Capítulo 3 Processos de Renovamento

Tamanho: px
Começar a partir da página:

Download "Capítulo 3 Processos de Renovamento"

Transcrição

1 Licenciatura em Matemática Aplicada e Computação PROCESSOS ESTOCÁSTICOS 22/3 Colectânea de Exercícios Capítulo 3 Processos de Renovamento Exercício 3.1 Seja {X i, i IN} uma sucessão de variáveis aleatórias independentes e identicamente distribuídas com distribuição Bernoulli(p), < p < 1, e defina-se: { } n 3 X 1 = 3 X 4 = N 1 = inf n IN : X i = 5, N 2 = e N 3 =. 5 X 1 = 1 2 X 4 = 1 i=1 Quais destas três variáveis aleatórias (N 1, N 2 e N 3 ) são tempos de paragem para a sucessão {X i, i IN}? Justifique. Exercício 3.2 Mostre que se N for um tempo de paragem para a sucessão {X i, i IN} de variáveis aleatórias independentes e identicamente distribuídas a X, possuindo valor esperado finito, então é válida a seguinte equação conhecida por Equação de Wald: [ N ] E X i = E[N] E[X]. i=1 Exercício 3.3 Considere um processo de renovamento não degenerado, {N(t), t }, com função de distribuição do tempo entre renovamentos sucessivos F e seja M(t) = E(N(t)), para t. (a) Prove a equação de renovamento: M(t) = F (t) + t M(t x) df (x). (b) Calcule, usando a equação de renovamento, M(t), t (, 1), na situação em que o tempo entre renovamentos sucessivos tem distribuição Uniforme(, 1). (c) Se M(t) = t/2, t, qual é o valor de P (N(5) = )? 1

2 Exercício 3.4 Considere um processo de renovamento {N(t), t } cujos tempos entre renovamentos sucessivos têm distribuição Gama(r, λ), com r IN, cuja função densidade de probabilidade é: (a) Mostre que, para t e n IN, f(x) = λ e λx (λx) r 1 (r 1)! P (N(t) n) = (b) Utilize (a) para demonstrar que, para t, M(t) = + i=r + i=nr I (,+ ) (x). λt (λt)i e. i! i λt (λt)i e. r i! com x representando a parte inteira do número real x. Sugestão: Use a relação entre a distribuição Gama(r, λ) e a soma de r variáveis aleatórias independentes e identicamente distribuídas com distribuição Exponencial(λ), para definir N(t) em termos de um processo de Poisson de taxa λ. Exercício 3.5 Considere que o tempo entre renovamentos sucessivos de um processo de renovamento é uma mistura de duas populações exponenciais, sendo a respectiva função densidade de probabilidade dada por: f(t) = [ p µ 1 e µ 1t + (1 p) µ 2 e µ 2t ] I (,+ ) (t), com µ 1, µ 2 >. Prove que neste caso a função de renovamento é dada por: M(t) = µ 1 µ 2 t p (1 p) (µ 1 µ 2 ) 2 e t [p µ2+(1 p) µ1] p µ 2 + (1 p) µ 1 [p µ 2 + (1 p) µ 1 ] 2. Exercício 3.6 O Evaristo tem um rádio que para trabalhar precisa de uma pilha. (a) Supondo que a duração das pilhas utilizadas (em horas) é uma variável aleatória com distribuição Uniforme(3, 6) e que assim que uma pilha se gasta o Evaristo a substitui de imediato, obtenha a taxa a longo-prazo de substituição de pilhas. (b) Responda à questão colocada em (a), admitindo agora que antes de efectuar a referida substituição o Evaristo tem que se deslocar à drogaria mais próxima para comprar uma pilha, operação esta que demora um tempo com distribuição Uniforme(1/3, 1). Exercício 3.7 Considere um banco, com um único servidor, ao qual chegam clientes de acordo com um processo de Poisson de taxa λ. Note-se, no entanto, que um cliente entra no banco se e só se o servidor estiver livre e, nesse caso, é-lhe prestado um serviço com duração possuindo distribuição G, com valor esperado µ 1 (finito). A longo prazo: (a) A que taxa entram clientes no banco? (b) Qual é a fracção de potenciais clientes que entram no banco? 2

3 (c) Qual é a fracção de tempo que o servidor está ocupado? (d) Se as quantias que os clientes depositam no banco são variáveis aleatórias independentes e identicamente distribuídas com função de distribuição H, qual é a taxa a que são efectuados depósitos efectivos no banco? (e) Se a distribuição H possui valor esperado α (finito), qual é a taxa de depósitos no banco (em unidades monetárias/unidade de tempo)? Exercício 3.8 Considere um jogo em que se efectua uma sucessão de provas independentes e identicamente distribuídas à variável aleatória discreta com função massa de probabilidade P i, i = 1, 2,..., n. Cada um dos resultados possíveis é declarado vencedor sempre que ocorre k vezes consecutivas. Por exemplo, se k = 2 e se a sequência de resultados das primeiras 12 provas for 1, 2, 4, 3, 5, 2, 1, 3, 3, 3, 4, 4, então os números 3, 3 e 4 são declarados vencedores nos instantes 9, 1 e 12. (a) Qual é, a longo-prazo, a probabilidade do número i ser declarado como vencedor? (b) A longo-prazo, a taxa a que ocorrem declarações de vencedores. Exercício 3.9 O gestor de uma fábrica decidiu implementar o seguinte tipo de política de uso permanente de uma (única) máquina: trocar de máquina quando a máquina em uso atinge a idade T ou quando esta avaria (o valor de T deve ser escolhido de modo a minimizar o custo de operação). As máquinas têm durações independentes e identicamente distribuídas com função de distribuição F (função densidade de probabilidade f). Suponha que V (x) é o valor de uma máquina com idade x; V (x) é uma função estritamente decrescente, e o custo de uma máquina nova é V () = 1. A empresa recebe o valor V (T ) por cada máquina não avariada que é substituída, e não recebe qualquer montante pelas máquinas avariadas; o tempo necessário para a disponibilização de uma máquina nova é negligível. (a) Mostre que a taxa de substituição das máquinas a longo-prazo é: { T 1 xf(x) dx + T [1 F (T )]}. (b) Conclua que a taxa de falha das máquinas a longo-prazo é: /{ T } F (T ) xf(x) dx + T [1 F (T )] Suponha agora que o tempo (em dias) até avaria de uma máquina tem distribuição Exponencial(λ) (c) Conclua que, na situação considerada, o custo médio limite por unidade de tempo de utilização duma política do tipo referido é: C(T ) = λ [ 1 V (T ) e λt ] 1 e λt. (d) Use o resultado anterior para concluir que a melhor política do tipo referido é aquela em que uma máquina é substituída quando avaria. Qual é o custo médio limite por unidade de tempo de utilização desta política? 3

4 Exercício 3.1 Suponha que um certo funcionário, A, faz charutos e que os tempos que demora a fazê-los são variáveis aleatórias exponenciais independentes com valor esperado igual a 5 minutos. Assim que A termina um charuto coloca-o em frente de B, o qual demora um tempo deterministico a empacotá-lo. B empacota os charutos em caixas de 2 e assim que tem uma caixa cheia coloca-a numa passadeira rolante que a leva ao armazém. (a) Determine a função de probabilidade de K: o número de charutos que A faz em T minutos. Calcule o valor esperado e a variância de K em função de T. (b) Supondo que se chega junto da passadeira rolante num instante arbitrário mas muito depois do processo ter iniciado, determine a função de densidade do tempo que teríamos que esperar até que uma caixa de charutos aí fosse colocada. Exercício 3.11 Suponha que a duração da principal componente de uma máquina (em dias) é uma variável aleatória contínua com função de distribuição F (de valor esperado µ finito), e que o valor (em milhares de euros) de uma componente do tipo referido com idade x e sem avaria é R(x). O gestor da fábrica decidiu implementar o seguinte tipo de política de substituição das componentes referidas: substituir a componente em uso quando atinge a idade A ou quando esta avaria. A empresa recebe o valor R(A) por cada componente não avariada que é substituída, e não recebe qualquer montante pelas componentes avariadas. O tempo necessário para a instalação de uma componente nova (com custo R()) é uma variável aleatória contínua com valor esperado λ finito; a empresa incorre continuamente um custo de taxa.5 durante o tempo em que a máquina está parada devido à instalação de uma componente nova na máquina. (a) Justifique que o tempo esperado que decorre entre substituições consecutivas de componentes do tipo referido é: B = λ + µ + A [1 F (A)] + A x df (x). (b) Determine a proporção de tempo, a longo prazo, que é destinado à substituição de componentes do tipo referido. (c) Determine o custo limite por unidade de tempo de utilização da política referida. (d) Considerando λ = e F exponencial de parâmetro α, deduza a distribuição limite do tempo de uso residual das componentes do tipo referido. Exercício 3.12 Suponha que a duração (em anos) de um dispositivo complexo é uma variável aleatória com distribuição uniforme no intervalo [, 1] e que o dispositivo em uso é substituído quando atinge a idade T, T 1, ou quando avaria. O custo (em milhares de euros) de um dispositivo é igual a 2; a empresa recebe cinco mil euros por cada dispositivo não avariado que é substituído, e não recebe qualquer montante pelos dispositivos avariados. (a) Determine o tempo esperado que decorre entre substituições consecutivas dos dispositivos referidos. 4

5 (b) Determine o valor óptimo de T (idade de substituição de um dispositivo não avariado). (c) Deduza, usando uma equação de tipo renovamento, o valor esperado limite da idade do dispositivo em uso. Exercício 3.13 A duração dos carros que o Evaristo compra é uma variável aleatória com função de distribuição H e função de densidade de probabilidade h. O Evaristo, com a sua mania das grandezas, decide mudar de carro assim que ele se avaria ou atinge a idade de T anos. Suponha que um carro novo custa C 1 milhares de contos e que a avaria do carro custa ao Evaristo C 2 milhares de contos. (a) Ao assumir que o Evaristo não vende os carros que deixa de utilizar, determine o montante que o Evaristo gasta, a longo-prazo, em carros por unidade de tempo. (b) Calcule o referido gasto na situação em que a duração (em anos) dos carros é uma variável aleatória Uniforme(, 1), assumindo que T é inferior a 1 anos. (c) Obtenha o valor de T que minimiza o gasto calculado em (b), quando C 1 = 3 e C 2 =.5. Considere agora que, caso o carro atinja a idade de T anos e ainda esteja em funcionamento, o Evaristo vende-o pelo preço de R(T ) milhares de contos (caso o carro avarie, o Evaristo não efectua tal venda). (d) Obtenha o gasto, a longo-prazo, do Evaristo em carros na situação em que a duração dos carros é Uniforme(2, 8), C 1 = 1, C 2 = 2 e R(T ) = 4 T/2. Identifique o valor de T que minimiza tal gasto. (e) Repita (d) tomando H(t) = (1 e t/5 ) I (,+ ) (t), C 1 = 3, C 2 =.5 e R(T ) =. Interprete o resultado obtido. Exercício 3.14 Suponha que chegam passageiros a uma estação de comboios de acordo com um processo de renovamento com tempo esperado entre renovamentos sucessivos igual a µ, e que o comboio parte assim que se encontrarem N passageiros na estação. Admita ainda que, caso se encontrem n, 1 n N, passageiros aguardando a partida do comboio, a estação tem um prejuízo de nc escudos por unidade de tempo. (a) Qual é, a longo-prazo, o prejuízo da estação por unidade de tempo? Comente o resultado. (b) Considere agora que a chegada dos passageiros é feita de acordo com um processo de Poisson e assim que se encontrarem N passageiros na estação o maquinista é avisado de que o comboio deve partir, o que ocorre, de facto, K unidades de tempo após o referido aviso. Contudo, como as portas do comboio só se fecham no instante da partida, ele acaba por levar todos os passageiros que nesse instante aguardam a partida do comboio. Obtenha o prejuízo a longo-prazo da estação por unidade de tempo. Exercício 3.15 Considere um processo de manufactura em que são produzidos artigos defeituosos ou aceitáveis. O gestor da linha de produção decidiu adoptar o seguinte esquema de inspecção de forma a detectar os artigos defeituosos: O tempo entre inspecções é constante; 5

6 São inspeccionados todos os artigos produzidos inspecção a 1% até que se encontre um total de k artigos aceitáveis observados consecutivamente; e Depois disso a inspecção passa a ser parcial cada artigo é inspeccionado com probabilidade α, < α < 1 mantendo-se assim até que se encontre um artigo defeituoso, a partir desse momento retoma-se a inspecção a 1%. Admita que a probabilidade de um artigo ser defeituoso é q, < q < 1, independentemente do que suceda aos restantes. (a) Determine a proporção a longo-prazo de artigos inspeccionados. (b) Se os artigos defeituosos forem destruídos logo após a sua detecção, calcule um valor aproximado para a proporção a longo-prazo de artigos defeituosos que não são destruídos. Exercício 3.16 As variáveis aleatórias A(t) e B(t) representam a idade e a vida residual de um processo de renovamento, {N(t), t } com função de distribuição do tempo entre renovamentos sucessivos F, no instante t. (a) Complete o seguinte, com < x t, s t + x/2, u < t + x e y > : A(t) > x eventos no intervalo ; B(t) > y eventos no intervalo ; e P (B(t) > y) = P (A( ) ). (b) Determine a função de distribuição conjunta de (A(t), B(t)) para um processo de Poisson. (c) Determine P (B(t) > y A(t) = x). (d) Determine P (B(t) > y A(t + x/2) = s). (e) Determine P (B(t) > y A(t + x) > u) para um processo de Poisson. (f) Determine P (A(t) > x, B(t) > y). (g) Mostre que se F possuir valor esperado finito, então A(t) t, com probabilidade 1. t + (h) Exprima por palavras o significado da variável aleatória A(t) + B(t) e demonstre que P (A(t) + B(t) > v) 1 F (v), v. Exercício 3.17 Considere um processo de renovamento com tempo entre chegadas possuindo distribuição resultante da convolução de duas exponenciais com parâmetros µ 1 e µ 2. (a) Obtenha a vida residual esperada no instante t, t. (b) Calcule a função de renovamento {M(t), t }. 6

7 Exercício 3.18 Seja {N(t), t } um processo de renovamento com tempos entre renovamentos sucessivos identicamente distribuídos à variável aleatória X com função de distribuição F aperiódica, e designe-se por {B(t), t } o (processo de) tempo de vida residual associado. (a) Justifique que o valor esperado do tempo de vida residual {E(B(t)), t } satisfaz a seguinte equação de tipo renovamento: E[B(t)] = + t (x t) df (x) + t E[B(t x)] df (x), t. (b) Use o teorema fundamental do renovamento para concluir que se E(X 2 ) < +, então: lim E[B(t)] = E(X2 ) t + 2 E(X). (c) Use (b) para concluir que se X Gama (n, λ), com n IN, então: lim E[B(t)] = n + 1 t + 2λ. (d) Interprete o resultado obtido em (c) por relacionamento das distribuições Gama (n, λ), n IN, e Exponencial (λ) e uso de propriedades da distribuição exponencial/processo de Poisson. Exercício 3.19 Admita que uma agência bancária funciona nos mesmos moldes que o banco descrito no Exercício??; contudo a função de distribuição do tempo entre chegadas é F. Diga, justificando, se o processo de contagem do número de eventos constituíria um processo de renovamento (eventualmente atrasado) caso o evento correspondesse a: (a) Entrada de um cliente na agência bancária. (b) Saída de um cliente da agência bancária. (c) Responda a (a) e (b) considerando agora que a distribuição do tempo entre chegadas é exponencial. Exercício 3.2 Considere um processo de renovamento atrasado, {N D (t), t }, cujo primeiro intervalo entre renovamentos possui função de distribuição G e os restantes F, e designe-se por {A D (t), t } a idade do processo. (a) Justifique que a função de renovamento {M D (t) = E[N D (t)], t } satisfaz a seguinte equação: M D (t) = G(t) + t M(t x) dg(x), t, onde M(t) = + n=1 F n(t), sendo F n a convolução de ordem n da função de distribuição F. (b) Justifique que o valor esperado da idade do processo considerado, {E(A D (t)), t }, satisfaz a seguinte equação: E[A D (t)] = t [1 G(t)] + t E[A(t x)] dg(x), t, onde {A(t), t } é a idade de um processo de renovamento possuindo F para distribuição do tempo entre renovamentos sucessivos. 7

8 (c) Justifique que se G possuir valor esperado finito, então: lim t [1 G(t)] =. t + (d) Use as alíneas (b) (c) e o o teorema fundamental do renovamento para processos de renovamento atrasados para concluir que se F é aperiódica e possui momento de ordem 2 finito, então: com X possuindo função de distribuição F. lim E[A D(t)] = E[X2 ] t + 2 E[X], Exercício 3.21 Suponha que chegam encomendas a uma central de correios de acordo com um processo de Poisson, de taxa λ, e que os camiões que as transportam para os seus destinos chegam de acordo com um processo de renovamento cuja distribuição entre renovamentos, F, é aperiódica. Seja X(t) o número de encomendas aguardando transporte no instante t, t. (a) Que tipo de processo estocástico é {X(t), t }? (b) Para i IN, determine uma expressão para lim t + P (X(t) = i). Exercício 3.22 A estação de serviço que o Evaristo costuma visitar possui um único servidor. Os clientes chegam à mesma de acordo com um processo de Poisson de taxa λ. Um cliente é imediatamente atendido se à sua chegada o servidor estiver livre; caso contrário aguarda em fila o tempo que for preciso até ser atendido. Por seu lado os tempos de serviço são independentes e possuem valor esperado µ 1 com µ > λ. Qual é, a longo-prazo, a proporção de tempo que o servidor está ocupado? Exercício 3.23 Sempre que uma componente específica de um sistema falha é substituída por uma outra do mesmo tipo. Qual é, a longo-prazo, a percentagem de tempo em que a componente do tipo referido está a ser utilizada há não mais de um ano, se a respectiva duração for: (a) Uniforme (, 2). (b) Exponencial (1). Exercício 3.24 Uma máquina produz artigos segundo um processo de Poisson {N(t), t } de taxa λ. Ao ser embalado, cada artigo é, independentemente dos restantes, sujeito a um choque cuja intensidade possui distribuição G, sendo que um choque de intensidade x provoca um prejuízo de c(x) euros. Seja, para t, C(t) o prejuízo total respeitante a choques sofridos durante a embalagem pelos artigos produzidos no intervalo (, t]. (a) Diga se {C(t), t } possui incrementos independentes, se possui incrementos estacionários e se é um Processo de Poisson. (b) Se um choque de intensidade superior a I provocar a destruição do artigo, determine a distribuição do instante de produção do primeiro artigo destruído. (c) Designando por A(u) a idade do processo {N(t), t } no instante u, e usando uma equação de tipo renovamento, calcule o valor esperado limite de A 2 (u). 8

9 Exercício 3.25 Após ter estado alguns dias em Londres, Evaristo decidiu que estava farto de férias citadinas. Com a vaga de frio siberiano que invadia a Europa nessa altura, o nosso amigo teve a seguinte ideia brilhante: ir passar um fim de semana prolongado a uma estação de ski em Val-d Isère nos Alpes franceses onde estavam a decorrer os campeonatos mundiais de ski alpino. Certo dia o Evaristo, farto de esquiar, decidiu fazer uma paragem e tomar um chocolate quente e comer um croissant num dos cafés da estação: o Bonhomme de Neige. Este café fica junto a uma das pistas de ski e o Evaristo, para se distrair, resolveu fazer uma análise estocástica desta pista. Assim observou que existia um grupo de n esquiadoras profissionais que contínua, mas independentemente, apanhava o teleférico para depois fazer a sua descida. O tempo (em minutos) que cada esquiadora demora a subir tem distribuição F e é independente do seu tempo de descida (em minutos), que tem distribuição H, sendo F e H aperiódicas. Seja N(t) o número total de descidas feitas por estas esquiadoras durante o intervalo de tempo (, t]. Seja ainda U(t) o número de esquiadoras que estão a subir a encosta, usando o teleférico, no instante t. (a) Determine lim t + N(t) t. (b) Obtenha uma expressão para lim t + P (U(t) = k). A primeira das esquiadoras optou por alugar um novo par de skis sempre que a duração da sua descida excedesse as T unidades de tempo. (c) Considerando que o tal aluguer é de C francos, determine o valor que a referida esquiadora gastaria, a longo-prazo, em aluguer de skis por unidade de tempo. (d) Prove que, ao admitir que as durações das descidas da tal esquiadora se distribuem uniformemente no intervalo (5m, 7m), o valor de T que minimiza o gasto calculado em (c) não depende do custo do aluguer. Identifique-o e comente. Exercício 3.26 Da estação de comboios que o Evaristo usa diariamente - para regressar da Confusão onde estuda à sua casa no Paraíso (uma pequena cidade nos subúrbios de Confusão) - partem dois tipos de comboios para Paraíso: comboios normais cujas partidas ocorrem segundo um processo de Poisson de taxa 12/hora, e expressos que partem espaçados exactamente 15 minutos. Os comboios normais demoram 2 minutos a chegar a Paraíso, enquanto que os expressos demoram apenas 13 minutos. O Evaristo desconhece completamente o horário dos comboios expressos e, por isso, o instante da sua chegada à estação não está relacionado com os processos pontuais de partidas de comboios normais e de expressos. Os passageiros que chegam à estação têm de decidir antecipadamente que tipo de comboio vão apanhar, já que os comboios normais e os expressos partem de plataformas distintas. Sabese que os passageiros que desejam apanhar um comboio normal para Paraíso chegam à estação segundo um processo de Poisson de taxa 2/minuto. Responda às seguintes questões utilizando como unidade de tempo o minuto: (a) Obtenha as distribuições do tempo que decorre entre a chegada do Evaristo à estação e a partida do próximo comboio normal e do próximo comboio expresso. 9

10 (b) Qual é o valor aproximado da probabilidade de num ano (365 dias) o Evaristo gastar mais de 45 horas à espera do comboio expresso para Paraíso, caso ele decida viajar sempre em comboios expresso? (c) Que plataforma aconselha que o Evaristo escolha: a dos comboios normais ou a dos expressos? Justifique. (d) Admitindo que cada partida de um comboio normal para Paraíso custa à companhia de caminhos de ferro 2 contos e que a companhia atribui um custo unitário de 5$/minuto à espera de cada passageiro por um comboio normal, calcule o custo médio diário incorrido pela empresa com as viagens efectuadas por comboios normais? (e) Determine a função de covariância do processo estocástico {N(t), t }, onde N(t) representa o número de passageiros que desejam apanhar um comboio normal para Paraíso e que chegam à estação no intervalo (, t]. Que outro processo possui a mesma função de covariância? A companhia de caminhos de ferro procedeu a alterações que fizeram com que todos os comboios para Paraíso partissem da mesma plataforma. (f) Determine, de entre os comboios que partem para Paraíso, a fracção de comboios expresso. (g) Considere que o primeiro comboio que parte para Paraíso depois da chegada do Evaristo à estação é um comboio normal e sai daí a 4 minutos. O Evaristo deve embarcar neste comboio ou esperar pelo próximo comboio expresso? Justifique. (h) Se o Evaristo pretender chegar a Paraíso o mais cedo possível, viajará mais vezes em comboio normal ou em comboio expresso? Exercício 3.27 Na estação de ski existe um restaurante onde Evaristo e a família costumam jantar. Durante um jantar, uma das suas sobrinhas gritou: Barata, barata! Foi o pânico! Mais tarde, com os ânimos já acalmados, o Evaristo perguntou ao gerente do restaurante como explicava ele o acontecido. O gerente contou então que, apesar dos seus esforços, entravam baratas no restaurante a uma taxa de λ baratas por dia. Acrescentou que, quando se regista a entrada da 5 a barata, os Serviços Públicos de Saúde encerram temporariamente o restaurante para uma desinfestação que dura um tempo aleatório. Disse ainda que os tempos entre entradas sucessivas de baratas, {G n, n IN}, são variáveis aleatórias independentes e identicamente distribuídas, assim como os períodos de desinfestação, {D n, n IN}. (a) Que distribuição lhe parece ser razoavelmente adequada para o instante em que os Serviços Públicos de Saúde são chamados pela primeira vez? Justifique. (b) Qual é, a longo-prazo, a percentagem de tempo em que o restaurante está fechado para desinfestação? (c) Seja, para t, N(t) o número de vezes que os Serviços Públicos de Saúde já fecharam o restaurante até ao instante t. Determine uma expressão para E(N(t)) em função da distribuição do período entre reaberturas sucessivas do restaurante. 1

11 (d) Suponha que: Ao restaurante chegam clientes - os esquiadores desta estação de ski - de acordo com um processo de Poisson de taxa igual a 6 clientes por hora; A quantia que cada cliente gasta no restaurante tem distribuição uniforme de 5$ a 25$, da qual 5% representa lucro para o restaurante; Cada vez que o restaurante fecha, para além dos clientes potenciais que perde, é necessário pagar uma multa de 5 $; e O tempo durante o qual o restaurante está fechado tem distribuição uniforme no intervalo de 1 a 6 dias. Qual é, a longo-prazo, a penalização por unidade de tempo em que o restaurante incorre por estar fechado para desinfestação? Exercício 3.28 Uma corporação de bombeiros recebe pedidos de serviço de acordo com um processo de Poisson de taxa 9 pedidos por semana. Os bombeiros, seja em que circunstância for, devem atender obrigatoriamente os pedidos de auxílio, ainda que alguns sejam falsos alarmes. (a) Sabendo que ao fim de 3 pedidos de auxílio um bombeiro recebe um bónus de 7 $, determine o número esperado de dias até receber o referido bónus. (b) Determine a probabilidade de ocorrerem 2 falsos alarmes em duas semanas, sabendo que 1/3 dos pedidos de auxílio que chegam à central são falsos alarmes. (c) Os bombeiros recebem presentemente 3 $ por dia, o que é, de acordo com o sindicato que os representam, manifestamente insuficiente. A entidade patronal propõe então um aumento de 25% nos salários. O sindicato descontente com esta proposta sugere o seguinte plano alternativo: cada bombeiro deverá receber, para além do ordenado fixo, um subsídio de risco (função do tipo/dificuldade das intervenções) que ronda, em média, os 1 5$ por cada pedido de auxílio. Determine qual das duas opções é, a longo prazo, mais proveitosa para os bombeiros. Exercício 3.29 Considere como unidade de tempo a hora (h). Após a abertura de uma biblioteca, o processo de chegadas de utilizadores à biblioteca, {N(t), t }, é um processo de Poisson de taxa 2. Cada utilizador dispende na biblioteca, independentemente dos restantes, um tempo aleatório com distribuição exponencial de parâmetro 2. Seja, para t, Q(t) o número de utilizadores na biblioteca t horas após a abertura; aqui assume-se que Q() =. (a) Dado que chegaram 5 clientes nos primeiros 1m de funcionamento da biblioteca, calcule a probabilidade de terem chegado pelo menos dois utilizadores nos primeiros 3m de funcionamento. (b) Cada utilizador requisita, independentemente dos restantes, um número de livros com valor esperado 2/3. Calcule o número esperado de livros requisitados por utilizadores que partem da biblioteca no intervalo de tempo (, 1). 11

12 (c) Nas condições da alínea anterior e para t, seja R(t) o número de livros requisitados por utilizadores que chegam à biblioteca no intervalo de tempo (, t]. O processo {R(t), t } possui incrementos independentes e estacionários. Diga se é possível {R(t), t } ser um processo de Poisson e, no caso afirmativo, em que condições isso acontece. (d) Seja {X(t), t } um processo não-decrescente, com valores em IN e possuindo incrementos estacionários. Conclua que se {X(t), t } possui incrementos independentes, então P (X(2t) = ) = [P (X(t) = )] 2, t. (e) Quando o porteiro da biblioteca não tem relógio, o tempo que o porteiro julga que demora a passar uma hora é uma variável aleatória Z com distribuição uniforme em (, 1), independente do processo de chegadas de utilizadores à biblioteca. Nessa situação, o processo {W (t) = N(tZ), t } é tal que W (t) representa o número de utilizadores que chegam a biblioteca, após a abertura, no período de tempo que o porteiro julga ser de t horas. O processo {W (t), t } possui incrementos estacionários. O processo {W (t), t } possui incrementos independentes? (f) Conclua que o processo {W (t), t }, definido na alínea anterior, é tal que, para t : (g) Conclua que, para t, P (W (t) = k) = 1 2t + n=k+1 2t (2t)n e, k =, 1,.... n! E[Q(t)] = 1 9 ( e 2t e 2t) t + 2 e 2u E[Q(t u)] du. (h) Calcule lim t + E[Q(t)]. 12

Processos Estocásticos

Processos Estocásticos Licenciatura em Matemática Aplicada e Computação PROCESSOS ESTOCÁSTICOS 2002/03 Colectânea de Exercícios Capítulo 1 Introdução aos Processos Estocásticos Exercício 1.1 O número de sinais emitidos por uma

Leia mais

Capítulo 2 Processos de Poisson

Capítulo 2 Processos de Poisson Licenciatura em Matemática Aplicada e Computação PROCESSOS ESTOCÁSTICOS 2002/03 Colectânea de Exercícios Capítulo 2 Processos de Poisson Exercício 2.1 Seja {X k, k 1} uma sucessão de variáveis aleatórias

Leia mais

(a) Se X Poisson(λ) e Y Poisson(µ), então X + Y Poisson(λ + µ). (b) Se X Binomial(n, p) e Y Binomial(m, p), então (X + Y ) Binomial(n + m, p).

(a) Se X Poisson(λ) e Y Poisson(µ), então X + Y Poisson(λ + µ). (b) Se X Binomial(n, p) e Y Binomial(m, p), então (X + Y ) Binomial(n + m, p). Capítulo 0 Revisões Exercício 0.1 Sejam X e Y variáveis aleatórias independentes. Mostre que: (a) Se X Poisson(λ) e Y Poisson(µ), então X + Y Poisson(λ + µ). (b) Se X Binomial(n, p) e Y Binomial(m, p),

Leia mais

Distribuições conjuntas de probabilidade e complementos

Distribuições conjuntas de probabilidade e complementos Probabilidades e Estatística + Probabilidades e Estatística I Colectânea de Exercícios 2002/03 LEFT + LMAC Capítulo 5 Distribuições conjuntas de probabilidade e complementos Exercício 51 Uma loja de electrodomésticos

Leia mais

Capítulo 3 Processos de Renovamento

Capítulo 3 Processos de Renovamento Licenciaura em Maemáica Aplicada e Compuação PROCESSOS ESTOCÁSTICOS 22/3 Soluções da Colecânea de Exercícios Capíulo 3 Processos de Renovameno Exercício 31 Usando a definição de empo de paragem para uma

Leia mais

Variáveis aleatórias discretas

Variáveis aleatórias discretas Probabilidades e Estatística + Probabilidades e Estatística I Colectânea de Exercícios 2002/03 LEFT + LMAC Capítulo 3 Variáveis aleatórias discretas Exercício 3.1 Uma caixa contém 6 iogurtes dos quais

Leia mais

Capítulo 3 Processos de Poisson

Capítulo 3 Processos de Poisson Capítulo 3 Processos de Poisson Exercício 31 Este exercício decorre de desenvolvimentos efectuados nas aulas teóricas e do Exercício (6) Exercício 32 Procedendo como no Exercício 4, conclui-se que a distribuição

Leia mais

Processos de Poisson

Processos de Poisson Processos de Poisson Ricardo Ehlers ehlers@icmc.usp.br Departamento de Matemática Aplicada e Estatística Universidade de São Paulo Capitulo 5 Taylor & Karlin 1 / 37 Distribuição de Poisson Seja a variável

Leia mais

2º Semestre 2002/2003

2º Semestre 2002/2003 1. Um operário especializado em reparações de escavadoras verificou que o tempo gasto por reparação seguia uma distribuição exponencial negativa com média 30 minutos. A reparação é feita pela ordem de

Leia mais

Escola Superior de Tecnologia de Viseu. Fundamentos de Estatística 2006/2007 Ficha nº 3

Escola Superior de Tecnologia de Viseu. Fundamentos de Estatística 2006/2007 Ficha nº 3 Escola Superior de Tecnologia de Viu Fundamentos de Estatística 006/007 Ficha nº 3. Os valores admissíveis de uma variável aleatória discreta X são: 0,,. Sabe- que E(X)=0.8 e que E(X )=.4. a) Defina a

Leia mais

Módulo III: Processos de Poisson, Gaussiano e Wiener

Módulo III: Processos de Poisson, Gaussiano e Wiener Módulo III: Processos de Poisson, Gaussiano e Wiener Wamberto J. L. Queiroz Universidade Federal de Campina Grande-UFCG Departamento de Engenharia Elétrica Processos Estocásticos Campina Grande - PB Módulo

Leia mais

Probabilidades e Estatística

Probabilidades e Estatística Departamento de Matemática Probabilidades e Estatística LEAN, LEE, LEGI, LEGM, LEIC-A, LEIC-T, LEMat, LERC, LMAC, MEAer, MEAmbi, MEBiol, MEBiom, MEEC, MEFT, MEMec, MEQ 2 o semestre 2/22 o TESTE (Época

Leia mais

x, x < 1 f(x) = 0, x 1 (a) Diga o que entende por amostra aleatória. Determine a função densidade de probabilidade

x, x < 1 f(x) = 0, x 1 (a) Diga o que entende por amostra aleatória. Determine a função densidade de probabilidade Probabilidades e Estatística 2004/05 Colectânea de Exercícios LEIC, LERCI, LEE Capítulo 6 Estimação Pontual Exercício 6.1. Considere a população X com função densidade de probabilidade { x, x < 1 f(x)

Leia mais

Fernando Nogueira Simulação 1

Fernando Nogueira Simulação 1 Simulação a Eventos Discretos Fernando Nogueira Simulação Introdução Simulação não é uma técnica de otimização: estima-se medidas de performance de um sistema modelado. Modelos Contínuos X Modelos Discretos

Leia mais

Simulação a Eventos Discretos. Fernando Nogueira Simulação 1

Simulação a Eventos Discretos. Fernando Nogueira Simulação 1 Simulação a s Discretos Fernando Nogueira Simulação Introdução Simulação não é uma técnica de otimização: estima-se medidas de performance de um sistema modelado. Modelos Contínuos X Modelos Discretos

Leia mais

Cadeias de Markov em Tempo Continuo

Cadeias de Markov em Tempo Continuo Cadeias de Markov em Tempo Continuo Ricardo Ehlers ehlers@icmc.usp.br Departamento de Matemática Aplicada e Estatística Universidade de São Paulo Capitulos 6 Taylor & Karlin 1 / 44 Análogo ao processo

Leia mais

4. ([Magalhães, 2011] - Seção 2.4) Seja X U( α, α), determine o valor do parâmetro α de modo que:

4. ([Magalhães, 2011] - Seção 2.4) Seja X U( α, α), determine o valor do parâmetro α de modo que: GET189 Probabilidade I Lista de exercícios - Capítulo 6 1. ([Ross, 21] - Capítulo 5) Em uma estação, trens partem para a cidade A de 15 em 15 minutos, começando às 7:h; e trens partem para a cidade B de

Leia mais

PROCESSO DE POISSON. Processo Estocástico Prof, Ms. Eliana Carvalho

PROCESSO DE POISSON. Processo Estocástico Prof, Ms. Eliana Carvalho Processo Estocástico Prof, Ms. Eliana Carvalho Este processo estocástico deve o seu nome ao matemático francês Simion-Denis Poisson (1781-1840). Espaço de estados discreto (cadeia) Variável tempo é contínua

Leia mais

Nome: N. o : f(u) du para todo o x (V) d) Se F (x) tiver pontos de descontinuidade, então X é discreta (F)

Nome: N. o : f(u) du para todo o x (V) d) Se F (x) tiver pontos de descontinuidade, então X é discreta (F) ESTATÍSTICA I 2. o Ano/Gestão 1. o Semestre Época Normal Duração: 2 horas 1. a Parte Teórica N. o de Exame: RESOLUÇÃO 09.01.2015 Este exame é composto por duas partes. Esta é a 1 a Parte Teórica (Cotação:

Leia mais

Sumário. 2 Índice Remissivo 11

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

Leia mais

Final exam June 25, 2007 Statistics II

Final exam June 25, 2007 Statistics II Final exam June 25, 2007 Statistics II 1. 7 points o Hospital Medecis, o número de doentes que recorrem ao serviço de urgências pediátricas e o número de doentes que recorrem ao serviço de urgências para

Leia mais

Modelagem e Análise Aula 9

Modelagem e Análise Aula 9 Modelagem e Análise Aula 9 Aula passada Equações de fluxo Tempo contínuo Aula de hoje Parâmetros de uma fila Medidas de desempenho Cálculo do tempo de espera Resultado de Little Parâmetros da Fila chegada

Leia mais

Probabilidades e Estatística

Probabilidades e Estatística Departamento de Matemática - IST(TP) Secção de Estatística e Aplicações Probabilidades e Estatística 1 o Teste B 2 o semestre 2007/08 Duração: 90 minutos 19/04/2008 11:30 horas O teste consiste em dois

Leia mais

2 Distribuições Teóricas Discretas

2 Distribuições Teóricas Discretas 2 Distribuições Teóricas Discretas Exercício 2.1 Seja X B (n, p) e Y B (n, 1 p), verifique que P (X = r) =P (Y = n r). InterpreteoresultadoemtermosdeprovasdeBernoulli. Exercício 2.2 Utilizando as tabelas

Leia mais

1. Como é sabido a TRANSPORTO disporá, muito brevemente, já a partir de Março, de

1. Como é sabido a TRANSPORTO disporá, muito brevemente, já a partir de Março, de Licenciatura em Engenharia Electrotécnica e de Computadores Investigação Operacional 2 a chamada 2001.01.24 Duração: 2 horas Com Consulta Responda a cada questão numa folha separada 1. Como é sabido a

Leia mais

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

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

Leia mais

FILA EM UM PRONTO SOCORRO Paciente espera por ser atendida por um médico em um pronto socorro

FILA EM UM PRONTO SOCORRO Paciente espera por ser atendida por um médico em um pronto socorro TEORIA DAS FILAS FILA EM UM PRONTO SOCORRO Paciente espera por ser atendida por um médico em um pronto socorro Ingressa na sala de atendimento Sai da sala de atendimento Pessoa precisa de cuidados médicos

Leia mais

4. Distribuições de probabilidade e

4. Distribuições de probabilidade e 4. Distribuições de probabilidade e características Valor esperado de uma variável aleatória. Definição 4.1: Dada uma v.a. discreta (contínua) X com f.m.p. (f.d.p.) f X (), o valor esperado (ou valor médio

Leia mais

Avaliação e Desempenho Aula 18

Avaliação e Desempenho Aula 18 Avaliação e Desempenho Aula 18 Aula passada Fila com buffer finito Fila com buffer infinito Medidas de interesse: vazão, número médio de clientes na fila, taxa de perda. Aula de hoje Parâmetros de uma

Leia mais

Probabilidades e Estatística TODOS OS CURSOS

Probabilidades e Estatística TODOS OS CURSOS Duração: 90 minutos Grupo I Probabilidades e Estatística TODOS OS CURSOS Justifique convenientemente todas as respostas 2 o semestre 206/207 05/07/207 :30 o Teste C 0 valores. Uma peça de certo tipo é

Leia mais

Cálculo das Probabilidades I - Sexta Lista - Rio, 13/09/2014

Cálculo das Probabilidades I - Sexta Lista - Rio, 13/09/2014 Cálculo das Probabilidades I - Sexta Lista - Rio, 13/09/2014 1. O diâmetro X de{ um cabo elétrico é uma variável aleatória com densidade de probabilidade K(2x x dada por 2 ), 0 x 1 0, x < 0 ou x > 1. (a)

Leia mais

Exame 1ª Época I (30%) Histograma de Área 1

Exame 1ª Época I (30%) Histograma de Área 1 Faculdade de Economia da Universidade Nova de Lisboa 04 Análise de Dados e Probabilidade º Semestre 006/007 Fernando Brito Soares Graça Silva Pedro Chaves Exame ª Época Data: de Junho de 007, 8:0 Duração:

Leia mais

SISTEMAS DE MANUTENÇÃO E CONFIABILIDADE TP077

SISTEMAS DE MANUTENÇÃO E CONFIABILIDADE TP077 SISTEMAS DE MANUTENÇÃO E CONFIABILIDADE TP077 6 DISPONIBILIDADE DE EQUIPAMENTOS 6.1 INTRODUÇÃO Diversas teorias em confiabilidade pressupõem o descarte dos componentes de interesse após a primeira falha.

Leia mais

TE802 Processos Estocásticos em Engenharia. Processo Aleatório. TE802 Processos Aleatórios. Evelio M. G. Fernández. 18 de outubro de 2017

TE802 Processos Estocásticos em Engenharia. Processo Aleatório. TE802 Processos Aleatórios. Evelio M. G. Fernández. 18 de outubro de 2017 TE802 Processos Estocásticos em Engenharia Processos Aleatórios 18 de outubro de 2017 Processo Aleatório Processo Aleatório (ou Estocástico), X(t): Função aleatória do tempo para modelar formas de onda

Leia mais

Processos Estocásticos

Processos Estocásticos Processos Estocásticos Quinta Lista de Exercícios 2 de fevereiro de 20 Suponha que um organismo unicelular pode estar somente em dois estágios distintos A ou B Um indivíduo no estágio A passa para o estágio

Leia mais

Licenciatura em Matemática Aplicada e Computação PROCESSOS ESTOCÁSTICOS 2008/09 LMAC

Licenciatura em Matemática Aplicada e Computação PROCESSOS ESTOCÁSTICOS 2008/09 LMAC Licenciatura em Matemática Aplicada e Computação INTRODUÇÃO AOS PROCESSOS ESTOCÁSTICOS 2008/09 LMAC Colectânea e Enunciados de Exames de 2007/2008 1 Capítulo 0 Revisões Exercício 0.1 Sejam X e Y variáveis

Leia mais

Probabilidade e Modelos Probabilísticos

Probabilidade e Modelos Probabilísticos Probabilidade e Modelos Probabilísticos 2ª Parte: modelos probabilísticos para variáveis aleatórias contínuas, modelo uniforme, modelo exponencial, modelo normal 1 Distribuição de Probabilidades A distribuição

Leia mais

Modelos Probabilísticos de Desempenho. Profa. Jussara M. Almeida 1º Semestre de 2014

Modelos Probabilísticos de Desempenho. Profa. Jussara M. Almeida 1º Semestre de 2014 Modelos Probabilísticos de Desempenho Profa. Jussara M. Almeida 1º Semestre de 2014 Modelos Probabilísticos Processos Estocásticos Processos de Poisson Filas M/M/1, M/G/1... Mais genericamente: modelos

Leia mais

Modelização do Sistema Produtivo Teoria das Filas de Espera

Modelização do Sistema Produtivo Teoria das Filas de Espera Modelização do Sistema Produtivo Teoria das Filas de Espera http://www.fe.up.pt/maspwww Licenciatura em Engenharia Electrotécnica e de Computadores Gil M. Gonçalves Gil.Goncalves@fe.up.pt 2004/2005 Outline

Leia mais

UAlg esght DISTRIBUIÇÕES

UAlg esght DISTRIBUIÇÕES UAlg esght DISTRIBUIÇÕES TEÓRICAS EXERCÍCIOS ( pbasilio@ualg.pt ) Dezembro 2014 Distribuições Teóricas - Exercícios 1 1 - A impressora do centro de cálculo trabalha 90% do tempo. Se realizarmos dez inspecções

Leia mais

Teoria das Filas aplicadas a Sistemas Computacionais. Aula 09

Teoria das Filas aplicadas a Sistemas Computacionais. Aula 09 Teoria das Filas aplicadas a Sistemas Computacionais Aula 09 Universidade Federal do Espírito Santo - Departamento de Informática - DI Laboratório de Pesquisas em Redes Multimidia - LPRM Teoria das Filas

Leia mais

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

Probabilidades e Estatística LEAN, LEE, LEGI, LEMat, LETI, LMAC, MEAmb, MEAer, MEBiol, MEBiom, MEEC, MEFT, MEQ

Probabilidades e Estatística LEAN, LEE, LEGI, LEMat, LETI, LMAC, MEAmb, MEAer, MEBiol, MEBiom, MEEC, MEFT, MEQ Duração: 90 minutos Grupo I Probabilidades e Estatística LEAN, LEE, LEGI, LEMat, LETI, LMAC, MEAmb, MEAer, MEBiol, MEBiom, MEEC, MEFT, MEQ Justifique convenientemente todas as respostas! o semestre 015/016

Leia mais

Probabilidades e Estatística LEGM, LEIC-A, LEIC-T, MA, MEMec

Probabilidades e Estatística LEGM, LEIC-A, LEIC-T, MA, MEMec Duração: 9 minutos Grupo I Probabilidades e Estatística LEGM, LEIC-A, LEIC-T, MA, MEMec Justifique convenientemente todas as respostas o semestre 7/8 5/5/8 9: o Teste A valores. Uma loja comercializa telemóveis

Leia mais

ESCOLA SUPERIOR DE TECNOLOGIA

ESCOLA SUPERIOR DE TECNOLOGIA Departamento Matemática Disciplina Estatística Aplicada Curso Engenharia Mec Gest Industrial º Semestre º Folha Nº3: Variáveis Aleatórias De um lote que contém 0 parafusos, dos quais 5 são defeituosos,

Leia mais

UNIVERSIDADE FEDERAL DA PARAÍBA. Cálculo das Probabilidades e Estatística I. Terceira Lista de Exercícios

UNIVERSIDADE FEDERAL DA PARAÍBA. Cálculo das Probabilidades e Estatística I. Terceira Lista de Exercícios UNIVERSIDADE FEDERAL DA PARAÍBA Cálculo das Probabilidades e Estatística I Professora: Juliana Freitas Pires Terceira Lista de Exercícios Parte I: Variáveis aleatórias, Esperança e Variância Questão 1.

Leia mais

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

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

Leia mais

UNIVERSIDADE CATÓLICA PORTUGUESA Faculdade de Ciências Económicas e Empresariais. Organização Industrial

UNIVERSIDADE CATÓLICA PORTUGUESA Faculdade de Ciências Económicas e Empresariais. Organização Industrial UNIVERSIDADE CATÓLICA PORTUGUESA Faculdade de Ciências Económicas e Empresariais Organização Industrial Diferenciação do Produto Exercício 1 Considere que numa determinada região existe apenas uma empresa

Leia mais

LEEC Probabilidades e Estatística 1 a Chamada 13/06/2005. Parte Prática C (C) M 1% 9% 10% (M) 4% 86% 90% 5% 95% 100%

LEEC Probabilidades e Estatística 1 a Chamada 13/06/2005. Parte Prática C (C) M 1% 9% 10% (M) 4% 86% 90% 5% 95% 100% . Definição dos acontecimentos: M T-shirt tem manchas C T-shirt tem costuras defeituosas D T-shirt é defeituosa A Preço da t-shirt é alterado a) PM) = % PC) = 5% PM C) = % LEEC Probabilidades e Estatística

Leia mais

Fundamentos de Estatística

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

Leia mais

Aula 5. Processo de Poisson. Exemplos.

Aula 5. Processo de Poisson. Exemplos. Aula 5. Processo de Poisson. Exemplos. Exemplo 1. Processo de Poisson com diferentes tipos de eventos. Consideramos um processo de Poisson com intensidade λ. Suponha que em cada instante de ocorrência

Leia mais

Universidade Federal de Alfenas Programa de Pós-graduação em Estatística Aplicada e Biometria-PPGEAB Prova de Conhecimentos Específicos

Universidade Federal de Alfenas Programa de Pós-graduação em Estatística Aplicada e Biometria-PPGEAB Prova de Conhecimentos Específicos -PPGEAB Dados que podem ser necessários na resolução de algumas questões: Quantis de distribuições P (t > t α ) = α P (F > F 0,05 ) = 0, 05 ν 1 ν 0,05 0,025 ν 2 42 43 56 57 89 1,66 1,99 42 1,67 1,67 1,63

Leia mais

UAlg esght TESTES DE HIPÓTESES

UAlg esght TESTES DE HIPÓTESES UAlg esght TESTES DE HIPÓTESES EXERCÍCIOS ( pbasilio@ualg.pt ) Dezembro 2014 Testes de hipóteses - Exercícios 1 1. A vida média de uma amostra de 100 lâmpadas fluorescentes, fabricadas por determinada

Leia mais

Lista de Exercícios 3 Probabilidades Escola Politécnica, Ciclo Básico

Lista de Exercícios 3 Probabilidades Escola Politécnica, Ciclo Básico Lista de Exercícios 3 Probabilidades 0303200 Escola Politécnica, Ciclo Básico 1 o semestre 2017 1) Um equipamento tem tempo de vida T com distribuição normal, valor esperado de 40 horas e desvio padrão

Leia mais

Probabilidade e Estatística

Probabilidade e Estatística Probabilidade e Estatística Aula 5 Probabilidade: Distribuições de Discretas Parte 2 Leitura obrigatória: Devore, seções 3.4, 3.5 (hipergeométrica), 3.6 Aula 5-1 Objetivos Nesta parte 01 aprendemos a representar,

Leia mais

INSTITUTO SUPERIOR TÉCNICO GESTÃO E TEORIA DA DECISÃO GESTÃO DE PROJECTOS EXERCÍCIOS ANO LECTIVO 2006/2007 1º SEMESTRE

INSTITUTO SUPERIOR TÉCNICO GESTÃO E TEORIA DA DECISÃO GESTÃO DE PROJECTOS EXERCÍCIOS ANO LECTIVO 2006/2007 1º SEMESTRE INSTITUTO SUPERIOR TÉCNICO GESTÃO E TEORIA DA DECISÃO (LICENCIATURA EM ENGENHARIA CIVIL) (LICENCIATURA EM ENGENHARIA DO TERRITÓRIO) EXERCÍCIOS ANO LECTIVO 2006/2007 1º SEMESTRE 1 - Um empreendimento é

Leia mais

FICHA DE TRABALHO N. O 9

FICHA DE TRABALHO N. O 9 FICHA DE TRABALHO N. O 9 ASSUNTO: Modelos de probabilidade: probabilidade condicional 1. Sejam A e B dois acontecimentos tais que: P (A) = 0,3 e P (B ) = 0,7 Determine P (A B ), sabendo que: 1.1 Os acontecimentos

Leia mais

ACH Introdução à Estatística Conteúdo Teórico: 12 - Simulação

ACH Introdução à Estatística Conteúdo Teórico: 12 - Simulação ACH2053 - Introdução à Estatística Conteúdo Teórico: Marcelo S. Lauretto Referências: Morris DeGroot, Mark Schervish. Probability and Statistics. 4th Ed. - 4o capítulo Ilya M. Sobol. A Primer for the Monte

Leia mais

ESCOLA SUPERIOR DE TECNOLOGIA

ESCOLA SUPERIOR DE TECNOLOGIA Departamento Matemática Curso Engenharia e Gestão Industrial 2º Semestre 1º Folha Nº4 Distribuições discretas 1. De um lote que contém 10 parafusos, dos quais 5 são defeituosos, extraem-se 2 com reposição.

Leia mais

LISTA 3 Introdução à Probabilidade (Profa. Cira.) OBS. Apenas os exercícios indicados como adicional não constam no livro.

LISTA 3 Introdução à Probabilidade (Profa. Cira.) OBS. Apenas os exercícios indicados como adicional não constam no livro. LISTA 3 Introdução à Probabilidade (Profa. Cira.) OBS. Apenas os exercícios indicados como adicional não constam no livro. - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - V. A. C O N T Í N

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

INSTITUTO POLITÉCNICO DE VISEU ESCOLA SUPERIOR DE TECNOLOGIA E GESTÃO

INSTITUTO POLITÉCNICO DE VISEU ESCOLA SUPERIOR DE TECNOLOGIA E GESTÃO Área Cientifica Curso Matemática Engenharia Electrotécnica Folha Nº5 1. Usando a tabela da normal standard, calcule: a) P(Z1.45), P(Z>-2.15), P(-2.34

Leia mais

Teoria das Filas aplicadas a Sistemas Computacionais. Aula 20

Teoria das Filas aplicadas a Sistemas Computacionais. Aula 20 Teoria das Filas aplicadas a Sistemas Computacionais Aula 20 Magnos Martinello Universidade Federal do Espírito Santo - UFES Departamento de Informática - DI Laboratório de Pesquisas em Redes Multimidia

Leia mais

7.3 Diferenciabilidade

7.3 Diferenciabilidade CAPÍTULO 7. INTRODUÇÃO À ANÁLISE EM RN 7.18 Estude quanto a continuidade a função f de R 2 com valores em R definida por: x 2, se x 2 + y 2 < 2y, f(x, y) = x, se x 2 + y 2 = 2y, y 2, se x 2 + y 2 > 2y.

Leia mais

Exame de Recorrência de Métodos Estatísticos. Departamento de Matemática Universidade de Aveiro

Exame de Recorrência de Métodos Estatísticos. Departamento de Matemática Universidade de Aveiro Exame de Recorrência de Métodos Estatísticos Departamento de Matemática Universidade de Aveiro Data: 6/6/6 Duração: 3 horas Nome: N.º: Curso: Regime: Declaro que desisto Classificação: As cotações deste

Leia mais

First exam October 23, 2006 Statistics II

First exam October 23, 2006 Statistics II First exam October 3, 006 Statistics II 1. (7 points) Numa determinada empresa de recursos humanos um teste de aptidão é realizado por um elevado número de candidatos a um emprego. A pontuação obtida nesse

Leia mais

Probabilidades e Estatística

Probabilidades e Estatística Departamento de Matemática Probabilidades e Estatística LEGM, LEIC-A, LEIC-T, LEMat, MEBiom, MEFT, MEQ 2 o semestre 2011/2012 1 o Teste A 21/04/2012 9:00 Duração: 1 hora e 30 minutos Justifique convenientemente

Leia mais

PRO 2271 ESTATÍSTICA I. 3. Distribuições de Probabilidades

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

Leia mais

Processos Estocásticos aplicados à Sistemas Computacionais

Processos Estocásticos aplicados à Sistemas Computacionais Processos Estocásticos aplicados à Sistemas Computacionais Magnos Martinello Universidade Federal do Espírito Santo - UFES Departamento de Informática - DI Laboratório de Pesquisas em Redes Multimidia

Leia mais

Noções de Processos Estocásticos e Cadeias de Markov

Noções de Processos Estocásticos e Cadeias de Markov Noções de Processos Estocásticos e Cadeias de Markov Processo Estocástico Definição: Processo Estocástico é uma coleção de variáveis aleatórias indexadas por um parâmetro t R (entendido como tempo). X={

Leia mais

Instituto Politécnico de Leiria Escola Superior de Tecnologia e Gestão Componente Prática de Estatística Aplicada Contabilidade e Finanças

Instituto Politécnico de Leiria Escola Superior de Tecnologia e Gestão Componente Prática de Estatística Aplicada Contabilidade e Finanças Instituto Politécnico de Leiria Escola Superior de Tecnologia e Gestão Componente Prática de Estatística Aplicada Contabilidade e Finanças FOLHA 2 - Distribuições 1. Considere a experiência aleatória que

Leia mais

Nome: N o : Espaço reservado a classificações

Nome: N o : Espaço reservado a classificações ESTATÍSTICA I 2 o Ano/Gestão 1 o Semestre Época Normal Duração: 2 horas 1 a Parte Teórica N o de Exame: abcde 03.Jan.11 Este exame é composto por duas partes. Esta é a 1 a Parte Teórica (Cotação: 8 valores).

Leia mais

{ C(1 x 2 ), se x ( 1, 1), f(x) = Cxe x/2, se x > 0, x + k, se 0 x 3; 0, c.c. k, se 1 < x 2; kx + 3k, se 2 < x 3;

{ C(1 x 2 ), se x ( 1, 1), f(x) = Cxe x/2, se x > 0, x + k, se 0 x 3; 0, c.c. k, se 1 < x 2; kx + 3k, se 2 < x 3; Universidade de Brasília Departamento de Estatística 4 a Lista de PE 1. Seja X uma variável aleatória com densidade { C(1 x 2 ), se x ( 1, 1), 0, se x / ( 1, 1). a) Qual o valor de C? b) Qual a função

Leia mais

SCX5005 Simulação de Sistemas Complexos II. Problemas em Simulação

SCX5005 Simulação de Sistemas Complexos II. Problemas em Simulação SCX5005 Simulação de Sistemas Complexos II Alguns Marcelo S. Lauretto Referências: Morris DeGroot, Mark Schervish. Probability and Statistics. 4th Ed. - 4o capítulo Ilya M. Sobol. A Primer for the Monte

Leia mais

Exercícios de MATEMÁTICA COMPUTACIONAL. 1 0 Semestre de 2009/2010 Resolução Numérica de Equações Não-Lineares

Exercícios de MATEMÁTICA COMPUTACIONAL. 1 0 Semestre de 2009/2010 Resolução Numérica de Equações Não-Lineares Exercícios de MATEMÁTICA COMPUTACIONAL Mestrado Integrado em Engenharia Biomédica 1 0 Semestre de 2009/2010 Resolução Numérica de Equações Não-Lineares 1. Considere a equação sin(x) e x = 0. a) Prove que

Leia mais

Modelos de Filas de Espera

Modelos de Filas de Espera QuickTime and atiff (Uncompressed) decompressorare needed to see this picture. Modelos de Filas de Espera Métodos Quantitativos 2004/2005 João Moura Pires Sumário Estrutura básica de Modelos de Filas de

Leia mais

Processos Estocásticos

Processos Estocásticos Processos Estocásticos Luis Henrique Assumpção Lolis 26 de maio de 2014 Luis Henrique Assumpção Lolis Processos Estocásticos 1 Conteúdo 1 Introdução 2 Definição 3 Especificando um processo aleatório 4

Leia mais

Lista de Exercícios 3 Probabilidades Escola Politécnica, Ciclo Básico

Lista de Exercícios 3 Probabilidades Escola Politécnica, Ciclo Básico RESOLUÇÃO NA PÁGINA 06 Lista de Exercícios 3 Probabilidades 0303200 Escola Politécnica, Ciclo Básico 1 o semestre 2017 1) Um equipamento tem tempo de vida T com distribuição normal, valor esperado de 40

Leia mais

Estatística II Licenciatura em Gestão TESTE I

Estatística II Licenciatura em Gestão TESTE I Estatística II Licenciatura em Gestão 1 o semestre 2015/2016 14/01/2016 09:00 Nome N o Espaço reservado a classificações A utilização do telemóvel, em qualquer circunstância, é motivo suficiente para a

Leia mais

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

F (x) = P (X x) = Σ xi xp(x i ) E(X) = x i p(x i ). Variável Aleatória Uma variável aleatória é uma variável numérica, cujo valor medido pode variar de uma réplica para outra do experimento. Exemplos: (i) Variáveis aleatórias contínuas: corrente elétrica,

Leia mais

Processos Estocásticos e Cadeias de Markov Discretas

Processos Estocásticos e Cadeias de Markov Discretas Processos Estocásticos e Cadeias de Markov Discretas Processo Estocástico(I) Definição: Um processo estocástico é uma família de variáveis aleatórias {X(t) t T}, definidas em um espaço de probabilidades,

Leia mais

O regulamento interno da universidade impõe que a distribuição de equipamentos por cada grupo se efectue de acordo com o método de Hamilton.

O regulamento interno da universidade impõe que a distribuição de equipamentos por cada grupo se efectue de acordo com o método de Hamilton. 1. O conselho directivo de uma universidade pretende distribuir 20 computadores por 5 grupos: professores, investigadores, estudantes de licenciatura, administrativos e auxiliares. O regulamento interno

Leia mais

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

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

Leia mais

Programação Dinâmica Estocástica

Programação Dinâmica Estocástica Programação Dinâmica Estocástica Processos de Decisão Estocástica Multiestágios Um processo de decisão multiestágios é estocástico, se o resultado associado a pelo menos uma decisão do processo é aleatório.

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 Processo de Poisson. Processo de Poisson Homogêneo Considere N(t) o número de ocorrências de um determinado

Leia mais

Ano Lectivo 2006/2007 Ficha nº5

Ano Lectivo 2006/2007 Ficha nº5 Instituto Superior Politécnico de Viseu Departamento de Matemática da Escola Superior de Tecnologia Estatística Aplicada Engenharia Mecânica e Gestão Industrial Ano Lectivo 2006/2007 Ficha nº5 1. Usando

Leia mais

PROCESSOS ESTOCÁSTICOS

PROCESSOS ESTOCÁSTICOS PROCESSOS ESTOCÁSTICOS Definições, Principais Tipos, Aplicações em Confiabilidade de Sistemas CLARKE, A. B., DISNEY, R. L. Probabilidade e Processos Estocásticos, Rio de Janeiro: Livros Técnicos e Científicos

Leia mais

Teoria das Filas aplicadas a Sistemas Computacionais. Aula 08

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

Leia mais

ISEG - ESTATÍSTICA I - EN, Economia/Finanças - 1 de Junho de 2010 Tópicos de correcção. 1ª Parte. > 0. Justifique a igualdade: P(( A B)

ISEG - ESTATÍSTICA I - EN, Economia/Finanças - 1 de Junho de 2010 Tópicos de correcção. 1ª Parte. > 0. Justifique a igualdade: P(( A B) ISEG - ESTATÍSTICA I - EN, Economia/Finanças - de Junho de 00 Tópicos de correcção ª Parte. Sejam os acontecimentos A, B, C tais que P ( A B) > 0. Justifique a igualdade: ( A B) C) = B A). A). C ( A B)).

Leia mais

S I M U L A Ç Ã O 84

S I M U L A Ç Ã O 84 S I M U L A Ç Ã O 84 - 1 - Elabore uma rotina que lhe permita gerar números pseudo-aleatórios (NPA) com distribuição X ( f X ( x ) representa a função de densidade de probabilidade de X e F X ( x ) representa

Leia mais

FORMULÁRIO PROCESSOS ESTOCÁSTICOS E APLICAÇÕES MAEG-ISEG exp(x) = j=0. j+1 xj ( 1) j=1. ( 1) j x j for 1 < x < 1

FORMULÁRIO PROCESSOS ESTOCÁSTICOS E APLICAÇÕES MAEG-ISEG exp(x) = j=0. j+1 xj ( 1) j=1. ( 1) j x j for 1 < x < 1 FORMULÁRIO PROCESSOS ESTOCÁSTICOS E APLICAÇÕES MAEG-ISEG 008 Desenvolvimentos em série log( + x) = ( + x) = exp(x) = X ( ) = Cadeias de Markov + x X x! for < x X ( ) x for < x < Equações de Chapman-Kolmogorov

Leia mais

Distribuições Contínuas. Estatística. 7 - Distribuição de Probabilidade de Variáveis Aleatórias Contínuas UNESP FEG DPD

Distribuições Contínuas. Estatística. 7 - Distribuição de Probabilidade de Variáveis Aleatórias Contínuas UNESP FEG DPD Estatística 7 - Distribuição de Probabilidade de Variáveis Aleatórias Contínuas 7- Distribuição Uniforme A variável aleatória contínua pode ser qualquer valor no intervalo [a,b] A probabilidade da variável

Leia mais

Exercícios de Teoria da Probabilidade e Processos Estocásticos Parte II

Exercícios de Teoria da Probabilidade e Processos Estocásticos Parte II Exercícios de Teoria da Probabilidade e Processos Estocásticos Parte II 13 de Dezembro de 2013 Exercício 1. Descreva o espaço de probabilidade associado às seguintes experiências aleatórias: 1. Uma moeda

Leia mais

Simulação com Modelos Teóricos de Probabilidade

Simulação com Modelos Teóricos de Probabilidade Simulação com Modelos Teóricos de Probabilidade p. 1/21 Algumas distribuições teóricas apresentam certas características que permitem uma descrição correta de variáveis muito comuns em processos de simulação.

Leia mais

ESCOLA SUPERIOR DE TECNOLOGIA

ESCOLA SUPERIOR DE TECNOLOGIA Departamento Matemática Probabilidades e Estatística Curso Engenharia do Ambiente 2º Semestre 1º Folha Nº2: Distribuição Binomial, Poisson, Normal e Lognormal 1. A probabilidade de encontrar um insecto

Leia mais

Problemas Resolvidos. 1. Distr. Uniforme Contínua. (a) f X (x; a, b) = 1 1 (x µ) 2. (b) µ = E(x) = a+b. e V ar(x) = (b a)2. 2. Distr.

Problemas Resolvidos. 1. Distr. Uniforme Contínua. (a) f X (x; a, b) = 1 1 (x µ) 2. (b) µ = E(x) = a+b. e V ar(x) = (b a)2. 2. Distr. Distribuições Contínuas - Problemas Resolvidos. Distr. Uniforme Contínua (a) f X (x; a, b) = b a (b) µ = E(x) = a+b e V ar(x) = (b a). Distr. Gaussiana (a) f X (x; a, b) = (x µ) π e (b) µ = E(x) = µ e

Leia mais

Probabilidades e Estatística MEEC, LEIC-A, LEGM

Probabilidades e Estatística MEEC, LEIC-A, LEGM Departamento de Matemática Probabilidades e Estatística MEEC, LEIC-A, LEGM Exame a Época / o Teste (Grupos III e IV) o semestre 009/00 Duração: 80 / 90 minutos /06/00 9:00 horas Grupo I Exercício 5 valores

Leia mais

Tópicos Especiais em Qualidade

Tópicos Especiais em Qualidade Tópicos Especiais em Qualidade Processos estocásticos, Distribuições de probabilidade e Ajustamento de dados Qualquer sistema real opera sempre em ambientes onde a incerteza impera, principalmente quando

Leia mais