TE802 Processos Estocásticos em Engenharia
|
|
- Marcos Aveiro Lacerda
- 6 Há anos
- Visualizações:
Transcrição
1 TE802 Processos Estocásticos em Engenharia Vetores Aleatórios 10 de setembro de 2017 Modelos Probabiĺısticos para N Variáveis Aleatórias F X1,...,X n (x 1,...,x n) = P[X 1 x 1,..., X n x n] (x 1,...,x n) = P[X 1 = x 1,..., X n = x n] f X1,...,X n (x 1,...,x n) = n F X1,...,X n (x 1,...,x n) x 1 x n Se X 1,...,X n são V.A.s discretas com PMF: (x 1,...,x n), (x 1,...,x n) 0 x 1 S X1 x n S Xn (x 1,...,x n) = 1 Se X 1,...,X n são V.A.s contínuas com PDF: f X1,...,X n (x 1,...,x n), f X1,...,X n (x 1,...,x n) 0 F X1,...,X n (x 1,...,x n) = x 1 x n fx 1,...,X n (u 1,...,u n)du 1 du n fx 1,...,X n (x 1,...,x n)dx 1 dx n = 1
2 Modelos Probabiĺısticos para N Variáveis Aleatórias P[A] = (x 1,..., x n ) P[A] = (x 1,...,x n) A A f X1,...,X n (x 1,...,x n )dx 1 dx n Exemplo 1: Considere um conjunto de n tentativas sendo que, para cada tentativa, r resultados s 1,..., s r são possíveis. Em cada tentativa, P[s i ] = p i. Seja N i a V.A. que representa o número de vezes que o resultado s i acontece nas n tentativas. Determine a PMF conjunta das V.A.s N 1,..., N r. ( ) n n! Lembrar que: = número de divisões n 1,n 2,..., n r n 1!n 2! n r! possíveis de n objetos distintos em r grupos distintos de tamanhos n 1,n 2,..., n r, respectivamente. ( ) n P N1,...,N r (n 1,...,n r ) = p n1 1 n 1,n 2,..., n pn2 2 pnr r r Notação Vetorial Vetor Aleatório: X = [ X 1 X n ] Amostra de um Vetor Aleatório: x = [ ] x 1 x n Funções de Probabilidade de um Vetor Aleatório: F X (x) = F X1,...,X n (x 1,...,x n ) P X (x) = P X1,...,X n (x 1,...,x n ) f X (x) = f X1,...,X n (x 1,...,x n ) Funções de Probabilidade de Dois Vetores Aleatórios: F X,Y (x,y) = F X1,...,X n,y 1,...,Y m (x 1,...,x n, y 1,...,y m ) P X,Y (x,y) = P X1,...,X n,y 1,...,Y m (x 1,...,x n, y 1,...,y m ) f X,Y (x,y) = f X1,...,X n,y 1,...,Y m (x 1,...,x n, y 1,...,y m )
3 Exemplos Exemplo 2: Seja o vetor aleatório X com PDF dada por: f X (x) = { 6e a x, x 0, 0, fora. onde a = [ ]. Determine a CDF de X. Exemplo 3: Os vetores aleatórios discretos X = [ ] x 1 x 2 x 3 e Y = [ ] y 1 y 2 y 3 ralacionam-se através de Y = AX. Determine a PMF conjunta P Y (y) sabendo que X tem PMF conjunta dada por, (1 p)p x3, x 1 < x 2 < x 3 ; P X (x) = x 1,x 2,x 3 {1,2,...}, 0, fora e que A = Funções de Probabilidade Marginais Algumas PMFs marginais considerando as V.A.s discretas W,X,Y,Z com PMF conjunta P W,X,Y,Z (w,x,y,z): P X,Y,Z (x,y,z) = P W,Z (w,z) = P X(x) = w S W P W,X,Y,Z (w,x,y,z) x S X w S W y S Y y S Y P W,X,Y,Z (w,x,y,z) z S Z P W,X,Y,Z(w,x,y,z)
4 Funções de Probabilidade Marginais Algumas PDFs marginais considerando as V.A.s contínuas W,X,Y,Z com PDF conjunta f W,X,Y,Z (w,x,y,z): f X,Y,Z (x,y,z) = f W,Z (w,z) = f W,X,Y,Z (w,x,y,z)dw f W,X,Y,Z (w,x,y,z)dxdy f X(x) = f W,X,Y,Z(w,x,y,z)dwdydz Exemplo 4: As variáveis aletórias Y 1,..., Y 4 têm PDF conjunta dada por: { 4, 0 y1 y f Y1,...,Y 4 (y 1,..., y 4 ) = 2 1, 0 y 3 y 4 1, 0, fora. Determine as PDFs marginais f Y1,Y 4 (y 1,y 4 ), f Y2,Y 3 (y 2,y 3 ) e f Y3 (y 3 ). Independência de Variáveis Aleatórias e Vetores Aleatórios As V.A.s X 1,..., X n são independentes se para todo x 1,..., x n, (x 1,..., x n ) = P X1 (x 1 )P X2 (x 2 ) P Xn (x n ) f X1,...,X n (x 1,..., x n ) = f X1 (x 1 )f X2 (x 2 ) f Xn (x n ) Exemplo 5: Considerando as variáveis aletórias do Exemplo 4 cuja PDF conjunta é dada por: { 4, 0 y1 y f Y1,...,Y 4 (y 1,..., y 4 ) = 2 1, 0 y 3 y 4 1, 0, fora. Determine se as variáveis aletórias Y 1,..., Y 4 são independentes.
5 Independência de Variáveis Aleatórias e Vetores Aleatórios As V.A.s X 1,..., X n são independentes e identicamente distribuídas (iid) se para todo x 1,..., x n, (x 1,..., x n ) = P X (x 1 )P X (x 2 ) P X (x n ) f X1,...,X n (x 1,..., x n ) = f X (x 1 )f X (x 2 ) f X (x n ) O vetores aleatórios X e Y são independentes se, P X,Y (x,y) = P X (x)p Y (y) f X,Y (x,y) = f X (x)f Y (y) Funções de Vetores Aleatórios Para a variável aletória W = g(x), P W (w) = P[W = w] = P X (x) F W (w) = P[W w] = E[W ] = E[g(X)] = E[W ] = E[g(X)] = x:g(x)=w g(x) w x 1 S X1 f X (x)dx 1 dx n x n S Xn g(x)p X (x) g(x)f X (x)dx 1 dx n
6 Funções de Vetores Aleatórios Dado o vetor aleatório contínuo X, define-se o vetor Y de forma que Y k = ax k + b, a e b constantes, a > 0. A CDF e a PDF de Y são: ( y1 b F Y (y) = F X,..., y n b a a ), f Y (y) = 1 ( a n f y1 b X,..., y ) n b a a Seja X um vetor aleatório contínuo e A uma matriz inversível. Então o vetor aleatório Y = AX + b tem PDF dada por: f Y (y) = 1 det(a) f ( X A 1 (y b) ) Valor Esperado e Matriz de Correlação E[X] = µ X = [ E[X 1 ] E[X 2 ] E[X n ] ] Correlação: R X = E[XX ] Covariância: C X = E[(X µ X )(X µ X ) ] C X = R X µ X µ X Exemplo 6: Determine o valor esperado, E[X], a matriz de correlação, R X e a matriz de covariância, C X do vetor bidimensional X cuja PDF é dada por: { 2, 0 x1 x f X (x) = 2 1, 0, fora.
7 Correlação e Covariâncias Cruzadas Correlação Cruzada: R XY = E[XY ] Covariância Cruzada: C XY = E[(X µ X )(Y µ Y ) ] Considerando Y = AX + b, µ Y = Aµ X + b R Y = AR X A + (Aµ X )b + b(aµ X ) + bb C Y = AC X A R XY = R X A + µ X b C XY = C X A Exemplo 7 Dado o vetor aleatório do Exemplo 6, seja Y = AX + b, onde A = 6 3 e b = Determine: (a) µ Y (b) R Y (c) C Y (d) R XY (e) C XY (f) ρ Y1,Y 3 e ρ X2,Y 1
8 Vetores Aleatórios Gaussianos O vetor aleatório X é Gaussiano (µ X, C X ) se e somente se: ( 1 f X (x) = (2π) n/2 exp 1 ) [det(c X )] 1/2 2 (x µ X) C 1 X (x µ X ) As componentes de X serão independentes se e somente se C X é uma matriz diagonal. Neste caso, C X = diag[σ 2 1, σ2 2,..., σ2 n] Seja A uma matriz m n com rank(a) = m. Então, Y = AX + b é um vetor Gaussiano m-dimensional com µ Y = Aµ X + b e C Y = AC X A Exemplo 8 Medições de temperatura em graus Fahrenheit realizadas às 06:00h, às 12:00h e às 18:00h num determinado dia são representadas pelas variáveis aleatórias Gaussianas X 1, X 2, X 3 com variância 16 graus 2. Os valores esperados são 50 graus, 62 graus e 58 graus, respectivamente. A matriz de covariância das três medições é: 16,0 12,8 11,2 C X = 12,8 16,0 12,8 11,2 12,8 16,0 (a) Escreva a PDF conjunta de X 1,X 2 usando notação algébrica. (b) Escreva a PDF conjunta de X 1,X 2 usando notação vetorial. (c) Escreva a PDF conjunta de X = [ X 1 X 2 ] X 3 usando notação vetorial. (d) Usando a fórmula Y i = (5/9)(X i 32) para converter as medições para graus Celsius, determine µ Y. (e) Determine C Y. (f) Escreva a PDF conjunta de Y = [ Y 1 Y 2 ] Y 3 usando notação vetorial.
9 Vetor Aleatório Normal Padrão O vetor n-dimensional normal padrão Z é o vetor Gaussiano n-dimensional com E[Z] = 0 e C Z = I. Para um vetor Gaussiano (µ X, C X ), seja A uma matriz n n tal que AA = C X. Então, o vetor aleatório Z = A 1 (X µ X ) é um vetor aleatório normal padrão. O vetor X = AZ + b é um vetor aléatório Gaussiano com µ X = b e C X = AA. Para um vetor Gaussiano X com covariância C X, existe sempre uma matriz A tal que C X = AA. Exemplo 9 Seja X um vetor aleatório Gaussiano com valor esperado µ X = [ ] e covariância C X = Determine: (a) A matriz de correlação, R X (b) A PDF conjunta f X1,X 2 (x 1,x 2 ) (c) P[X 1 > 8] Considerando agora que Y = AX + b, onde A = b = [ 4 4 ], determine: (d) O valor esperado µ Y (e) A covariância C Y (f) A correlação R Y (g) P[ 1 Y 2 1] [ ] 1 1/2 2/3, e 1 1/2 2/3
10 Exercício 1 Com relação ao problema da regata de iatismo com participação de 10 veleiros, em que os tempos de chegada X i são modelados por variáveis aleatórias Gaussianas com valor esperado 35 minutos e desvio padrão 5 minutos. Considere que todos os veleiros estão sujeitos ao mesmo regime de ventos e marés então, para cada par de veleiros i e j, os tempos de chegada X i e X j têm coeficiente de correlação ρ = 0,8. (a) Determine a matriz de covariância de X = [ X 1 X 10 ] (b) Seja Y = X 1 + X X a V.A. que representa o tempo médio de chegada. Determine o valor esperado e a variância de Y. Determine P[Y 25]. Exercício 2 Num sistema automático de geolocalização, um expedidor envia uma mensagem para seis caminhões de uma mesma frota perguntando pela localização de cada caminhão. Os tempos de espera pelas respostas dos seis caminhões são V.A.s iid exponenciais com valor esperado igual a 2 segundos cada uma. (a) Determine a probabilidade de todas as seis respostas serem recebidas em até 5 segundos. (b) Caso o sistema tenha que localizar todos os seis veículos em menos de três segundos, o valor esperado do tempo de resposta de cada veículo deverá ser reduzido. Qual será o máximo valor esperado do tempo de resposta que possibilitará que os seis veículos sejam localizados em menos do que 3 segundos com, pelo menos, 90% de probabilidade?
TE802 Processos Estocásticos em Engenharia
TE802 Processos Estocásticos em Engenharia Duas Variáveis Aleatórias 29 de agosto de 2017 Duas Variáveis Aleatórias Função Distribuição Acumulada Conjunta: F X,Y (x,y) = P[X x, Y y] Propriedades: (a) 0
Leia maisAula 11. Variáveis Aleatórias Contínuas Bidimensionais
Aula. Variáveis Aleatórias Contínuas Bidimensionais Resumo de caso unidimensional Caso Discreto p p 2 p 3 Caso Contínuo f(x) x x 2 x 3 i p i + f x dx X x x 2 x 3 P p p 2 p 3 Caso bidimensional Caso Discreto
Leia maisTE802 Processos Estocásticos em Engenharia. Valores Esperados de Somas de Variáveis Aleatórias Notes. PDF da Soma de Duas Variáveis Aleatórias.
TE802 Processos Estocásticos em Engenharia Somas de Variáveis Aleatórias 25 de abril de 2016 Valores Esperados de Somas de Variáveis Aleatórias Seja W n = X 1 + + X n, E[W n ] = E[X 1 ] + E[X 2 ] + + E[X
Leia maisTE802 Processos Estocásticos em Engenharia. Valores Esperados de Somas de Variáveis Aleatórias. TE802 Somas de Variáveis Aleatórias
TE802 Processos Estocásticos em Engenharia Somas de Variáveis Aleatórias 27 de setembro de 2017 Valores Esperados de Somas de Variáveis Aleatórias Seja W n = X 1 + + X n, E[W n ] = E[X 1 ] + E[X 2 ] +
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 maisMP-208: Filtragem Ótima com Aplicações Aeroespaciais
MP-208: Filtragem Ótima com Aplicações Aeroespaciais Seção 2.6: Vetores Aleatórios Davi Antônio dos Santos Departamento de Mecatrônica Instituto Tecnológico de Aeronáutica davists@ita.br São José dos Campos,
Leia maisVetor de Variáveis Aleatórias
Vetor de Variáveis Aleatórias Luis Henrique Assumpção Lolis 25 de junho de 2013 Luis Henrique Assumpção Lolis Vetor de Variáveis Aleatórias 1 Conteúdo 1 Vetor de Variáveis Aleatórias 2 Função de Várias
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 maisMódulo II: Cálculo dos Momentos de um Processo Estocástico, Processo de Bernoulli, Processo Random Walk
Módulo II: Cálculo dos Momentos de um Processo Estocástico, Processo de Bernoulli, Processo Random Walk Wamberto J. L. Queiroz Universidade Federal de Campina Grande-UFCG Departamento de Engenharia Elétrica
Leia maisProcessos Estocásticos
Processos Estocásticos Luis Henrique Assumpção Lolis 26 de maio de 2014 Luis Henrique Assumpção Lolis Processos Estocásticos 1 Conteúdo 1 Introdução 2 Definição 3 Especificando um processo aleatório 4
Leia maisAnexo 1 - Revisões de Teoria das Probabilidades e Processos Estocásticos
1 Anexo 1 - Revisões de Teoria das Probabilidades e Processos Estocásticos Documento auxiliar à disciplina de Modelação, Identificação e Controlo Digital Alexandre Bernardino 003/005 IST-Secção de Sistemas
Leia maisDepartamento de Matemática Escola Superior de Tecnologia de Viseu. Engenharia e Gestão Industrial
Variáveis Aleatórias Departamento de Matemática Escola Superior de Tecnologia de Viseu Engenharia e Gestão Industrial 1 Exemplo No lançamento de duas moedas ao ar, os resultados possíveis são: FF, FC,
Leia maisVariáveis Aleatórias Bidimensionais &Teoremas de Limite 1/22
all Variáveis Aleatórias Bidimensionais & Teoremas de Limite Professores Eduardo Zambon e Magnos Martinello UFES Universidade Federal do Espírito Santo DI Departamento de Informática CEUNES Centro Universitário
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 maisVetor de Variáveis Aleatórias
Vetor de Variáveis Aleatórias Luis Henrique Assumpção Lolis 14 de abril de 2014 Luis Henrique Assumpção Lolis Vetor de Variáveis Aleatórias 1 Conteúdo 1 Vetor de Variáveis Aleatórias 2 Função de Várias
Leia maisEstatística Descritiva e Exploratória
Gledson Luiz Picharski e Wanderson Rodrigo Rocha 9 de Maio de 2008 Estatística Descritiva e exploratória 1 Váriaveis Aleatórias Discretas 2 Variáveis bidimensionais 3 Váriaveis Aleatórias Continuas Introdução
Leia 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 maisAnexo 1 - Revisões de Teoria das Probabilidades e Processos Estocásticos
1 Anexo 1 - Revisões de Teoria das Probabilidades e Processos Estocásticos Documento auxiliar à disciplina de Modelação, Identificação e Controlo Digital Alexandre Bernardino IST-Secção de Sistemas e Controlo
Leia maisVariáveis Aleatórias. Departamento de Matemática Escola Superior de Tecnologia de Viseu
Variáveis Aleatórias Departamento de Matemática Escola Superior de Tecnologia de Viseu Exemplo No lançamento de duas moedas ao ar, os resultados possíveis são: FF, FC, CF ou CC. No entanto, o nosso interesse
Leia maisRevisões de Matemática e Estatística
Revisões de Matemática e Estatística Joaquim J.S. Ramalho Contents 1 Operadores matemáticos 2 1.1 Somatório........................................ 2 1.2 Duplo somatório....................................
Leia mais3 3. Variáveis Aleatórias
ÍNDICE 3. VARIÁVEIS ALEATÓRIAS...49 3.. VARIÁVEIS ALEATÓRIAS UNIDIMENSIONAIS...49 3.2. VARIÁVEIS DISCRETAS FUNÇÃO DE PROBABILIDADE E FUNÇÃO DISTRIBUIÇÃO DE PROBABILIDADE...50 3.2.. Função de probabilidade...50
Leia mais2.3 Operações sobre uma variável aleatória - Esperança matemática
matemática 58 atingir a mosca dado que ele atingiu o alvo. Exercício 2.33. [3] Duas caixas tem bolas vermelhas, verdes e azuis dentro; a quantidade de cada uma é dada a seguir. Caixa 01-5 vermelhas; 35
Leia maisM. Eisencraft 4.6 Distribuição e densidade de uma soma de variáveis aleatórias57. + w y. f X,Y (x,y)dxdy (4.24) w y
M. Eisencraft 4.6 Distribuição e densidade de uma soma de variáveis aleatórias57 Assim, e usando a Eq. (4.17), F W (w) = F W (w) = + w y + x= f X,Y (x,y)dxdy (4.24) w y f Y (y)dy f X (x)dx (4.25) x= Diferenciando
Leia maisLista de Exercícios #5 Assunto: Variáveis Aleatórias Multidimensionais Contínuas
1. ANPEC 018 Questão 9 Uma pessoa investe R$ 10.000,00 (I) em duas aplicações cujas taxas de retorno são variáveis aleatórias independentes, R 1 e R, com médias 5% e 14% e desvios-padrão 1% e 8%, respectivamente.
Leia maisTE802 Processos Estocásticos em Engenharia. Processo Aleatório. TE802 Processos Aleatórios. Evelio M. G. Fernández. 18 de outubro de 2017
TE802 Processos Estocásticos em Engenharia Processos Aleatórios 18 de outubro de 2017 Processo Aleatório Processo Aleatório (ou Estocástico), X(t): Função aleatória do tempo para modelar formas de onda
Leia maisProbabilidades e Estatística TODOS OS CURSOS
Duração: 90 minutos Grupo I Probabilidades e Estatística TODOS OS CURSOS Justifique convenientemente todas as respostas 2 o semestre 206/207 05/07/207 :30 o Teste C 0 valores. Uma peça de certo tipo é
Leia maisIntrodução aos Proc. Estocásticos - ENG 430
Introdução aos Proc. Estocásticos - ENG 430 Fabrício Simões IFBA 16 de novembro de 2015 Fabrício Simões (IFBA) Introdução aos Proc. Estocásticos - ENG 430 16 de novembro de 2015 1 / 35 Fabrício Simões
Leia maisIntrodução aos Proc. Estocásticos - ENG 430
Introdução aos Proc. Estocásticos - ENG 430 Fabrício Simões IFBA 16 de novembro de 2015 Fabrício Simões (IFBA) Introdução aos Proc. Estocásticos - ENG 430 16 de novembro de 2015 1 / 34 1 Motivação 2 Conceitos
Leia maisDisciplina: Processamento Estatístico de Sinais (ENGA83) - Aula 02 / Processos Aleatórios
Disciplina: Processamento Estatístico de Sinais (ENGA83) - Aula 02 / Processos Aleatórios Prof. Eduardo Simas (eduardo.simas@ufba.br) Programa de Pós-Graduação em Engenharia Elétrica/PPGEE Universidade
Leia maisCAPÍTULO 5: VARIÁVEIS ALEATÓRIAS BIDIMENSIONAIS Todas as coisas aparecem e desaparecem por causa da concorrência de causas e condições. Nada nunca existe inteiramente só, tudo está em relação com todo
Leia maisProbabilidade Aula 11
0303200 Probabilidade Aula 11 Magno T. M. Silva Escola Politécnica da USP Junho de 2017 A maior parte dos exemplos dessa aula foram extraídos de Jay L. Devore, Probabilidade e Estatística para engenharia
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 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 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 maisProcessos Aleatórios e Ruído
Processos Aleatórios e Ruído Luis Henrique Assumpção Lolis 11 de abril de 2014 Luis Henrique Assumpção Lolis Processos Aleatórios e Ruído 1 Conteúdo 1 O Experimento Aleatório / Espaço de Amostras 2 Algebra
Leia maisProbabilidades e Estatística TODOS OS CURSOS
Duração: 90 minutos Grupo I Probabilidades e Estatística TODOS OS CURSOS Justifique convenientemente todas as respostas o semestre 07/08 0/07/08 :0 o Teste C 0 valores. Um relatório anual estabelece que
Leia maisSeja (X,Y) uma v.a. bidimensional contínua ou discreta. Define-se valor esperado condicionado de X para um dado Y igual a y da seguinte forma:
46 VALOR ESPERADO CONDICIONADO Seja (X,Y) uma v.a. bidimensional contínua ou discreta. Define-se valor esperado condicionado de X para um dado Y igual a y da seguinte forma: Variável contínua E + ( X Y
Leia maisDisciplina: Processamento Estatístico de Sinais (ENGA83) - Aula 01 / Introdução
Disciplina: Processamento Estatístico de Sinais (ENGA83) - Aula 1 / Introdução Prof. Eduardo Simas (eduardo.simas@ufba.br) Programa de Pós-Graduação em Engenharia Elétrica/PPGEE Universidade Federal da
Leia maisAGA Análise de Dados em Astronomia I. 2. Probabilidades
1 / 20 AGA 0505- Análise de Dados em Astronomia I 2. Probabilidades Laerte Sodré Jr. 1o. semestre, 2018 2 / 20 tópicos 1 probabilidades - cont. 2 distribuições de probabilidades 1 binomial 2 Poisson 3
Leia maisProcessos estocásticos
36341 - Introdução aos Processos Estocásticos Curso de Pós-Graduação em Engenharia Elétrica Departamento de Engenharia Elétrica Universidade de Brasília Processos estocásticos Geovany A. Borges gaborges@ene.unb.br
Leia maisPROCESSOS ESTOCÁSTICOS. O resultado de muitas experiências aleatórias é função do tempo ou de uma (ou mais) coordenada espacial.
37 PROCESSOS ESTOCÁSTICOS O resultado de muitas experiências aleatórias é função do tempo ou de uma (ou mais) coordenada espacial. Ex: i) O valor da temperatura média diária ou semanal numa cidade. O acontecimento
Leia maisTeoria da Informação
Charles Casimiro Cavalcante charles@gtel.ufc.br Grupo de Pesquisa em Telecomunicações Sem Fio GTEL Programa de Pós-Graduação em Engenharia de Teleinformática Universidade Federal do Ceará UFC http://www.gtel.ufc.br/
Leia maisTÓPICOS DE RESOLUÇÃO - Exame de Época de Recurso (Diurno) 2009/2010. Primeira Parte. F (b) F (a) =P (a <X<b) P (a <X<b)=
TÓPICOS DE RESOLUÇÃO - Exame de Época de Recurso (Diurno) 009/010 [,0] 1. Considere as seguintes afirmações: Primeira Parte I. Sendo F a função de distribuição da variável aleatória (v.a.) discreta X,
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 mais5.3 Variáveis aleatórias gaussianas conjuntas
M. Eisencraft 5.3 Variáveis aleatórias gaussianas conjuntas 64 respectivamente. São as chamadas funções características marginais: Φ X (ω ) = Φ X,Y (ω,0) (5.0) Φ Y (ω ) = Φ X,Y (0,ω ) (5.) Os momentos
Leia maisLEEC Probabilidades e Estatística 1 a Chamada 13/06/2005. Parte Prática C (C) M 1% 9% 10% (M) 4% 86% 90% 5% 95% 100%
. Definição dos acontecimentos: M T-shirt tem manchas C T-shirt tem costuras defeituosas D T-shirt é defeituosa A Preço da t-shirt é alterado a) PM) = % PC) = 5% PM C) = % LEEC Probabilidades e Estatística
Leia maisPrincípios de Modelagem Matemática Aula 10
Princípios de Modelagem Matemática Aula 10 Prof. José Geraldo DFM CEFET/MG 19 de maio de 2014 1 Alguns resultados importantes em estatística A distribuição normal tem importante papel em estatística pois
Leia maisProbabilidade II Lista 1 - Vetores Aleatórios
Probabilidade II Lista - Vetores Aleatórios Exercício. Duas moedas equilibradas são lançadas de forma independente. Dena as v.a's X : número de caras nos dois lançamentos e Y : função indicadora de faces
Leia maisProbabilidade e Variáveis Aleatórias. Prof. Walter Fetter Lages 4 de outubro de 2004
Universidade Federal do Rio Grande do Sul Escola de Engenharia Departamento de Engenharia Elétrica Programa de Pós-Graduação em Engenharia Elétrica ELE0007-Tópicos Especiais em Automação e Controle II
Leia maisComunicações Digitais Prof. André Noll Barreto. Prova /1 (04/04/2017)
Prova 1 17/1 (4/4/17) Aluno: Matrícula: Instruções A prova consiste de quatro questões discursivas A prova terá a duração de h A prova pode ser feita a lápis ou caneta Não é permitida consulta a notas
Leia maisAula 6 - Variáveis aleatórias contínuas
Aula 6 - Variáveis aleatórias contínuas PhD. Wagner Hugo Bonat Laboratório de Estatística e Geoinformação-LEG Universidade Federal do Paraná 1/2017 Bonat, W. H. (LEG/UFPR) 1/2017 1 / 18 Variáveis aleatórias
Leia maisLista de Exercícios #3 Assunto: Variáveis Aleatórias Multidimensionais Discretas
1. ANPEC 2018 - Questão 07 Em um problema envolvendo variáveis aleatórias independentes, um estudante calculou corretamente que E(Y) = 2, E(X 2 )E(Y) = 6, E(X)E(Y 2 ) = 8 e E(X) 2 E(Y) 2 = 24. Avalie as
Leia maisProbabilidade II. Departamento de Estatística. Universidade Federal da Paraíba
Probabilidade II Departamento de Estatística Universidade Federal da Paraíba Prof. Tarciana Liberal (UFPB) Aula Covariância e Coeficiente de correlação 11/13 1 / 21 Covariância Quando duas variáveis aleatórias
Leia maisEstatística Matemática I
Estatística Matemática I Roseli Aparecida Leandro e Clarice G.B. Demétrio Março de 2011 Depto. de Ciências Exatas, ESALQ/USP e-mail: raleandr@esalq.usp.br 1 Variáveis aleatórias Sejam E um experimento
Leia maisRevisão de Estatística (Aplicada a Análise de Desempenho) Profa. Jussara M. Almeida 1 o Semestre de 2014
Revisão de Estatística (Aplicada a Análise de Desempenho) Profa. Jussara M. Almeida 1 o Semestre de 2014 Por quê? Modelagem probabilística Avaliação dos resultados Qual a probabilidade do tempo de residência
Leia maisAula 3 - Revisão de Probabilidade e Estatística: Esclarecimento de Dúvidas
Aula 3 - Revisão de Probabilidade e Estatística: Esclarecimento de Dúvidas Matheus Rosso e Camila Steffens 19 de Março de 2018 Independência de variáveis aleatórias Duas V.A. são independentes se, e somente
Leia maisProbabilidade e Modelos Probabilísticos
Probabilidade e Modelos Probabilísticos 2ª Parte: modelos probabilísticos para variáveis aleatórias contínuas, modelo uniforme, modelo exponencial, modelo normal 1 Distribuição de Probabilidades A distribuição
Leia 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 maisCE085 - Estatística Inferencial
CE085 - Estatística Inferencial Revisão: Probabilidade Básica Prof. Wagner Hugo Bonat Laboratório de Estatística e Geoinformação - LEG Curso de Bacharelado em Estatatística Universidade Federal do Paraná
Leia maisMódulo III: Processos de Poisson, Gaussiano e Wiener
Módulo III: Processos de Poisson, Gaussiano e Wiener Wamberto J. L. Queiroz Universidade Federal de Campina Grande-UFCG Departamento de Engenharia Elétrica Processos Estocásticos Campina Grande - PB Módulo
Leia maisFUNDAMENTOS DE PROBABILIDADE E
Variáveis aleatórias Estimação e Filtragem Estocástica Programa de Pós-Graduação em Engenharia de Sistemas Eletrônicos e de Automação Departamento de Engenharia Elétrica Universidade de Brasília FUNDAMENTOS
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 maisProbabilidade 2 - ME310 - Lista 2
Probabilidade - ME3 - Lista September 4, Lembrando:. Estatística de ordem, pg 38 Ross: f xj (x) = n! (n j)!(j )! F (x)j ( F (x)) n j f(x). Distribuição de probabilidade conjunta de funções de variáveis
Leia maisVariância, DP e Desigualdades
Variância, DP e Desigualdades Renato Martins Assunção DCC - UFMG 2016 Renato Martins Assunção (DCC - UFMG) Variância, DP e Desigualdades 2016 1 / 76 Esperança e Variância Suponha que você VAI SIMULAR uma
Leia maisIntrodução ao Processamento Estatístico de Sinais
Charles Casimiro Cavalcante charles@gtel.ufc.br Grupo de Pesquisa em Telecomunicações Sem Fio GTEL Departamento de Engenharia de Teleinformática Universidade Federal do Ceará UFC http://www.gtel.ufc.br/
Leia maisDistribuições de Probabilidade. Variáveis aleatórias contínuas
Distribuições de Probabilidade Variáveis aleatórias contínuas 1 Variáveis contínuas Uma variável aleatória contínua toma um nº infinito não numerável de valores (intervalos de números reais), os quais
Leia maisME-310 Probabilidade II Lista 2
ME-3 Probabilidade II Lista 2. Uma máquina funciona enquanto pelo menos 3 das 5 turbinas funcionam. Se cada turbina funciona um tempo aleatório com densidade xe x, x >, independentemente das outras, calcule
Leia maisModelagem e Avaliação de Desempenho. Pós Graduação em Engenharia Elétrica - PPGEE Prof. Carlos Marcelo Pedroso 2014
Modelagem e Avaliação de Desempenho Pós Graduação em Engenharia Elétrica - PPGEE Prof. Carlos Marcelo Pedroso 2014 Análise de desempenho São disponíveis duas abordagens para realizar a análise de desempenho:
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 maisUma breve introdução a probabilidade
Uma breve introdução a probabilidade Modelo Probabilístico Espaço amostral (S): conjunto de todos os resultados que podem ocorrer a partir de um experimento aleatório Probabilidade de eventos (P): quantificação
Leia mais2 Conceitos de Teoria da Probabilidade
2 Conceitos de Teoria da Probabilidade Neste capítulo, enunciaremos algumas denições e resultados de teoria de probabilidade. justicativa deste capítulo reside no fato que u objetivo nal é estimar momentos
Leia maisProcessos Estocásticos. Variáveis Aleatórias. Variáveis Aleatórias. Luiz Affonso Guedes. Como devemos descrever um experimento aleatório?
Processos Estocásticos Luiz Affonso Guedes Sumário Probabilidade Funções de Uma Variável Aleatória Funções de Várias Momentos e Estatística Condicional Teorema do Limite Central Processos Estocásticos
Leia maisDistribuições de Probabilidade Contínuas 1/19
all Distribuições de Probabilidade Contínuas Professores Eduardo Zambon e Magnos Martinello UFES Universidade Federal do Espírito Santo DI Departamento de Informática CEUNES Centro Universitário Norte
Leia maisProcessos Estocásticos. Variáveis Aleatórias. Variáveis Aleatórias. Variáveis Aleatórias. Variáveis Aleatórias. Luiz Affonso Guedes
Processos Estocásticos Luiz Affonso Guedes Sumário Probabilidade Funções de Uma Variável Aleatória Funções de Várias Momentos e Estatística Condicional Teorema do Limite Central Processos Estocásticos
Leia maisModelagem e Avaliação de Desempenho. Pós Graduação em Engenharia Elétrica - PPGEE Prof. Carlos Marcelo Pedroso 2017
Modelagem e Avaliação de Desempenho Pós Graduação em Engenharia Elétrica - PPGEE Prof. Carlos Marcelo Pedroso 2017 Análise de desempenho São disponíveis duas abordagens para realizar a análise de desempenho:
Leia maisProcessos Estocásticos. Luiz Affonso Guedes
Processos Estocásticos Luiz Affonso Guedes Sumário Probabilidade Variáveis Aleatórias Funções de Uma Variável Aleatória Funções de Várias Variáveis Aleatórias Momentos e Estatística Condicional Teorema
Leia maisME-310 Probabilidade II Lista 1
ME-3 Probabilidade II Lista. Seja F (a, b) a função da distribuição acumulada conjunta de v.a. X e Y. Sabendo F, calcule P(X > a, Y > b) e P(a < X < a 2, Y b). 2. A distribuição conjunta de X e Y é dada
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 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 maisDisciplina: Processamento Estatístico de Sinais (ENGA83) - Aula 01 / Introdução
Disciplina: Processamento Estatístico de Sinais (ENGA83) - Aula 1 / Introdução Prof. Eduardo Simas (eduardo.simas@ufba.br) Programa de Pós-Graduação em Engenharia Elétrica/PPGEE Universidade Federal da
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 maisTeoria da Probabilidade e Processos Estocásticos Mestrado em Matemática Financeira
Teoria da Probabilidade e Processos Estocásticos Mestrado em Matemática Financeira 15 de Janeiro 013 Época Normal - horas Resolva os seguintes exercícios, justificando cuidadosamente as suas respostas.
Leia maisMESTRADO INTEGRADO EM ENGENHARIA ELECTROTÉCNICA E DE COMPUTADORES PROBABILIDADES E ESTATÍSTICA. 1ª Chamada 10/01/2008.
MESTRADO INTEGRADO EM ENGENHARIA ELECTROTÉCNICA E DE COMPUTADORES PROBABILIDADES E ESTATÍSTICA 1ª Chamada 10/01/2008 Parte Teórica DURAÇÃO : 50 min COTAÇÃO DA PARTE TEÓRICA: 8 Valores em 20 PERGUNTAS DE
Leia maisModelagem e Avaliação de Desempenho. Pós Graduação em Engenharia Elétrica - PPGEE Prof. Carlos Marcelo Pedroso 2018
Modelagem e Avaliação de Desempenho Pós Graduação em Engenharia Elétrica - PPGEE Prof. Carlos Marcelo Pedroso 2018 Análise de desempenho São disponíveis duas abordagens para realizar a análise de desempenho:
Leia maisExercícios de programação
Exercícios de programação Estes exercícios serão propostos durante as aulas sobre o Mathematica. Caso você use outra linguagem para os exercícios e problemas do curso de estatística, resolva estes problemas,
Leia maisMotivação. VA n-dimensional. Distribuições Multivariadas VADB
Motivação Em muitas situações precisamos lidar com duas ou mais variáveis aleatórias ao mesmo tempo. Por exemplo o comprimento e a largura de uma Prof. Lorí Viali, Dr. viali@mat.ufgrs.br http://www.mat.ufrgsbr/~viali/
Leia maisAula 4. Aula de hoje. Aula passada
Aula 4 Aula passada Função de distribuição Bernoulli Sequência de v.a. Binomial, Geométrica, Zeta Valor esperado Variância Distribuição conjunta Independência de v.a. Aula de hoje Valor esperado condicional
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 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 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 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 maisProbabilidade Lista 6 - Variáveis Aleatórias Contínuas e Vetores Aleatórios
Probabilidade Lista - Variáveis Aleatórias Contínuas e Vetores Aleatórios Exercício. Uma v.a. X tem distribuição triangular no intervalo [0, ] se sua densidade for dada por 0, x < 0 cx, 0 x /2 c( x), /2
Leia mais2. EXERCÍCIOS PROPOSTOS SOBRE V.A. E DISTRIB.PROBAB.
2. EXERCÍCIOS PROPOSTOS SOBRE V.A. E DISTRIB.PROBAB. 1) Classifique as seguintes variáveis aleatórias como discretas ou contínuas. X : o número de acidentes de automóvel por ano na rodovia BR 116. Y :
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 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 maisRedução de Variância: Amostragem Antitética
Redução de Variância: Amostragem Antitética Frederico Almeida & Guilherme Aguilar Universidade Federal de Minas Gerais September 20, 2018 Frederico Almeida & Guilherme Aguilar (ICEX - UFMG) Redução de
Leia maisProf. Lorí Viali, Dr.
Prof. Lorí Viali, Dr. viali@mat.ufgrs.br http://www.mat.ufrgsbr/~viali/ Motivação Em muitas situações precisamos lidar com duas ou mais variáveis aleatórias ao mesmo tempo. Por exemplo o comprimento e
Leia maisVariáveis bidimensionais
Wagner H. Bonat Fernando P. Mayer Elias T. Krainski Universidade Federal do Paraná Departamento de Estatística Laboratório de Estatística e Geoinformação 19/04/2018 WB, FM, EK ( LEG/DEST/UFPR ) Variáveis
Leia mais