Variáveis Aleatórias
|
|
- Felícia Melgaço de Carvalho
- 6 Há anos
- Visualizações:
Transcrição
1 Variáveis Aleatórias Definição: Uma variável aleatória v.a. é uma função que associa elementos do espaço amostral a valores numéricos, ou seja, X : Ω A, em que A R. Esquematicamente As variáveis aleatórias são classificadas em dois tipos: VA discreta: é aquela para a qual o conjunto A é um conjunto finito ou infinito enumerável Exs.: A = {1,, 3, 4, 5, 6}, A = = {, 1,, 3, 4,... }, etc. VA contínua: é aquela para a qual o conjunto A é um conjunto infinito não enumerável, ou seja, é uma v.a. que assume valores em intervalos de números reais Exs.: A = R = (, ), A = [,1] R, etc. Notas: Para v.a. s contínuas, a função que normalmente associa pontos de Ω ao conjunto A R, é a função identidade; Para v.a. s discretas, a função que normalmente associa pontos de Ω ao conjunto A R, é uma contagem ou soma.
2 Exemplo: Três jogadores A, B e C cobram um penalti cada um. a) Quais os resultados possíveis? b) Como definir uma v.a.? c) Como associar probavilidade a essa uma v.a.? Sejam os eventos A = o jogador A marca o penalti, B = o jogador B marca o penalti e C = o jogador C marca o penalti a) Ω = { ABC, A C BC, AB C C, ABC C, A C B C C, A C BC C, AB C C C, A C B C C C } é o espaço amostral. b) Temos pelo menos duas formas de definir uma variável aleatória nesse caso: (i) X 1 = número de gols marcados nas três cobranças ou (ii) X = número de gols não marcados nas três cobranças. Vamos considerar X = número de gols marcados nas três cobranças X(ABC) = 3 X(A C BC) = X(AB C C) = X(ABC C ) = X(A C B C C) = X(A C BC C ) = X(AB C C C ) = 1 X(A C B C C C ) = Por conveniência, vamos utilizar a notação simplificada para representar os possíveis valores de uma v.a.: X(ABC) X = 3 X(A C BC) = X(AB C C) = X(ABC C ) X = X(A C B C C) = X(A C BC C ) = X(AB C C C ) X = 1 X(A C B C C C ) X = Assim pode-se escrever: P(X = 3) = P(ABC) =.673 P(X = ) = P(A C BC AB C C ABC C ) =.854 P(X = 1) = P(A C B C C A C BC C AB C C C ) =.396 P(X = ) = P(A C B C C C ) =.18
3 Função de probabilidade de uma v.a. discreta A função que associa probabilidades aos possíveis valores de uma v.a. discreta X, é chamada de função de probabilidade discreta e é representada por: p(x) = P(X = x), x A. Propriedades: a) p(x) 1; b) p ( x) = 1. x A Exemplo: No exemplo dos 3 jogadores, temos A = {, 1,, 3 } e: x p(x) p(x) assim definida, é uma função que associa probabilidades à v.a. X = número de gols narcados nas 3 cobranças de penaltis. Exemplo: Um atirador acerta a mosca de um alvo 8% das vezes. Se ele realiza dez tiros, a) Defina uma variável aleatória para esse caso. Qual é a probabilidade de que ele acerte o alvo: b) exatamente uma vez? c) pelo menos uma vez? d) no máximo três vezes? (escreva essas probabilidades em termos da v.a.)
4 a) Vamos definir a v.a. X = número de acertos nos dez tiros Desta forma temos que A = {, 1,, 3, 4, 5, 6, 7, 8, 9, 1 }, ou seja p(x) = P(X = x), em que x {, 1,, 3, 4, 5, 6, 7, 8, 9, 1 }. b) A probabilidade de que o atirador acerte o alvo exatamente uma vez pode ser representada por: P(X = 1). Se o atirador acerta o alvo em 8% das vezes, então, em cada tiro ele tem probabilidades.8 de acertar e. de errar. Sendo A = acerto e E = erro e considerando que ele acerte o primeiro tiro, temos que A/E A E E E E E E E E E prob tiro Assim, a probabilidade de que ele acerte uma única vez, sendo este o primeiro tiro é igual a: (.8) (.) 9 Como ele pode acertar o primeiro tiro ou o segundo ou o terceiro... ou o décimo, então ele tem dez vezes essa probabilidade, então: P(X = 1) = 1 (.8) (.) 9 1 = (.8) 1 (.) 9 = c) Se o atirador acerta pelo menos uma vez, então, ele pode acertar uma vez ou duas vezes ou três vezes... ou dez vezes, portanto, a probabilidade de que o atirador acerte pelo menos uma vez pode ser escrita por: 1 P(X 1) = P( X = x) = P(X = 1) + P(X = ) P(X = 1). x= 1 Mas, utilizando o evento complementar, podemos escrever a probabilidade do atirador acertar pelo menos uma como sendo um menos a probabilidade de que ele erre todos os tiros, ou seja:
5 P(X 1) = 1 P(X = ) = 1 (.) 1 = d) A probabilidade do atirador acertar no máximo três vezes pode ser escrita como: P(X 3) = P(X = ) + P(X = 1) + P(X = ) + P(X = 3). Mas: 1 P(X = ) = (.8) (.) 1 = P(X = 1) = (.8) 1 (.) 9 = P(X = ) = (.8) (.) 8 = P(X = 3) = (.8) 3 (.) 7 = Logo, P(X 3) = No exemplo acima podemos escrever uma fórmula geral para as probabilidades: 1 P(X = x) = (.8) x (.) 1 x. x Generalizando um pouco mais, podemos pensar num atirador que tem um índice de acertos maior ou menor do que os 8%, como por exemplo: 95%, 7%, 4%, etc... Como esse índice de acertos pode ser expresso como uma proporção entre e 1, podemos definir uma quantidade p 1, como sendo a probabilidade de que, num tiro, o atirador acerte a mosca. Considerando que o atirador pode atirar um número n qualquer de vezes, sendo X a v.a. que conta o número de acertos nos n tiros, então podemos generalizar a probabilidade P(X = x) por:
6 n P(X = x) = p x (1 p) n x, x =, 1,,..., n. x Esse modelo é conhecido como modelo binomial. O modelo binomial está associado à ensaios com apenas dois resultados possíveis: sim/não; ocorre/não ocorre; /1. Esses ensaios quando são independentes recebem o nome de ensaios de Bernoulli. Nos ensaios de Bernoulli sempre estamos interessados em apenas um dos resultados ao qual chamaremos de sucesso. A não ocorrência de sucesso vamos chamar de fracasso. Desta forma, para o modelo binomial temos que: p = P(sucesso) e (1 p) = P(fracasso) No exemplo do atirador ocorre sucesso quando o atirador acerta a mosca e fracasso quando ele não acerta a mosca. Uma característica do modelo binomial é que são realizados n ensaios com apenas dois resultados possíveis nos quais a probabilidade de sucesso p é sempre constante, ou seja, os ensaios são independentes. Assim sendo, definimos uma variável aleatória binomial como sendo uma variável que conta o número de sucesso num número fixo de ensaios de Bernoulli. Notação: X binomial(n, p). No exemplo do atirados temos p =.8 e n = 1, logo X binomial(1,.8).
7 Outro exemplo: Considere a fabricação de componentes eletrônicos em que o índice de produtos com defeito é de.5%. Se um inspetor seleciona um lote de 8 peças para inspeção, qual a probabilidade de que: a) apenas uma seja defeituosa? b) nenhuma seja defeituosa? c) no máximo duas sejam defeituosas? d) Qual é o número esperado de peças defeituosas no lote? Vamos definir a v.a. X = número de peças defeituosas dentre as 8. Como estamos interessados nos defeito, então, p = P(defeito) =.5 e X binomial(8,.5). 8 a) P(X = 1) = (.5) 1 (.975) 79 = b) P(X = ) = (.5) (.975) 8 =.1319 c) P(X ) = P(X = ) + P(X = 1) + P(X = ) = d) Espera-se: 8.5 = peças defeituosas no lote, ou seja, espera-se np peças com defeito. Resultado: O número esperado de sucessos em n ensaios de Bernoulli com P(sucesso) = p é dado por np. Obs: No exemplo do atirador espera-se que ele acerte 1.8 = 8 tiros na mosca.
8 Função de probabilidade de uma v.a. contínua Para modelarmos as probabilidades associadas a uma v.a. contínua, temos de considerar que estas assumem valores em intervalos dos reias. Desta forma, o conjunto de possíveis valores que uma v.a. contínua X pode assumir é dado por A = { x R: k 1 x k }, k 1 < k. Como existem infinitos pontos no intervalo [k 1, k ], não faz sentido pensarmos em calcular a probabilidade de X assumir um dado valor x A, uma vez que essa probabilidade será igual a zero. Assim, para uma v.a. contínua, P(X = x) =. No entanto, podemos determinar a probabilidade de X assumir um valor entre dois pontos quaisquer pertencentes a A: P(a X b) ; P(X b), P(X a), etc Definição: Seja um função f(x) não negativa tal que a) f(x), x A; + b) f ( x) dx= 1; c) lim f ( x) = lim f ( x) = ; x x + b d) P(a X b) = a f ( x) dx A função f(x) é chamada de função densidade de probabilidade (f.d.p.) da v.a. X, ou simplesmente função densidade de X. e serve para descrever a distribuição de probabilidade de uma v.a. contínua.
9 A função de probabilidade f(x) pode ser aproximada pelo histograma da v.a. X., conforme podemos observar pela figura. Definição: Seja um função F(x) tal que x F ( x) = P( X x) = f ( x) dx. F(x) é chamada função de distribuição acumulada (f.d.a.) da v.a. X, ou simplesmente função de distribuição. Nota: b Da definição de f.d.p. segue-se que P(a X b) = a f ( x) dx = F(b) F(a)
10 Exemplo: Seja uma v.a. X com f.d.p. f(x) dada por k x f(x) = e, x. a) Para que valor de k, f(x) define uma f.d.p.? + + De f ( x) dx= e dx= 1, fazendo w = kx, segue-se que dw = kdx. + k x = k Portanto, e dx e ( e ) ( e e ) 1 k x = w dw k w = k + =, de onde se obtém: = 1 k k =. b) Encontre a f.d.a. Portanto, x u u e x F( x) = e du = = 1 e. x x F( x) = P( X x) = 1 e. Desta forma, podemos encontrar P(1 X ) = F() F(1), ou seja 1 4 P(1 X ) =( ) ( ) 1 e 1 e = e e =.117. Medidas associadas: a) Valor esperado ou média de uma v.a. denotado por E(X) Se X é uma v.a. discreta, então: Se X é uma v.a. contínua, então: E ( X ) = x p( x) x A E ( X ) = x f ( x) dx
11 b) Variância de uma v.a. denotado por Var(X) Em ambos os casos definimos variância por: [ X E( X) ] = E( X ) [ E( )] Var( X ) = E X, Em que: ( X ) = E x p( x) x A, ou ( X ) E = x f ( x) dx c) Exemplos: 1) Para o modelo binomial mostra-se facilmente que por E(X) = np e que Var(X) = np(1 p). Dessa forma, no exemplo do atirador, como n = 1 e p =.8, E(X) = 1.8 = 8 acertos e Var(X) = 1.8. = 1.6. ) No exemplo da fabricação de componenetes eletronicos, como n = 8 e p =.5, E(X) = 8.5 = peças/lote e Var(X) = = ) Para o exemplo da v.a. contínua, temos que: x x E( X ) = x e dx= x e dx, integrando por partes, 1 E ( X ) =. Ainda, E ( X ) = x x E( X ) = x e dx= x e dx, e, integrando p.partes 1 1, logo, Var ( X ) =. 4
12 A distribuição de probabilidade Normal. Uma v.a. X tem distribuição normal ou Gaussiana, com parâmetros µ e σ se a sua f.d.p. for: 1 ( ) ( xµ x = e ) σ f, < x <, <µ< e σ. σ π Notação: X normal(µ; σ ) ou X N(µ; σ ). As principais características da distribuição normal são: a) X tem média E(X) = µ e variância Var(X) = σ ; b) f(x) é uma função simétrica em torno de µ: f(µ k) = f(µ + k); c) f(x) tem pontos de inflexão em (µ σ) e (µ + σ); d) f(x) tem o conhecido formato de sino com 95% de probabilidade entre (µ σ) e (µ + σ) (ver figura). >
13 A função de distribuição acumulada da normal não pode ser obtida, uma vez que a integral F x 1 ( x) e ( wµ ) σ = dw, σ π não tem solução algébrica. Isso dificulta um pouco as coisas, pois, nesse caso temos de recorrer à programação numérica. Um resultado importante, entretanto, vem facilitar a nossa vida. µ Considere uma v.a. qualquer X e seja a transformação linear Z = X. σ Essa transformação padroniza a v.a. X em relação ao seu desvio padrão, além de centralizá-la na origem. Desta forma, a média e variância de Z serão E(Z) = e Var(X) = 1. Resultado: Seja X uma v.a. com distribuição normal com média µ e variância σ, então a variável Z tem normal padronizada, com média e variância 1, ou seja: Z N(; 1), e a sua f.d.p. será dada por: f 1 z ( z) e, = < z <. π
14 Nota: Por meio deste resultado, basta construirmos uma tabela de probabilidades para a distribuição normal padronizada que conseguimos as probabilidades para uma v.a. normal qualquer. Como obter probabilidades para a normal com a tabela da distr. padrão? Exemplo: Seja uma v.a. X com distribuição normal com média e variância 16, ou seja, X N(; 16). Calcular as probabilidades abaixo: a) P(X 5) X 5 P = P(X 5) = = P( Z 1.5) b) P(1 X 8) 1 X 8 P(1 X 8) = P = = P (.5 Z. )= ( Z.) P( Z. )= = P =.9711
15 c) Qual o valor de k tal que P(X k) =.1? X k P(X k) = P =.1, 4 4 k Da tabela temos que = k = 1.38 d) Quais os valores k 1 e k simétricos em torno de µ, tal que P(k 1 X k ) =.95? P(k 1 X k ) = k1 k P Z =.95, 4 4 k Da tabela temos que 1 k P Z = P Z =.5, e, 4 4 k1 = 1.96 k 1 = Como k 1 e k simétricos em torno de, então k = 1.96 k = Exemplo: ) Suponha que o nível de dureza de uma peça de espuma 4; 36. Qual a probabilidade de que: tenha distribuição ( ) a) Um item produzido tenha dureza inferior a 8.7? b) Um item produzido tenha dureza superior a 5.5? c) A especificação para esse produto é que pelo menos 95% dos itens produzidos tenham dureza entre 8 e 5. A especificação é atendida?
16 a) P(X < 8.7) P =.31 6 P(X < 8.7) = Z < = P( Z <1.88) b) P(X > 5.5) P =.41 6 P(X > 5.5) = Z > = 1 P( Z < 1.75) c) P(48 < X < 5) P.< Z <. = P Z <. P Z <. P(48 < X < 5) = ( ) ( ) ( ) = = ) O tempo até a falha dos televisores da marca X-View tem distribuição normal com média 35 mil horas ( 4 anos) e desvio padrão de.675 mil horas ( 3.7 meses). A empresa deseja fixar a garantia do produto de forma que, no máximo 5% dos televisores apresentem problemas abaixo desse limite. a) Encontre esse limite? P(X < L) =.5 35 < L L 35 P Z =.5 = L = 3.6 mil horas ( 3.5 anos) b) Os diretores da companhia traçam um plano de ação para reduzir a variabilidade do processo de produção. De quanto deve ser reduzido o desvio padrão do processo para que, mantido o limite obtido em (a), o percentual de itens abaixo do limite garantia caia pela metade? P(X < L) = P Z < =.5 =1. 96 σ* σ* σ* =.45 mil horas ( 3.1 meses)
Variáveis Aleatórias
Variáveis Aleatórias Definição: Uma variável aleatória v.a. é uma função que associa elementos do espaço amostral a valores numéricos, ou seja, X : I, em que I. Esquematicamente: As variáveis aleatórias
Leia maisOs exercícios a seguir são para resolver em sala
Os exercícios a seguir são para resolver em sala i) Uma mulher tem 1/3 de chance de ainda estar viva daqui a 30 anos e seu marido tem 2/5 de chance. Qual é a probabilidade de, daqui a 30 anos: a) Ambos
Leia maisCONCEITOS BÁSICOS. 5) Dois eventos A e B são mutuamente exclusivos, ou disjuntos, se A B =.
CONCEITOS BÁSICOS Eperimento leatório é um eperimento no qual: i todos os possíveis resultados são conhecidos; ii resulta num valor desconhecido, dentre todos os resultados possíveis; iii pode ser repetido
Leia maisCONCEITOS BÁSICOS. 5) Dois eventos A e B são mutuamente exclusivos, ou disjuntos, se A B =.
CONCITOS BÁSICOS 1 xperimento leatório é um experimento no qual: i todos os possíveis resultados são conhecidos; ii resulta num valor desconhecido, dentre todos os resultados possíveis; iii pode ser repetido
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 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 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 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 Distribuição Normal Motivação: Distribuição
Leia maisEstatística (MAD231) Turma: IGA. Período: 2018/2
Estatística (MAD231) Turma: IGA Período: 2018/2 Aula #03 de Probabilidade: 19/10/2018 1 Variáveis Aleatórias Considere um experimento cujo espaço amostral é Ω. Ω contém todos os resultados possíveis: e
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 Variáveis Aleatórias Ao descrever um espaço
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 maisTEORIA DAS PROBABILIDADES. Figura 1: Gráfico de pontos. Figura 3: Polígono de frequências.
TEORIA DAS PROBABILIDADES Figura 1: Gráfico de pontos. Figura 3: Polígono de frequências. Figura 4: Função de distribuição de probabilidades sobre o histograma. A teoria das probabilidades estuda os modelos
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 maisTiago Viana Flor de Santana
ESTATÍSTICA BÁSICA DISTRIBUIÇÃO NORMAL DE PROBABILIDADE (MODELO NORMAL) Tiago Viana Flor de Santana www.uel.br/pessoal/tiagodesantana/ tiagodesantana@uel.br sala 07 Curso: MATEMÁTICA Universidade Estadual
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 maisAula 5. Variáveis Aleatórias Discretas
Aula 5. Variáveis Aleatórias Discretas Definição formal : Variável aleatória é qualquer função definida em espaço Ω. Ω função é uma regra que para cada valor de domínio corresponde um valor de R R Definição
Leia maisAULA 17 - Distribuição Uniforme e Normal
AULA 17 - Distribuição Uniforme e Normal Susan Schommer Introdução à Estatística Econômica - IE/UFRJ Distribuições Contínuas Em muitos problemas se torna matematicamente mais simples considerar um espaço
Leia maisModelos básicos de distribuição de probabilidade
Capítulo 6 Modelos básicos de distribuição de probabilidade Muitas variáveis aleatórias, discretas e contínuas, podem ser descritas por modelos de probabilidade já conhecidos. Tais modelos permitem não
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 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 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 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 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 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 maisMétodos Experimentais em Ciências Mecânicas
Métodos Experimentais em Ciências Mecânicas Professor Jorge Luiz A. Ferreira Função que descreve a chance que uma variável pode assumir ao longo de um espaço de valores. Uma distribuição de probabilidade
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 maisLucas Santana da Cunha de junho de 2017
VARIÁVEL ALEATÓRIA Lucas Santana da Cunha email: lscunha@uel.br http://www.uel.br/pessoal/lscunha/ Universidade Estadual de Londrina 19 de junho de 2017 Uma função que associa um número real aos resultados
Leia maisVariáveis Aleatórias. Esperança e Variância. Prof. Luiz Medeiros Departamento de Estatística - UFPB
Variáveis Aleatórias Esperança e Variância Prof. Luiz Medeiros Departamento de Estatística - UFPB ESPERANÇA E VARIÂNCIA Nos modelos matemáticos aleatórios parâmetros podem ser empregados para caracterizar
Leia maisProf. Lorí Viali, Dr.
Prof. Lorí Viali, Dr. viali@mat.ufrgs.br http://www.mat.ufrgs.br/~viali/ s KKK CKK KKC KCK CCK CKC KCC CCC S X 0 1 2 3 R x X(s) X(S) Uma função X que associa a cada elemento de S (s S) um número real
Leia maisUNIVERSIDADE FEDERAL DA PARAÍBA. Variáveis Aleatórias. Departamento de Estatística Luiz Medeiros
UNIVERSIDADE FEDERAL DA PARAÍBA Variáveis Aleatórias Departamento de Estatística Luiz Medeiros Introdução Como sabemos, características de interesse em diversas áreas estão sujeitas à variação; Essa variabilidade
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 maisVariável Aleatória. O conjunto de valores. Tipos de variáveis. Uma função X que associa a cada
Variável Aleatória Uma função X que associa a cada Prof. Lorí Viali, Dr. viali@mat.ufrgs.br http://www.mat.ufrgs.br/~viali/ elemento de S (s S) um número real x X(s) é denominada variável aleatória. O
Leia maisMomentos: Esperança e Variância. Introdução
Momentos: Esperança e Variância. Introdução Em uma relação determinística pode-se ter a seguinte relação: " + " = 0 Assim, m =, é a declividade e a e b são parâmetros. Sabendo os valores dos parâmetros
Leia maisESTATÍSTICA TÓPICO 7 VARIÁVEL ALEATÓRIA DISCRETA / DISTRIBUIÇÃO BINOMIAL / DISTRIBUIÇÃO NORMAL
ESTATÍSTICA TÓPICO 7 VARIÁVEL ALEATÓRIA DISCRETA / DISTRIBUIÇÃO BINOMIAL / DISTRIBUIÇÃO NORMAL VARIÁVEIS ALEATÓRIAS Como já vimos no estudo das probabilidades, o conjunto de todos os possíveis resultados
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 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
Estatística Aplicada Variável Aleatória Contínua e Distribuição Contínua da Probabilidade Professor Lucas Schmidt www.acasadoconcurseiro.com.br Estatística Aplicada DISTRIBUIÇÕES CONTÍNUAS DE PROBABILIDADE
Leia maisVariáveis Aleatórias Contínuas e Distribuição de Probabilidad
Variáveis Aleatórias Contínuas e Distribuição de Probabilidades - parte II 26 de Novembro de 2013 Distribuição Contínua Uniforme Média e Variância Objetivos Ao final deste capítulo você deve ser capaz
Leia mais1 Distribuições Discretas de Probabilidade
1 Distribuições Discretas de Probabilidade A distribuição discreta descreve quantidades aleatórias (dados de interesse) que podem assumir valores particulares e os valores são finitos. Por exemplo, uma
Leia maisProcessos Estocásticos. Luiz Affonso Guedes
Processos Estocásticos Luiz Affonso Guedes Sumário Modelos Probabilísticos Discretos Uniforme Bernoulli Binomial Hipergeométrico Geométrico Poisson Contínuos Uniforme Normal Tempo de Vida Exponencial Gama
Leia maisVariáveis aleatórias contínuas
Variáveis aleatórias contínuas Wagner H. Bonat Fernando P. Mayer Elias T. Krainski Universidade Federal do Paraná Departamento de Estatística Laboratório de Estatística e Geoinformação 20/04/2018 WB, FM,
Leia maisEstatística (MAD231) Turma: IGA. Período: 2017/2
Estatística (MAD231) Turma: IGA Período: 2017/2 Aula #03 de Probabilidade: 04/10/2017 1 Variáveis Aleatórias Considere um experimento cujo espaço amostral é Ω. Ω contém todos os resultados possíveis: e
Leia maisDA PARAÍBA. Variáveis Aleatórias. Departamento de Estatística Luiz Medeiros
UNIVERSIDADE FEDERAL DA PARAÍBA Variáveis Aleatórias Departamento de Estatística Luiz Medeiros Introdução Como sabemos, características de interesse em diversas áreas estão sujeitas à variação Essa variabilidade
Leia maisA figura 5.1 ilustra a densidade da curva normal, que é simétrica em torno da média (µ).
Capítulo 5 Distribuição Normal Muitas variáveis aleatórias contínuas, tais como altura, comprimento, peso, entre outras, podem ser descritas pelo modelo Normal de probabilidades. Este modelo é, sem dúvida,
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 maisVariáveis aleatórias. Universidade Estadual de Santa Cruz. Ivan Bezerra Allaman
Variáveis aleatórias Universidade Estadual de Santa Cruz Ivan Bezerra Allaman DEFINIÇÃO É uma função que associa cada evento do espaço amostral a um número real. 3/37 Aplicação 1. Seja E um experimento
Leia maisDistribuições amostrais
Distribuições amostrais Tatiene Correia de Souza / UFPB tatiene@de.ufpb.br October 14, 2014 Souza () Distribuições amostrais October 14, 2014 1 / 23 Distribuição Amostral Objetivo Estender a noção de uma
Leia maisPar de Variáveis Aleatórias
Par de Variáveis Aleatórias Luis Henrique Assumpção Lolis 7 de abril de 2014 Luis Henrique Assumpção Lolis Par de Variáveis Aleatórias 1 Conteúdo 1 Introdução 2 Par de Variáveis Aleatórias Discretas 3
Leia mais3. VARIÁVEIS ALEATÓRIAS
3. VARIÁVEIS ALEATÓRIAS 011 Variável aleatória é o espaço amostral de um eperimento aleatório. Uma variável aleatória,, é uma função que atribui um número real a cada resultado em. Eemplo. Retira-, ao
Leia maisVariável Aleatória Contínua. Tiago Viana Flor de Santana
ESTATÍSTICA BÁSICA Variável Aleatória Contínua Tiago Viana Flor de Santana www.uel.br/pessoal/tiagodesantana/ tiagodesantana@uel.br sala 07 Curso: MATEMÁTICA Universidade Estadual de Londrina UEL Departamento
Leia maisProcessos Estocásticos
Processos Estocásticos Luiz Affonso Guedes Sumário Modelos Probabilísticos Discretos Uniforme Bernoulli Binomial Hipergeométrico Geométrico Poisson Contínuos Uniforme Normal Tempo de Vida Exponencial Gama
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 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 maisVariável aleatória. O resultado de um experimento aleatório é designado variável aleatória (X)
Variável aleatória O resultado de um experimento aleatório é designado variável aleatória (X) Função densidade de probabilidade A função densidade de probabilidade associa cada possível valor da variável
Leia maisVariáveis Aleatórias Discretas 1/1
Variáveis Aleatórias Discretas Professores Eduardo Zambon e Magnos Martinello UFES Universidade Federal do Espírito Santo DI Departamento de Informática CEUNES Centro Universitário Norte do Espírito Santo
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 maisBioestatística e Computação I
Bioestatística e Computação I Distribuições Teóricas de Probabilidade Maria Virginia P Dutra Eloane G Ramos Vania Matos Fonseca Pós Graduação em Saúde da Mulher e da Criança IFF FIOCRUZ Baseado nas aulas
Leia maisVariável Aleatória Contínua:
Distribuição Contínua Normal Luiz Medeiros de Araujo Lima Filho Departamento de Estatística UFPB Variável Aleatória Contínua: Assume valores num intervalo de números reais. Não é possível listar, individualmente,
Leia maisVariável Aleatória. Gilson Barbosa Dourado 6 de agosto de 2008
Variável Aleatória Gilson Barbosa Dourado gdourado@uneb.br 6 de agosto de 2008 Denição de Variável Aleatória Considere um experimento E e seu espaço amostral Ω = {a 1, a 2,..., a n }. Variável aleatória
Leia maisLucas Santana da Cunha 12 de julho de 2017
DISTRIBUIÇÃO NORMAL Lucas Santana da Cunha http://www.uel.br/pessoal/lscunha/ Universidade Estadual de Londrina 12 de julho de 2017 Distribuição Normal Dentre todas as distribuições de probabilidades,
Leia maisEstatística (MAD231) Turma: IGA. Período: 2018/2
Estatística (MAD231) Turma: IGA Período: 2018/2 Aula #04 de Probabilidade: 26/10/2018 1 Variáveis Aleatórias Contínuas De modo informal as variáveis aleatórias são contínuas quando resultam de algum tipo
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 maisLucas Santana da Cunha de junho de 2018 Londrina
Distribuição Normal Lucas Santana da Cunha email: lscunha@uel.br http://www.uel.br/pessoal/lscunha/ 25 de junho de 2018 Londrina 1 / 17 Distribuição Normal Dentre todas as distribuições de probabilidades,
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 maisDistribuições Contínuas de Probabilidade
Distribuições Contínuas de Probabilidade Uma variável aleatória contínua é uma função definida sobre o espaço amostral, que associa valores em um intervalo de números reais. Exemplos: Espessura de um item
Leia maisConforme o conjunto de valores X(S) uma variável aleatória poderá ser discreta ou contínua.
Prof. Lorí Viali, Dr. viali@pucrs.br http://www.pucrs.br/famat/viali/ s KKK CKK KKC KCK CCK CKC KCC CCC S X X(s) R X(S) Uma função X que associa a cada elemento de S (s S) um número real X(s) é denominada
Leia maisModelos Probabilisticos Discretos
Modelos Probabilisticos Discretos Ricardo Ehlers ehlers@icmc.usp.br Departamento de Matemática Aplicada e Estatística Universidade de São Paulo 1 / 30 A distribuição Uniforme Discreta Suponha um experimento
Leia maisProbabilidade. 1 Distribuição de Bernoulli 2 Distribuição Binomial 3 Multinomial 4 Distribuição de Poisson. Renata Souza
Probabilidade Distribuição de Bernoulli 2 Distribuição Binomial 3 Multinomial 4 Distribuição de Poisson Renata Souza Distribuição de Bernoulli Uma lâmpada é escolhida ao acaso Ensaio de Bernoulli A lâmpada
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 maisProf. Dr. Lucas Santana da Cunha de maio de 2018 Londrina
Prof. Dr. Lucas Santana da Cunha email: lscunha@uel.br http://www.uel.br/pessoal/lscunha/ 21 de maio de 2018 Londrina 1 / 14 Variável aleatória Introdução Definição Uma função que associa um número real
Leia maisTeorema do Limite Central
Teorema do Limite Central Bacharelado em Economia - FEA - Noturno 1 o Semestre 2014 MAE0219 (IME-USP) Teorema do Limite Central 1 o Semestre 2014 1 / 47 Objetivos da Aula Sumário 1 Objetivos da Aula 2
Leia maisAvaliação e Desempenho Aula 5
Avaliação e Desempenho Aula 5 Aula passada Revisão de probabilidade Eventos e probabilidade Independência Prob. condicional Aula de hoje Variáveis aleatórias discretas e contínuas PMF, CDF e função densidade
Leia mais5. PRINCIPAIS MODELOS CONTÍNUOS
5. PRINCIPAIS MODELOS CONTÍNUOS 2019 5.1. Modelo uniforme Uma v.a. contínua X tem distribuição uniforme com parâmetros e ( < ) se sua função densidade de probabilidade é dada por f ( x )={ 1 β α, α x β
Leia maisProbabilidade e Modelos Probabilísticos
Probabilidade e Modelos Probabilísticos 1ª Parte: Conceitos básicos, variáveis aleatórias, modelos probabilísticos para variáveis aleatórias discretas, modelo binomial, modelo de Poisson 1 Probabilidade
Leia maisUNIDADE II. José J. C. Hernández. April 9, 2017 DE - UFPE. José J. C. Hernández (DE - UFPE) Estatística I April 9, / 60
INTRODUÇÃO À ESTATÍSTICA UNIDADE II José J. C. Hernández DE - UFPE April 9, 2017 José J. C. Hernández (DE - UFPE) Estatística I April 9, 2017 1 / 60 Variável aleatória Seja X : Ω R uma função real de Ω
Leia maisDepartamento de Matemática Escola Superior de Tecnologia de Viseu
Distribuições contínuas Departamento de Matemática Escola Superior de Tecnologia de Viseu Distribuição Normal Diz-se que uma variável aleatória X tem distribuição normal, se a sua função densidade de probabilidade
Leia mais4.1. ESPERANÇA x =, x=1
4.1. ESPERANÇA 139 4.1 Esperança Certamente um dos conceitos mais conhecidos na teoria das probabilidade é a esperança de uma variável aleatória, mas não com esse nome e sim com os nomes de média ou valor
Leia maisVARIÁVEIS ALEATÓRIAS E DISTRIBUIÇÕES DE PROBABILIDADE
VARIÁVEIS ALEATÓRIAS E DISTRIBUIÇÕES DE PROBABILIDADE.1 INTRODUÇÃO Admita que, de um lote de 10 peças, 3 das quais são defeituosas, peças são etraídas ao acaso, juntas (ou uma a uma, sem reposição). Estamos
Leia maisVARIÁVEIS ALEATÓRIAS 1
VARIÁVEIS ALEATÓRIAS 1 Na prática é, muitas vezes, mais interessante associarmos um número a um evento aleatório e calcularmos a probabilidade da ocorrência desse número do que a probabilidade do evento.
Leia maisBIOESTATÍSTICA. Parte 3 Variáveis Aleatórias
BIOESTATÍSTICA Parte 3 Variáveis Aleatórias Aulas Teóricas de 29/03/2011 a 26/04/2011 3.1. Conceito de Variável Aleatória. Função de Distribuição Variáveis aleatórias Uma variável aleatória pode ser entendida
Leia maisIntrodução à probabilidade e estatística I
Introdução à probabilidade e estatística I Variáveis Aleatórias Prof. Alexandre G Patriota Sala: 298A Email: patriota@ime.usp.br Site: www.ime.usp.br/ patriota Probabilidade Daqui por diante utilizaremos
Leia maisFundamentos da Teoria da Probabilidade
Fundamentos da Teoria da Probabilidade Edmar José do Nascimento (Princípios de Comunicações) http://www.univasf.edu.br/ edmar.nascimento Universidade Federal do Vale do São Francisco Sinais Aleatórios
Leia maisMOQ-12: PROBABILIDADES E PROCESSOS ESTOCÁSTICOS. VA s e Distribuições
Motivação: MOQ-2: PROBABILIDADES E PROCESSOS ESTOCÁSTICOS VA s e Distribuições Definimos anteriormente Espaço de Probabilidades como sendo a tripla (W,, P(.)), em que, dado um eperimento, W representa
Leia maisVariáveis Aleatórias Contínuas
Variáveis Aleatórias Contínuas Bacharelado em Administração - FEA - Noturno 2 o Semestre 2017 MAE0219 (IME-USP) Variáveis Aleatórias Contínuas 2 o Semestre 2017 1 / 35 Objetivos da Aula Sumário 1 Objetivos
Leia maisProf. Fabrício Maciel Gomes Departamento de Engenharia Química Escola de Engenharia de Lorena EEL
Prof. Fabrício Maciel Gomes Departamento de Engenharia Química Escola de Engenharia de Lorena EEL Referências Bibliográficas Sistema de Avaliação Duas Provas teóricas Um Trabalho em Grupo MédiaFinal 0,4
Leia maisVariável Aleatória Contínua:
Distribuição Contínua Normal Prof. Tarciana Liberal Departamento de Estatística UFPB x x Variável Aleatória Contínua: Assume valores num intervalo de números reais. Não é possível listar, individualmente,
Leia maisProbabilidade II. Departamento de Estatística. Universidade Federal da Paraíba
Probabilidade II Departamento de Estatística Universidade Federal da Paraíba Prof. Tarciana Liberal (UFPB) Aula Lei dos Grandes Números e Teorema Central do Limite 02/14 1 / 9 Lei dos Grandes Números Lei
Leia maisVARIÁVEIS ALEATÓRIAS. Assim, o espaço amostral é um conjunto com 8 elementos dado por
VARIÁVEIS ALEATÓRIAS Definição.: Dado um espaço de probabilidade (Ω, F, P ), uma variável aleatória X é uma função real definida no espaço Ω, e que toma valores em R tal que o conjunto {ω Ω : [X(ω) x]}
Leia maisAULA 8. DISTRIBUIÇÕES DE VARIÁVEIS CONTÍNUAS Uniforme, Exponencial e Normal 19/05/2017
AULA 8 DISTRIBUIÇÕES DE VARIÁVEIS CONTÍNUAS Uniforme, Exponencial e Normal 19/05/2017 As funções de distribuição (acumulada) e de densidade para v.a. contínuas = =. Se a densidade f(x)for continua no seu
Leia mais5. PRINCIPAIS MODELOS CONTÍNUOS
5. RINCIAIS MODELOS CONTÍNUOS 04 5.. Modelo uniforme Uma v.a. contínua tem distribuição uniforme com parâmetros α e β α β se sua função densidade de probabilidade é dada por f, β α 0, Notação: ~ Uα, β.
Leia maisSUMÁRIOS DE VARIÁVEIS ALEATÓRIAS CONTINUAS
4 SUMÁRIOS DE VARIÁVEIS ALEATÓRIAS CONTINUAS Em muitos problemas de probabilidade que requerem o uso de variáveis aleatórias, uma completa especificação da função de densidade de probabilidade ou não está
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 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 maisProf. Lorí Viali, Dr.
Prof. Lorí Viali, Dr. viali@mat.ufrgs.br http://www.mat.ufrgs.br/~viali/ Tipos de Modelos Determinístico Sistema Real Probabilístico Modelo determinístico Causas Efeito Exemplos Gravitação F GM 1 M /r
Leia maisDistribuição Normal. Prof. Eduardo Bezerra. (CEFET/RJ) - BCC - Inferência Estatística. 25 de agosto de 2017
padrão - padronização Distribuição Normal Prof. Eduardo Bezerra (CEFET/RJ) - BCC - Inferência Estatística 25 de agosto de 2017 Eduardo Bezerra (CEFET/RJ) Distribuição Normal Março/2017 1 / 32 Roteiro Distribuições
Leia mais5. PRINCIPAIS MODELOS CONTÍNUOS
5. PRINCIPAIS MODELOS CONTÍNUOS 011 5.1. Modelo uniforme Uma v.a. contínua X tem distribuição uniforme com parâmetros e ( < ) se sua função densidade de probabilidade é dada por 1, f ( ) 0, Notação: X
Leia maisProbabilidade e Estatística
Probabilidade e Estatística Aula 6 Distribuições Contínuas (Parte 02) Leitura obrigatória: Devore, Capítulo 4 Chap 6-1 Distribuições de Probabilidade Distribuições de Probabilidade Distribuições de Probabilidade
Leia maisBioestatística Aula 3
Bioestatística Aula 3 Anderson Castro Soares de Oliveira Anderson Bioestatística 1 / 51 Probabilidade Probabilidade é o ramo da matemática que estuda fenômenos aleatórios. Probabilidade é uma medida que
Leia maisPROBABILIDADES: VARIÁVEL ALEATÓRIA CONTÍNUA E DISTRIBUIÇÃO NORMAL
PROBABILIDADES: VARIÁVEL ALEATÓRIA CONTÍNUA E DISTRIBUIÇÃO NORMAL Aula 6 META Estudar o comportamento e aplicação das Variáveis Aleatórias Contínuas, bem como da Distribuição Normal. OBJETIVOS Ao final
Leia mais