de arredodameto são v.a. idepedetes e ideticamete distribuídas com distribuição uiforme cotíua o itervalo [-0.5;0.5] (esta suposição é razoável se descohecermos à partida tudo sobre os referidos úmeros reais e admitirmos que também eles se distribuem uiformemete e idepedetemete algum itervalo) a) Qual é a probabilidade de que, ao adicioar 1500 úmeros, o valor absoluto do erro seja superior a 15? Pode afirmar-se que o valor absoluto do erro está certamete compreedido etre 0 e 750, mas este valor é muito pessimista. 34 Cosiderem-se as v.a. E i - erro a parcela i 1500 T - erro total T E i Tem-se E( E i ) 0 e V( E i ) ( 0.5 ( 0.5 )) 1 E( T) V( T) Pelo T.L.C. coclui-se que T E i ~ a N 0,15 Logo P( T > 15) 1 P( T 15) 1 P( 15 T 15) 1 P T P 1.34 T ( Φ( 1.34) ) Φ b) Quatos úmeros podem ser somados () para que T E i P E i < E( T ) 0 V( T ) 1 Pelo T.L.C. coclui-se que T ~ a N 0, 1 P( 10 < T < 10) Φ 10 1 Φ Φ Como Φ Φ Φ Φ Φ 1 ( 0.95) Resposta:
10 Pode-se "observar" o T.L.C. em "acção": Eemplo: Vamos realizar a eperiêcia do eercício aterior. Para isso seleccioamos totalmete ao acaso e de modo idepedete úmeros reais um dado itervalo e fazemos a difereça para o iteiro mais próimo (isto é equivalete a seleccioar aleatoriamete "erros" ao acaso o itervalo [-0.5;0.5]), em seguida somam-se os erros. Temos etão uma observação de T. Repetimos este processo 1000 vezes (isto pode ser feito em computador). Em seguida costruímos o histograma das frequêcias relativas das 1000 observações de S T µ σ T 1 e sobreposmo-lhe a desidade da distribuição N 0,1 37 Resultados: 1 Relative Frequec Histogram of s s Histogram of s5 Relative Frequec s5 Relative Frequec Histogram of s s10 39 A aproimação parece boa mesmo só com 10. (Uma eplicação é que a distribuição de partida é simétrica e cotíua) 40
11 Eperimetemos com outra distribuição: Resultados: Eemplo: Seja X i ~ Ep( 1), por eemplo, itervalo de tempo etre chegadas um processo de Poisso com taa λ 1. A v.a. T X i represeta o itervalo de tempo até à -ésima chegada. Vamos repetir o procedimeto descrito o eemplo aterior. Ou seja, para cada, obtemos 1000 observações de S T µ σ T ( µ E( X i ) 1 σ V( X i ) 1) Em seguida costruímos o histograma das frequêcias relativas das 1000 observações de S e sobreposmo-lhe a desidade da distribuição N 0,1. 1 Relative Frequec Histogram of se se Histogram of se5 Histogram of se0 Relative Frequec Relative Frequec se se
12 30 40 Histogram of se30 Histogram of se40 Relative Frequec Relative Frequec se se40 Aqui temos de ter maior para que a aproimação comece a ser razoável
) E X. ) = 0 2 ( 1 p ) p = p. ) E 2 ( X ) = p p 2 = p ( 1 p ) ( ) = i 1 n. ( ) 2 n E( X) = ( ) = 1 p ( ) = p V ( X ) = E ( X 2 E X
3.5 A distribuição uiforme discreta Defiição: X tem distribuição uiforme discreta se cada um dos valores possíveis,,,, tiver fução de probabilidade P( X = i ) = e represeta-se por, i =,, 0, c.c. X ~ Uif
Leia maisDESIGUALDADES, LEIS LIMITE E TEOREMA DO LIMITE CENTRAL. todas as repetições). Então, para todo o número positivo ξ, teremos:
48 DESIGUALDADES, LEIS LIMITE E TEOREMA DO LIMITE CENTRAL LEI DOS GRANDES NÚMEROS Pretede-se estudar o seguite problema: À medida que o úmero de repetições de uma experiêcia cresce, a frequêcia relativa
Leia mais) E 2 ( X) = p p 2 = p( 1 p) ) = 0 2 ( 1 p) p = p ( ) = ( ) = ( ) = p. F - cara (sucesso) C - coroa (insucesso)
3.6 A distribuição biomial Defiição: uma eperiêcia ou prova de Beroulli é uma eperiêcia aleatória só com dois resultados possíveis (um deles chamado "sucesso" e o outro "isucesso"). Seja P(sucesso) = p,
Leia maisEstatística para Economia e Gestão REVISÕES SOBRE VARIÁVEIS ALEATÓRIAS DISCRETAS E CONTÍNUAS
Estatística para Ecoomia e Gestão REVISÕES SOBRE VARIÁVEIS ALEATÓRIAS DISCRETAS E CONTÍNUAS Primavera 008/009 Variável Aleatória: Defiição: uma variável aleatória é uma fução que atribui a cada elemeto
Leia maisMQI 2003 ESTATÍSTICA PARA METROLOGIA - SEMESTRE Teste 2 07/07/2008 Nome: PROBLEMA 1 Sejam X e Y v.a. contínuas com densidade conjunta:
MQI 003 ESTATÍSTICA PARA METROLOGIA - SEMESTRE 008.0 Teste 07/07/008 Nome: PROBLEMA Sejam X e Y v.a. cotíuas com desidade cojuta: f xy cy xy x y (, ) = + 3 ode 0 e 0 a) Ecotre a costate c que faz desta
Leia maisbinomial seria quase simétrica. Nestas condições será também melhor a aproximação pela distribuição normal.
biomial seria quase simétrica. Nestas codições será também melhor a aproximação pela distribuição ormal. Na prática, quado e p > 7, a distribuição ormal com parâmetros: µ p 99 σ p ( p) costitui uma boa
Leia maisLista de Exercícios #4 Assunto: Variáveis Aleatórias Contínuas
. ANPEC 8 - Questão Seja x uma variável aleatória com fução desidade de probabilidade dada por: f(x) = x, para x f(x) =, caso cotrário. Podemos afirmar que: () E[x]=; () A mediaa de x é ; () A variâcia
Leia maisDISTRIBUIÇÕES DE PROBABILIDADE
DISTRIBUIÇÕES DE PROBABILIDADE DISTRIBUIÇÃO DE PROBABILIDADE Seja uma v.a. que assume os valores,,..., com probabilidade p, p,..., p associadas a cada elemeto de, sedo p p... p diz-se que está defiida
Leia maisMOQ 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: Semaas 1 2 3 4 5 6 7 8 9 1 11 12 13 14 15 e 16 Itrodução à probabilidade evetos
Leia maisPropriedades: Notação: X ~ U(α, β). PRINCIPAIS MODELOS CONTÍNUOS
0 CONTÍNUOS PRINCIPAIS MODELOS Notação: ~ U(α β). Propriedades: Eemplo A dureza de uma peça de aço pode ser pesada como sedo uma variável aleatória uiforme o itervalo (5070) uidades. Qual a probabilidade
Leia maisSumário. 2 Índice Remissivo 11
i Sumário 1 Esperaça de uma Variável Aleatória 1 1.1 Variáveis aleatórias idepedetes........................... 1 1.2 Esperaça matemática................................. 1 1.3 Esperaça de uma Fução de
Leia maisProbabilidades e Estatística TODOS OS CURSOS
Duração: 9 miutos Grupo I Probabilidades e Estatística TODOS OS CURSOS Justifique coveietemete todas as respostas 1 o semestre 217/218 3/1/218 11:3 1 o Teste C 1 valores 1. A Marta e o João irão passar
Leia maisProbabilidades e Estatística LEIC-A, LEIC-T, LEGM, MA, MEMec
Duração: 90 miutos Grupo I Probabilidades e Estatística LEIC-A, LEIC-T, LEGM, MA, MEMec Justifique coveietemete todas as respostas! 2 o semestre 2015/2016 30/04/2016 9:00 1 o Teste A 10 valores 1. Uma
Leia maisn ) uma amostra aleatória da variável aleatória X.
- Distribuições amostrais Cosidere uma população de objetos dos quais estamos iteressados em estudar uma determiada característica. Quado dizemos que a população tem distribuição FX ( x ), queremos dizer
Leia maisProbabilidades e Estatística LEGM, LEIC-A, LEIC-T, MA, MEMec
Duração: 90 miutos Grupo I Probabilidades e Estatística LEGM, LEIC-A, LEIC-T, MA, MEMec Justifique coveietemete todas as respostas 2 o semestre 208/209 04/05/209 9:00 o Teste A 0 valores. As amostras de
Leia maisAMOSTRAGEM ALEATÓRIA DISTRIBUIÇÕES POR AMOSTRAGEM
6 AMOSTRAGEM ALEATÓRIA DISTRIBUIÇÕES POR AMOSTRAGEM Quado se pretede estudar uma determiada população, aalisam-se certas características ou variáveis dessa população. Essas variáveis poderão ser discretas
Leia maisMAE Introdução à Probabilidade e Estatística II Resolução Lista 1
MAE 229 - Itrodução à Probabilidade e Estatística II Resolução Lista 1 Professor: Pedro Moretti Exercício 1 (a) Fazer histograma usado os seguites dados: Distribuição de probabilidade da variável X: X
Leia maisAula 5. Aula de hoje. Aula passada. Limitante da união Método do primeiro momento Lei dos grandes números (fraca e forte) Erro e confiança
Aula 5 Aula passada Valor esperado codicioal Espaço amostral cotíuo, fução desidade Limitates para probabilidade Desigualdades de Markov, Chebyshev, Cheroff with high probability Aula de hoje Limitate
Leia maisProbabilidades e Estatística LEAN, LEGI, LEGM, LMAC, MEAer, MEAmbi, MEC
Duração: 90 miutos Grupo I Probabilidades e Estatística LEAN, LEGI, LEGM, LMAC, MEAer, MEAmbi, MEC Justifique coveietemete todas as respostas o semestre 207/208 8//207 :00 o Teste B 0 valores. Um teste
Leia maisLista de Exercícios #6 Assunto: Propriedade dos Estimadores e Métodos de Estimação
Assuto: Propriedade dos Estimadores e Métodos de Estimação. ANPEC 08 - Questão 6 Por regulametação, a cocetração de um produto químico ão pode ultrapassar 0 ppm. Uma fábrica utiliza esse produto e sabe
Leia mais1 Distribuições Amostrais
1 Distribuições Amostrais Ao retirarmos uma amostra aleatória de uma população e calcularmos a partir desta amostra qualquer quatidade, ecotramos a estatística, ou seja, chamaremos os valores calculados
Leia maisREVISÃO DE PROBABILIDADE E ESTATÍSTICA. Parte 2
REVISÃO DE PROBABILIDADE E ESTATÍSTICA Parte Variáveis Aleatórias Defiição: Regra que atribui um valor umérico a cada possível resultado de um eperimeto. Eemplo: Jogue duas moedas (o eperimeto aleatório)
Leia maisProbabilidades e Estatística / Introd. às Probabilidades e Estatística TODOS OS CURSOS
Probabilidades e Estatística / Itrod. às Probabilidades e Estatística TODOS OS CURSOS Exame Época Especial 7/8 3/7/7 9: Duração: 3 horas Justifique coveietemete todas as respostas Grupo I 5 valores. Uma
Leia maisUNIVERSIDADE FEDERAL DO PARANÁ NOTAS DE AULA PROFa. SONIA MÜLLER
PROBABILIDADE. DEFINIÇÕES BÁSICAS:.- INTRODUÇÃO: UNIVERSIDADE FEDERAL DO PARANÁ NOTAS DE AULA PROFa. SONIA MÜLLER PROBABILIDADE POPULAÇÃO AMOSTRA ESTATÍSTICA Uiverso : Ω ou U Vazio: Uião: A B Itersecção:
Leia maisTeoria Elementar da Probabilidade
10 Teoria Elemetar da Probabilidade MODELOS MTEMÁTICOS DETERMINÍSTICOS PROBBILÍSTICOS PROCESSO (FENÓMENO) LETÓRIO - Quado o acaso iterfere a ocorrêcia de um ou mais dos resultados os quais tal processo
Leia maisCONCEITOS BÁSICOS E PRINCÍPIOS DE ESTATÍSTICA
1 CONCEITOS BÁSICOS E PRINCÍPIOS DE ESTATÍSTICA 1. Coceitos Básicos de Probabilidade Variável aleatória: é um úmero (ou vetor) determiado por uma resposta, isto é, uma fução defiida em potos do espaço
Leia maisProbabilidade II Aula 9
Coteúdo Probabilidade II Aula 9 Maio de 9 Môica Barros, D.Sc. Estatísticas de Ordem Distribuição do Máximo e Míimo de uma amostra Uiforme(,) Distribuição do Máximo e Míimo caso geral Distribuição das Estatísticas
Leia maisProf. Fabrício Maciel Gomes Departamento de Engenharia Química Escola de Engenharia de Lorena EEL
Prof. Fabrício Maciel Gomes Departameto de Egeharia Química Escola de Egeharia de Lorea EEL Referêcias Bibliográficas Sistema de Avaliação Duas Provas teóricas Um Trabalho em Grupo MédiaFial 0,4 P 0,4
Leia maisMAE Introdução à Probabilidade e Estatística II Resolução Lista 2
MAE 9 - Itrodução à Probabilidade e Estatística II Resolução Lista Professor: Pedro Moretti Exercício 1 Deotado por Y a variável aleatória que represeta o comprimeto dos cilidros de aço, temos que Y N3,
Leia maisDistribuição de Bernoulli
Algumas Distribuições Discretas Cálculo das Probabilidades e Estatística I Prof. Luiz Medeiros Departameto de Estatística UFPB Distribuição de Beroulli Na prática muitos eperimetos admitem apeas dois resultados
Leia maisAmostras Aleatórias e Distribuições Amostrais. Probabilidade e Estatística: afinal, qual é a diferença?
Amostras Aleatórias e Distribuições Amostrais Probabilidade e Estatística: afial, qual é a difereça? Até agora o que fizemos foi desevolver modelos probabilísticos que se adequavam a situações reais. Por
Leia maisProbabilidades e Estatística
Departameto de Matemática Probabilidades e Estatística Primeiro exame/segudo teste 2 o semestre 29/21 Duração: 18/9 miutos Grupo I Justifique coveietemete todas as respostas. 17/6/21 9: horas 1. Com base
Leia maisESTIMAÇÃO POR INTERVALO (INTERVALOS DE CONFIANÇA)
06 ETIMÇÃO OR INTERVLO (INTERVLO DE CONINÇ) Cada um dos métodos de estimação potual permite associar a cada parâmetro populacioal um estimador. Ora a cada estimador estão associadas tatas estimativas diferetes
Leia maisVariáveis Aleatórias e Distribuições de Probabilidade
PROBABILIDADES Variáveis Aleatórias e Distribuições de Probabilidade BERTOLO Fução de Probabilidades Vamos cosiderar um experimeto E que cosiste o laçameto de um dado hoesto. Seja a variável aleatória
Leia maisSumário. 2 Índice Remissivo 17
i Sumário 1 Itrodução à Iferêcia Estatística 1 1.1 Defiições Básicas................................... 1 1.2 Amostragem....................................... 2 1.2.1 Tipos de Amostragem.............................
Leia maisAvaliação de Desempenho de Sistemas Discretos
Distribuições Comus Avaliação de Desempeho de Sistemas Discretos Probabilidade e Estatística 2 Uiforme Normal Poisso Hipergeométrica Biomial Studet's Geométrica Logormal Expoecial Beta Gamma Qui-Quadrado
Leia maisMODELOS PROBABILÍSTICOS DISCRETOS (BINOMIAL e POISSON)
MODELOS PROBABILÍSTICOS DISCRETOS (BINOMIAL e POISSON) Modelos probabilísticos Algumas variáveis aleatórias (V.A.) aparecem com bastate frequêcia em situações práticas de eperimetos aleatórios (E.: peso,
Leia maisCap. VI Histogramas e Curvas de Distribuição
TLF /11 Capítulo VI Histogramas e curvas de distribuição 6.1. Distribuições e histogramas. 6 6.. Distribuição limite 63 6.3. Sigificado da distribuição limite: frequêcia esperada e probabilidade de um
Leia maisLicenciatura em Economia REVISÃO DE ALGUNS CONCEITOS EM ESTATÍSTICA. Luís Filipe Martins.
1 Ecoometria e Métodos de Modelização I Liceciatura em Ecoomia REVISÃO DE ALGUNS CONCEITOS EM ESTATÍSTICA Luís Filipe Martis luis.martis@iscte.pt http://home.iscte.pt/~lfsm Departameto de Métodos Quatitativos,
Leia maisDistribuições Amostrais
9/3/06 Uiversidade Federal do Pará Istituto de Tecologia Estatística Aplicada I Prof. Dr. Jorge Teófilo de Barros Lopes Campus de Belém Curso de Egeharia Mecâica 3/09/06 3:38 ESTATÍSTICA APLICADA I - Teoria
Leia maisDistribuições Amostrais
7/3/07 Uiversidade Federal do Pará Istituto de Tecologia Estatística Aplicada I Prof. Dr. Jorge Teófilo de Barros Lopes Campus de Belém Curso de Egeharia Mecâica 3/07/07 09:3 ESTATÍSTICA APLICADA I - Teoria
Leia maisLista de Exercícios 5
Itrodução à Teoria de Probabilidade. Iformatica Biomedica. Departameto de Física e Matemática. USP-RP. Prof. Rafael A. Rosales 22 de juho de 2006. Lista de Exercícios 5 1 Modelos Probabilísticos Discretos
Leia maisLista 9 - Introdução à Probabilidade e Estatística
Lista 9 - Itrodução à Probabilidade e Estatística Desigualdades e Teoremas Limites 2.=000. 1 Um ariro apota a um alvo de 20 cm de raio. Seus disparos atigem o alvo, em média, a 5 cm do cetro deste. Assuma
Leia maisVirgílio A. F. Almeida DCC-UFMG 2005
Virgílio A. F. Almeida DCC-UFMG 005 YZ- i p pq q pq F i p F i Z P Z P i Z P Z P Z ad i Z P Z i Z P Z i Z P Z i Y P Z i i Z Z Z + + > + > > + > + > > + !" http://www.itl.ist.gov/div898/hadbook/ide.htm A
Leia mais{ } 3.3 Função Densidade de Probabilidade Condicional e Independência
33 Fução Desidade de Probabilidade Codicioal e Idepedêcia Fução de Desidade de Probabilidade Codicioal (dimesão ) Seja f ( x,,x ) uma desidade cojuta associada a uma variável aleatória de dimesão Sejam
Leia maisMOQ-13 PROBABILIDADE E ESTATÍSTICA. Professor: Rodrigo A. Scarpel
MOQ-13 PROILIDDE E ESTTÍSTIC Professor: Rodrigo. Scarpel rodrigo@ita.br www.mec.ita.br/~rodrigo Programa do curso: Semaas 1 3 4 5 6 7 8 9 10 11 1 13 14 15 e 16 Itrodução à probabilidade (evetos, espaço
Leia maisDistribuições de Estatísticas Amostrais e Teorema Central do Limite
Distribuições de Estatísticas Amostrais e Teorema Cetral do Limite Vamos começar com um exemplo: A mega-sea de 996 a N 894 úmeros de a 6: Média: m 588 Desvio padrão: 756 49 amostras de 6 elemetos Frequêcia
Leia maisUNIVERSIDADE FEDERAL DO PARANÁ SETOR DE CIÊNCIAS EXATAS DEPTO. DE ESTATÍSTICA LISTA 4 PROBABILIDADE A (CE068) Prof. Benito Olivares Aguilera
UNIVERSIDADE FEDERAL DO PARANÁ SETOR DE CIÊNCIAS EATAS DEPTO. DE ESTATÍSTICA LISTA 4 PROBABILIDADE A (CE068) Prof. Beito Olivares Aguilera 2 o Sem./09 1. Das variáveis abaixo descritas, assiale quais são
Leia maisEstatística. 7 - Distribuições Amostrais
Estatística 7 - Distribuições Amostrais 07 - Distribuição da Média Amostral Distribuição costituída de todos os valores de, cosiderado todas as possíveis amostras de tamaho i ( Ode,,..., são V.A. com mesma
Leia maisA DESIGUALDADE DE CHEBYCHEV
A DESIGUALDADE DE CHEBYCHEV Quado se pretede calcular a probabilidade de poder ocorrer determiado acotecimeto e se cohece a distribuição probabilística que está em causa o problema, ão se colocam dificuldades
Leia maisCÁLCULO I. Exibir o cálculo de algumas integrais utilizando a denição;
CÁLCULO I Prof Edilso Neri Júior Prof Adré Almeida Aula o 9: A Itegral de Riema Objetivos da Aula Deir a itegral de Riema; Exibir o cálculo de algumas itegrais utilizado a deição; Apresetar fuções que
Leia maisProbabilidades e Estatística LEAN, LEE, LEGI, LERC, LMAC, MEAer, MEAmbi, MEBiol, MEBiom, MEEC, MEFT, MEMat, MEQ
Duração: 90 miutos Grupo I Probabilidades e Estatística LEAN, LEE, LEGI, LERC, LMAC, MEAer, MEAmbi, MEBiol, MEBiom, MEEC, MEFT, MEMat, MEQ Justifique coveietemete todas as respostas 2 o semestre 2017/2018
Leia maisInstruções gerais sobre a Prova:
DEPARTAMENTO DE ESTATÍSTICA - UFMG PROVA DE ESTATÍSTICA & PROBABILIDADES SELEÇÃO MESTRADO/UFMG 2012/2013 Istruções gerais sobre a Prova: (a) Cada questão respodida corretamete vale 1 (um) poto. (b) Cada
Leia maisVirgílio A. F. Almeida DCC-UFMG 1/2005
Virgílio A. F. Almeida DCC-UFMG 1/005 !" # Comparado quatitativamete sistemas eperimetais: Algoritmos, protótipos, modelos, etc Sigificado de uma amostra Itervalos de cofiaça Tomado decisões e comparado
Leia maisCritérios de correção e orientações de resposta p-fólio
Miistério da Ciêcia, Tecologia e Esio Superior U.C. 037 Elemetos de Probabilidade e Estatística de Juho de 0 Critérios de correção e orietações de resposta p-fólio Neste relatório apresetam-se os critérios
Leia maisDepartamento de Informática. Modelagem Analítica. Modelagem Analítica do Desempenho de Sistemas de Computação. Disciplina: Algumas Distribuições
Deartameto de Iformática Discilia: do Desemeho de Sistemas de Comutação Algumas Distribuições Algumas Distribuições Discretas Prof. Sérgio Colcher colcher@if.uc-rio.br Coyright 999-8 by TeleMídia Lab.
Leia maisTeste de Estatística 29 Outubro 2012 Correcção
Teste de Estatística 9 Outubro 0 Correcção Grupo I ( valores) ATENÇÃO Etre todas as versões, existem 7 pergutas este grupo, mas apeas aparecem em cada versão do teste. Além disso, as hipóteses de resposta
Leia maisProva Escrita de MATEMÁTICA A - 12o Ano a Fase
Prova Escrita de MATEMÁTICA A - 1o Ao 00 - a Fase Proposta de resolução GRUPO I 1. Como a probabilidade do João acertar em cada tetativa é 0,, a probabilidade do João acertar as tetativas é 0, 0, 0, 0,
Leia maisMétodos Quantitativos para Ciência da Computação Experimental
Métodos Quatitativos para Ciêcia da Computação Experimetal -Aula #b- Virgílio A. F. Almeida Março 008 Departameto de Ciêcia da Computação Uiversidade Federal de Mias Gerais Material de Estatistica http://www.itl.ist.gov/div898/hadbook/idex.htm
Leia maisNOTAS DE AULA: DISTRIBUIÇÃO AMOSTRAL E INTERVALOS DE CONFIANÇA
NOTAS DE AULA: DISTRIBUIÇÃO AMOSTRAL E INTERVALOS DE CONFIANÇA Objetivos da aula: Compreeder que um estimador é uma variável aleatória e, portato, pode-se estabelecer sua distribuição probabilística; Estabelecer
Leia mais3. Seja C o conjunto dos números complexos. Defina a soma em C por
Eercícios Espaços vetoriais. Cosidere os vetores = (8 ) e = ( -) em. (a) Ecotre o comprimeto de cada vetor. (b) Seja = +. Determie o comprimeto de. Qual a relação etre seu comprimeto e a soma dos comprimetos
Leia maisEstatística: Aplicação ao Sensoriamento Remoto SER ANO Teste de Hipótese
Estatística: Aplicação ao Sesoriameto Remoto SER 4 - ANO 18 Teste de Hipótese Camilo Daleles Reó camilo@dpi.ipe.br http://www.dpi.ipe.br/~camilo/estatistica/ Estimação de Parâmetros Como já foi visto,
Leia maisProbabilidade II Aula 12
Coteúdo Probabilidade II Aula Juho de 009 Desigualdade de Marov Desigualdade de Jese Lei Fraca dos Grades Números Môica Barros, D.Sc. Itrodução A variâcia de uma variável aleatória mede a dispersão em
Leia maisProbabilidades e Estatística 2005/06
Departameto de Matemática Secção de Estatística e Aplicações - IST Probabilidades e Estatística 2005/06 Resolução do 1 o Exame/2 o Teste 10/01/2006 h00 Grupo I - 5.0 val. 1. Um ovo método de detecção de
Leia maisCap. 4 - Estimação por Intervalo
Cap. 4 - Estimação por Itervalo Amostragem e iferêcia estatística População: cosiste a totalidade das observações em que estamos iteressados. Nº de observações a população é deomiado tamaho=n. Amostra:
Leia maisMAE 116 Estimação para a média FEA - 2º Semestre de 2018
MAE 116 Estimação para a média FEA - 2º Semestre de 2018 1 Objetivo da aula O objetivo é estimar a média de uma população (ou de uma variável aleatória) Vamos iicialmete estudar de forma empírica a distribuição
Leia maisEstimação da média populacional
Estimação da média populacioal 1 MÉTODO ESTATÍSTICO Aálise Descritiva Teoria das Probabilidades Iferêcia Os dados efetivamete observados parecem mostrar que...? Se a distribuição dos dados seguir uma certa
Leia maisCÁLCULO DIFERENCIAL. Conceito de derivada. Interpretação geométrica
CÁLCULO DIFERENCIAL Coceito de derivada Iterpretação geométrica A oção fudametal do Cálculo Diferecial a derivada parece ter sido pela primeira vez explicitada o século XVII, pelo matemático fracês Pierre
Leia maisProbabilidade 2 - ME310 - Lista 5
Probabilidade - ME30 - Lista 5 November 3, 0 Lembrado:. Covergêcia de sequêcias em L p (também chamada de covergêcia em média): se lim E( X X 0 p ) 0 quado, etão a sequêcia deida por X é dita covergete
Leia mais1. Experiência Aleatória. Espaço de resultados. Acontecimentos.
Eperiêcia Aleatória Espaço de Resultados Acotecimetos Noção de robabilidade Frequêcia Relativa Arrajos ermutações Combiações Aiomas de robabilidade 5 artição do Espaço Teorema da robabilidade Total robabilidade
Leia maisProva Escrita de MATEMÁTICA A - 12o Ano a Fase
Prova Escrita de MATEMÁTICA A - o Ao 08 - a Fase Proposta de resolução Cadero... Como P µ σ < X < µ + σ 0,94, logo como P X < µ σ P X > µ + σ, temos que: P X < µ σ 0,94 E assim, vem que: P X > µ σ P X
Leia maisRegressão linear simples
Regressão liear simples Maria Virgiia P Dutra Eloae G Ramos Vaia Matos Foseca Pós Graduação em Saúde da Mulher e da Criaça IFF FIOCRUZ Baseado as aulas de M. Pagao e Gravreau e Geraldo Marcelo da Cuha
Leia maisS E Q U Ê N C I A S E L I M I T E S. Prof. Benito Frazão Pires. Uma sequência é uma lista ordenada de números
S E Q U Ê N C I A S E L I M I T E S Prof. Beito Frazão Pires Uma sequêcia é uma lista ordeada de úmeros a, a 2,..., a,... ) deomiados termos da sequêcia: a é o primeiro termo, a 2 é o segudo termo e assim
Leia maisVirgílio A. F. Almeida DCC-UFMG 2005
Virgílio A. F. Almeida DCC-UFMG 005 Se o eveto E cosiste de potos e S é o úmero de potos do espaço amostral, etão: umero de potos em E P E umero de potos em S E S 1. Se um úmero decimal de três digitos
Leia maisRevisando... Distribuição Amostral da Média
Estatística Aplicada II DISTRIBUIÇÃO AMOSTRAL MÉDIA AULA 08/08/16 Prof a Lilia M. Lima Cuha Agosto de 016 Revisado... Distribuição Amostral da Média Seja X uma v. a. de uma população com média µ e variâcia
Leia maisAnálise de Regressão Linear Múltipla I
Aálise de Regressão Liear Múltipla I Aula 04 Gujarati e Porter, 0 Capítulos 7 e 0 tradução da 5ª ed. Heij et al., 004 Capítulo 3 Wooldridge, 0 Capítulo 3 tradução da 4ª ed. Itrodução Como pode ser visto
Leia maisStela Adami Vayego DEST/UFPR
Resumo 3 Resumo dos dados uméricos por meio de úmeros. Medidas de Tedêcia Cetral A tedêcia cetral da distribuição de freqüêcias de uma variável em um cojuto de dados é caracterizada pelo valor típico dessa
Leia maisTeorema do limite central e es/mação da proporção populacional p
Teorema do limite cetral e es/mação da proporção populacioal p 1 RESULTADO 1: Relembrado resultados importates Seja uma amostra aleatória de tamaho de uma variável aleatória X, com média µ e variâcia σ.temos
Leia mais21037 : e-fólio A- proposta de resolução
21037 : e-fólio A- proposta de resolução 1. Os motates de depósito a prazo, em uidades codificadas (UC), correspodem a uma variável quatitativa cotíua, e estão orgaizados em classes com a mesma amplitude.
Leia maisCAPÍTULO IV DESENVOLVIMENTOS EM SÉRIE
CAPÍTUO IV DESENVOVIMENTOS EM SÉRIE Série de Taylor e de Mac-auri Seja f ) uma fução real de variável real com domíio A e seja a um poto iterior desse domíio Supoha-se que a fução admite derivadas fiitas
Leia maisFICHA de AVALIAÇÃO de MATEMÁTICA A 12.º Ano Versão 1
FICHA de AVALIAÇÃO de MATEMÁTICA A.º Ao Versão Nome: N.º Turma: Apresete o seu raciocíio de forma clara, idicado todos os cálculos que tiver de efetuar e todas as justificações ecessárias. Quado, para
Leia maisEstimadores de Momentos
Estimadores de Mometos A média populacioal é um caso particular daquilo que chamamos de mometo. Na realidade, ela é o primeiro mometo. Se X for uma v.a. cotíua, com desidade f(x; θ 1,..., θ r ), depededo
Leia maisTeorema do Limite Central, distribuição amostral, estimação por ponto e intervalo de confiança
Teorema do Limite Cetral, distribuição amostral, estimação por poto e itervalo de cofiaça Prof. Marcos Pó Métodos Quatitativos para Ciêcias Sociais Distribuição amostral Duas amostrages iguais oriudas
Leia maisSecção 1. Introdução às equações diferenciais
Secção. Itrodução às equações difereciais (Farlow: Sec..,.) Cosideremos um exemplo simples de um feómeo que pode ser descrito por uma equação diferecial. A velocidade de um corpo é defiida como o espaço
Leia maisPROPOSTA DE RESOLUÇÃO DA PROVA DE MATEMÁTICA A DO ENSINO SECUNDÁRIO (CÓDIGO DA PROVA 635) 2ª FASE 22 DE JULHO 2016 GRUPO I
PROPOSTA DE RESOLUÇÃO DA PROVA DE MATEMÁTICA A DO ENSINO SECUNDÁRIO (CÓDIGO DA PROVA 65) ª FASE DE JULHO 016 GRUPO I 1. Sabe-se que: P ( A B ) 0, 6 P A B P A Logo, 0, + 0, P A B Como P P 0, 6 P A B 1 0,
Leia maisMétodos Numéricos e Estatísticos Parte II-Métodos Estatísticos Estimação pontual e intervalar
potual por itervalos Métodos Numéricos e Estatísticos Parte II-Métodos Estatísticos potual e itervalar Lic. Eg. Biomédica e Bioegeharia-2009/2010 potual por itervalos A Teoria das Probabilidades cosiste
Leia maisTeorema do Limite Central, distribuição amostral, estimação por ponto e intervalo de confiança
Teorema do Limite Cetral, distribuição amostral, estimação por poto e itervalo de cofiaça Prof. Marcos Pó Métodos Quatitativos para Ciêcias Sociais Distribuição amostral Duas amostrages iguais oriudas
Leia maisProbabilidades e Estatística TODOS OS CURSOS
Duração: 90 miutos Grupo I Probabilidades e Estatística TODOS OS CURSOS Justifique coveietemete todas as respostas 1 o semestre 2018/2019 30/01/2019 15:00 2 o Teste C 10 valores 1. Seja X X 1, X 2,...,
Leia maisProbabilidades num jogo aos dados
Técicas Laboratoriais de Física Lic. Física e Eg. Biomédica 007/08 Capítulo VIII Distribuição Biomial Probabilidades um jogo aos dados Defiição de uma Distribuição Biomial Propriedades da Distribuição
Leia maisSéries de Fourier. As séries de Fourier são séries cujos termos são funções sinusoidais.
Séries de Fourier As séries de Fourier são séries cujos termos são fuções siusoidais. Importâcia prática: uma fução periódica (em codições bastate gerais) pode ser represetada por uma série de Fourier;
Leia maisEstudo da Função Exponencial e Função Logarítmica
Istituto Muicipal de Esio Superior de Cataduva SP Curso de Liceciatura em Matemática 3º ao Prática de Esio da Matemática III Prof. M.Sc. Fabricio Eduardo Ferreira fabricio@fafica.br Estudo da Fução Expoecial
Leia mais6.1 Estimativa de uma média populacional: grandes amostras. Definição: Um estimador é uma característica amostral (como a média amostral
6 ESTIMAÇÃO 6.1 Estimativa de uma média populacioal: grades amostras Defiição: Um estimador é uma característica amostral (como a média amostral x ) utilizada para obter uma aproximação de um parâmetro
Leia mais12. Taxa de variação Muitos conceitos e fenômenos físicos, econômicos, biológicos, etc. estão relacionados com taxa de variação.
Egearia Mecâica. Taa de variação Muitos coceitos e feômeos físicos, ecoômicos, biológicos, etc. estão relacioados com taa de variação. Defiição : Taa de variação média. Cosidere variável idepedete e y
Leia maisUMA INTRODUÇÃO À TEORIA DE PONTOS CRÍTICOS
UMA INTRODUÇÃO À TEORIA DE PONTOS CRÍTICOS INTRODUÇÃO Carlos Herique Togo e Atôio Carlos Nogueira Hoje em dia, um dos mais produtivos e atraetes ramos da Matemática é a Teoria de Sigularidades A Teoria
Leia maisDisciplina: Probabilidade e Estatística (MA70H) Profª Silvana Heidemann Rocha Estudante: Código: APRESENTAÇÃO DE DADOS PARA VARIÁVEL QUANTITATIVA
Miistério da Educação UIVERSIDADE TECOLÓGICA FEDERAL DO PARAÁ Câmpus Curitiba Diretoria de Graduação e Educação Profissioal Departameto Acadêmico de Estatística 1 Disciplia: Probabilidade e Estatística
Leia maisStela Adami Vayego DEST/UFPR
Resumo 3 Resumo dos dados uméricos por meio de úmeros 1. Medidas de Tedêcia Cetral A tedêcia cetral da distribuição de freqüêcias de uma variável em um cojuto de dados é caracterizada pelo valor típico
Leia maisESTATÍSTICA EXPLORATÓRIA
ESTATÍSTICA EXPLORATÓRIA Prof Paulo Reato A. Firmio praf6@gmail.com Aulas 19-0 1 Iferêcia Idutiva - Defiições Coceitos importates Parâmetro: fução diretamete associada à população É um valor fixo, mas
Leia maisDISTRIBUIÇÃO AMOSTRAL E ESTIMAÇÃO PONTUAL INTRODUÇÃO ROTEIRO POPULAÇÃO E AMOSTRA. Estatística Aplicada à Engenharia
ROTEIRO DISTRIBUIÇÃO AMOSTRAL E ESTIMAÇÃO PONTUAL 1. Itrodução. Teorema Cetral do Limite 3. Coceitos de estimação potual 4. Métodos de estimação potual 5. Referêcias Estatística Aplicada à Egeharia 1 Estatística
Leia maisAnálise de Informação Económica e Empresarial Prova Época Normal 17 de Junho de 2013 Duração: 2h30m (150 minutos)
Desidade Liceciaturas Ecoomia/Fiaças/Gestão 1º Ao Ao lectivo de 01-013 Aálise de Iformação Ecoómica e Empresarial Prova Época ormal 17 de Juho de 013 Duração: h30m (150 miutos) Respoda aos grupos em Folhas
Leia maisUniversidade Federal de Lavras Departamento de Estatística Prof. Daniel Furtado Ferreira 1 a Aula Prática Técnicas de somatório
Uiversidade Federal de Lavras Departameto de Estatística Prof. Daiel Furtado Ferreira 1 a Aula Prática Técicas de somatório Notação e propriedades: 1) Variáveis e ídices: o símbolo x j (leia x ídice j)
Leia mais