ESTATÍSTICA BAYESIANA
|
|
- Felipe Garrau Sabrosa
- 6 Há anos
- Visualizações:
Transcrição
1 UNIVERSIDADE FEDERAL DE MINAS GERAIS INSTITUTO DE CIÊNCIAS EXATAS PET MATEMÁTICA Orientadora: Rosângela Helena Loschi ESTATÍSTICA BAYESIANA Marina Muniz de Queiroz
2 INTRODUÇÃO A estatística clássica associa probabilidades apenas a variáveis aleatórias, enquanto a bayesiana permite a associação de probabilidade a qualquer grau de crença ou incerteza sobre uma quantidade aleatória, evento ou hipótese. Essa nova abordagem leva à definição de probabilidades à priori e à posteriori. A primeira advém das informações que cada indivíduo traz consigo de experiências passadas. Já a outra é obtida à medida que experimentos são realizados e novos dados coletados. Assim, as probabilidades associadas a um evento são definidas previamente e atualizadas na medida em que se recebem novas informações. Quando os dados são mais informativos que as suposições iniciais, ou seja, quando a amostra aumenta, as probabilidades convergem independentes das distribuições iniciais.
3 FUNÇÃO DE VEROSSIMILHANÇA E TEOREMA DE BAYES Definição 1. A probabilidade de A condicionada por B é definida por PA B= P( A B) P( B) O Teorema de Bayes relaciona as probabilidades de A e B com suas respectivas probabilidades condicionadas. Este teorema afirma que PB A= PA B). P( B) P( A) Definição 2. A função de verossimilhança de θ é a função que associa a cada θ o valor PX θ ), uma vez conhecido X. Exemplo 1. Suponha Xi θ ~ Bernoulli(θ) i variáveis aleatórias independentes e identicamente distribuídas. Então PXi= 1= θ e PXi= 0= 1-θ. Essa informação pode ser resumida em PXi= xi θ)= θ xi ( 1- θ) 1- xi, xi= 0, 1. A função de verossimilhança é dada por PXx1,, xnθ= Pxi( xi θ ) = θxi( 1- θ) 1-xi = θxi ( 1- θ) n-xi Assim, toda a informação proveniente do experimento está contida a função de
4 verossimilhança. Seja X=( x1, x2,, xn ) um vetor de variáveis aleatórias independentes e θ o parâmetro de interesse. Chamamos Pθ de distribuição à priori para θ e Pθ X de distribuição à posteriori para θ. Usando o teorema de Bayes, temos, para a primeira observação que Pθ x1=px1 θ). P( θ) P( x1) Ao se prosseguir com o experimento, toma-se a posteriori obtida acima como a nova priori, e então Pθ x1, x2,, xn= P x1, x2,, xn θ). P( θ) P ( x1, x2,, xn) Logo, a distribuição a posteriori de θ é proporcional à função de verossimilhança de θ vezes a sua distribuição à priori. Exemplo 2. Dado θ~ Beta (a,b) e X θ ~ Bernoulli ( θ ), queremos calcular a distribuição à posteriori Pθ X. Pθ X=PX θ). P( θ) P( X) Pθ X= θxi ( 1- θ) n- xi Γa+ bγaγbθa- 1( 1- θ) b- 1θxi ( 1- θ) n- xi Γa+ bγaγbθa- 1( 1- θ) b-1dθ Pθ X= θxi+ a- 1 ( 1- θ) n- xi+ b- 1 θxi+ a- 1 ( 1- θ) n- xi+ b-1dθ Como a integral do denominador é o núcleo de uma Beta com parâmetros a+ xi e b+ n-xi, basta multiplicar por constantes para que o resultado seja um.
5 Pθ X= Γa+ b+ nγ a + xiγb+ n- xi θxi+ a- 1 1-θn- xi+ b- 1 Γa+ b+ nγ a + xiγb+ n-xi θxi+ a- 1 1-θn- xi+ b-1dθ= = Γa+ b+ nγ a + xiγb+ n- xi θxi+ a- 1 1-θn- xi+ b-1 Então Pθ X ~ Beta ( a+ xi, b+ n-xi). DISTRIBUIÇÃO À PRIORI Seja θ o parâmetro do qual se deseja fazer uma inferência. A informação já disponível sobre θ permite associar a ele uma distribuição de probabilidade que descreverá as incertezas e crenças de um pesquisador, chamada distribuição à priori. Tome como exemplo no lançamento de uma moeda a probabilidade θ de tirar cara. Qual é a porcentagem de caras em certa quantidade de lançamentos? Se a moeda for honesta, espera-se que esta probabilidade esteja centrada em 0,5. Porém, suponha que isso não aconteça. Que informação prévia o dono da moeda possui?
6 Pode-se começar pensando em uma priori não informativa, ou seja, aquela que associa igual chance a todas as porcentagens. Essa distribuição seria uma Uniforme ou uma Beta (1,1) Mas se ele já possui algum indício de que θ tende a tomar determinados valores, pode-se modificar a distribuição à priori para uma Beta (2,2), que concentra mais massa na região em torno do valor 0,5.
7 Levando em consideração que o dono do dado já observou outros lançamentos e nos informou que o número de caras é sempre maior que o de coroas, novamente modifica-se a distribuição para uma Beta (45,5), que concentra massa em torno de 0,9. Assim, escolhe-se a melhor distribuição que se adapta às informações prévias sobre o lançamento da moeda. COMPARAÇÃO ENTRE DISTRIBUIÇÕES À PRIORI E À POSTERIORI
8 Vamos analisar o impacto que a escolha da distribuição à priori tem nas distribuições à posteriori. Suponha que dez lançamentos de moeda foram simulados, associando 1 a caras e 0 a coroas. A seguir, foram escolhidas algumas distribuições Beta (a,b) que podem ser representar distribuições à priori. TABELA 1. Distribuições à priori a b Esperanç a Variância 1,0 1,0 0,5 0, ,0 2,0 0,5 0, ,0 50,0 0,5 0, ,1 0,9 0,1 0, ,0 45,0 0,1 0, ,9 0,1 0,9 0, ,0 5,0 0,9 0, Moda 1 0, , , , , , Após os dez lançamentos foram obtidas 6 caras e 4 coroas e os valores mostrados acima são atualizados pelo Teorema de Bayes. TABELA 2. Distribuições à posteriori para dez lançamentos a b Esperança Variância Moda 7,0 5,0 0, , , ,0 6,0 0, , , ,0 54,0 0, , , ,1 4,9 0, , , ,0 49,0 0, , , ,9 4,1 0, , , ,0 9,0 0, , ,862069
9 Se o número de lançamentos simulados aumenta para mil, com 507 caras e 493 coroas, teremos os seguintes valores: TABELA 3. Distribuições à posteriori para mil lançamentos a b Esperança Variância Moda 508,0 494,0 0, , , ,0 495,0 0, , , ,0 543,0 0, , , ,1 493,9 0, , , ,0 538,0 0, , , ,9 493,1 0, , , ,0 498,0 0, , , Quando se trabalha com a distribuição Beta em que os parâmetros a e b são iguais ou bem próximos, tem-se uma distribuição de probabilidade centrada em 0,5. Portanto, essa seria uma função de densidade de probabilidade que poderia ser usada para descrever a situação de um lançamento de uma moeda em que acreditamos com alguma certeza que a razão entre caras e coroas é 0,5. Se comparadas as distribuições à priori e à posteriori, no caso a=b, percebe-se que o valor esperado do parâmetro continua centrado em um valor aproximado de 0,5, porém com uma variância menor, ou seja, mais certeza. No caso descrito acima, como o número de sucessos dos dez lançamentos foi seis, a esperança tem uma tendência a ser maior que 0,5. O mesmo pode ser observado quando foram feitos 1000 lançamentos, com 507 sucessos. Já para os casos em que a distribuição é assimétrica, é fácil perceber que o valor esperado está afastado de 0,5, e, portanto, não é uma distribuição que mais se adapta às informações prévias do fenômeno. Com isso, quando o número de lançamentos é muito grande, esses dados têm mais peso do que a própria distribuição a priori, e como a razão entre fracassos e sucessos tende a meio, a esperança da nova distribuição também, com variância muito pequena, tentando corrigir a informação obtida previamente.
10 FAMÍLIAS CONJUGADAS A construção da distribuição à priori é importante pois usualmente não é fácil obter a distribuição à posteriori de forma fechada como já foi feito na seção anterior com a Beta e Binomial. Observando o Teorema de Bayes e seu aspecto seqüencial, percebe-se que a posteriori se origina da multiplicação da função de verossimilhança com uma priori. Procura-se, então, misturar as duas para que a distribuição à posteriori esteja na mesma família da distribuição à priori. Para isso, é necessário que l( θ ) e P( θ ) tenham o mesmo núcleo. É importante também que tais famílias sejam suficientemente amplas para acomodar várias opiniões sobre θ. Continua...
11 BIBLIOGRAFIA
Análise Bayesiana de Dados - Aula 1 -
Análise Bayesiana de Dados - Aula 1 - Márcia D Elia Branco Universidade de São Paulo Instituto de Matemática e Estatística www.ime.usp.br/ mbranco - sala 295-A - Paradigmas Bayesiano Introdução Fazer inferência
Leia maisInferência Bayesiana - Aula 1 -
Inferência Bayesiana - Aula 1 - Márcia D Elia Branco Universidade de São Paulo Instituto de Matemática e Estatística www.ime.usp.br/ mbranco - sala 295-A - Paradigmas Bayesiano Introdução Fazer inferência
Leia maisModelos de Distribuição PARA COMPUTAÇÃO
Modelos de Distribuição MONITORIA DE ESTATÍSTICA E PROBABILIDADE PARA COMPUTAÇÃO Distribuições Discretas Bernoulli Binomial Geométrica Hipergeométrica Poisson ESTATÍSTICA E PROBABILIDADE PARA COMPUTAÇÃO
Leia maisAGA Análise de Dados em Astronomia I 8. Inferência Bayesiana e MCMC
1 / 1 AGA 0505- Análise de Dados em Astronomia I 8. Inferência Bayesiana e MCMC Laerte Sodré Jr. 1o. semestre, 2018 2 / 1 Inferência Bayesiana inferência bayesiana consideremos um conjunto de dados D que
Leia maisProbabilidade. Ricardo Ehlers Departamento de Matemática Aplicada e Estatística Universidade de São Paulo
Probabilidade Ricardo Ehlers ehlers@icmc.usp.br Departamento de Matemática Aplicada e Estatística Universidade de São Paulo Experimento aleatório Definição. Qualquer experimento cujo resultado não pode
Leia maisProbabilidade. Ricardo Ehlers Departamento de Matemática Aplicada e Estatística Universidade de São Paulo
Probabilidade Ricardo Ehlers ehlers@icmc.usp.br Departamento de Matemática Aplicada e Estatística Universidade de São Paulo Introdução Experimento aleatório Definição Qualquer experimento cujo resultado
Leia mais3. Probabilidade P(A) =
7 3. Probabilidade Probabilidade é uma medida numérica da plausibilidade de que um evento ocorrerá. Assim, as probabilidades podem ser usadas como medidas do grau de incerteza e podem ser expressas de
Leia maisDistribuições Amostrais e Estimação Pontual de Parâmetros
Distribuições Amostrais e Estimação Pontual de Parâmetros - parte I 2012/02 1 Introdução 2 3 4 5 Objetivos Ao final deste capítulo você deve ser capaz de: Entender estimação de parâmetros de uma distribuição
Leia maisIntrodução a Inferência Bayesiana
Introdução a Inferência Bayesiana Helio S. Migon IM and COPPE - UFRJ migon@im.ufrj.br 2006 Conteúdo 1. Conceitos Básicos da Inferência 2. Distribuição a Priori 3. Sumariazação 4. Inferência Preditiva 1
Leia maisDistribuições Amostrais e Estimação Pontual de Parâmetros
Distribuições Amostrais e Estimação Pontual de Parâmetros - parte I 19 de Maio de 2011 Introdução Objetivos Ao final deste capítulo você deve ser capaz de: Entender estimação de parâmetros de uma distribuição
Leia maisEstatística (MAD231) Turma: IGA. Período: 2017/2
Estatística (MAD231) Turma: IGA Período: 2017/2 Aula #01 de Probabilidade: 27/09/2017 1 Probabilidade: incerteza? como medir e gerenciar a Introdução Os jornais informaram que há uma chance de 60% de chover
Leia maisModelos Probabilísticos Teóricos Discretos e Contínuos. Bernoulli, Binomial, Poisson, Uniforme, Exponencial, Normal
Modelos Probabilísticos Teóricos Discretos e Contínuos Bernoulli, Binomial, Poisson, Uniforme, Exponencial, Normal Distribuição de Probabilidades A distribuição de probabilidades de uma variável aleatória:
Leia maisEstatística Aplicada II. } Revisão: Probabilidade } Propriedades da Média Amostral
Estatística Aplicada II } Revisão: Probabilidade } Propriedades da Média Amostral 1 Aula de hoje } Tópicos } Revisão: } Distribuição de probabilidade } Variáveis aleatórias } Distribuição normal } Propriedades
Leia maisTeoria das Filas aplicadas a Sistemas Computacionais. Aula 08
Teoria das Filas aplicadas a Sistemas Computacionais Aula 08 Universidade Federal do Espírito Santo - Departamento de Informática - DI Laboratório de Pesquisas em Redes Multimidia - LPRM Teoria das Filas
Leia maisEST012 - Estatística Econômica I Turma A - 1 o Semestre de 2019 Lista de Exercícios 3 - Variável aleatória
Exercício 1. Considere uma urna em que temos 4 bolas brancas e 6 bolas pretas. Vamos retirar, ao acaso, 3 bolas, uma após a outra e sem reposição. Sejam X: o número de bolas brancas e Y : o número de bolas
Leia maisDaniel Queiroz VARIÁVEIS ALEATÓRIAS DISCRETAS
Daniel Queiroz VARIÁVEIS ALEATÓRIAS DISCRETAS INTRODUÇÃO O que é uma variável aleatória? Um tipo de variável que depende do resultado aleatório de um experimento aleatório. Diz-se que um experimento é
Leia maisTécnicas computacionais em probabilidade e estatística II
Técnicas computacionais em probabilidade e estatística II Universidade de São Paulo Instituto de Matemática e Estatística http:www.ime.usp.br/ mbranco AULA 1: Problemas Computacionais em Inferência Estatística.
Leia maisDistribuição de Probabilidade. Prof.: Joni Fusinato
Distribuição de Probabilidade Prof.: Joni Fusinato joni.fusinato@ifsc.edu.br jfusinato@gmail.com Modelos de Probabilidade Utilizados para descrever fenômenos ou situações que encontramos na natureza, ou
Leia maisPRINCIPAIS DISTRIBUIÇÕES DE PROBABILIDADES
PRINCIPAIS DISTRIBUIÇÕES DE PROBABILIDADES Certas distribuições de probabilidades se encaixam em diversas situações práticas As principais são: se v.a. discreta Distribuição de Bernoulli Distribuição binomial
Leia maisCC-226 Aula 07 - Estimação de Parâmetros
CC-226 Aula 07 - Estimação de Parâmetros Carlos Henrique Q. Forster - Instituto Tecnológico de Aeronáutica 2008 Estimação de Parâmetros Para construir o classificador bayesiano, assumimos as distribuições
Leia maisModelos Bayesianos. Ernesto F. L. Amaral Magna M. Inácio
1 Modelos Bayesianos Ernesto F. L. Amaral Magna M. Inácio 09 de dezembro de 2010 Tópicos Especiais em Teoria e Análise Política: Problema de Desenho e Análise Empírica (DCP 859B4) Objetivos 2 Apresentar
Leia maisp(x) Note que 1/p(x), que não depende de θ, funciona como uma constante normalizadora
Capítulo 1 Introdução A informação que se tem sobre uma quantidade de interesse θ é fundamental na Estatística. O verdadeiro valor de θ é desconhecido e a idéia é tentar reduzir este desconhecimento. Além
Leia maisPROBABILIDADE. Curso: Logística e Transportes Disciplina: Estatística Profa. Eliane Cabariti
Curso: Logística e Transportes Disciplina: Estatística Profa. Eliane Cabariti PROBABILIDADE Dizemos que a probabilidade é uma medida da quantidade de incerteza que existe em um determinado experimento.
Leia maisVariáveis Aleatórias Discretas e Distribuição de Probabilidade
Variáveis Aleatórias Discretas e Distribuição de Probabilidades - parte II 29 de Março de 2011 Distribuição Uniforme Discreta Média Propriedade da falta de memória Objetivos Ao final deste capítulo você
Leia maisEscola Superior de Agricultura Luiz de Queiroz Universidade de São Paulo. Variáveis Aleatórias
Escola Superior de Agricultura Luiz de Queiroz Universidade de São Paulo Variáveis Aleatórias Professora Renata Alcarde Piracicaba março 2014 Renata Alcarde Estatística Geral 27 de Março de 2014 1 / 42
Leia maisProbabilidades. Ricardo Ehlers Departamento de Matemática Aplicada e Estatística Universidade de São Paulo
Probabilidades Ricardo Ehlers ehlers@icmc.usp.br Departamento de Matemática Aplicada e Estatística Universidade de São Paulo 1 / 41 Noções Básicas Os métodos estatísticos para análise de dados estão associados
Leia maisInferência Estatística
Inferência Estatística procura os argumentos estatísticos para fazer afirmações sobre as características de uma população, com base em informações dadas por amostras. Exemplo 1: observe como uma cozinheira
Leia maisLCE Introdução à Bioestatística Florestal 3. Variáveis aleatórias
LCE0216 - Introdução à Bioestatística Florestal 3. Variáveis aleatórias Profa. Dra. Clarice Garcia Borges Demétrio Monitores: Giovana Fumes e Ricardo Klein Escola Superior de Agricultura Luiz de Queiroz
Leia maisInferência Estatistica
Inferência Estatistica Ricardo Ehlers ehlers@icmc.usp.br Departamento de Matemática Aplicada e Estatística Universidade de São Paulo Modelos e Inferência Um modelo é uma simplificação da realidade (e alguns
Leia maisF (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 maisCapítulo 2. Variáveis Aleatórias e Distribuições
Capítulo 2 Variáveis Aleatórias e Distribuições Experimento Aleatório Não existe uma definição satisfatória de Experimento Aleatório. Os exemplos dados são de fenômenos para os quais modelos probabilísticos
Leia maisUma estatística é uma característica da amostra. Ou seja, se
Estatística Uma estatística é uma característica da amostra. Ou seja, se X 1,..., X n é uma amostra, T = função(x 1,..., X n é uma estatística. Exemplos X n = 1 n n i=1 X i = X 1+...+X n : a média amostral
Leia maisProbabilidade. É o conjunto de todos os possíveis resultados de um experimento aleatório.
Probabilidade Introdução O trabalho estatístico se desenvolve a partir da observação de determinados fenômenos e emprega dados numéricos relacionados aos mesmos, para tirar conclusões que permitam conhecê-los
Leia maisProbabilidades. Wagner H. Bonat Elias T. Krainski Fernando P. Mayer
Probabilidades Wagner H. Bonat Elias T. Krainski Fernando P. Mayer Universidade Federal do Paraná Departamento de Estatística Laboratório de Estatística e Geoinformação 06/03/2018 WB, EK, FM ( LEG/DEST/UFPR
Leia maisVariáveis Aleatórias - VA
Variáveis Aleatórias - VA cc ck kc kk 0 1 2 1/4 1/2 Prof. Adriano Mendonça Souza, Dr. Departamento de Estatística - PPGEMQ / PPGEP - UFSM - Introdução Se entende por VA ou V. indicadoras uma lista de valores
Leia maisIntrodução à Bioestatística
Instituto Nacional de Cardiologia March 11, 2015 1 2 3 Os primeiros estudos surgiram no século XVII Teve origem nos jogos de azar Grandes nomes da matemática desenvolveram teorias de probabilidades: Pascal
Leia maisDistribuições de Probabilidade
Distribuições de Probabilidade Carla Henriques, Nuno Bastos e Cristina Lucas Departamento de Matemática Escola Superior de Tecnologia de Viseu. Henriques, N. Bastos e C. Lucas (DepMAT) Distribuições de
Leia maisESTATÍSTICA. x(s) W Domínio. Contradomínio
Variáveis Aleatórias Variáveis Aleatórias são funções matemáticas que associam números reais aos resultados de um Espaço Amostral. Uma variável quantitativa geralmente agrega mais informação que uma qualitativa.
Leia maisFundamentos 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 maisProbabilidade e Estatística
Probabilidade e Estatística stica Prof. Dr. Narciso Gonçalves da Silva http://paginapessoal.utfpr.edu.br/ngsilva Inferência Estatística stica e Distribuições Amostrais Inferência Estatística stica O objetivo
Leia mais6- Probabilidade e amostras: A distribuição das médias amostrais
6- Probabilidade e amostras: A distribuição das médias amostrais Anteriormente estudamos como atribuir probabilidades a uma observação de alguma variável de interesse (ex: Probabilidade de um escore de
Leia maisEstatística I Aula 8. Prof.: Patricia Maria Bortolon, D. Sc.
Estatística I Aula 8 Prof.: Patricia Maria Bortolon, D. Sc. MODELOS PROBABILÍSTICOS MAIS COMUNS VARIÁVEIS ALEATÓRIAS CONTÍNUAS Lembram o que vimos sobre V.A. contínua na Aula 6? Definição: uma variável
Leia maisEstatística Bayesiana EST047
Estatística Bayesiana EST047 Michel Helcias Montoril Instituto de Ciências Exatas Universidade Federal de Juiz de Fora Conceitos iniciais; Distribuições condicionais Conceitos iniciais Questão Como incorporar
Leia maisINTRODUÇÃO À PROBABILIDADE
INTRODUÇÃO À PROBABILIDADE Análise e Elaboração de Projetos Apresentação Prof Dr Isnard Martins Conteúdo: Profº Dr Carlos Alberto (Caio) Dantas Profº Dr Luiz Renato G. Fontes Prof Dr Victor Hugo Lachos
Leia maisEstatística e Modelos Probabilísticos - COE241
Estatística e Modelos Probabilísticos - COE241 Aula passada Probabilidade Análise Combinatória Independência de eventos Aula de hoje Independência de eventos Prob. Condicional Teorema da Probabilidade
Leia maisTeoria 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 maisProbabilidade Aula 04
0303200 Probabilidade Aula 04 Magno T. M. Silva Escola Politécnica da USP Março de 2017 A maior parte dos exemplos dessa aula foram extraídos de Jay L. Devore, Probabilidade e Estatística para engenharia
Leia maisVARIÁVEL ALEATÓRIA e DISTRIBUIÇÃO BINOMIAL
VARIÁVEL ALEATÓRIA e DISTRIBUIÇÃO BINOMIAL Variável Aleatória Uma função X que associa a cada elemento ω do espaço amostral Ω um valor x R é denominada uma variável aleatória. A variável aleatória pode
Leia maisEscola Superior de Agricultura Luiz de Queiroz Universidade de São Paulo. Variáveis Aleatórias
Escola Superior de Agricultura Luiz de Queiroz Universidade de São Paulo Variáveis Aleatórias Professora Renata Alcarde Sermarini Piracicaba Abril 2016 Renata Alcarde Sermarini Estatística Geral 27 de
Leia mais3. Considere uma amostra aleatória de tamanho 7 de uma normal com média 18. Sejam X e S 2, a média e a variância amostral, respectivamente.
1 Universidade de São Paulo Escola Superior de Agricultura Luiz de Queiroz Departamento de Ciências Exatas Professores: Clarice Demétrio, Roseli Leandro e Mauricio Mota Lista 3- Distribuições Amostrais-
Leia maisPRINCIPAIS DISTRIBUIÇÕES DISCRETAS DE PROBABILIDADE
PRINCIPAIS DISTRIBUIÇÕES DISCRETAS DE PROBABILIDADE 3.1 INTRODUÇÃO Muitas variáveis aleatórias associadas a experimentos aleatórios têm propriedades similares e, portanto, podem ser descritas através de
Leia maisUniversidade de São Paulo Instituto de Ciências Matemáticas e de Computação
Universidade de São Paulo Instituto de Ciências Matemáticas e de Computação Francisco A. Rodrigues Departamento de Matemática Aplicada e Estatística - SME Objetivo Dada M classes ω 1, ω 2,..., ω M e um
Leia maisRevisão de Probabilidade
05 Mat074 Estatística Computacional Revisão de Probabilidade Prof. Lorí Viali, Dr. viali@mat.ufrgs.br http://www.ufrgs.br/~viali/ Determinístico Sistema Real Causas Efeito Probabilístico X Causas Efeito
Leia maisEscola Superior de Agricultura "Luiz de Queiroz", Departamento de Ciências Exatas. Probabilidades. Cristian Villegas
Probabilidades Cristian Villegas clobos@usp.br Setembro de 2013 Apostila de Estatística (Cristian Villegas) 1 Introdução Escola Superior de Agricultura "Luiz de Queiroz", Departamento de Ciências Exatas
Leia maisPrincipais distribuições discretas Distribuição de Bernoulli sucesso fracasso X = 1, se sucesso X = 0, se fracasso P(X) TOTAL 1 Exemplo 5:
Principais distribuições discretas Na prática, sempre se procura associar um fenômeno aleatório a ser estudado, a uma forma já conhecida de distribuição de probabilidade (distribuição teórica) e, a partir
Leia maisALGUNS MODELOS DE VARIÁVEIS ALEATÓRIAS UNIDIMENSIONAIS. Prof.: Idemauro Antonio Rodrigues de Lara
1 ALGUNS MODELOS DE VARIÁVEIS ALEATÓRIAS UNIDIMENSIONAIS Prof.: Idemauro Antonio Rodrigues de Lara 2 Modelos de variáveis aleatórias discretas 1. Distribuição Uniforme Discreta 2. Distribuição Binomial
Leia maisMA12 - Unidade 17 Probabilidade
MA12 - Unidade 17 Probabilidade Paulo Cezar Pinto Carvalho PROFMAT - SBM 17 de Maio de 2013 Teoria da Probabilidade Teoria da Probabilidade: modelo matemático para incerteza. Objeto de estudo: experimentos
Leia maisMatemática Financeira e Estatística
Matemática Financeira e Estatística Professor Guilherme Neves www.pontodosconcursos.com.br www.pontodosconcursos.com.br Professor Guilherme Neves 1 21. (AFTE-SEFIN-RO 2018/FGV) A taxa efetiva trimestral,
Leia maisa) 9,1% b) 98,9% c) 3,3%
1 de 5 - Probabilidade Básica - 1. (1.0 Ponto) No lançamento de um dado duas vezes consecutivas, responda: a) qual a probabilidade da soma dos resultados dos dois dados ser par e primo? b) qual a probabilidade
Leia maisProbabilidade e Estatística
Probabilidade e Estatística Aula 5 Probabilidade: Distribuições de Discretas Parte 1 Leitura obrigatória: Devore, 3.1, 3.2 e 3.3 Chap 5-1 Objetivos Nesta parte, vamos aprender: Como representar a distribuição
Leia maisApontamentos de Introdução às Probabilidades e à Estatística
i Índice 1. Introdução 1 1.1. Enquadramento e objectivos 2 1.2. Organização 5 1.3. Noções base da Estatística 7 1.3.1. Distinção entre população e amostra 8 1.3.2. Amostragem 10 1.3.3. Unidade estatística
Leia maisa) o time ganhe 25 jogos ou mais; b) o time ganhe mais jogos contra times da classe A do que da classe B.
Universidade de Brasília Departamento de Estatística 5 a Lista de PE. Um time de basquete irá jogar uma temporada de 44 jogos. desses jogos serão disputados contra times da classe A e os 8 restantes contra
Leia maisFACULDADE DE TECNOLOGIA DE GUARATINGUETÁ
FACULDADE DE TECNOLOGIA DE GUARATINGUETÁ ESTATÍSTICA II Nota de aula 1 Prof. MSc. Herivelto T Marcondes dos Santos Fevereiro /2009 1 Modelos de probabilidade 1.1 Variável aleatória Definição: Sejam ε um
Leia maisDistribuições de Probabilidade
Distribuições de Probabilidade 7 6 5 4 3 2 1 0 Normal 1 2 3 4 5 6 7 8 9 10 11 Exemplos: Temperatura do ar 20 18 16 14 12 10 8 6 4 2 0 Assimetrica Positiva 1 2 3 4 5 6 7 8 9 10 11 Exemplos: Precipitação
Leia maisAula de hoje. administração. São Paulo: Ática, 2007, Cap. 3. ! Tópicos. ! Referências. ! Distribuição de probabilidades! Variáveis aleatórias
Aula de hoje! Tópicos! Distribuição de probabilidades! Variáveis aleatórias! Variáveis discretas! Variáveis contínuas! Distribuição binomial! Distribuição normal! Referências! Barrow, M. Estatística para
Leia mais2. INTRODUÇÃO À PROBABILIDADE
2. INTRODUÇÃO À PROBABILIDADE 2019 Conceitos básicos Experimento aleatório ou fenômeno aleatório Situações ou acontecimentos cujos resultados não podem ser previstos com certeza. Um experimento ou fenônemo
Leia maisInferência Estatística
Inferência Estatística procura os argumentos estatísticos para fazer afirmações sobre as características de uma população, com base em informações dadas por amostras. Exemplo 1: observe como uma cozinheira
Leia maisMEEMF-2010 Aula 01. Noções de inferência estatística: Diferença entre máxima verossimilhança e abordagem bayesiana
MEEMF-2010 Aula 01 Noções de inferência estatística: Diferença entre máxima verossimilhança e abordagem bayesiana O que é inferência estatística? Inferência estatística é o importante ramo da Estatística
Leia maisProfessora Ana Hermínia Andrade. Período
Distribuições de probabilidade Professora Ana Hermínia Andrade Universidade Federal do Amazonas Faculdade de Estudos Sociais Departamento de Economia e Análise Período 2016.2 Modelos de distribuição Para
Leia maisLista de Exercícios #2 Assunto: Variáveis Aleatórias Discretas
1. ANPEC 2018 Questão 3 Considere um indivíduo procurando emprego. Para cada entrevista de emprego (X) esse indivíduo tem um custo linear (C) de 10,00 Reais. Suponha que a probabilidade de sucesso em uma
Leia maisEST029 Cálculo de Probabilidade I Cap. 4: Variáveis Aleatórias Unidimensionais
EST029 Cálculo de Probabilidade I Cap. 4: Variáveis Aleatórias Unidimensionais Prof. Clécio da Silva Ferreira Depto Estatística - UFJF Introdução Considere o experimento: Lançamento de uma moeda. Resultados
Leia maisAULA 15 - Distribuição de Bernoulli e Binomial
AULA 15 - Distribuição de Bernoulli e Binomial Susan Schommer Introdução à Estatística Econômica - IE/UFRJ Variável Aleatória de Bernoulli Podemos dizer que as variáveis aleatórias mais simples entre as
Leia maisProbabilidade e Estatística
Probabilidade e Estatística Aula 7 Distribuição da Média Amostral Leitura obrigatória: Devore: Seções 5.3, 5.4 e 5.5 Chap 8-1 Inferência Estatística Na próxima aula vamos começar a parte de inferência
Leia maisClassificadores. André Tavares da Silva.
Classificadores André Tavares da Silva andre.silva@udesc.br Reconhecimento de padrões (etapas) Obtenção dos dados (imagens, vídeos, sinais) Pré-processamento Segmentação Extração de características Obs.:
Leia maisAnálise Bayesiana de Dados - Aplicações 1 -
Análise Bayesiana de Dados - Aplicações 1 - Márcia D Elia Branco Universidade de São Paulo Instituto de Matemática e Estatística www.ime.usp.br/ mbranco - sala 295-A - Aplicações da IB : Pressão sistólica
Leia maisObjetivos. Frequência Relativa X Probabilidade. Probabilidade. 1. Definições: Experimento Espaço Amostral Evento Probabilidade
Magnos Martinello Universidade Federal do Espírito Santo - UFES Departamento de Informática DI Laboratório de Pesquisas em Redes Multimidia LPRM Objetivos 1. Definições: Experimento Espaço Amostral Evento
Leia maisEstatística Descritiva e Exploratória
Gledson Luiz Picharski e Wanderson Rodrigo Rocha 9 de Maio de 2008 Estatística Descritiva e exploratória 1 Váriaveis Aleatórias Discretas 2 Variáveis bidimensionais 3 Váriaveis Aleatórias Continuas Introdução
Leia maisProbabilidade e Estatística. stica. Prof. Dr. Narciso Gonçalves da Silva pessoal.utfpr.edu.
Probabilidade e Estatística stica Prof. Dr. Narciso Gonçalves da Silva http://paginapessoal.utfpr.edu.br/ngsilva pessoal.utfpr.edu.br/ngsilva Distribuição Uniforme Uma variável aleatória contínua X está
Leia maisCálculo das Probabilidades e Estatística I
Cálculo das Probabilidades e Estatística I Prof a. Juliana Freitas Pires Departamento de Estatística Universidade Federal da Paraíba - UFPB juliana@de.ufpb.br Modelos de distribuição Para utilizar a teoria
Leia maisProbabilidade e Estatística
Probabilidade e Estatística Distribuições Discretas de Probabilidade Prof. Narciso Gonçalves da Silva www.pessoal.utfpr.edu.br/ngsilva Introdução Distribuições Discretas de Probabilidade Muitas variáveis
Leia maisVARIÁVEIS ALEATÓRIAS
UNIVERSIDADE FEDERAL DE JUIZ DE FORA INSTITUTO DE CIÊNCIAS EXATAS DEPARTAMENTO DE ESTATÍSTICA VARIÁVEIS ALEATÓRIAS Joaquim H Vianna Neto Relatório Técnico RTE-03/013 Relatório Técnico Série Ensino Variáveis
Leia maisIntrodução ao Planejamento e Análise Estatística de Experimentos 1º Semestre de 2013 Capítulo 3 Introdução à Probabilidade e à Inferência Estatística
Introdução ao Planejamento e Análise Estatística de Experimentos Capítulo 3 Introdução à Probabilidade e à Inferência Estatística Introdução ao Planejamento e Análise Estatística de Experimentos Agora,
Leia maisAproximação da binomial pela normal
Aproximação da binomial pela normal 1 Objetivo Verificar como a distribuição normal pode ser utilizada para calcular, de forma aproximada, probabilidades associadas a uma variável aleatória com distribuição
Leia maisAULA 16 - Distribuição de Poisson e Geométrica
AULA 16 - Distribuição de Poisson e Geométrica Susan Schommer Introdução à Estatística Econômica - IE/UFRJ Distribuição de Poisson Em muitas situações nos deparamos com a situação em que o número de ensaios
Leia maisVARIÁVEIS ALEATÓRIAS e DISTRIBUIÇÃO BINOMIAL
VARIÁVEIS ALEATÓRIAS e DISTRIBUIÇÃO BINOMIAL 1 Variável Aleatória Uma função X que associa a cada elemento w do espaço amostral W um valor x R é denominada uma variável aleatória. Experimento: jogar 1
Leia maisMais sobre Modelos Continuos
Mais sobre Modelos Continuos Ricardo Ehlers ehlers@icmc.usp.br Departamento de Matemática Aplicada e Estatística Universidade de São Paulo 1 / 41 Transformação Linear da Uniforme Seja X uma variável aleatória
Leia maisVARIÁVEL ALEATÓRIA e DISTRIBUIÇÃO BINOMIAL
VARIÁVEL ALEATÓRIA e DISTRIBUIÇÃO BINOMIAL 1 Variável Aleatória Uma função X que associa a cada elemento w do espaço amostral W um valor x R é denominada uma variável aleatória. Experimento: jogar 1 dado
Leia maisProbabilidade. Variáveis Aleatórias Distribuição de Probabilidade
Probabilidade Variáveis Aleatórias Distribuição de Probabilidade Variáveis Aleatórias Variável Aleatória Indica o valor correspondente ao resultado de um experimento A palavra aleatória indica que, em
Leia maisRevisão de Probabilidade
Revisão de Probabilidade Magnos Martinello Universidade Federal do Espírito Santo - UFES Departamento de Informática DI Laboratório de Pesquisas em Redes Multimidia LPRM Motivação Em qualquer modelo realístico
Leia maisDistribuição de Probabilidade. Prof. Ademilson
Distribuição de Probabilidade Prof. Ademilson Distribuição de Probabilidade Em Estatística, uma distribuição de probabilidade descreve a chance que uma variável pode assumir ao longo de um espaço de valores.
Leia maisAproximação da binomial pela normal
Aproximação da binomial pela normal 1 Objetivo Verificar como a distribuição normal pode ser utilizada para calcular, de forma aproximada, probabilidades associadas a uma variável aleatória com distribuição
Leia maisVariáveis Aleatórias Discretas
Variáveis Aleatórias Discretas Ricardo Ehlers ehlers@icmc.usp.br Departamento de Matemática Aplicada e Estatística Universidade de São Paulo Introdução Definição Uma variável aleatória é uma função definida
Leia maisAGA Análise de Dados em Astronomia I. 2. Probabilidades
1 / 26 1. Introdução AGA 0505 - Análise de Dados em Astronomia I 2. Probabilidades Laerte Sodré Jr. 1o. semestre, 2019 2 / 26 aula de hoje: 1 o que são 2 distribuições de 3 a distribuição normal ou gaussiana
Leia maisInfluencia de Distribuições a priori na Analise Bayesiana em dados de contagem
Influencia de Distribuições a priori na Analise Bayesiana em dados de contagem Olinda Fátima dos Santos 1 Carla Regina Guimarães Brighenti 1 1-Introdução A utilização de informação a priori em inferência
Leia maisO teorema de Bayes é uma igualdade simples que vem da afirmação de que prob(a e B) = prob(b e A): prob(a B) prob(b) prob(a)
O teorema de Bayes O teorema de Bayes é uma igualdade simples que vem da afirmação de que prob(a e B) = prob(b e A): prob(b A) = no qual o denominador é a probabilidade total. prob(a B) prob(b), (4) prob(a)
Leia maisMétodos Quantitativos para Ciência da Computação Experimental. Jussara Almeida DCC-UFMG 2013
Métodos Quantitativos para Ciência da Computação Experimental Jussara Almeida DCC-UFMG 2013 Revisão de Probabilidade e Estatística Concentrado em estatística aplicada Estatística apropriada para medições
Leia maisPROBABILIDADE RESUMO E EXERCÍCIOS* P1
PROBABILIDADE RESUMO E EXERCÍCIOS* P1 *Exercícios de provas anteriores escolhidos para você estar preparado para qualquer questão na prova. Resoluções grátis em Conceitos e Fundamentos Estudamos probabilidade
Leia mais12 Distribuições de Probabilidades
12 Distribuições de Probabilidades 12.1 Introdução Neste capítulo vamos dar continuidade ao estudo de probabilidades, introduzindo os conceitos de variáveis aleatórias e de distribuições de probabilidade.
Leia maisProbabilidades. Departamento de Matemática Escola Superior de Tecnologia de Viseu. Gestão de Empresas Contabilidade e Administração
Probabilidades Departamento de Matemática Escola Superior de Tecnologia de Viseu Gestão de Empresas Contabilidade e Administração Introdução Ao comprar acções, um investidor sabe que o ganho que vai obter
Leia maisUFPE, 2-o semestre de ET-622 Elementos de Estatística para o curso de Biblioteconomia Professor André Toom. Ementa
[1] Avisos: UFPE, 2-o semestre de 2011. ET-622 Elementos de Estatística para o curso de Biblioteconomia Professor André Toom Ementa Notações: v.a. - variável aleatória, E - esperança matemática, o mesmo
Leia mais