A estacionariedade prova-se de maneira semel- hante.
|
|
- Jorge Duarte Domingos
- 6 Há anos
- Visualizações:
Transcrição
1 Se por outro lado (U 1, U 2,...) é IID então mostremos que X n U U n tem incrementos independentes e estacionários. De facto, dados n > m temos que X n X m U m U n. Tome-se quaisquer n 1 < n 2 < < n k. Uma vez que U 1, U 2,... são IID segue que os incrementos X n2 X n1, X n3 X n2,..., X nk X nk 1 A estacionariedade prova-se de maneira semel- são independentes. hante. Num processo estacionário {X t : t T } com incrementos independentes e estacionários, se sabemos a função de densidade de probabilidade de X t para todo t T então podemos determinar a função de densidade conjunta f t1,...,t n de qualquer vector aleatório (X t1,..., X tn ). Proposição Seja X {X t : t T } um processo estacionário com incrementos independentes e estacionários tal que X 0 0 e X t tem função densidade de probabilidade f t para todo t T. Se t i T, i 1,..., n, tal que então 0 < t 1 < t 2 < < t n f t1,t 2,...,t n (x 1, x 2,..., x n ) f t1 (x 1 )f t2 t 1 (x 2 x 1 ) f tn t n 1 (x n x n 1 ). Demonstração. Seja U 1 X t1 e U i X ti X ti 1 para i 2,..., n. Então (X t1, X t2,..., X tn ) (U 1, U 1 + U 2,..., U 1 + U U n ). Segue de o processo ter incrementos estacionários e independentes que as variáveis aleatórias U 1, U 2,..., U n são independentes e têm funções de densidade marginais f t1, f t2 t 1..., f tn t n 1. Logo, f U1,...,U n (x 1,..., x n ) f t1 (x 1 )f t2 t 1 (x 2 ) f tn t n 1 (x n ). Seja X (X t1, X t2,..., X tn ), U (U 1,..., U 2 ) e considere a função h : R n R n definida por h(x 1,..., x n ) (x 1, x 1 + x 2,..., x 1 + x x n ). 81
2 Segue do teorema da mudança de variável que, g dp X g h dp U R n R n g h f U dm n R n g(x 1, x 1 + x 2,..., x x n )f U (x 1,..., x n ) dm n R n g(x 1,..., x n )f U (x 1, x 2 x 1,..., x n x n 1 ) dm n R n Como a função g é arbitrária concluímos que dp X dm n (x 1,..., x n ) f U (x 1, x 2 x 1,..., x n x n 1 ). Proposição Seja X {X t : t T } um processo estocástico com incrementos independentes e estacionários tal que X 0 0 e E(X 2 t ) < para todo t T. Então existem constantes µ R e σ 0 tal que 1. E(X t ) µt para t T. 2. Cov(X s, X t ) σ 2 min {s, t} para todo t, s T 2. Demonstração. 1. Define-se a função g(t) E(X t ). Note-se que dados t, s T tal que t + s T, as variáveis aleatórias X t+s X s e X t X 0 são identicamente distribuídas. Logo, g(t + s) E(X t+s ) E(X t+s X s + X s ) E(X t+s X s ) + E(X s ) E(X t X 0 ) + E(X s ) E(X t ) + E(X s ) g(t) + g(s). Portanto, g é uma função aditiva. É possível provar que as únicas funções aditivas e limitadas em intervalos limitados são as funções lineares g(t) µt para algum µ R (ver [1]). Logo, E(X t ) µt. 2. Demonstração análoga à anterior. Exercício 54. Seja X {X t : t T } um processo estocástico com incrementos independentes e estacionários tal que X 0 0 e E(X 2 t ) < para todo t T. Mostre que existe uma constante positiva σ tal que Var(X t X s ) σ 2 t s. 82
3 6.4 Processo de Markov Um processo de Markov é um processo estocástico em que o futuro é independente do passado quando se conhece o presente. Definição Um processo estocástico X {X t : t T } é um processo de Markov se satisfizer a propriedade de Markov, P (X t B X t1,..., X tn ) P (X t B X tn ), sempre que t 1 < t 2 < < t n < t T e para todo o Boreliano B de R. Observação Note-se que P (X B Y ) P (X 1 (B) σ(y )) é a probabilidade condicionada do acontecimento {X B} dado a informação de Y, como foi definida anteriormente. Exemplo 6.13 (Passeio aleatório é um processo de Markov). Considerese o passeio aleatório S n X X n, onde X 1, X 2,... são variáveis aleatórias IID tais que X i { 1, 1}. Uma vez que S n+1 S n + X n+1, onde X n+1 é independente de S i, i 1,..., n temos que P (S n+1 s S 1 s 1,..., S n s n ) P (S n + X n+1 s S 1 s 1,..., S n s n ) Por outro lado, Logo, P (X n+1 s s n S 1 s 1,..., S n s n ) P (X n+1 s s n ). P (S n+1 s S n s n ) P (S n + X n+1 s S n s n ) P (X n+1 s s n S n s n ) P (X n+1 s s n ). P (S n+1 s S 1 s 1,..., S n s n ) P (S n+1 s S n s n ) de onde se pode verificar com facilidade a propriedade de Markov. Generalizando o exemplo anterior obtem-se o seguinte resultado. Proposição Um processo estocástico X {X t : t T } de incrementos independentes com T [0, [ ou T {0, 1, 2,...} é um processo de Markov. 83
4 Demonstração. Deixa-se como exercício. Exemplo No entanto existem processos não Markovianos, como é o caso do processo autoregressivo de ordem 2, designado por AR(2), Y n a 1 Y n 1 + a 2 Y n 2 + X n, onde X n é uma sucessão de variáveis IID. Quando o conjunto de estados do processo de Markov X é finito ou numerável então diz-se que X é uma cadeia de Markov. Note-se que dependendo da natureza do conjunto dos parâmetros, uma cadeia de Markov pode ser a tempo discreto ou contínuo. Quando o conjunto de estados e dos parâmetros é um intervalo diz-se que X é um processo de difusão. 6.5 Processo de Wiener O processo de Wiener é um processo de difusão usado para modelar o movimento Browniano, isto é, o movimento descrito por uma partícula imersa num líquido quando esta colide com as moléculas do líquido. O processo de Wiener é também amplamente utilizado em matemática financeira. Definição Um processo estocástico a tempo contínuo W {W t : t [0, [} diz-se um processo de Wiener sse: 1. W 0 0, P -q.c. 2. as trajectórias t W t são contínuas P -q.c. 3. para quaisquer 0 < t 1 < < t n o vector aleatório (W t1,..., W tn ) tem função de densidade conjunta, f t1,...,t n (x 1,..., x n ) p t1 (x 1 )p t2 t 1 (x 2 x 1 ) p tn t n 1 (x n x n 1 ), onde p t (x) 1 2πt e x2 2t, é a função de densidade da distribuição Gaussiana. Exercício 55. Mostre que a função de densidade de W t é f t (x) 1 2πt e x2 2t, e calcule E(W t ) e Var(W t ). 84
5 Proposição Para quaisquer 0 s < t o incremento W t W s tem distribuição normal com valor esperado 0 e variância t s. Demonstração. Segue da terceira condição da definição do processo de Wiener que a função de densidade conjunta de (W s, W t ) é Logo, Logo, P (W t W s z) f s,t (x, y) p s (x)p t s (y x). {y x z} + z+x z + z p s (x)p t s (y x) dxdy p t s (y) dy 1 f t s (y) e 2π(t s) p s (x)p t s (y x) dydx p s (x)p t s (y) dxdy y2 2(t s) Proposição Um processo de Wiener tem incrementos independentes. Demonstração. Para quaisquer 0 < t 1 < t 2 < < t n queremos mostrar que os incrementos, W t1 W 0, W t2 W t1,..., W tn W tn 1 são independentes. É possível demonstrar que se X 1,..., X n são variáveis aleatórias que seguem uma distribuição normal então são independentes sse não são correlacionadas, ou seja, Cov(X i, X j ) 0 para todo i j. Portanto, como o valor esperado dos incrementos é nulo, é suficiente mostrar que, E [(W u W t )(W s W r )] 0, t u r s. Mas para s t temos que, E(W s W t ) xp s (x) xyp s (x)p t s (y x) dxdy ( + x 2 p s (x) dx s. 85 ) yp t s (y x) dy dx
6 Logo, E [(W u W t )(W s W r )] E(W u W s ) E(W u W r ) E(W t W s ) + E(W t W r ) u u t + t 0 Segue das proposições anteriores que, Corolário Um processo de Wiener tem incrementos independentes e estacionários. Exercício 56. Mostre que um processo de Wiener é estacionário em média, mas não tem covariâncias estacionárias. Referências [1] Robert B. Ash, Catherine A. Doléans-Dade, Probability and Measure Theory. Academic Press 2nd Edition, [2] Daniel Müller, Probabilidade e processos estocásticos: uma abordagem rigorosa com vista aos modelos em finanças. Coimbra, Almedina,
Recorrendo à nossa imaginação podemos tentar escrever números racionais de modo semelhante: 1 2 = 1 + 3 + 32 +
1 Introdução Comecemos esta discussão fixando um número primo p. Dado um número natural m podemos escrevê-lo, de forma única, na base p. Por exemplo, se m = 15 e p = 3 temos m = 0 + 2 3 + 3 2. Podemos
Leia mais1.1 Exemplo da diferença da média da população para a média amostral.
1 Estatística e Probabilidades Inferência Estatística consiste na generalização das informações a respeito de uma amostra, para a sua população. A Probabilidade considera modelos para estimar informações
Leia maisEntropia, Entropia Relativa
Entropia, Entropia Relativa e Informação Mútua Miguel Barão (mjsb@di.uevora.pt) Departamento de Informática Universidade de Évora 13 de Março de 2003 1 Introdução Suponhamos que uma fonte gera símbolos
Leia maisTeste de hipótese em modelos normais lineares: ANOVA
Teste de hipótese em modelos normais lineares: ANOVA Prof Caio Azevedo Prof Caio Azevedo Exemplo 1 No primeiro modelo, o interesse primário, de certa forma, é testar se a carga não contribui para explicar
Leia mais4.4 Limite e continuidade
4.4 Limite e continuidade Noções Topológicas em R : Dados dois pontos quaisquer (x 1, y 1 ) e (x, y ) de R indicaremos a distância entre eles por då(x 1, y 1 ), (x, y )è=(x 1 x ) + (y 1 y ). Definição
Leia maisDISTRIBUIÇÕES ESPECIAIS DE PROBABILIDADE DISCRETAS
VARIÁVEIS ALEATÓRIAS E DISTRIBUIÇÕES DE PROBABILIDADES 1 1. VARIÁVEIS ALEATÓRIAS Muitas situações cotidianas podem ser usadas como experimento que dão resultados correspondentes a algum valor, e tais situações
Leia maisISEG - 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 maisOptimização e Algoritmos (2004/2005)
Optimização e Algoritmos (2004/2005) Instituto Superior Técnico Engenharia Electrotécnica e de Computadores Série de Problemas 3 Regras de Armijo e Wolfe, Introdução às funções convexas Problema 1.[Regras
Leia maisMódulo de Equações do Segundo Grau. Equações do Segundo Grau: Resultados Básicos. Nono Ano
Módulo de Equações do Segundo Grau Equações do Segundo Grau: Resultados Básicos. Nono Ano Equações do o grau: Resultados Básicos. 1 Exercícios Introdutórios Exercício 1. A equação ax + bx + c = 0, com
Leia maisFigura 4.1: Diagrama de representação de uma função de 2 variáveis
1 4.1 Funções de 2 Variáveis Em Cálculo I trabalhamos com funções de uma variável y = f(x). Agora trabalharemos com funções de várias variáveis. Estas funções aparecem naturalmente na natureza, na economia
Leia maisAV1 - MA 14-2011. (1,0) (a) Determine o maior número natural que divide todos os produtos de três números naturais consecutivos.
Questão 1 (1,0) (a) Determine o maior número natural que divide todos os rodutos de três números naturais consecutivos (1,0) (b) Resonda à mesma questão no caso do roduto de quatro números naturais consecutivos
Leia maisUniversidade Estadual de Campinas Departamento de Matemática. Teorema de Jacobson. Adriana Wagner(RA: 144768) Gustavo Terra Bastos(RA: 143800)
Universidade Estadual de Campinas Departamento de Matemática Teorema de Jacobson Adriana Wagner(RA: 144768) Gustavo Terra Bastos(RA: 143800) Campinas - SP 2013 1 Resumo Nesta monografia apresentamos a
Leia maisLei de Gauss. 2.1 Fluxo Elétrico. O fluxo Φ E de um campo vetorial E constante perpendicular Φ E = EA (2.1)
Capítulo 2 Lei de Gauss 2.1 Fluxo Elétrico O fluxo Φ E de um campo vetorial E constante perpendicular a uma superfície é definido como Φ E = E (2.1) Fluxo mede o quanto o campo atravessa a superfície.
Leia maisUniversidade Federal de Goiás Campus Catalão Departamento de Matemática
Universidade Federal de Goiás Campus Catalão Departamento de Matemática Disciplina: Álgebra Linear Professor: André Luiz Galdino Aluno(a): 4 a Lista de Exercícios 1. Podemos entender transformações lineares
Leia maisProcessos Estocásticos
Processos Estocásticos Hélio Lopes INF2035 - Introdução à Simulação Estocástica 1 Introdução Um processo estocástico é uma família de variáveis aleatórias {X(t), t T } definidas em um espaço de probabilidade,
Leia maisCap. II EVENTOS MUTUAMENTE EXCLUSIVOS E EVENTOS NÃO- EXCLUSIVOS
Cap. II EVENTOS MUTUAMENTE EXCLUSIVOS E EVENTOS NÃO- EXCLUSIVOS Dois ou mais eventos são mutuamente exclusivos, ou disjuntos, se os mesmos não podem ocorrer simultaneamente. Isto é, a ocorrência de um
Leia maisModelos de Probabilidade e Inferência Estatística
Modelos de Probabilidade e Inferência Estatística Departamento de Estatística Universidade Federal da Paraíba Prof. Tarciana Liberal (UFPB) Aula Distribuições Qui-quadrado, t-student e F de Snedecor 04/14
Leia maisUNIVERSIDADE FEDERAL DO ESPÍRITO SANTO PROGRAMA DE EDUCAÇÃO TUTORIAL - MATEMÁTICA PROJETO FUNDAMENTOS DE MATEMÁTICA ELEMENTAR
UNIVERSIDADE FEDERAL DO ESPÍRITO SANTO PROGRAMA DE EDUCAÇÃO TUTORIAL - MATEMÁTICA PROJETO FUNDAMENTOS DE MATEMÁTICA ELEMENTAR Assuntos: Produtos Notáveis; Equações; Inequações; Função; Função Afim; Paridade;
Leia maisAlguns exercícios amais para vocês (as resoluções dos exercícios anteriores começam na próxima pagina):
Alguns exercícios amais para vocês (as resoluções dos exercícios anteriores começam na próxima pagina): Seja A um domínio. Mostre que se A[X] é Euclidiano então A é um corpo (considere o ideal (a, X) onde
Leia maisVariáveis Aleatórias Contínuas
Variáveis aleatórias contínuas: vamos considerar agora uma lista de quantidades as quais não é possível associar uma tabela de probabilidades pontuais ou frequências tempo de duração de uma chamada telefônica
Leia maisAvaliação e Desempenho Aula 1 - Simulação
Avaliação e Desempenho Aula 1 - Simulação Introdução à simulação Geração de números aleatórios Lei dos grandes números Geração de variáveis aleatórias O Ciclo de Modelagem Sistema real Criação do Modelo
Leia maisProbabilidade III. Ulisses U. dos Anjos. Departamento de Estatística Universidade Federal da Paraíba. Período 2014.1
Probabilidade III Ulisses U. dos Anjos Departamento de Estatística Universidade Federal da Paraíba Período 2014.1 Ulisses Umbelino (DE-UFPB) Probabilidade III Período 2014.1 1 / 42 Sumário 1 Apresentação
Leia maisAula de Exercícios - Teorema de Bayes
Aula de Exercícios - Teorema de Bayes Organização: Rafael Tovar Digitação: Guilherme Ludwig Primeiro Exemplo - Estagiários Três pessoas serão selecionadas aleatóriamente de um grupo de dez estagiários
Leia maisPolos Olímpicos de Treinamento. Aula 1. Curso de Teoria dos Números - Nível 3. Divisibilidade 1. Carlos Gustavo Moreira e Samuel Barbosa Feitosa
Polos Olímpicos de Treinamento Curso de Teoria dos Números - Nível 3 Carlos Gustavo Moreira e Samuel Barbosa Aula 1 Divisibilidade 1 Teorema 1. (Algoritmo da Divisão) Para quaisquer inteiros positivos
Leia maisDuas aplicações da Topologia à Álgebra Linear. 1 Quando são duas matrizes semelhantes?
Duas aplicações da Topologia à Álgebra Linear José Carlos Santos Departamento de Matemática Faculdade de Ciências da Universidade do Porto e-mail: jcsantos@fc.up.pt Resumo: Este artigo contém duas aplicações
Leia maisLógica e Raciocínio. Decisão sob Risco Utilidade. Universidade da Madeira. http://dme.uma.pt/edu/ler/
Lógica e Raciocínio Universidade da Madeira http://dme.uma.pt/edu/ler/ Decisão sob Risco Utilidade 1 Valor Monetário Esperado Assumamos que sempre podemos medir o valor das consequencias em termos monetarios
Leia maisConceitos Básicos de Estatística Aula 2
Conceitos Básicos de Estatística Aula 2 ISCTE - IUL, Mestrados de Continuidade Diana Aldea Mendes diana.mendes@iscte.pt 13 de Setembro de 2011 DMQ, ISCTE-IUL (diana.mendes@iscte.pt) Estatística 13 de Setembro
Leia maisDefinição 1.1. Uma função φ real definida sobre um intervalo aberto ]a, b[ de R, diz-se convexa se x, y ]a, b[, e0 γ 1,
ESPAÇOSDEFUNÇÕES INTEGRÁVEIS-L p 1. Funções convexas e desigualdades Definição 1.1. Uma função φ real definida sobre um intervalo aberto ]a, b[ de R, diz-se convexa se x, y ]a, b[, e0 γ 1, φ((1 γ)x + γy)
Leia maisExp e Log. Roberto Imbuzeiro Oliveira. 21 de Fevereiro de 2014. 1 O que vamos ver 1. 2 Fatos preliminares sobre espaços métricos 2
Funções contínuas, equações diferenciais ordinárias, Exp e Log Roberto Imbuzeiro Oliveira 21 de Fevereiro de 214 Conteúdo 1 O que vamos ver 1 2 Fatos preliminares sobre espaços métricos 2 3 Existência
Leia maisInversão de Matrizes
Inversão de Matrizes Prof. Márcio Nascimento Universidade Estadual Vale do Acaraú Centro de Ciências Exatas e Tecnologia Curso de Licenciatura em Matemática Disciplina: Álgebra Matricial - 2014.2 13 de
Leia maisUnidade 3 Função Afim
Unidade 3 Função Afim Definição Gráfico da Função Afim Tipos Especiais de Função Afim Valor e zero da Função Afim Gráfico definidos por uma ou mais sentenças Definição C ( x) = 10. x + Custo fixo 200 Custo
Leia maisUniversidade de Aveiro Departamento de Matemática, 2010. Natalina. Processos de Difusão. Uma aplicação nos Seguros Sousa Silva
Universidade de Aveiro Departamento de Matemática, 21 Natalina Processos de Difusão. Uma aplicação nos Seguros Sousa Silva Universidade de Aveiro Departamento de Matemática, 21 Natalina Processos de Difusão.
Leia maisProf. Daniela Barreiro Claro
O volume de dados está crescendo sem parar Gigabytes, Petabytes, etc. Dificuldade na descoberta do conhecimento Dados disponíveis x Análise dos Dados Dados disponíveis Analisar e compreender os dados 2
Leia mais3 Modelos de Simulação
43 3 Modelos de Simulação 3.1 Simulação de Monte Carlo O método de Monte Carlo foi concebido com este nome nos anos 40 por John Von Neumann, Stanislaw Ulam e Nicholas Metropolis durante o projeto de pesquisa
Leia maisProposta de resolução da Prova de Matemática A (código 635) 2ª fase. 19 de Julho de 2010
Proposta de resolução da Prova de Matemática A (código 65) ª fase 9 de Julho de 00 Grupo I. Como só existem bolas de dois tipos na caixa e a probabilidade de sair bola azul é, existem tantas bolas roxas
Leia maisIND 1115 Inferência Estatística Aula 8
Conteúdo IND 5 Inferência Estatística Aula 8 Setembro 4 Mônica Barros O - aproximação da Binomial pela Este teorema é apenas um caso particular do teorema central do limite, pois uma variável aleatória
Leia maisAnálise de Algoritmos
Análise de Algoritmos Profa. Sheila Morais de Almeida DAINF-UTFPR-PG março - 2016 A invariante de laço pode ser definida como uma relação entre as variáveis de um algoritmo que é verdadeira em um determinado
Leia maisÁlgebra Linear e Geometria Analítica
Álgebra Linear e Geometria Analítica Engenharia Electrotécnica Escola Superior de Tecnologia de Viseu www.estv.ipv.pt/paginaspessoais/lucas lucas@mat.estv.ipv.pt 7/8 Álgebra Linear e Geometria Analítica
Leia maisEstimativas para a Probabilidade de Ruína em um Modelo de Risco com Taxa de Juros Markoviana
Resumo Neste trabalho estudamos o processo de risco a tempo discreto, considerado modelo clássico na teoria do risco, com variantes propostas por Jun Cai e David Dickson2004. Serão incluídas taxas de juros,
Leia mais1234, 1243, 1324, 1342, 1423, 1432, 2134, 2143, 2314, 2341, 2413, 2431,
1. Escreva os elementos de S 4 nas duas notações. Observe que S 4 = 4! = 24. Os elementos de S 4 tem a forma 1 a, 2 b, 3 c, 4 d onde a sequência abcd é uma das seguintes: 1234, 1243, 1324, 1342, 1423,
Leia maisO Cálculo λ sem Tipos
Capítulo 2 O Cálculo λ sem Tipos 21 Síntaxe e Redução Por volta de 1930 o cálculo lambda sem tipos foi introduzido como uma fundação para a lógica e a matemática Embora este objectivo não tenha sido cumprido
Leia maisSéries Numéricas. S Chama-se série numérica a uma expressão do tipo. S Designam-se por somas parciais da série. S Chama-se a soma parcial de ordem n a
Séries Numéricas Definições básicas S Chama-se série numérica a uma expressão do tipo representada em geral por u 1 u 2 C u n C u n, nu1 onde Ÿu n é uma sucessão de reais u 1, u 2, C v termos da série
Leia maisOpções Reais. Processos Estocásticos. Processos Estocásticos. Modelando Incerteza. Processos Estocásticos
Modelando Incerteza Opções Reais A incerteza em um projeto pode ter mais do que apenas dois estados. Na prática, o número de incertezas pode ser infinito Prof. Luiz Brandão brandao@iag.puc-rio.br IAG PUC-Rio
Leia mais2 Modelo Clássico de Cramér-Lundberg
2 Modelo Clássico de Cramér-Lundberg 2.1 Conceitos fundamentais Nesta sessão introduziremos alguns conceitos fundamentais que serão utilizados na descrição do modelo de ruína. A lei de probabilidade que
Leia mais[RESOLUÇÃO] Economia I; 2012/2013 (2º semestre) Prova da Época Recurso 3 de Julho de 2013
Economia I; 01/013 (º semestre) Prova da Época Recurso 3 de Julho de 013 [RESOLUÇÃO] Distribuição das respostas correctas às perguntas da Parte A (6 valores) nas suas três variantes: ER A B C P1 P P3 P4
Leia maisModelo Entidade Relacionamento (MER) Professor : Esp. Hiarly Alves
Tópicos Apresentação Entidade, Atributo e Relacionamento Cardinalidade Representação simbólica Generalizações / Especializações Agregações Apresentação O Modelo Entidade-Relacionamento tem o objetivo de
Leia maisAula 5. Uma partícula evolui na reta. A trajetória é uma função que dá a sua posição em função do tempo:
Aula 5 5. Funções O conceito de função será o principal assunto tratado neste curso. Neste capítulo daremos algumas definições elementares, e consideraremos algumas das funções mais usadas na prática,
Leia maisDistribuição Normal de Probabilidade
Distribuição Normal de Probabilidade 1 Aspectos Gerais 2 A Distribuição Normal Padronizada 3 Determinação de Probabilidades 4 Cálculo de Valores 5 Teorema Central do Limite 1 1 Aspectos Gerais Variável
Leia maisResumo: Estudo do Comportamento das Funções. 1º - Explicitar o domínio da função estudada
Resumo: Estudo do Comportamento das Funções O que fazer? 1º - Explicitar o domínio da função estudada 2º - Calcular a primeira derivada e estudar os sinais da primeira derivada 3º - Calcular a segunda
Leia maisSistemas de Vírgula Flutuante
Luiz C. G. Lopes Departamento de Matemática e Engenharias Universidade da Madeira MAT 2 05 2007/08 Definição. Diz-se que um número real x R\{0} é um número de vírgula flutuante normalizado se forem verificadas
Leia maisPrática. Exercícios didáticos ( I)
1 Prática Exercício para início de conversa Localize na reta numérica abaixo os pontos P correspondentes aos segmentos de reta OP cujas medidas são os números reais representados por: Exercícios didáticos
Leia maisMétodos de Monte Carlo
Departamento de Estatística - UFJF Outubro e Novembro de 2014 são métodos de simulação São utilizados quando não temos uma forma fechada para resolver o problema Muito populares em Estatística, Matemática,
Leia mais(1, 6) é também uma solução da equação, pois 3 1 + 2 6 = 15, isto é, 15 = 15. ( 23,
Sistemas de equações lineares generalidades e notação matricial Definição Designa-se por equação linear sobre R a uma expressão do tipo com a 1, a 2,... a n, b R. a 1 x 1 + a 2 x 2 +... + a n x n = b (1)
Leia maisTipos de variáveis aleatórias
Tipos de variáveis aleatórias Variáveis aleatórias discretas se assumem um conjunto finito ou infinito numerável de valores. Exemplos: número de pintas que sai no lançamento de um dado; registo, a intervalos
Leia maisÁlgebra Linear I - Aula 20
Álgebra Linear I - Aula 0 1 Matriz de Mudança de Base Bases Ortonormais 3 Matrizes Ortogonais 1 Matriz de Mudança de Base Os próximos problemas que estudaremos são os seguintes (na verdade são o mesmo
Leia maisModelos Lineares Generalizados - Verificação do Ajuste do Modelo
Modelos Lineares Generalizados - Verificação do Ajuste do Modelo Erica Castilho Rodrigues 21 de Junho de 2013 3 Uma outra medida usada para verificar o ajuste do modelo. Essa estatística é dada por X
Leia maisResolução dos Exercícios 8 e 10 da lista 7.
Resolução dos Exercícios 8 e 10 da lista 7. 8) Seja T : R 3 R 3 a transformação linear tal que T (e 3 ) = 3e 1 + e 2 2e 3, T (e 2 + e 3 ) = e 1, T (e 1 + e 2 + e 3 ) = e 2 + e 3, a) Calcule T (2e 1 e 2
Leia maisAula 8 Variações da Eliminação de Gauss/Fatoração LU.
Aula 8 Variações da Eliminação de Gauss/Fatoração LU. MS211 - Cálculo Numérico Marcos Eduardo Valle Departamento de Matemática Aplicada Instituto de Matemática, Estatística e Computação Científica Universidade
Leia maisEXERCÍCIOS DE ÁLGEBRA LINEAR E GEOMETRIA ANALÍTICA (sistemas de equações lineares e outros exercícios)
UNIVERSIDADE DO ALGARVE ESCOLA SUPERIOR DE TECNOLOGIA EXERCÍCIOS DE ÁLGEBRA LINEAR E GEOMETRIA ANALÍTICA (sistemas de equações lineares e outros eercícios) ÁREA DEPARTAMENTAL DE ENGENHARIA CIVIL Eercícios
Leia maisModelos de Filas de Espera
Departamento de Informática Modelos de Filas de Espera Métodos Quantitativos LEI 2006/2007 Susana Nascimento (snt@di.fct.unl.pt) Advertência Autores João Moura Pires (jmp@di.fct.unl.pt) Susana Nascimento
Leia maisAvaliação de Empresas Profa. Patricia Maria Bortolon
Avaliação de Empresas RISCO E RETORNO Aula 2 Retorno Total É a variação total da riqueza proporcionada por um ativo ao seu detentor. Fonte: Notas de Aula do Prof. Claudio Cunha Retorno Total Exemplo 1
Leia maisÁlgebra Linear. Bacharelado em Sistemas de Informação. Período 2016.1. Prof. da Disciplina Luiz Gonzaga Damasceno, M. Sc
Bacharelado em Sistemas de Informação Período 26. Prof. da Disciplina Luiz Gonzaga Damasceno, M. Sc E-mails: damasceno2@hotmail.com damasceno2@uol.com.br damasceno24@yahoo.com.br Site: www.damasceno.info
Leia maisOscilador Harmônico Simples
Motivação Oscilador Harmônico Simples a) espectroscopia molecular, b) cristais e outras estruturas no estado sólido, c) estrutura nuclear, d) teoria de campo, e) ótica, f) mecânica estatística, g) aproximante
Leia mais1.2. Recorrendo a um diagrama em árvore, por exemplo, temos: 1.ª tenda 2.ª tenda P E E
Prova de Matemática do 3º ciclo do Ensino Básico Prova 927 1ª Chamada 1. 1.1. De acordo com enunciado, 50% são portugueses (P) e 50% são espanhóis (E) e italianos (I). Como os Espanhóis existem em maior
Leia maisCORPOS FINITOS E SEUS GRUPOS MULTIPLICATIVOS
CORPOS FINITOS E SEUS GRUPOS MULTIPLICATIVOS LUCAS GLAZAR GAZZOLI - RA: 071572 DAVID RICARDO BARRETO LIMA SILVA - RA: 042885 1. Introdução Dado um corpo K, finito, é fácil observar que vale a seguinte
Leia maisPOTENCIAÇÃO, RADICIAÇÃO E LOGARITMAÇÂO NOS NÚMEROS REAIS. Potenciação 1
POTENCIAÇÃO, RADICIAÇÃO E LOGARITMAÇÂO NOS NÚMEROS REAIS Potenciação 1 Neste texto, ao classificarmos diferentes casos de potenciação, vamos sempre supor que a base e o expoente sejam não nulos, pois já
Leia maisSucessões. Definição: Sucessão de números reais é qualquer aplicação do conjunto dos naturais, N, no conjunto dos reais, R. ou Ÿu n.
Sucessões Definição: Sucessão de números reais é qualquer aplicação do conjunto dos naturais, N, no conjunto dos reais, R. Notações: Ÿu n nn, Ÿu n n ou Ÿu n. u n v termo geral da sucessão Exemplos importantes:
Leia maisDISTRIBUIÇÃO NORMAL 1
DISTRIBUIÇÃO NORMAL 1 D ensid ade Introdução Exemplo : Observamos o peso, em kg, de 1500 pessoas adultas selecionadas ao acaso em uma população. O histograma por densidade é o seguinte: 0.04 0.03 0.02
Leia maisMomentos de uma variável aleatória
Momentos de uma variável aleatória O cálculo de E[X] (valor médio de X) e E[X 2 ] (que intervém na variância), pode ser generalizado pensando em E[X k ] com k IN. Definição: Dada uma v.a. X, chama-se momento
Leia maisProjecto Delfos: Escola de Matemática Para Jovens 1 TEORIA DOS NÚMEROS
Projecto Delfos: Escola de Matemática Para Jovens 1 A Teoria dos Números tem como objecto de estudo o conjunto Z dos números inteiros (a letra Z vem da palavra alemã Zahl que significa número). 1. DIVISIBILIDADE
Leia maisPE-MEEC 1S 09/10 118. Capítulo 4 - Variáveis aleatórias e. 4.1 Variáveis. densidade de probabilidade 4.2 Valor esperado,
Capítulo 4 - Variáveis aleatórias e distribuições contínuas 4.1 Variáveis aleatórias contínuas. Função densidade de probabilidade 4.2 Valor esperado, variância e algumas das suas propriedades. Moda e quantis
Leia maisModelos de Regressão Linear Simples - Erro Puro e Falta de Ajuste
Modelos de Regressão Linear Simples - Erro Puro e Falta de Ajuste Erica Castilho Rodrigues 2 de Setembro de 2014 Erro Puro 3 Existem dois motivos pelos quais os pontos observados podem não cair na reta
Leia maisExpressões de sequencias
Expressões de sequencias Semana Olímpica/01 Prof. Armando 01 de fevereiro de 01 1 Introdução Um assunto que cai com frequência em olimpíada são as sequências. Sequências são listas ordenadas de números
Leia maisAULA 07 Distribuições Discretas de Probabilidade
1 AULA 07 Distribuições Discretas de Probabilidade Ernesto F. L. Amaral 31 de agosto de 2010 Metodologia de Pesquisa (DCP 854B) Fonte: Triola, Mario F. 2008. Introdução à estatística. 10 ª ed. Rio de Janeiro:
Leia maisConsideremos os seguintes exemplos de hipóteses cuja veracidade interessa avaliar:
Consideremos os seguintes exemplos de hipóteses cuja veracidade interessa avaliar: o tempo médio de efeito de dois analgésicos não é o mesmo; a popularidade de determinado partido político aumentou; uma
Leia maisCongruências Lineares
Filipe Rodrigues de S Moreira Graduando em Engenharia Mecânica Instituto Tecnológico de Aeronáutica (ITA) Agosto 006 Congruências Lineares Introdução A idéia de se estudar congruências lineares pode vir
Leia mais3.1. TRANSFORMAÇÕES LINEARES 79
31 TRANSFORMAÇÕES LINEARES 79 Exemplo 317 Mostre que existe uma função T : R R satisfazendo à condição aditiva T (x + y) =T (x)+t (y), x, y R, mas não é uma transformação linear, isto é, T (x) 6= ax, paraalgumx
Leia maisLongitudinais. Análise de Dados. XIX Congresso da Sociedade Portuguesa de Estatística. M. Salomé Cabral M. Helena Gonçalves
XIX Congresso da Sociedade Portuguesa de Estatística Análise de Dados Longitudinais M. Salomé Cabral M. Helena Gonçalves SOCIEDADE PORTUGUESA DE ESTATÍSTICA 28 Setembro - 1 Outubro Nazaré 2011 XIX Congresso
Leia mais1. Verifique se são operadores lineares no espaço P n (R): (a) F: P n (R) P n (R) tal que F(f(t)) = tf (t), f(t) P n (R).
UNIVERSIDADE ESTADUAL DE SANTA CRUZ - UESC DEPARTAMENTO DE CIÊNCIAS EXATAS E TECNOLÓGICAS - DCET ÁLGEBRA LINEAR ASSUNTO: TRANSFORMAÇÕES LINEARES EXERCÍCIOS RESOLVIDOS 1. Verifique se são operadores lineares
Leia maisA lei dos senos. Na Aula 42 vimos que a Lei dos co-senos é. a 2 = b 2 + c 2-2bc cos Â
A UA UL LA A lei dos senos Introdução Na Aula 4 vimos que a Lei dos co-senos é uma importante ferramenta matemática para o cálculo de medidas de lados e ângulos de triângulos quaisquer, isto é, de triângulos
Leia maisPESQUISA OPERACIONAL -PROGRAMAÇÃO LINEAR. Prof. Angelo Augusto Frozza, M.Sc.
PESQUISA OPERACIONAL -PROGRAMAÇÃO LINEAR Prof. Angelo Augusto Frozza, M.Sc. ROTEIRO Esta aula tem por base o Capítulo 2 do livro de Taha (2008): Introdução O modelo de PL de duas variáveis Propriedades
Leia maisProbabilidade e Estatística
Probabilidade e Estatística TESTES DE HIPÓTESES (ou Testes de Significância) Estimação e Teste de Hipóteses Estimação e teste de hipóteses (ou significância) são os aspectos principais da Inferência Estatística
Leia maisSejam P1(x1,y1) e P2(x2,y2) pontos pertencentes ao plano. A equação da reta pode ser expressa como: ou
Sejam P1(x1,y1) e P2(x2,y2) pontos pertencentes ao plano. A equação da reta pode ser expressa como: ou y = ax + b ax y = b Desta forma, para encontrarmos a equação da reta que passa por entre esses dois
Leia maisFUNÇÕES. 1.Definição e Conceitos Básicos
FUNÇÕES 1.Definição e Conceitos Básicos 1.1. Definição: uma função f: A B consta de três partes: um conjunto A, chamado Domínio de f, D(f); um conjunto B, chamado Contradomínio de f, CD(f); e uma regra
Leia maisTransmissão de impulsos em banda-base
Transmissão de impulsos em banda-base Códigos de linha Sequências pseudo-aleatórias Baralhadores Códigos de linha A transformação de uma sequência binária na sua representação eléctrica é feita através
Leia maisResolução: P(i) = 2. (i) 4 (i) 3 3(i) 2 + (i) + 5 = 2 + i + 3 + i + 5 = 10 + 2i. Resolução: Resolução:
EXERCÍCIOS 01. Calcule o valor numérico de P(x) = 2x 4 x 3 3x 2 + x + 5 para x = i. P(i) = 2. (i) 4 (i) 3 3(i) 2 + (i) + 5 = 2 + i + 3 + i + 5 = 10 + 2i 02. Dado o polinômio P(x) = x 3 + kx 2 2x + 5, determine
Leia maisOs dados quantitativos também podem ser de natureza discreta ou contínua.
Natureza dos Dados Às informações obtidas acerca das características de um conjunto dá-se o nome de dado estatístico. Os dados estatísticos podem ser de dois tipos: qualitativos ou quantitativos. Dado
Leia mais1.10 Sistemas de coordenadas cartesianas
7 0 Sistemas de coordenadas cartesianas Definição : Um sistema de coordenadas cartesianas no espaço é um v v conjunto formado por um ponto e uma base { } v3 Indicamos um sistema de coordenadas cartesianas
Leia maisModelo Uniforme. como eu e meu colega temos 5 bilhetes, temos a mesma probabilidade de ganhar a rifa:
Modelo Uniforme Exemplo: Uma rifa tem 100 bilhetes numerados de 1 a 100. Tenho 5 bilhetes consecutivos numerados de 21 a 25, e meu colega tem outros 5 bilhetes, com os números 1, 11, 29, 68 e 93. Quem
Leia maisProva Escrita de MATEMÁTICA A - 12o Ano 2011-2 a Fase
Prova Escrita de MATEMÁTICA A - 1o Ano 011 - a Fase Proposta de resolução GRUPO I 1. Como no lote existem em total de 30 caixas, ao selecionar 4, podemos obter um conjunto de 30 C 4 amostras diferentes,
Leia maisMétricas de Software
Métricas de Software Plácido Antônio de Souza Neto 1 1 Gerência Educacional de Tecnologia da Informação Centro Federal de Educação Tecnologia do Rio Grande do Norte 2006.1 - Planejamento e Gerência de
Leia maisWWW.RENOVAVEIS.TECNOPT.COM
Energia produzida Para a industria eólica é muito importante a discrição da variação da velocidade do vento. Os projetistas de turbinas necessitam da informação para otimizar o desenho de seus geradores,
Leia maisAnálise de Regressão Linear Simples III
Análise de Regressão Linear Simples III Aula 03 Gujarati e Porter Capítulos 4 e 5 Wooldridge Seção.5 Suposições, Propriedades e Teste t Suposições e Propriedades RLS.1 O modelo de regressão é linear nos
Leia maisPressuposições à ANOVA
UNIVERSIDADE FEDERAL DE RONDÔNIA CAMPUS DE JI-PARANÁ DEPARTAMENTO DE ENGENHARIA AMBIENTAL Estatística II Aula do dia 09.11.010 A análise de variância de um experimento inteiramente ao acaso exige que sejam
Leia maisUM JOGO BINOMIAL 1. INTRODUÇÃO
1. INTRODUÇÃO UM JOGO BINOMIAL São muitos os casos de aplicação, no cotidiano de cada um de nós, dos conceitos de probabilidade. Afinal, o mundo é probabilístico, não determinístico; a natureza acontece
Leia maisGeometria Diferencial de Curvas Espaciais
Geometria Diferencial de Curvas Espaciais 1 Aceleração tangencial e centrípeta Fernando Deeke Sasse Departamento de Matemática CCT UDESC Mostremos que a aceleração de uma partícula viajando ao longo de
Leia maisRelações. Antonio Alfredo Ferreira Loureiro. loureiro@dcc.ufmg.br http://www.dcc.ufmg.br/~loureiro. UFMG/ICEx/DCC MD Relações 1
Relações Antonio Alfredo Ferreira Loureiro loureiro@dcc.ufmg.br http://www.dcc.ufmg.br/~loureiro MD Relações 1 Introdução O mundo está povoado por relações: família, emprego, governo, negócios, etc. Entidades
Leia maisUniversidade Federal de Ouro Preto UFOP. Instituto de Ciências Exatas e Biológicas ICEB. Departamento de Computação DECOM
Programação de Computadores I BCC 701 2012-02 Lista de Exercícios 02 Desvio do Fluxo de Execução - Parte A Exercício 01 Codifique um programa que faça a entrada de um número qualquer pelo teclado. A seguir
Leia maisENGENHARIA DE SOFTWARE
INSTITUTO FEDERAL DE EDUCAÇÃO, CIÊNCIA E TECNOLOGIA DO RIO GRANDE DO NORTE Curso Técnico em Informática : ENGENHARIA DE SOFTWARE Prof.: Clayton Maciel Costa clayton.maciel@ifrn.edu.br Um conjunto estruturado
Leia maisUNIVERSIDADE FEDERAL DA BAHIA ESCOLA POLITÉCNICA DEPARTAMENTO DE ENGENHARIA QUÍMICA ENG 008 Fenômenos de Transporte I A Profª Fátima Lopes
Equações básicas Uma análise de qualquer problema em Mecânica dos Fluidos, necessariamente se inicia, quer diretamente ou indiretamente, com a definição das leis básicas que governam o movimento do fluido.
Leia mais