4 Teoria da Probabilidade
|
|
- Regina Amorim Affonso
- 6 Há anos
- Visualizações:
Transcrição
1 48 4 Teoria da Probabilidade Apresetam-se este capítulo coceitos de probabilidade e de estimação de fuções desidade de probabilidade ecessários ao desevolvimeto e compreesão do modelo proposto (capítulo 5). A probabilidade é uma medida de icerteza associada ao resultado futuro de um sorteio aleatório. É importate perceber que, uma vez ocorrido o sorteio, do poto de vista probabilístico ão há mais dúvida sobre o resultado e, portato, o valor da probabilidade tem um valor preciso [25]. Por exemplo, quado uma moeda é laçada, devido ao cohecimeto parcial sobre sua estrutura física e suas codições iiciais, ão é possível prever com exatidão se o resultado será cara ou coroa. Porém, uma vez pousada, ão há mais dúvida quato ao resultado: ou é cara ou é coroa. 4.. Defiição Seja o uiverso Ω de todos os possíveis evetos elemetares; por defiição, a probabilidade P de um eveto E, deotada por P(E), deve seguir os 3 axiomas de Kolmogorov [26]: i) Para qualquer eveto E, tem-se P ( E) 0. Isto é, a probabilidade de um eveto é um úmero real ão egativo. ii) P ( Ω) : a probabilidade de todos os evetos possíveis é um; ou mais iii) especificamete, ão há eveto elemetar fora do uiverso Ω. Todo cojuto de evetos icompatíveis eumeráveis E, E2,..., satisfaz a P E E K ) P( E ). Ou seja, a probabilidade de um cojuto de ( 2 i evetos formado a partir da uião de evetos disjutos é a soma das probabilidades destes evetos. Este axioma também é cohecido como a propriedade da aditividade.
2 49 A partir destes axiomas, são euciadas as seguites propriedades: Para qualquer eveto E, tem-se 0 P ( E). Ou seja, a probabilidade é um úmero etre 0 e. Para qualquer eveto E, defie-se o eveto cotrário, E, por P( E ) P( E). P ( ) 0. Para quaisquer dois evetos A e B, tem-se P( A B) P( A) + P( B) P( A B) Distribuição de probabilidade Uma fução distribuição de probabilidade é uma fução que associa probabilidades a evetos e pode ser classificada em discreta ou cotíua. No primeiro caso, a fução é defiida para um cojuto discreto e cotável, tal como um subcojuto dos úmeros iteiros; o segudo caso, a distribuição possui uma fução defiida para um cojuto cotíuo, como, por exemplo, um subcojuto dos úmeros reais. Uma forma de defiir uma fução distribuição de probabilidade, F(, é por meio de uma fução desidade de probabilidade (pdf), f(, coforme o exemplo da equação (4.) para o caso cotíuo: x [ X x] F ( Pr f ( X ) dx (4.) A partir da fução desidade de probabilidade, também é possível expressar a probabilidade de obter um valor o itervalo [c, d]: d c P [ c, d] f ( dx (4.2) A Distribuição Normal Etre as diversas distribuições de probabilidade cotíuas, a distribuição Normal se destaca por modelar vários feômeos aturais, etre os quais a icerteza de medição [3]. A distribuição Normal é defiida para < x < + por sua pdf:
3 50 2 ( x µ ) f ( exp 2 (4.3) σ 2π 2σ ode µ represeta a média e σ 2 a variâcia Itervalo de Cofiaça No caso da icerteza de medição, é comum que ela seja dada, simplesmete, como um itervalo em toro do resultado de uma medição, com o qual se espera abrager uma grade fração da distribuição de valores, que poderiam razoavelmete ser atribuídos ao mesurado [3]. Sedo assim, a icerteza de medição ão é, ecessariamete, dada como um múltiplo de um desvio padrão. Para uma gradeza z descrita por uma distribuição ormal, com média µ z e desvio padrão σ, o fator de abragêcia p forece o itervalo µ z p ± σ que correspode ao itervalo de cofiaça com um ível de cofiaça p. Valores típicos para íveis de cofiaça são 90, 95 e 99 por ceto, com fatores de abragêcia,64;,96 e 2,58; respectivamete [3]. É comum que o ível de cofiaça seja expresso pelo valor ( - α) (ode este valor é um úmero fixo, positivo e meor do que ), correspodete à probabilidade associada com um itervalo de cofiaça Métodos de Estimação de Probabilidade Quado a fução desidade de uma quatidade aleatória x ão é cohecida, uma estimativa desta desidade pode ser obtida utilizado-se amostras proveietes de observações x, K, x } de x. Os métodos de estimação podem ser classificados como { paramétricos ou ão-paramétricos: o primeiro caso, um vetor de parâmetros de uma fução é estimado, equato que, o segudo caso, a fução p( é estimada sem que ehum modelo específico seja adotado. A Figura 4 apreseta a taxoomia dos métodos de estimação de fuções de desidade de probabilidade. A estimação da desidade de probabilidade através de métodos paramétricos supõe que as formas das fuções de desidade de probabilidade estudadas são cohecidas.
4 5 Cotudo, as fórmulas paramétricas usuais em sempre se ajustam as desidades ecotradas a prática. Além disso, a maioria das desidades paramétricas clássicas é uimodal (têm um úico máximo), equato que muitos dos problemas práticos evolvem desidades multimodais. Por outro lado, métodos ão-paramétricos podem ser utilizados com distribuições arbitrárias e sem a suposição que as formas das desidades estudadas sejam cohecidas. observações {x,..., x } de x Estimação ão-paramétrica Estimação paramétrica Não supõe ehum modelo específico Supõe um modelo para a pdf e estima seus parâmetros Utiliza os dados como estão Discretização dos dados em itervalos p ˆ( V p ˆ( x ) V Jaela com largura e posição fixas Histograma Jaela fixa variável Jaela de Parze Jaela variável fixo -vizihos mais próximos Figura 4 - Classificação dos métodos de estimação de desidade de probabilidade 4.4. Métodos de Estimação Não-Paramétricos Defiição As técicas ão-paramétricas fudametais se baseiam o fato de que a probabilidade P de que um vetor x perteça à região R é dada pela equação:
5 52 P p( dx (4.4) R Coseqüetemete P é uma versão suavizada da fução de desidade p( e assim é possível estimar este valor suavizado de p através da estimação da probabilidade P. Sejam amostras D x, K, x } idepedetes e ideticamete distribuídas de { acordo com a distribuição p(. A probabilidade de que das amostras caiam a região R é dada pela lei biomial: P P ) ( P (4.5) cujo valor esperado de é E [ ] P e a melhor estimativa para P é P ˆ. Cosiderado que p( é cotíua e que a região R é suficietemete pequea de modo que p( ão varia muito detro dela, pode-se escrever: p( dx p( V (4.6) R ode x é um poto detro de R e V é o volume da região R. Combiado as equações (4.4), (4.5) e (4.6), a estimativa para p( é: p(x ) (4.7) V Histograma O histograma é o estimador de desidade mais atigo e mais utilizado para represetar e observar dados uidimesioais. A costrução de um histograma cosiste em dividir um itervalo de referêcia Ω x mi, x ] em K células (ou compartimetos) C e [ max cotar o úmero a de observações pertecetes a cada célula C. O úmero a é o acumulador associado à célula C. Seja χ C a fução característica de C :
6 53 a i χ ( x ) C i Quado todas as células do histograma têm a mesma largura, é dito que o histograma é uiforme ou regular. A largura de cada célula,, mais comum é: x max K x mi Uma probabilidade empírica P(C ) pode ser associada a cada célula C : P( C ) a Tomado-se como hipótese que a probabilidade é uiforme em cada célula, uma estimativa p ˆ( da fução de desidade de probabilidade estudada, p(, para qualquer valor real do itervalo Ω, pode ser avaliada por: pˆ ( a χ a χ ( (4.8) K K C ( C que correspode à equação (4.7), ode represeta o volume V e o úmero de amostras em cada célula é K a χ (. C Cotudo, esta estimativa possui algumas fraquezas que fazem com que ela seja raramete utilizada como uma ferrameta estatística. Primeiramete, a aproximação p ˆ(, defiida a equação (4.8), é uma fução ão-cotíua cuja estimação é limitada pela dualidade precisão/cofiaça. Esta dualidade reside o fato de que, quato meor for a distâcia desejada etre p ˆ( e p(, meor deve ser a largura ; porém, como é um úmero fiito, também meor será o valor do acumulador de cada célula e coseqüetemete meor será a covergêcia local de p ˆ( em p(. Por outro lado, quato maior for a largura da célula, meor é a habilidade da desidade estimada de respoder apropriadamete a variações de p(.
7 54 Além da dificuldade a escolha apropriada da largura da célula, a escolha do itervalo de referêcia Ω também pode iflueciar o resultado ecotrado. A Figura 5 ilustra o efeito da traslação do itervalo de referêcia a forma dos histogramas costruídos a partir de 00 amostras obtidas de uma desidade ormal N(0, ) Figura 5 - Depedêcia da forma do histograma em fução da escolha da origem das células. Outro proto fraco dos histogramas é a ecessidade de um alto úmero de amostras. Esta deficiêcia fica aida mais em evidêcia em problemas com espaços em alta dimesão, já que o úmero de células aumeta e coseqüetemete muitas observações são ecessárias para evitar que a estimativa seja ula em uma grade região Métodos de Kerel Os métodos de erel tetam solucioar o problema da escolha da posição iicial das células e ao mesmo tempo obter uma fução cotíua. Para isso, diferetemete dos histogramas que utilizam células com volumes fixos (com largura ) e posições prédetermiadas, o volume V das células varia em fução do úmero de amostras e cada célula é cetrada em cada amostra. Re-escrevedo a estimativa dada pelas eqs. (4.6) e (4.7), ota-se que ela também correspode a uma média espacial de p(:
8 55 P V R p( dx dx R (4.9) Para obter uma estimativa para p(, e ão de valores médios, V deve se aproximar de zero. No etato, se o úmero de amostras é fixo e V tede a zero, o volume da região pode evetualmete ficar pequeo demais e assim pode ão coter ehuma amostra, levado a estimativa p ( 0 a ser iútil. Do poto de vista prático, o úmero de amostras é sempre fiito e será ecessário cosiderar algum ível de suavização a estimativa de p( e aceitar alguma variâcia a razão. Do poto de vista teórico, pode-se cosiderar um úmero ifiito de amostras. Para estimar a desidade p( em x, costrói-se a seqüêcia de regiões R, R 2,..., cotedo x, ode a primeira região cotém uma amostra, a seguda duas, e assim adiate. Seja V o volume da região R que cotém amostras, e seja p ( a -ésima estimativa para p( dada por: p ( (4.0) V Pode-se provar que p ( coverge para p(, ou seja lim ( p(, se as três codições abaixo forem satisfeitas [27]: i) lim V 0 p ii) iii) lim lim 0 A primeira codição assegura que a média espacial P V coverge para p(. A seguda garate que a razão de freqüêcia (em probabilidade) coverge para a probabilidade P. A terceira codição afirma que o úmero de amostras caido a região
9 56 R é sempre uma pequea parcela desprezível do úmero total de amostras. Ela é ecessária para que p ( defiida pela eq. (4.0) covirja. Um dos camihos para se obter seqüêcias de regiões que satisfazem estas codições é, a partir de um volume iicial, ecolhê-lo à medida que aumeta; por exemplo: V. É em seguida ecessário mostrar que e têm comportameto apropriado para que p ( p(. Este é basicamete o método cohecido como Jaela de Parze [27], que será examiado a seguir Jaela de Parze Supodo que a região R é um hipercubo d-dimesioal com lado igual a h, o seu volume é dado por d V h. Seja a fução que assume para os potos detro do hipercubo uitário cetrado a origem e 0 para os potos exteros; esta fução é chamada de fução de jaela e é defiida por: u j 2 j, K, d ϕ ( u) (4.) 0 caso cotrário Coseqüetemete, ϕ (( x x i ) / h ) será igual a se x i estiver detro do hipercubo de volume V cetrado em x, e zero caso cotrário. Portato, o úmero de amostras detro deste hipercubo é dado por: i x xi ϕ (4.2) h Substituido a eq. (4.0), obtém-se: x xi p ( ϕ (4.3) V i V h A estimativa p ( defiida acima é uma média de fuções (de jaela). Tipicamete a fução de jaela tem seu máximo a origem e seus valores caem à medida
10 57 que se distaciam da origem. Desta forma, cada amostra está cotribuido com a estimativa coforme sua distâcia de x. Para que a estimativa p ( seja uma fução de desidade legítima, isto é, que seja ão-egativa e itegre em, as três codições abaixo devem ser atedidas: i) ϕ ( u) 0 (4.4) ii) ϕ ( u) du (4.5) iii) d V h (4.6) Uma escolha comum para a fução de jaela é a Normal de média x i e variâcia h : T ϕ ( u) exp[ 0,5u u] d 2 (2π ) que produz a estimativa: p ( 2 x xi exp 2 d 2 2 (2π h ) 2h i (4.7) É importate observar que, se h for muito grade, potos muito afastados da amostra x i serão afetados de maeira importate pela jaela. Assim a estimativa será composta pela superposição de fuções letas, ficado suave demais e com uma visão fora de foco da desidade de probabilidade. Por outro lado, se h for muito pequeo, apeas os potos muitos próximos a x i serão afetados de maeira importate pela jaela. Neste caso a estimativa será uma superposição de picos agudos cetrados as amostras e p ( será muito ruidosa. Na prática, deve ser procurada uma cocessão aceitável, já que o úmero de amostras é sempre limitado. É comum escolher um valor para h e defiir h h. Ifelizmete, a escolha do valor de h pode ser problemática. A Figura 6 ilustra 3 estimativas, com jaelas de Parze com diferetes larguras, a partir de 00 amostras geradas através de uma mistura de duas distribuições do tipo
11 58 Normal. Percebe-se claramete a ifluêcia da largura da jaela a estimação: para h, a jaela é estreita demais e a estimativa é muito ruidosa, apresetado vários picos; para h 6, a jaela é larga demais e praticamete ão são otados os dois picos da distribuição origial; e h 4 parece ser um valor adequado, sem grades ruídos em suavizado em excesso, sedo a qualidade de sua estimação comprometida pelo baixo úmero de amostras h h 4 h 6 dist. origial 0.25 p( x Figura 6 Ifluêcia da largura da jaela a estimativa por Jaela de Parze
6.1 Estimativa de uma média populacional: grandes amostras. Definição: Um estimador é uma característica amostral (como a média amostral
6 ESTIMAÇÃO 6.1 Estimativa de uma média populacioal: grades amostras Defiição: Um estimador é uma característica amostral (como a média amostral x ) utilizada para obter uma aproximação de um parâmetro
Leia maisAula 5. Aula de hoje. Aula passada. Limitante da união Método do primeiro momento Lei dos grandes números (fraca e forte) Erro e confiança
Aula 5 Aula passada Valor esperado codicioal Espaço amostral cotíuo, fução desidade Limitates para probabilidade Desigualdades de Markov, Chebyshev, Cheroff with high probability Aula de hoje Limitate
Leia maisbinomial seria quase simétrica. Nestas condições será também melhor a aproximação pela distribuição normal.
biomial seria quase simétrica. Nestas codições será também melhor a aproximação pela distribuição ormal. Na prática, quado e p > 7, a distribuição ormal com parâmetros: µ p 99 σ p ( p) costitui uma boa
Leia maisLista de Exercícios #4 Assunto: Variáveis Aleatórias Contínuas
. ANPEC 8 - Questão Seja x uma variável aleatória com fução desidade de probabilidade dada por: f(x) = x, para x f(x) =, caso cotrário. Podemos afirmar que: () E[x]=; () A mediaa de x é ; () A variâcia
Leia maisn ) uma amostra aleatória da variável aleatória X.
- Distribuições amostrais Cosidere uma população de objetos dos quais estamos iteressados em estudar uma determiada característica. Quado dizemos que a população tem distribuição FX ( x ), queremos dizer
Leia maisCap. 4 - Estimação por Intervalo
Cap. 4 - Estimação por Itervalo Amostragem e iferêcia estatística População: cosiste a totalidade das observações em que estamos iteressados. Nº de observações a população é deomiado tamaho=n. Amostra:
Leia maisAvaliação de Desempenho de Sistemas Discretos
Distribuições Comus Avaliação de Desempeho de Sistemas Discretos Probabilidade e Estatística 2 Uiforme Normal Poisso Hipergeométrica Biomial Studet's Geométrica Logormal Expoecial Beta Gamma Qui-Quadrado
Leia maisLista de Exercícios #6 Assunto: Propriedade dos Estimadores e Métodos de Estimação
Assuto: Propriedade dos Estimadores e Métodos de Estimação. ANPEC 08 - Questão 6 Por regulametação, a cocetração de um produto químico ão pode ultrapassar 0 ppm. Uma fábrica utiliza esse produto e sabe
Leia maisCap. VI Histogramas e Curvas de Distribuição
TLF /11 Capítulo VI Histogramas e curvas de distribuição 6.1. Distribuições e histogramas. 6 6.. Distribuição limite 63 6.3. Sigificado da distribuição limite: frequêcia esperada e probabilidade de um
Leia maisDESIGUALDADES, LEIS LIMITE E TEOREMA DO LIMITE CENTRAL. todas as repetições). Então, para todo o número positivo ξ, teremos:
48 DESIGUALDADES, LEIS LIMITE E TEOREMA DO LIMITE CENTRAL LEI DOS GRANDES NÚMEROS Pretede-se estudar o seguite problema: À medida que o úmero de repetições de uma experiêcia cresce, a frequêcia relativa
Leia maisDistribuições de Estatísticas Amostrais e Teorema Central do Limite
Distribuições de Estatísticas Amostrais e Teorema Cetral do Limite Vamos começar com um exemplo: A mega-sea de 996 a N 894 úmeros de a 6: Média: m 588 Desvio padrão: 756 49 amostras de 6 elemetos Frequêcia
Leia maisPedro Alberto Barbetta / Marcelo Menezes Reis / Antonio Cezar Bornia São Paulo: Atlas, 2004
Estatística para Cursos de Egeharia e Iformática Pedro Alberto Barbetta / Marcelo Meezes Reis / Atoio Cezar Boria São Paulo: Atlas, 004 Cap. 7 - DistribuiçõesAmostrais e Estimaçãode deparâmetros APOIO:
Leia maisDISTRIBUIÇÃO AMOSTRAL E ESTIMAÇÃO PONTUAL INTRODUÇÃO ROTEIRO POPULAÇÃO E AMOSTRA. Estatística Aplicada à Engenharia
ROTEIRO DISTRIBUIÇÃO AMOSTRAL E ESTIMAÇÃO PONTUAL 1. Itrodução. Teorema Cetral do Limite 3. Coceitos de estimação potual 4. Métodos de estimação potual 5. Referêcias Estatística Aplicada à Egeharia 1 Estatística
Leia mais5 Teoria dos Valores Extremos
Teoria dos Valores Extremos 57 5 Teoria dos Valores Extremos A Teoria dos Valores Extremos vem sedo bastate utilizada em campos ligados a evetos raros. Sua estatística é aplicada a estimação de evetos
Leia maisAmostras Aleatórias e Distribuições Amostrais. Probabilidade e Estatística: afinal, qual é a diferença?
Amostras Aleatórias e Distribuições Amostrais Probabilidade e Estatística: afial, qual é a difereça? Até agora o que fizemos foi desevolver modelos probabilísticos que se adequavam a situações reais. Por
Leia maisCONHECIMENTOS ESPECÍFICOS
CESPE/UB FUB/0 fa 5 4 CONHECIMENTOS ESPECÍFICOS 60 As distribuições B e C possuem os mesmos valores para os quartis Q e Q, e o quartil superior em B correspode ao quartil cetral (Q ) da distribuição A.
Leia maisMestrado Integrado em Engenharia Civil. Disciplina: TRANSPORTES. Sessão Prática 4: Amostragem
Mestrado Itegrado em Egeharia Civil Disciplia: TRNSPORTES Prof. Resposável: José Mauel Viegas Sessão Prática 4: mostragem Istituto Superior Técico / Mestrado Itegrado Egª Civil Trasportes ulas Práticas
Leia maisSequências Reais e Seus Limites
Sequêcias Reais e Seus Limites Sumário. Itrodução....................... 2.2 Sequêcias de Números Reais............ 3.3 Exercícios........................ 8.4 Limites de Sequêcias de Números Reais......
Leia maisA Inferência Estatística é um conjunto de técnicas que objetiva estudar a população através de evidências fornecidas por uma amostra.
UNIVERSIDADE FEDERAL DA PARAÍBA Distribuição Amostral Luiz Medeiros de Araujo Lima Filho Departameto de Estatística INTRODUÇÃO A Iferêcia Estatística é um cojuto de técicas que objetiva estudar a população
Leia maisSumário. 2 Índice Remissivo 11
i Sumário 1 Esperaça de uma Variável Aleatória 1 1.1 Variáveis aleatórias idepedetes........................... 1 1.2 Esperaça matemática................................. 1 1.3 Esperaça de uma Fução de
Leia maisMAE Introdução à Probabilidade e Estatística II Resolução Lista 1
MAE 229 - Itrodução à Probabilidade e Estatística II Resolução Lista 1 Professor: Pedro Moretti Exercício 1 (a) Fazer histograma usado os seguites dados: Distribuição de probabilidade da variável X: X
Leia maisEstacionariedade e correlação temporal em dados financeiros
Estacioariedade e correlação temporal em dados fiaceiros Hoje em dia há uma quatidade imesa de dados fiaceiros sedo armazeados, egócio a egócio, pelo mudo afora. Gratuitamete, é possível coseguir facilmete
Leia maisComparação entre duas populações
Comparação etre duas populações AMOSTRAS INDEPENDENTES Comparação etre duas médias 3 Itrodução Em aplicações práticas é comum que o iteresse seja comparar as médias de duas diferetes populações (ambas
Leia maisFundamentos de Análise Matemática Profª Ana Paula. Sequência Infinitas
Fudametos de Aálise Matemática Profª Aa Paula Sequêcia Ifiitas Defiição 1: Uma sequêcia umérica a 1, a 2, a 3,,a,é uma fução, defiida o cojuto dos úmeros aturais : f : f a Notação: O úmero é chamado de
Leia maisEstimação da média populacional
Estimação da média populacioal 1 MÉTODO ESTATÍSTICO Aálise Descritiva Teoria das Probabilidades Iferêcia Os dados efetivamete observados parecem mostrar que...? Se a distribuição dos dados seguir uma certa
Leia maisProbabilidade II Aula 12
Coteúdo Probabilidade II Aula Juho de 009 Desigualdade de Marov Desigualdade de Jese Lei Fraca dos Grades Números Môica Barros, D.Sc. Itrodução A variâcia de uma variável aleatória mede a dispersão em
Leia maisA DESIGUALDADE DE CHEBYCHEV
A DESIGUALDADE DE CHEBYCHEV Quado se pretede calcular a probabilidade de poder ocorrer determiado acotecimeto e se cohece a distribuição probabilística que está em causa o problema, ão se colocam dificuldades
Leia maisEstimação da média populacional
Estimação da média populacioal 1 MÉTODO ESTATÍSTICO Aálise Descritiva Teoria das Probabilidades Iferêcia Os dados efetivamete observados parecem mostrar que...? Se a distribuição dos dados seguir uma certa
Leia maisCONCEITOS BÁSICOS E PRINCÍPIOS DE ESTATÍSTICA
1 CONCEITOS BÁSICOS E PRINCÍPIOS DE ESTATÍSTICA 1. Coceitos Básicos de Probabilidade Variável aleatória: é um úmero (ou vetor) determiado por uma resposta, isto é, uma fução defiida em potos do espaço
Leia maisStela Adami Vayego DEST/UFPR
Resumo 3 Resumo dos dados uméricos por meio de úmeros 1. Medidas de Tedêcia Cetral A tedêcia cetral da distribuição de freqüêcias de uma variável em um cojuto de dados é caracterizada pelo valor típico
Leia maisAMOSTRAGEM ALEATÓRIA DISTRIBUIÇÕES POR AMOSTRAGEM
6 AMOSTRAGEM ALEATÓRIA DISTRIBUIÇÕES POR AMOSTRAGEM Quado se pretede estudar uma determiada população, aalisam-se certas características ou variáveis dessa população. Essas variáveis poderão ser discretas
Leia maisStela Adami Vayego DEST/UFPR
Resumo 3 Resumo dos dados uméricos por meio de úmeros. Medidas de Tedêcia Cetral A tedêcia cetral da distribuição de freqüêcias de uma variável em um cojuto de dados é caracterizada pelo valor típico dessa
Leia maisTeoria da Estimação 1
Teoria da Estimação 1 Um dos pricipais objetivos da estatística iferecial cosiste em estimar os valores de parâmetros populacioais descohecidos (estimação de parâmetros) utilizado dados amostrais. Etão,
Leia maisESTIMAÇÃO DE PARÂMETROS
ESTIMAÇÃO DE PARÂMETROS 1 Estimação de Parâmetros uiverso do estudo (população) dados observados O raciocíio idutivo da estimação de parâmetros Estimação de Parâmetros POPULAÇÃO p =? AMOSTRA Observações:
Leia maisMAE Introdução à Probabilidade e Estatística II Resolução Lista 2
MAE 9 - Itrodução à Probabilidade e Estatística II Resolução Lista Professor: Pedro Moretti Exercício 1 Deotado por Y a variável aleatória que represeta o comprimeto dos cilidros de aço, temos que Y N3,
Leia maisInstruções gerais sobre a Prova:
DEPARTAMENTO DE ESTATÍSTICA - UFMG PROVA DE ESTATÍSTICA & PROBABILIDADES SELEÇÃO MESTRADO/UFMG 2012/2013 Istruções gerais sobre a Prova: (a) Cada questão respodida corretamete vale 1 (um) poto. (b) Cada
Leia maisUNIVERSIDADE FEDERAL DO PARANÁ NOTAS DE AULA PROFa. SONIA MÜLLER
PROBABILIDADE. DEFINIÇÕES BÁSICAS:.- INTRODUÇÃO: UNIVERSIDADE FEDERAL DO PARANÁ NOTAS DE AULA PROFa. SONIA MÜLLER PROBABILIDADE POPULAÇÃO AMOSTRA ESTATÍSTICA Uiverso : Ω ou U Vazio: Uião: A B Itersecção:
Leia maisCapítulo VII: Soluções Numéricas de Equações Diferenciais Ordinárias
Capítulo VII: Soluções Numéricas de Equações Difereciais Ordiárias 0. Itrodução Muitos feómeos as áreas das ciêcias egearias ecoomia etc. são modelados por equações difereciais. Supoa-se que se quer determiar
Leia maisTeorema do limite central e es/mação da proporção populacional p
Teorema do limite cetral e es/mação da proporção populacioal p 1 RESULTADO 1: Relembrado resultados importates Seja uma amostra aleatória de tamaho de uma variável aleatória X, com média µ e variâcia σ.temos
Leia maisESTIMAÇÃO POR INTERVALO (INTERVALOS DE CONFIANÇA)
06 ETIMÇÃO OR INTERVLO (INTERVLO DE CONINÇ) Cada um dos métodos de estimação potual permite associar a cada parâmetro populacioal um estimador. Ora a cada estimador estão associadas tatas estimativas diferetes
Leia maisProbabilidade II Aula 9
Coteúdo Probabilidade II Aula 9 Maio de 9 Môica Barros, D.Sc. Estatísticas de Ordem Distribuição do Máximo e Míimo de uma amostra Uiforme(,) Distribuição do Máximo e Míimo caso geral Distribuição das Estatísticas
Leia maisAULA Subespaço, Base e Dimensão Subespaço.
Note bem: a leitura destes apotametos ão dispesa de modo algum a leitura ateta da bibliografia pricipal da cadeira TÓPICOS Subespaço. ALA Chama-se a ateção para a importâcia do trabalho pessoal a realizar
Leia maisESTIMAÇÃO DA PROPORÇÃO POPULACIONAL p
ESTIMAÇÃO DA PROPORÇÃO POPULACIONAL p Objetivo Estimar uma proporção p (descohecida) de elemetos em uma população, apresetado certa característica de iteresse, a partir da iformação forecida por uma amostra.
Leia maisIntervalos de Confiança
Itervalos de Cofiaça Prof. Adriao Medoça Souza, Dr. Departameto de Estatística - PPGEMQ / PPGEP - UFSM - 0/9/008 Estimação de Parâmetros O objetivo da Estatística é a realização de iferêcias acerca de
Leia maisEstimar uma proporção p (desconhecida) de elementos em uma população, apresentando certa característica de interesse, a partir da informação
ESTIMAÇÃO DA PROPORÇÃO POPULACIONAL p 1 Objetivo Estimar uma proporção p (descohecida) de elemetos em uma população, apresetado certa característica de iteresse, a partir da iformação forecida por uma
Leia maisSumário. 2 Índice Remissivo 17
i Sumário 1 Itrodução à Iferêcia Estatística 1 1.1 Defiições Básicas................................... 1 1.2 Amostragem....................................... 2 1.2.1 Tipos de Amostragem.............................
Leia mais1. Definição e conceitos básicos de equações diferenciais
Capítulo 7: Soluções Numéricas de Equações Difereciais Ordiárias. Itrodução Muitos feómeos as áreas das ciêcias, egearias, ecoomia, etc., são modelados por equações difereciais. Supoa-se que se quer determiar
Leia maisNotas do Curso Inferência em Processos Estocásticos. 1 Estimação de máxima verossimilhança para cadeias de Markov de ordem k
Notas do Curso Iferêcia em Processos Estocásticos Prof. Atoio Galves Trascrita por Karia Yuriko Yagiuma 1 Estimação de máxima verossimilhaça para cadeias de Markov de ordem k Seja (X ) =0,1,,... uma cadeia
Leia maisTRANSPORTES. Sessão Prática 4 Amostragem de escalares
Mestrado Itegrado em Egeharia Civil TRNPORTE Prof. Resposável: Luis Picado atos essão Prática 4 mostragem de escalares Istituto uperior Técico / Mestrado Itegrado Egeharia Civil Trasportes ulas Práticas
Leia maisBÁRBARA DENICOL DO AMARAL RODRIGUEZ CINTHYA MARIA SCHNEIDER MENEGHETTI CRISTIANA ANDRADE POFFAL SEQUÊNCIAS NUMÉRICAS. 1 a Edição
BÁRBARA DENICOL DO AMARAL RODRIGUEZ CINTHYA MARIA SCHNEIDER MENEGHETTI CRISTIANA ANDRADE POFFAL SEQUÊNCIAS NUMÉRICAS 1 a Edição Rio Grade 2017 Uiversidade Federal do Rio Grade - FURG NOTAS DE AULA DE CÁLCULO
Leia maisDistribuições Amostrais
9/3/06 Uiversidade Federal do Pará Istituto de Tecologia Estatística Aplicada I Prof. Dr. Jorge Teófilo de Barros Lopes Campus de Belém Curso de Egeharia Mecâica 3/09/06 3:38 ESTATÍSTICA APLICADA I - Teoria
Leia maisEstatística: Aplicação ao Sensoriamento Remoto SER ANO Teste de Hipótese
Estatística: Aplicação ao Sesoriameto Remoto SER 4 - ANO 18 Teste de Hipótese Camilo Daleles Reó camilo@dpi.ipe.br http://www.dpi.ipe.br/~camilo/estatistica/ Estimação de Parâmetros Como já foi visto,
Leia maisEstimadores de Momentos
Estimadores de Mometos A média populacioal é um caso particular daquilo que chamamos de mometo. Na realidade, ela é o primeiro mometo. Se X for uma v.a. cotíua, com desidade f(x; θ 1,..., θ r ), depededo
Leia mais; 2N 2N.! " j %.(1 & q)2 N & j.q j. j!(2n & j)!
DERIVA GENÉTICA Seja uma população de tamaho fiito N, costate ao logo das gerações; sejam aida p e q as freqüêcias dos alelos A e a de um loco autossômico a geração ; como o tamaho da população é costate,
Leia maisDistribuições Amostrais
7/3/07 Uiversidade Federal do Pará Istituto de Tecologia Estatística Aplicada I Prof. Dr. Jorge Teófilo de Barros Lopes Campus de Belém Curso de Egeharia Mecâica 3/07/07 09:3 ESTATÍSTICA APLICADA I - Teoria
Leia maisTeste de Hipóteses Paramétricos
Teste de Hipóteses Paramétricos Como costruir testes de hipóteses para difereças etre duas médias. Como costruir testes de hipóteses para difereças etre duas proporções. Como costruir testes de hipóteses
Leia maisCAPÍTULO 6 ESTIMATIVA DE PARÂMETROS PPGEP. Introdução. Introdução. Estimativa de Parâmetros UFRGS
CAPÍTULO 6 Itrodução Uma variável aleatória é caracterizada ou descrita pela sua distribuição de probabilidade. ETIMATIVA DE PARÂMETRO URG Em aplicações idustriais, as distribuições de probabilidade são
Leia maisEstimativa de Parâmetros
Estimativa de Parâmetros ENG09004 04/ Prof. Alexadre Pedott pedott@producao.ufrgs.br Trabalho em Grupo Primeira Etrega: 7/0/04. Plao de Amostragem - Cotexto - Tipo de dado, frequêcia de coleta, quatidade
Leia mais1 Distribuições Amostrais
1 Distribuições Amostrais Ao retirarmos uma amostra aleatória de uma população e calcularmos a partir desta amostra qualquer quatidade, ecotramos a estatística, ou seja, chamaremos os valores calculados
Leia maisA finalidade de uma equação de regressão seria estimar valores de uma variável, com base em valores conhecidos da outra.
Jaete Pereira Amador Itrodução A aálise de regressão tem por objetivo descrever através de um modelo matemático, a relação existete etre duas variáveis, a partir de observações dessas viráveis. A aálise
Leia maisLista 9 - Introdução à Probabilidade e Estatística
Lista 9 - Itrodução à Probabilidade e Estatística Desigualdades e Teoremas Limites 2.=000. 1 Um ariro apota a um alvo de 20 cm de raio. Seus disparos atigem o alvo, em média, a 5 cm do cetro deste. Assuma
Leia maisNotas de aula de Probabilidade Avançada
Notas de aula de Probabilidade Avaçada Adilso Simois (professor) Tássio Naia dos Satos (aluo) primeiro semestre de 2012 compilado 2 de abril de 2012 Notas de aula de Tássio Naia dos Satos, aluo do curso
Leia maisCapítulo 5- Introdução à Inferência estatística. (Versão: para o manual a partir de 2016/17)
Capítulo 5- Itrodução à Iferêcia estatística. (Versão: para o maual a partir de 2016/17) 1.1) Itrodução.(222)(Vídeo 39) Na iferêcia estatística, aalisamos e iterpretamos amostras com o objetivo de tirar
Leia maisCAPÍTULO 6 - ESTIMAÇÃO E TESTES DE HIPÓTESES
CAPÍTULO 6 - ESTIMAÇÃO E TESTES DE HIPÓTESES 6. INTRODUÇÃO INFERÊNCIA ESTATÍSTICA Estimação por poto por itervalo Testes de Hipóteses População X θ =? Amostra θ Iferêcia Estatística X, X,..., X 6. ESTIMAÇÃO
Leia maisAprendizagem de Máquina
predizagem de Máquia Modelos de Mistura lgoritmo EM Estimação semi-paramétrica de desidade abordagem paramétrica para estimação de desidade supõe que a amostra X é extraída de uma distribuição que segue
Leia maisEstatística: Aplicação ao Sensoriamento Remoto SER ANO Teoria da amostragem
Estatística: Aplicação ao Sesoriameto Remoto SER 04 - ANO 017 Teoria da amostragem Camilo Daleles Reó camilo@dpi.ipe.br http://www.dpi.ipe.br/~camilo/estatistica/ Algumas Cosiderações... É importate ter
Leia maisESTATÍSTICA NÃO-PARAMÉTRICA
ESTATÍSTICA NÃO-PARAMÉTRICA Prof. Dr. Edmilso Rodrigues Pito Faculdade de Matemática - UFU edmilso@famat.ufu.br 1 Programa Itrodução - Plao de curso, sistema de avaliação - Coceitos básicos de iferêcia
Leia maisNOTAS DE AULA: DISTRIBUIÇÃO AMOSTRAL E INTERVALOS DE CONFIANÇA
NOTAS DE AULA: DISTRIBUIÇÃO AMOSTRAL E INTERVALOS DE CONFIANÇA Objetivos da aula: Compreeder que um estimador é uma variável aleatória e, portato, pode-se estabelecer sua distribuição probabilística; Estabelecer
Leia maisCAPÍTULO IV DESENVOLVIMENTOS EM SÉRIE
CAPÍTUO IV DESENVOVIMENTOS EM SÉRIE Série de Taylor e de Mac-auri Seja f ) uma fução real de variável real com domíio A e seja a um poto iterior desse domíio Supoha-se que a fução admite derivadas fiitas
Leia maisFundamentos de Análise Matemática Profª Ana Paula. Números reais
Fudametos de Aálise Matemática Profª Aa Paula Números reais 1,, 3, cojuto dos úmeros aturais 0,1,,3, cojuto dos úmeros iteiros p q /p e q cojuto dos úmeros racioais a, a 0 a 1 a a, a e a i 0, 1,, 3, 4,
Leia maisVariáveis Aleatórias e Distribuições de Probabilidade
PROBABILIDADES Variáveis Aleatórias e Distribuições de Probabilidade BERTOLO Fução de Probabilidades Vamos cosiderar um experimeto E que cosiste o laçameto de um dado hoesto. Seja a variável aleatória
Leia maisTeorema do Limite Central, distribuição amostral, estimação por ponto e intervalo de confiança
Teorema do Limite Cetral, distribuição amostral, estimação por poto e itervalo de cofiaça Prof. Marcos Pó Métodos Quatitativos para Ciêcias Sociais Distribuição amostral Duas amostrages iguais oriudas
Leia maisTeorema do Limite Central, distribuição amostral, estimação por ponto e intervalo de confiança
Teorema do Limite Cetral, distribuição amostral, estimação por poto e itervalo de cofiaça Prof. Marcos Pó Métodos Quatitativos para Ciêcias Sociais Distribuição amostral Duas amostrages iguais oriudas
Leia maisAlguns autores também denotam uma sequência usando parêntesis:
Capítulo 3 Sequêcias e Séries Numéricas 3. Sequêcias Numéricas Uma sequêcia umérica é uma fução real com domíio N que, a cada associa um úmero real a. Os úmeros a são chamados termos da sequêcia. É comum
Leia maisPreliminares 1. 1 lim sup, lim inf. Medida e Integração. Departamento de Física e Matemática. USP-RP. Prof. Rafael A. Rosales. 8 de março de 2009.
Medida e Itegração. Departameto de Física e Matemática. USP-RP. Prof. Rafael A. Rosales 8 de março de 2009. 1 lim sup, lim if Prelimiares 1 Seja (x ), N, uma seqüêcia de úmeros reais, e l o limite desta
Leia maisCapítulo 5. CASO 5: EQUAÇÃO DE POISSON 5.1 MODELO MATEMÁTICO E SOLUÇÃO ANALÍTICA
Capítulo 5. CASO 5: EQUAÇÃO DE POISSON No presete capítulo, é abordado um problema difusivo uidimesioal com absorção de calor (Icropera e DeWitt, 199, o que resulta uma equação de Poisso, que é uma equação
Leia maisMétodos de Classificação dos Objetos Segmentados(IAR) Vizinho Próximo Lógica Fuzzy
Viziho Próximo ógica Fuzzy Métodos de Classificação dos Objetos Segmetados(IAR) objeto REGRA CASSE Fuzzy Cohecimeto Miima Distâcia Viziho Próximo O método do viziho próximo é baseado o método da míima
Leia maisMQI 2003 ESTATÍSTICA PARA METROLOGIA - SEMESTRE Teste 2 07/07/2008 Nome: PROBLEMA 1 Sejam X e Y v.a. contínuas com densidade conjunta:
MQI 003 ESTATÍSTICA PARA METROLOGIA - SEMESTRE 008.0 Teste 07/07/008 Nome: PROBLEMA Sejam X e Y v.a. cotíuas com desidade cojuta: f xy cy xy x y (, ) = + 3 ode 0 e 0 a) Ecotre a costate c que faz desta
Leia maisCapítulo 5- Introdução à Inferência estatística.
Capítulo 5- Itrodução à Iferêcia estatística. 1.1) Itrodução.(184) Na iferêcia estatística, aalisamos e iterpretamos amostras com o objetivo de tirar coclusões acerca da população de ode se extraiu a amostra.
Leia maisSumário. 2 Índice Remissivo 19
i Sumário 1 Estatística Descritiva 1 1.1 Coceitos Básicos.................................... 1 1.1.1 Defiições importates............................. 1 1.2 Tabelas Estatísticas...................................
Leia maisESTIMAÇÃO DE PARÂMETROS
ESTIMAÇÃO DE PARÂMETROS 1 Estimação de Parâmetros uiverso do estudo (população) dados observados O raciocíio idutivo da estimação de parâmetros Estimação de Parâmetros População p Amostra X S pˆ (parâmetros:
Leia maisMaterial Teórico - Módulo de ESTATÍSTICA. As Diferentes Médias. Primeiro Ano do Ensino Médio
Material Teórico - Módulo de ESTATÍSTICA As Diferetes Médias Primeiro Ao do Esio Médio Autor: Prof Atoio Camiha Muiz Neto Revisor: Prof Fracisco Bruo Holada Nesta aula, pausamos a discussão de Estatística
Leia maisSecção 1. Introdução às equações diferenciais
Secção. Itrodução às equações difereciais (Farlow: Sec..,.) Cosideremos um exemplo simples de um feómeo que pode ser descrito por uma equação diferecial. A velocidade de um corpo é defiida como o espaço
Leia maisobjetivo Exercícios Meta da aula Pré-requisitos
Exercícios A U L A 6 Meta da aula Aplicar o formalismo quâtico estudado as Aulas a 5 deste módulo à resolução de um cojuto de exercícios. objetivo Esperamos que, após o térmio desta aula, você teha cosolidado
Leia maisEstatística para Economia e Gestão REVISÕES SOBRE VARIÁVEIS ALEATÓRIAS DISCRETAS E CONTÍNUAS
Estatística para Ecoomia e Gestão REVISÕES SOBRE VARIÁVEIS ALEATÓRIAS DISCRETAS E CONTÍNUAS Primavera 008/009 Variável Aleatória: Defiição: uma variável aleatória é uma fução que atribui a cada elemeto
Leia maisStela Adami Vayego DEST/UFPR
Resumo 0 Estimação de parâmetros populacioais 9.. Itrodução Aqui estudaremos o problema de avaliar certas características dos elemetos da população (parâmetros), com base em operações com os dados de uma
Leia maisAUTO AVALIAÇÃO CAPÍTULO I. 1. Assinale com V as proposições que considere verdadeiras e com F as que considere
AUTO AVALIAÇÃO CAPÍTULO I. Assiale com V as proposições que cosidere verdadeiras e com F as que cosidere falsas : a. Sedo A e B cojutos disjutos, ambos majorados, os respectivos supremos ão podem coicidir
Leia mais2. COMBINAÇÃO LINEAR E DEPENDÊNCIA LINEAR DE VETORES
CAPITULO II COMBINAÇÃO LINEAR E DEPENDÊNCIA LINEAR DE VETORES Acreditamos que os coceitos de Combiação Liear (CL) e de Depedêcia Liear serão melhor etedidos se forem apresetados a partir de dois vetores
Leia maisENGENHARIA DA QUALIDADE A ENG AULA 6 CARTAS DE CONTROLE PARA ATRIBUTOS
ENGENHARIA DA QUALIDADE A ENG 09008 AULA 6 CARTAS DE CONTROLE PARA ATRIBUTOS PROFESSORES: CARLA SCHWENGBER TEN CATEN Tópicos desta aula Cartas de Cotrole para Variáveis Tipo 1: Tipo 2: Tipo 3: X X X ~
Leia maisProva Escrita de MATEMÁTICA A - 12o Ano a Fase
Prova Escrita de MATEMÁTICA A - 1o Ao 00 - a Fase Proposta de resolução GRUPO I 1. Como a probabilidade do João acertar em cada tetativa é 0,, a probabilidade do João acertar as tetativas é 0, 0, 0, 0,
Leia maisAp A r p e r n e d n i d z i a z ge g m e m Es E t s a t tí t s í t s i t c i a c de d e Dado d s Francisco Carvalho
Apredizagem Estatística de Dados Fracisco Carvalho Avaliação e Comparação de Classificadores Existem poucos estudos aalíticos sobre o comportameto de algoritmos de apredizagem. A aálise de classificadores
Leia maisAlguns autores também denotam uma sequência usando parêntesis:
Capítulo 3 Sequêcias e Séries Numéricas 3. Sequêcias Numéricas Uma sequêcia umérica é uma fução real com domíio N que, a cada associa um úmero real a. Os úmeros a são chamados termos da sequêcia. É comum
Leia mais6. Testes de Hipóteses Conceitos Gerais
6. Testes de Hipóteses Coceitos Gerais Este capitulo itrodutório, pretede apresetar todas as defiições e todo o vocabulário utilizado em testes de hipóteses. Em um primeiro mometo, talvez você fique um
Leia maisObtemos, então, uma amostra aleatória de tamanho n de X, que representamos por X 1, X 2,..., X n.
Vamos observar elemetos, extraídos ao acaso e com reposição da população; Para cada elemeto selecioado, observamos o valor da variável X de iteresse. Obtemos, etão, uma amostra aleatória de tamaho de X,
Leia maisCONHECIMENTOS ESPECÍFICOS
Acerca dos coceitos de estatística e dos parâmetros estatísticos, julgue os ites seguites. CONHECIMENTOS ESPECÍFICOS CESPE/UB STM 67 A partir do histograma mostrado a figura abaixo, é correto iferir que
Leia maisSéquências e Séries Infinitas de Termos Constantes
Capítulo Séquêcias e Séries Ifiitas de Termos Costates.. Itrodução Neste capítulo estamos iteressados em aalisar as séries ifiitas de termos costates. Etretato, para eteder as séries ifiitas devemos ates
Leia maisProbabilidade 2 - ME310 - Lista 5
Probabilidade - ME30 - Lista 5 November 3, 0 Lembrado:. Covergêcia de sequêcias em L p (também chamada de covergêcia em média): se lim E( X X 0 p ) 0 quado, etão a sequêcia deida por X é dita covergete
Leia maisS E Q U Ê N C I A S E L I M I T E S. Prof. Benito Frazão Pires. Uma sequência é uma lista ordenada de números
S E Q U Ê N C I A S E L I M I T E S Prof. Beito Frazão Pires Uma sequêcia é uma lista ordeada de úmeros a, a 2,..., a,... ) deomiados termos da sequêcia: a é o primeiro termo, a 2 é o segudo termo e assim
Leia maisConjuntos Infinitos. Teorema (Cantor) Se A é conjunto qualquer, #A #P(A). Mais precisamente, qualquer
Cojutos Ifiitos Teorema (Cator) Se A é cojuto qualquer, #A #P(A). Mais precisamete, qualquer f : A P(A) ão é sobrejetora. Cosequêcia. Existe uma herarquia de cojutos ifiitos. Obs. Existe uma bijeção etre
Leia maisEPR 007 Controle Estatístico de Qualidade
EP 7 Cotrole Estatístico de Qualidade Prof. Dr. Emerso José de Paiva Gráficos e tabelas origiadas de Costa, Epprecht e Carpietti (212) 1 Num julgameto, ifelizmete, um iocete pode ir pra cadeia, assim como
Leia mais