Processos Estocásticos. Luiz Affonso Guedes
|
|
- Edson Canedo Esteves
- 6 Há anos
- Visualizações:
Transcrição
1 Processos Estocásticos Luiz Affonso Guedes
2 Sumário Modelos Probabilísticos Discretos Uniforme Bernoulli Binomial Hipergeométrico Geométrico Poisson Contínuos Uniforme Normal Tempo de Vida Exponencial Gama Weibull
3 Modelos Probabilísticos Podem ser discretos ou contínuos, dependendo das variáveis aleatórias que os descrevem. Servem para descrever fenômenos físicos. São expressos por uma família de distribuições de probabilidade que dependem de um ou mais parâmetros.
4 Modelos Discretos Modelo Uniforme Discreto Seja a v.a. X, cujos possíveis valores são representados por x 1, x 2,..., x k. Dizemos que X segue o modelo Uniforme Discreto se atribui a mesma probabilidade 1/k para cada um desses k valores. P(X=x i ) = 1/k, i = 1,2,..., k. Modelo Uniforme Discreto E[X] = (1+k)/ σ 2 [X] = (k 2-1)/ f(x)
5 Modelos Discretos Modelo de Bernoulli A v.a. X assume dois valores possíveis (0 ou 1), com probabilidades (1-p) e p, respectivamente. P(X=x) = p x (1-p) 1-x, x = 0,1.
6 Modelos Discretos Modelo Binomial (experimentos co reposição) Considere a repetição de n ensaios de Bernoulli independentes e todos com a mesma probabilidade p de sucesso. Sendo k o número de sucessos. P(X=k) = C n,k p k (1-p) n-k, k = 0,1,2,..., n. C n,k = n!/(k! (n-k)!) Notação: X~b(n,p) Exemplo: Qual é a probabilidade de se obter 03 sucessos numa b(12,0.4)? P(X=3) = C 12,3 (0.4) 3 (0.6) 9 =... = 0.142
7 Modelos Discretos Modelo Binomial Exemplo: Seja uma urna com N bolas das quais M são brancas e (N-M) são pretas. Retiram-se sucessivamente n bolsa da urna, recolocando a bola na urna após cada retirada. Qual é a probabilidade de se tirar k vezes bolas brancas? P(X=k) = C n,k (M/N) k (1- M/N) n-k Qual é a probabilidade de se tirar até k vezes bolas brancas?
8 Modelos Discretos Modelo Binomial Esperança: E[X] E[X] = k=0,..n k. P(X=k) = k=1,..n k. [C n,k.p k.(1-p) n-k ] = k=1,..n k. [ (n!/{k!(n-k)!}). p k.(1-p) n-k ] = k=1,..n [ ( n!/{(k-1)!(n-k)!}). p k.(1-p) n-k ] = n.p. k=1,..n [( ( n-1)!/{(k-1)!(n-k)!}). p k-1.(1-p) n-k ] = n.p. j=o,..n-1 [ ( (n-1)!/{(j)!(n-j-1)!}). p j.(1-p) n-j-1 ] = n.p. j=o,..n-1 [ C n-1,j.p j.(1-p) n-j-1 ] = n.p. (p+ (1-p) n-1 = np j=k-1
9 Modelos Discretos Modelo Binomial Esperança: E[X] via função geradora de momento φ(t) = E(e tx ) = k=o,..n [ e tk. C n,k. p k. (1-p) n-k ] = k=o,..n [ C n,k. (p.e t ) k. (1-p) n-k ] = ( p.e t + (1-p) ) n E[X] = dφ(t=0)/dt = n(p.e t + (1-p)) n-1 p.e t, para t =0 = np (a+b) N = n=o,..n [C N,n. a n. b N-n ]
10 Modelos Discretos Modelo Binomial Segundo momento: E[X 2 ] via função geradora de momento φ(t) = E(e tx ) =( p.e t + (1-p) ) n dφ(t)/dt = n(p.e t + (1-p)) n-1 p.e t d 2 φ(t)/dt 2 = n(n-1)(pe t +(1-p)) n-2 p 2 e 2t + n(pe t + (1-p)) n-1 pe t E[X 2 ] = d 2 φ(0)/dt 2 = n(n-1)p 2 + np Variância: σ 2 [X] σ 2 [X] = E[X 2 ] E 2 [X] = n(n-1)p 2 +np (np) 2 = n 2 p 2 np 2 +np n 2 p = np(1-p)
11 Modelos Discretos Modelo Hipergeométrico Modela experimentos sem reposição de uma população com um número finito de elementos, em cada elemento pode ser de um de dois tipos. M elementos do tipo 1 e (N-M) do tipo 2. Se X é a v.a. que designa o número de ocorrência do evento do tipo 1 dentre n experimentos, então sua distribuição de probabilidade é: P[X=k] = C M,k. C N-M,n-k / C N,n
12 Modelos Discretos Modelo Hipergeométrico P[X=k] = C M,k. C N-M,n-k / C N,n Exemplo: Uma caixa contém 15 peças das quais 04 estão com defeito. Retira-se uma amostra de 03 peças da caixa sem reposição. Calcular a probabilidade que haja 02 ou 03 peças defeituosas na amostra. P[X=2] + P[X=3] = (C 4,2.C 11,1 /C 15,3 ) + (C 4,3. C 11,0 /C 15,3 ) = 0,153
13 Modelos Discretos Modelo Hipergeométrico P[X=k] = C M,k. C N-M,n-k / C N,n Esperança: E[X] = n. M/N Variância: σ 2 [X] = n M (N-M) (N-n) / (N 2 (N-1) )
14 Modelos Discretos Modelo Geométrico Dizemos que uma v.a. X tem distribuição Geométrica de parâmetro p, se sua probabilidade tem forma: P[X=k] = p(1-p) k, 0 p 1 e k=0,1,2,... Notação: X~G(p) Interpretação: Sendo p a probabilidade de sucesso, a distribuição Geométrica seria o número de ensaios de Bernoulli que precedem o primeiro sucesso.
15 Modelos Discretos Modelo Geométrico X~G(p) = P[X=k] = p(1-p) k, 0 p 1 e k=0,1,2,... Exemplo: X~G(0,01) Se 0,05 é a probabilidade de uma fábrica produzir uma peça defeituosa, qual é a probabilidade de se produzir Q peças boas antes de se produzir a primeira defeituosa? P(Q=k) = 0,05. 0,95 k Distribuiçao geométrica - G(0,05), k=0,1,2, P(Q=k)
16 Modelos Discretos Modelo Geométrico X~G(p) = P[X=k] = p(1-p) k, 0 p 1 e k=0,1,2,... Esperança: E[X] = (1-p)/p Variância: σ 2 [X] = (1-p)/p 2
17 Modelos Discretos Modelo de Poisson: X~Po(λ) Grande importância prática: telecomunicações, física, biologia,... É uma aproximação do modelo binomial quando o número de ensaios de Bernoulli tende a infinito. A v.a. X tem distribuição de Poisson com parâmetro λ se para k=0,1,2,...: P[X=k] = e -λ λ k / k!, onde λ (>0) é a taxa de ocorrência média esperada num determinado intervalo de tempo. Sendo que: E[X] = λ σ 2 [X] = λ
18 Modelos Discretos Modelo de Poisson: X~Po(λ) P[X=k] = e -λ λ k / k!, para λ >0. E[X] = λ, σ 2 [X] = λ Exemplo: A emissão de partículas radioativas tem sido modelada através de distribuição de Poisson, com o valor do parâmetro dependendo da fonte utilizada. Suponha que o número de partículas α, emitidas por minuto, seja uma v.a. seguindo o modelo de Poisson com parâmetro 5, isto é, a taxa média é 5 emissões por minuto. Qual é a probabilidade de haver mais de 2 emissões em um minuto? A ~ Po(5). P(A>2) = a=3,..., P(A=a) = 1 - a=1,2,3 P(A=a) = 1 - a=1,2,3 (e -5.5 a )/a! = 0,875
19 Modelos Discretos Modelo de Poisson: X~Po(λ) P[X=k] = e -λ λ k / k!, para λ >0. E[X] = λ, σ 2 [X] = λ Distribuição de Poisson com lambda = Po(5) 0.35 Distribuição de Poisson com lambda = 2 -- Po(2) P(N=n) P(N=n) k - número de repetições k
20 Modelos Contínuos Modelo Uniforme Contínuo X~U[a,b] A v.a. X tem distribuição uniforme contínua no intervalo [a,b], a<b, se sua função densidade de probabilidade é dada por: f(x) = 1/ (b-a), a x b; e 0,caso contrário. E[X] = (a+b) / 2 E[X 2 ] = (a 2 +ab+b 2 )/3 σ 2 [X] = (b-a) 2 /12 F(X) =? f(x) 1/(b-a) a b X
21 Modelos Contínuos Modelo Exponencial X~Exp(α) A v.a. contínua X, assumindo valores não negativos, segue o modelo exponencial com parâmetro α>0 se sua densidade de probabilidade é dada por: f(x) = αe -αx, x e 0, caso contrário. F(x) = 0,x α e -αx dx = 1- e -αx P(a<X<b) = F(b) F(a) = - e -αb + e -αa E[X] = 1/ α σ 2 [X] = 1/ α 2
22 Modelos Contínuos Modelo Exponencial X~Exp(α) f(x) = αe -αx, x e 0, caso contrário. F(x) = 1- e -αx ; P(a<X<b) =? Funções Densidade e Distribuição de Probabilidade do M odelo Exponencial - X~Exp(2)
23 Modelos Contínuos Modelo Exponencial X~Exp(α) f(x) = αe -αx, x e 0, caso contrário. F(x) = 1- e -αx Exemplo: O intervalo, em minutos, entre emissões consecutivas de uma fonte radioativa é uma v.a. com distribuição exponencial com α=0,2. Qual é a probabilidade de haver uma emissão em um intervalo inferior a 2 minutos? P(X<2) = F(2) F(0) = -e -0.2(2) + e -0.2 (0) = -e = 0,33 E[X] = 1/ α = 5 σ 2 [X] = 1/ α 2 = 25 Qual é probabilidade do intervalo ser superior a 7, sabendo-se que ele é superior a 5 minutos? P(X>7/X>5) = P(X>7,X>5) / P(X>5) = P(X>7) / P(X>5) =?
24 Modelos Contínuos Modelo Exponencial X~Exp(α) f(x) = αe -αx, x e 0, caso contrário. F(x) = 1- e -αx Propriedade: P(X>t+s X>s) = P(X>t). P(X>t+s X>s) = P(X>t+s,X>s)/P(X>s) = P(X>t+s)/P(X>s) = {F(+ ) F(t+s)} / {F(+ ) F(s)} = e - αt = P(X>t) P(X>7/X>5) = P(X>7,X>5) / P(X>5) = P(X>7) / P(X>5) = P(X>2)
25 Modelos Contínuos Modelo Normal ou Gaussiana X~N(µ, σ 2 ) A v.a. contínua X tem distribuição Normal, com parâmetros µ, σ 2, se sua função densidade é dada por: f(x) = {1/(σ 2π)}. e -(x-µ) (x-µ) /(2σσ), para - <x<+ Propriedades: f(x) é simétrica em relação à µ; f(x) 0 quando x - ou + ; O valor máximo de f(x) se dá para x = µ. E[X] = µ Variância = E[(X - µ) 2 ] = σ 2
26 Modelos Contínuos Modelo Normal ou Gaussiana X~N(µ, σ 2 ) f(x) = {1/(σ 2π)}. e -(x-µ) (x-µ) /(2σσ), para - <x<+ E[X] = µ Variância = E[(X - µ) 2 ] = σ 2 Funções densidade e distribuição de probabilidade para um m odelo Norm al - N(1,1) X
27 Histograma para mil amostras Histograma de uma distribuiçao Nornal - N~(0,1) 8 x 105 Histograma de uma distribuiçao Nornal - N~(0,1)
28 Modelos Contínuos Modelo Normal ou Gaussiana X~N(µ, σ 2 ) 0.4 Funçao Normal - variando-se a média
29 Modelos Contínuos Modelo Normal ou Gaussiana X~N(µ, σ 2 ) 0.7 Funçao Normal - variando-se a variancia
30 Modelos Contínuos Modelo Normal ou Gaussiana X~N(µ, σ 2 ) f(x) = {1/(σ 2π)}. e -(x-µ) (x-µ) /(2σσ), para - <x<+ E[X] = µ Variância = E[(X - µ) 2 ] = σ 2 F(X) = -,x f(x)dx não há solução analítica P(a<x<b) = F(b) F(a) = a,b f(x)dx
31 Modelos Contínuos Modelo Normal ou Gaussiana X~N(µ, σ 2 ) f(x) = {1/(σ 2π)}. e -(x-µ) (x-µ) /(2σσ), para - <x<+ Dado X~(µ, σ 2 ) z = (x-u)/ σ E[Z]= E[(X- µ)/ σ] = (1/ σ) (E[X] - µ) = 0 Var[Z] = Var[(X- µ)/ σ]=(1/ σ 2 ) Var[(X- µ)] = (1/ σ 2 ) Var[X] = 1 Z~N(0,1) Normal padrão!
32 Modelos Contínuos Modelo Normal ou Gaussiana X~N(µ, σ 2 ) z = (x-u)/ σ Z~N(0,1) Normal padrão! Então: P(a<X<b) = P[(a-u)/ σ < Z < (b-u)/ σ ] Assim, basta saber os valores tabelados de F(Z). Exemplo: dado X~N(2,9), obter P(2<X<5). P(2<X<5) = P[(2-2)/ 3 < Z < (5-2)/ 3 ] = P(0<Z<1) = 0,3413
33 Modelos Contínuos Modelo Normal ou Gaussiana X~N(µ, σ 2 ) z = (x-u)/ σ Z~N(0,1) Normal padrão! Exemplo: dado X~N(0,2) A) P(1<X<2) = 0,421 0,258 = 0,163 B) P(1<X<2/ X>1)» P(0,7<Z) = 0,5 P(0<Z<0,7) = 0,5 0,258 = 0,242
34 Modelos Contínuos Modelo Normal ou Gaussiana X~N(µ, σ 2 ) z = (x-u)/ σ Z~N(0,1) Normal padrão! Exemplo: Se X ~(0,2) e Y = 3X 2, calcule, E[Y], σ(y) e f y (y).
Probabilidade e Estatística
Probabilidade e Estatística Distribuições Discretas de Probabilidade Prof. Narciso Gonçalves da Silva www.pessoal.utfpr.edu.br/ngsilva Introdução Distribuições Discretas de Probabilidade Muitas variáveis
Leia maisCap. 8 - Variáveis Aleatórias
Variáveis Aleatórias Discretas: A de Poisson e Outras ESQUEMA DO CAPÍTULO 8.1 A DISTRIBUIÇÃO DE POISSON 8.2 A DISTRIBUIÇÃO DE POISSON COMO APROXIMAÇÃO DA DISTRIBUIÇÃO BINOMIAL 8.3 O PROCESSO DE POISSON
Leia maisVariável Aleatória Poisson. Número de erros de impressão em uma
EST029 Cálculo de Probabilidade I Cap. 7. Principais Variáveis Aleatórias Discretas Prof. Clécio da Silva Ferreira Depto Estatística - UFJF Variável Aleatória Poisson Caraterização: Usa-se quando o experimento
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 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 maisEstatística. Capítulo 4: Distribuições Teóricas de Probabilidades de Variáveis Aleatórias Discretas. Professor Fernando Porto
Estatística Capítulo 4: Distribuições Teóricas de Probabilidades de Variáveis Aleatórias Discretas Professor Fernando Porto Capítulo 4 Baseado no Capítulo 4 do livro texto, Distribuições Teóricas de Probabilidades
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 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 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 maisPROBABILIDADES E INTRODUÇÃO A PROCESSOS ESTOCÁSTICOS. Aula 7 11 e 12 abril MOQ-12 Probabilidades e Int. a Processos Estocásticos
PROBABILIDADES E INTRODUÇÃO A PROCESSOS ESTOCÁSTICOS Aula 7 11 e 12 abril 2007 1 Distribuições Discretas 1. Distribuição Bernoulli 2. Distribuição Binomial 3. Distribuição Geométrica 4. Distribuição Pascal
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 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 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 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 maisCapítulo 3. Introdução à Probabilidade E à Inferência Estatística
Capítulo 3 Introdução à Probabilidade E à Inferência Estatística definições e propriedades: Propriedade 5: A probabilidade condicional reflete como a probabilidade de um evento pode mudar se soubermos
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 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 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 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 maisCálculo das Probabilidades e Estatística I
Cálculo das Probabilidades e Estatística I Prof a. Juliana Freitas Pires Departamento de Estatística Universidade Federal da Paraíba - UFPB juliana@de.ufpb.br Modelos de distribuição Para utilizar a teoria
Leia 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 maisDistribuições Importantes. Distribuições Contínuas
Distribuições Importantes Distribuições Contínuas Distribuição Normal ou de Gauss Definição Diz-se que uma v.a. X contínua tem distribuição normal ou de Gauss, X Nor(µ,σ), se a sua função densidade de
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 maisPROBABILIDADE E ESTATÍSTICA DISTRIBUIÇÕES DE PROBABILIDADES
PROBABILIDADE E ESTATÍSTICA DISTRIBUIÇÕES DE PROBABILIDADES Bruno Baierle Maurício Furigo Prof.ª Sheila Regina Oro (orientadora) Edital 06/2013 - Produção de Recursos Educacionais Digitais Variável Aleatória
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 Contínuas e Distribuição de Probabilidad
Variáveis Aleatórias Contínuas e Distribuição de Probabilidades - parte III 23 de Abril de 2012 Introdução Objetivos Ao final deste capítulo você deve ser capaz de: Calcular probabilidades aproximadas
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 maisPARTE TEÓRICA Perguntas de escolha múltipla
PROBABILIDADES E ESTATÍSTICA MIEEC/FEUP PARTE TEÓRICA Perguntas de escolha múltipla 1 Dada a experiência aleatória ε define-se espaço amostral associado a ε como sendo: A O espaço físico onde se realiza
Leia maisFACULDADE DE TECNOLOGIA DE GUARATINGUETÁ
FACULDADE DE TECNOLOGIA DE GUARATINGUETÁ ESTATÍSTICA II Nota de aula 1 Prof. MSc. Herivelto T Marcondes dos Santos Fevereiro /2009 1 Modelos de probabilidade 1.1 Variável aleatória Definição: Sejam ε um
Leia maisConceitos Básicos, Básicos,Básicos de Probabilidade
Conceitos Básicos, Básicos,Básicos de Probabilidade Espaço Amostral Base da Teoria de Probabilidades Experimentos são realizados resultados NÃO conhecidos previamente Experimento aleatório Exemplos: Determinar
Leia maisModelos discretos e contínuos
Modelos discretos e contínuos Joaquim Neto joaquim.neto@ufjf.edu.br Departamento de Estatística - ICE Universidade Federal de Juiz de Fora (UFJF) Versão 3.0 Joaquim Neto (UFJF) ICE - UFJF Versão 3.0 1
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 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 maisDistribuição de Probabilidade. Prof. Ademilson
Distribuição de Probabilidade Prof. Ademilson Distribuição de Probabilidade Em Estatística, uma distribuição de probabilidade descreve a chance que uma variável pode assumir ao longo de um espaço de valores.
Leia maisEstatística I Aula 8. Prof.: Patricia Maria Bortolon, D. Sc.
Estatística I Aula 8 Prof.: Patricia Maria Bortolon, D. Sc. MODELOS PROBABILÍSTICOS MAIS COMUNS VARIÁVEIS ALEATÓRIAS CONTÍNUAS Lembram o que vimos sobre V.A. contínua na Aula 6? Definição: uma variável
Leia 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 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 maisCálculo das Probabilidades I
Cálculo das Probabilidades I Departamento de Estatística Universidade Federal da Paraíba Prof. Tarciana Liberal (UFPB) Aula Função Geradora de Momentos 10/13 1 / 19 Calculamos algumas características da
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 maisDistribuição Gaussiana
Universidade Federal de Minas Gerais Instituto de Ciências Exatas Departamento de Estatística Distribuição Gaussiana Introdução à Bioestatística Turma Nutrição Aula 7: Distribuição Normal (Gaussiana) Distribuição
Leia maisCap. 6 Variáveis aleatórias contínuas
Estatística para Cursos de Engenharia e Informática Pedro Alberto Barbetta / Marcelo Menezes Reis / Antonio Cezar Bornia São Paulo: Atlas, 004 Cap. 6 Variáveis aleatórias contínuas APOIO: Fundação de Apoio
Leia maisInstituto Tecnológico de Aeronáutica Divisão de Engenharia Mecânica-Aeronáutica. Professora: Denise Beatriz T. P. do Areal Ferrari
Instituto Tecnológico de Aeronáutica Divisão de Engenharia Mecânica-Aeronáutica Professora: Denise Beatriz T. P. do Areal Ferrari denise@ita.br Distribuições Discretas Uniforme Bernoulli Binomial Poisson
Leia maisDistribuições Importantes. Distribuições Discretas
Distribuições Importantes Distribuições Discretas Distribuição de Bernoulli Definição Prova ou experiência de Bernoulli é uma experiência aleatória que apenas tem dois resultados possíveis: A que se designa
Leia maisALGUMAS DISTRIBUIÇÕES CONTÍNUAS DE PROBABILIDADE
ALGUMAS DISTRIBUIÇÕES CONTÍNUAS DE PROBABILIDADE 4. 1 INTRODUÇÃO Serão apresentadas aqui algumas distribuições de probabilidade associadas a v.a. s contínuas. A mais importante delas é a distribuição Normal
Leia maisModelos Probabiĺısticos Discretos
Discretos Prof. Gilberto Rodrigues Liska UNIPAMPA 19 de Setembro de 2017 Material de Apoio e-mail: gilbertoliska@unipampa.edu.br Gilberto R. Liska ( UNIPAMPA ) Notas de Aula 19 de Setembro de 2017 1 /
Leia mais2.1 Variáveis Aleatórias Discretas
4CCENDMMT02-P PROBABILIDADE E CÁLCULO DIFERENCIAL E INTEGRAL Girlan de Lira e Silva (1),José Gomes de Assis (3) Centro de Ciências Exatas e da Natureza /Departamento de Matemática /MONITORIA Resumo: Utilizamos
Leia maisAULAS 6 e 7. ESPERANÇA, MOMENTOS E DISTRIBUIÇÕES DE PROBABILIDADES de VARIÁVEIS DISCRETAS 05/05/2017
AULAS 6 e 7 ESPERANÇA, MOMENTOS E DISTRIBUIÇÕES DE PROBABILIDADES de VARIÁVEIS DISCRETAS 05/05/2017 Em aulas passadas vimos as funções de probabilidade de variáveis discretas e contínuas agora vamos ver
Leia maisDistribuições de Probabilidade. Distribuição Normal
Distribuições de Probabilidade Distribuição Normal 1 Distribuição Normal ou Gaussiana A distribuição Normal ou Gaussiana é muito utilizada em análises estatísticas. É uma distribuição simétrica em torno
Leia mais4. Distribuições de probabilidade e
4. Distribuições de probabilidade e características Valor esperado de uma variável aleatória. Definição 4.1: Dada uma v.a. discreta (contínua) X com f.m.p. (f.d.p.) f X (), o valor esperado (ou valor médio
Leia maisExperimento Aleatório
Probabilidades 1 Experimento Aleatório Experimento aleatório (E) é o processo pelo qual uma observação é ob;da. Exemplos: ü E 1 : Jogar uma moeda 3 vezes e observar o número de caras ob;das; ü E 2 : Lançar
Leia maisME-310 Probabilidade II Lista 0
ME-310 Probabilidade II Lista 0 1. Sejam A e B eventos disjuntos tais que P(A) = 0.1 e P(B) = 0.. Qual é a probabilidade que (a) A ou B ocorra; (b) A ocorra, mas B não ocorra; (c) repita (a) e (b) se os
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 maisCapítulo4- Modelos de probabilidade.
Capítulo4- Modelos de probabilidade. 1- Modelos de probabilidade(110) 1.1) Introdução.(110) 1.) Fenómenos aleatórios(11) Experiência determinística-produz sempre o mesmo resultado desde que seja repetido
Leia maisDistribuições de Probabilidade
Distribuições de Probabilidade 1 Aspectos Gerais 2 Variáveis Aleatórias 3 Distribuições de Probabilidade Binomiais 4 Média e Variância da Distribuição Binomial 5 Distribuição de Poisson 1 1 Aspectos Gerais
Leia maisLista de Exercícios 3 Probabilidades Escola Politécnica, Ciclo Básico
RESOLUÇÃO NA PÁGINA 06 Lista de Exercícios 3 Probabilidades 0303200 Escola Politécnica, Ciclo Básico 1 o semestre 2017 1) Um equipamento tem tempo de vida T com distribuição normal, valor esperado de 40
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 maisPRO 2271 ESTATÍSTICA I. 3. Distribuições de Probabilidades
PRO71 ESTATÍSTICA 3.1 PRO 71 ESTATÍSTICA I 3. Distribuições de Probabilidades Variáveis Aleatórias Variáveis Aleatórias são valores numéricos que são atribuídos aos resultados de um eperimento aleatório.
Leia maisUm conceito importante em Probabilidades e Estatística é o de
Variáveis Aleatórias Um conceito importante em Probabilidades e Estatística é o de Variável Aleatória. Variável Aleatória Seja (Ω, A) um espaço de acontecimentos. À função X : Ω IR chamamos variável aleatória.
Leia maisTema 4- Modelos de probabilidade. (Versão: para o manual a partir de 2016/17)
Tema 4- Modelos de probabilidade. (Versão: para o manual a partir de 016/17) 1- Modelos de probabilidade(136) 1.1) Introdução.(36) (Vídeo: 33) 1.) Fenómenos aleatórios(138) Experiência determinística-produz
Leia maisRevisão de distribuições de probabilidades contínuas (Capítulo 6 Levine)
Revisão de distribuições de probabilidades contínuas (Capítulo 6 Levine) Statistics for Managers Using Microsoft Excel, 5e 2008 Pearson Prentice-Hall, Inc. Chap 6-1 Objetivos: Neste capítulo, você aprenderá:
Leia maisModelo Uniforme. como eu e meu colega temos 5 bilhetes, temos a mesma probabilidade de ganhar a rifa:
Modelo Uniforme Exemplo: Uma rifa tem 100 bilhetes numerados de 1 a 100. Tenho 5 bilhetes consecutivos numerados de 21 a 25, e meu colega tem outros 5 bilhetes, com os números 1, 11, 29, 68 e 93. Quem
Leia 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 maisProbabilidade I. Departamento de Estatística. Universidade Federal da Paraíba. Prof. Tarciana Liberal (UFPB) Aula Distribuição Geométrica 08/14 1 / 13
Probabilidade I Departamento de Estatística Universidade Federal da Paraíba Prof. Tarciana Liberal (UFPB) Aula Distribuição Geométrica 08/14 1 / 13 Distribuição Geométrica Considere novamente uma sequência
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
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 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 maisModelos de Distribuições
4/05/014 Universidade Federal do Pará Instituto de Tecnologia Estatística Aplicada I Prof. Dr. Jorge Teófilo de Barros Lopes Campus de Tucuruí CTUC Curso de Engenharia Mecânica 4/05/014 06:56 ESTATÍSTICA
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 maisrio de Guerra Eletrônica EENEM 2008 Estatística stica e Probabilidade Aleatórias Discretas
ITA - Laboratório rio de Guerra Eletrônica EENEM 2008 Estatística stica e Probabilidade Aula 03: Variáveis Aleatórias Discretas Qual a similaridade na natureza dessas grandezas? Tempo de espera de um ônibus
Leia maisVariáveis Aleatórias. Prof. Tarciana Liberal Departamento de Estatística - UFPB
Variáveis Aleatórias Prof. Tarciana Liberal Departamento de Estatística - UFPB Introdução Ao descrever o espaço amostral de um experimento aleatório, não especificamos que um resultado individual seja
Leia maisMOQ-13 PROBABILIDADE E ESTATÍSTICA. Professor: Rodrigo A. Scarpel
MOQ-13 PROBABILIDADE E ESTATÍSTICA Professor: Rodrigo A. Scarpel rodrigo@ita.br www.mec.ita.br/~rodrigo Programa do curso: Semanas 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 e 16 Introdução à probabilidade (eventos,
Leia mais1 Variáveis Aleatórias
Centro de Ciências e Tecnologia Agroalimentar - Campus Pombal Disciplina: Estatística Básica - 2013 Aula 5 Professor: Carlos Sérgio UNIDADE 3 - VARIÁVEIS ALEATÓRIAS DISCRETAS (Notas de aula) 1 Variáveis
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 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 maisDaniel Queiroz VARIÁVEIS ALEATÓRIAS DISCRETAS
Daniel Queiroz VARIÁVEIS ALEATÓRIAS DISCRETAS INTRODUÇÃO O que é uma variável aleatória? Um tipo de variável que depende do resultado aleatório de um experimento aleatório. Diz-se que um experimento é
Leia maisPARTE 2. Profª. Drª. Alessandra de Ávila Montini
PARTE 2 Profª. Drª. Alessandra de Ávila Montini Conteúdo Introdução a Probabilidade Conceito de Experimento Conceito de Espaço Amostral Conceito de Variável Aleatória Principais Distribuições de Probabilidade
Leia maisCAPÍTULO 4 CONCEITOS BÁSICOS DE ESTATÍSTICA E PROBABILIDADES
CAPÍTULO 4 CONCEITOS BÁSICOS DE ESTATÍSTICA E PROBABILIDADES. INTRODUÇÃO - Conceito de população desconhecida π e proporção da amostra observada P. π P + pequeno erro Perguntas: - Qual é o pequeno erro?
Leia maisStela Adami Vayego DEST/UFPR
Resumo 9 Modelos Probabilísticos Variável Contínua Vamos ver como criar um modelo probabilístico, o que é uma função densidade de probabilidade (fdp), e como calcular probabilidades no caso de variáveis
Leia maisDistribuições Discretas: Hipergeométrica, Binomial e Poisson
CAP3: Distribuições Discretas e Contínuas Distribuições Discretas: Hipergeométrica, Binomial e Poisson Uma distribuição de probabilidade é um modelo matemático que relaciona o valor da variável com a probabilidade
Leia maisDistribuições derivadas da distribuição Normal. Distribuição Normal., x real.
Distribuições derivadas da distribuição Normal Distribuição Normal Uma variável aleatória X tem distribuição normal com parâmetros µ e σ, quando sua densidade de probabilidade é f ( x) π σ e ( x µ ) σ,
Leia maisVariáveis aleatórias discretas
Probabilidades e Estatística + Probabilidades e Estatística I Colectânea de Exercícios 2002/03 LEFT + LMAC Capítulo 3 Variáveis aleatórias discretas Exercício 3.1 Uma caixa contém 6 iogurtes dos quais
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 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 maisModelos Binomial e Poisson
Modelos Binomial e Poisson Cristian Villegas clobos@usp.br http://www.lce.esalq.usp.br/arquivos/aulas/2014/lce0216/ 1 Distribuição Bernoulli Se um experimento possui dois possíveis resultados, sucesso
Leia mais1073/B - Introdução à Estatística Econômica
Lista de exercicios 2 Prof. Marcus Guimaraes 1073/B - Introdução à Estatística Econômica Ciências Econômicas 1) Suponha um espaço amostral S constituido de 4 elementos: S={a 1,a2,a3,a4}. Qual das funções
Leia maisExperiência para o qual o modelo probabilístico é adequado. Efeito. Causas. Prof. Lorí Viali, Dr.
Prof. Lorí Viali, Dr. viali@pucrs.br http://www.pucrs.br/~viali Prof. Lorí Viali, Dr. viali@mat.ufrgs.br http://www.ufrgs.br/~viali/ Determinístico Sistema Real Causas Efeito Probabilístico X Causas Efeito
Leia maisAnálise de Dados e Simulação
Universidade de São Paulo Instituto de Matemática e Estatística http:www.ime.usp.br/ mbranco Simulação de Variáveis Aleatórias Contínuas. O método da Transformada Inversa Teorema Seja U U (0,1). Para qualquer
Leia maisExercícios de Teoria da Probabilidade e Processos Estocásticos Parte II
Exercícios de Teoria da Probabilidade e Processos Estocásticos Parte II 13 de Dezembro de 2013 Exercício 1. Descreva o espaço de probabilidade associado às seguintes experiências aleatórias: 1. Uma moeda
Leia maisDistribuições Discretas - Problemas Resolvidos
Distribuições Discretas - Problemas Resolvidos Exercise Distribuição Binomial Qual a probabilidade de haver duas ou mais peças defeituosas numa caixa com 5 peças? Foi verificado que a proporção de defeituosos
Leia maisDistribuições Discretas
META: Estudar o comportamento das Variáveis Aleatórias Discretas, bem como das Distribuições Binomial e Poisson e suas aplicações. Entender o comportamento de uma Variável aleatória Contínua. OBJETIVOS:
Leia mais4ª LISTA DE EXERCÍCIOS - LOB1012. Variáveis Aleatórias Contínuas, Aproximações e TLC
4ª LISTA DE EXERCÍCIOS - LOB1012 Variáveis Aleatórias Contínuas, Aproximações e TLC Assunto: Função Densidade de Probabilidade Prof. Mariana Pereira de Melo 1. Suponha que f(x) = x/8 para 3
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 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 maisUniversidade Federal de Minas Gerais Instituto de Ciências Exatas Departamento de Estatística. Introdução aos Modelos Probabilísticos Discretos:
Universidade Federal de Minas Gerais Instituto de Ciências Exatas Departamento de Estatística Introdução aos Modelos Probabilísticos Discretos: Binomial, Hipergeométrico, Binomial Negativo, Geométrico
Leia maisVariáveis Aleatórias Discretas - Esperança e Variância
Exemplo Um empresário pretende estabelecer uma firma para montagem de um componente mecânico. Cada peça é composta de duas partes, A e B, cada uma com uma chance específica de ser defeituosa. Só é possível
Leia mais1 Distribuição de Bernoulli
Centro de Ciências e Tecnlogia Agroalimentar - Campus Pombal Disciplina: Estatística Básica - 2013 Aula 6 Professor: Carlos Sérgio Distribuições Teóricas de Probabilidades de Variáveis Aleatórias Discretas
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 maisVariáveis Aleatórias Discretas e Distribuição de Probabilidade
Variáveis Aleatórias Discretas e Distribuição de Probabilidades - parte IV 2012/02 1 Distribuição Poisson Objetivos Ao final deste capítulo você deve ser capaz de: Ententer suposições para cada uma das
Leia maisProbabilidade Revisão de Conceitos
Probabilidade Revisão de Conceitos Espaço de Amostras A totalidade dos possíveis resultados de um experimento aleatório. Exemplo: jogar dados S = {(1,1),(1,),... (,1),(,)... (6,6)} S é dito o número de
Leia maisBioestatística F. Modelo Binomial. Enrico A. Colosimo
Bioestatística F Modelo Binomial Enrico A. Colosimo Departamento de Estatística Universidade Federal de Minas Gerais http://www.est.ufmg.br/~enricoc 2011 1 / 1 Variável aleatória discreta Definição Uma
Leia mais