Avaliação de Desempenho de Sistemas Discretos
|
|
- Rubens Mangueira de Escobar
- 5 Há anos
- Visualizações:
Transcrição
1 Avaliação de Desempenho de Sistemas Discretos Probabilidade Professor: Reinaldo Gomes
2 Planejamento Experimental 2 fatores manipuláveis x 1 x 2 x p entradas Processo saídas y z 1 z 2 z q fatores não manipuláveis Planejamento de Experimento: selecionar fatores manipuláveis x1,...,xp e determinar formas de utilizá-los em experimentos, de modo que sejam obtidas informações suficientes sobre o processo com pequeno número de ensaios Otimizar o processo: dado um critério quantitativo, encontrar a combinação dos níveis dos fatores controláveis que levam à melhor resposta
3 Seleção das Variáveis 3 Variáveis Independentes Fatores a serem estudados ou avaliados num processo (que podem ser controladas) Ex.: Formulação, temperatura, ph, agitação, aeração, tempo de residência, vazão, pressão, etc... Variáveis Dependentes Respostas desejadas (determinadas experimentalmente) Ex.: Rendimento, produtividade, atributos sensoriais, fator de pureza, atividade enzimática, etc...
4 Design de Experimentos 4 Conceitos importantes: Níveis: valores que podem ser assumidos por cada fator manipulável Tratamentos: uma particular combinação de níveis dos fatores incluídos no estudo experimental. Replicações: repetições de um ensaio em cada condição tratamento para avaliar erros experimentais Aleatorização: forma de realizar os ensaios em que a seqüência é aleatória, evitando vieses Blocagem: organização das unidades experimentais em subgrupos mais homogêneos
5 Design de Experimentos 5 Escolha de tratamentos Como projetar um experimento para uma avaliação de um sistema? Quais tratamentos (combinações de níveis de fatores) devem ser usados? Minimizar custo, tempo Maximizar a representatividade e precisão Usar todas as combinações de níveis pode gerar uma explosão de ensaios
6 Tipos de Design de Experimentos 6 Fator simples Estuda a influência de uma variável independente Conclusões erradas se houver interação entre fatores Múltiplos Fatores Estuda a influência de múltiplas variáveis independentes no sistema e suas interações Pode ter diversos níveis Design Fatorial Completo Design Fatorial Parcial
7 Tipos de Design de Experimentos 7 Experimento com um fator Deseja-se comparar 3 tipos de redes de computadores, C1, C2 e C3, em termos do tempo médio de transmissão entre duas máquinas. Realizou-se um experimento com 8 replicações com cada tipo de rede, aleatorizando a ordem dos 24 ensaios e mantendo fixos os demais fatores manipuláveis Deseja-se testar as hipóteses: H0: os tempos de transmissão são iguais para os três tipos de rede H1: os tempos de transmissão não são todos iguais (depende do tipo de rede)
8 Tipos de Design de Experimentos 8 Experimento com um fator fatores x assumindo valores C1, C2 e C3 entradas Processo... z 1 z 2 z q fatores não manipuláveis saídas y = tempo médio de transmissão
9 Tipos de Design de Experimentos 9 Experimento com um fator - Resultados Tipo de rede Replicação C1 C2 C3 1 7,2 7,8 6,3 2 9,3 8,2 6,0 3 8,7 7,1 5,3 4 8,9 8,6 5,1 5 7,6 8,7 6,2 6 7,2 8,2 5,2 7 8,8 7,1 7,2 8 8,0 7,8 6,8 Média 8,21 7,94 6,01
10 Tipos de Design de Experimentos 10 Experimento com múltiplos fatores A B entradas Processo saídas y Fator B b 1 b 2 b 3 b 4 Fator A a 1 a 2 a 1 b 1 a 1 b 2 a 1 b 3 a 1 b 4 a 2 b 1 a 2 b 2 a 2 b 3 a 2 b 4 Todas as combinações de a i e b j
11 Tipos de Design de Experimentos 11 Experimento com múltiplos fatores Projeto fatorial 2 k Efeito de k fatores usando apenas 2 níveis para cada fator Pode estimar interações entre fatores Determinar quais fatores mais afetam os efeitos Não pode estimar erros (não há replicação) Projeto fatorial 2 kr com replicação Como 2 k mas com r repetições, permitindo estimar erros e, portanto, intervalos de confiança
12 Tipos de Design de Experimentos 12 Experimento com múltiplos fatores Deseja-se estudar os efeitos da quantidade de memória principal (fator A) e de memória cache (fator B) no desempenho de um servidor de banco de dados. O fator A foi foram considerados os níveis 16 e 32 Gbytes e o fator B nos níveis 4 e 8 Mbytes.
13 Tipos de Design de Experimentos 13 Experimento com múltiplos fatores A + y(a+,b ) = a y(a+,b+) = ab y(a,b ) = (1) y(a,b+) = b B +
14 Tipos de Design de Experimentos 14 Experimento com múltiplos fatores Deseja-se estudar os fatores que mais influenciam na taxa de falhas de transmissão de uma rede de computadores Taxa máxima de transmissão (10 / 100 Mbps) Quantidade de informação (10000 / bytes) Comprimento do cabo ( 20 / 100 m)
15 Tipos de Design de Experimentos 15 Experimento com múltiplos fatores ac abc ensaio tratamento (1) a b ab c ac bc abc A + a (1) b B c + ab A B C AB AC BC ABC C bc +
16 Tipos de Design de Experimentos 16 Experimento com múltiplos fatores
17 Tipos de Design de Experimentos 17 Experimento com múltiplos fatores Projeto fatorial 2 k Determina efeito de k fatores mas usam-se apenas 2 níveis para cada fator Pode estimar interações entre fatores Determinar quais fatores mais afetam os efeitos Não pode estimar erros (não há replicação) Projeto fatorial 2 kr com replicação Como 2 k mas com r repetições, permitindo estimar erros e, portanto, intervalos de confiança
18 Tipos de Design de Experimentos 18 Experimento com múltiplos fatores Projeto fatorial fracionário 2 k-p Útil quando há muito fatores (k grande) k fatores de 2 níveis mas com menos tratamentos Haverá fatores confundidos (misturados) confounding factors Deve escolher quais fatores serão confundidos (os menos importantes) para maximizar obtenção de informação dos fatores importantes
19 Tipos de Design de Experimentos 19 Experimento com múltiplos fatores Exemplo : ac abc A a ab + (1) + b B c C bc +
20 Distribuições Comuns 20 Uniforme Normal Poisson Hipergeométrica Binomial Student's Geométrica Lognormal Exponencial Beta Gamma Qui-Quadrado Weibull Pareto Erlang Pascal
21 21 Distribuição de Poisson Parâmetro: λ (média) Utilização: Número de pessoas que chegam em um lugar por hora Número de chamadas telefônicas em uma central Número de conexões TCP recebidas em um servidor por hora Número de vezes que um servidor Web é acessado por minuto Número de carros que passam na rua em um período Número de navios que chegam no porto por dia Em geral: Processos de nascimento
22 22 Distribuição de Poisson
23 Distribuição Uniforme - Contínua 23 Parâmetros: a e b (limite inferior e superior) Utilização: Quando a probabilidade de eventos é a mesma O número observado no lançamento de um dado Direção do movimento de um usuário em um rede celular Dia do mês do aniversário de uma pessoa
24 24 Distribuição Uniforme - Contínua
25 25 Distribuição Uniforme - Discreta
26 Distribuição Exponencial 26 Parâmetro: λ (média) Utilização: Tempo entre eventos sucessivos O tempo entre acidentes de carro Tempo entre chamadas telefônicas Tempo entre requisições a um servidor de BD Tempo entre falhas de um equipamento
27 27 Distribuição Exponencial
28 Distribuição Normal (Gaussiana) 28 Parâmetros: µ, σ² (média e variância) Utilização: Aleatoriedade causada por várias fontes independentes agindo em conjunto Erros em medições Dados relativamente padronizados
29 29 Distribuição Normal (Gaussiana)
30 Distribuição Normal 30 Aplicações da Distribuição Normal Normal (m, v) Média Variância Altura das mulheres entre 18 e 24 é uma Normal( 164, 6²) cm 68% têm entre 158 e 170 (média ± 1 Desvio Padrão) 95% têm entre 154 e 176 (média ± 2 Desvios Padrão)
31 Distribuição Normal 31 Aplicações da Distribuição Normal A probabilidade de uma variável aleatória X ter um valor dentro do intervalo [a,b] é a área sob a curva no intervalo entre x=a e x=b
32 Distribuição Normal 32 Se a média é µ=100 e o desvio padrão é σ =10, qual a probabilidade de uma ocorrência entre A e B Assuma um coeficiente k que determina os pontos A e B em função do desvio padrão. A=µ - kσ, B= µ + kσ k=0.1 A=99 B=101 P[A x B]=7.96%
33 Distribuição Normal 33 Se a média é µ=100 e o desvio padrão é σ =10, qual a probabilidade de uma ocorrência entre A e B A=µ - kσ, B= µ + kσ k=0.5 A=95 B=105 P[A x B]=38.29%
34 Distribuição Normal 34 Se a média é µ=100 e o desvio padrão é σ =10, qual a probabilidade de uma ocorrência entre A e B A=µ - kσ, B= µ + kσ k=1 A=90 B=110 P[A x B]=68.27%
35 Distribuição Normal 35 Se a média é µ=100 e o desvio padrão é σ =10, qual a probabilidade de uma ocorrência entre A e B A=µ - kσ, B= µ + kσ k=2 A=80 B=120 P[A x B]=95.45%
36 Distribuição Normal 36 Se a média é µ=100 e o desvio padrão é σ =10, qual a probabilidade de uma ocorrência entre A e B A=µ - kσ, B= µ + kσ k=3 A=70 B=130 P[A x B]=99.73%
37 Distribuição Normal 37 Se a média é µ=100 e o desvio padrão é σ =10, qual a probabilidade de uma ocorrência entre A e B A=µ - kσ, B= µ + kσ k=4 A=60 B=140 P[A x B]=99.99%
38 Distribuição Normal 38 Se a média é µ=100 e o desvio padrão é σ =10, qual a probabilidade de uma ocorrência entre A e B A=µ - kσ, B= µ + kσ k=5 A=50 B=150 P[A x B]= %
39 Distribuição Normal 39 Caracteristicas A função densidade é simétrica em torno da média A média é também a moda e a mediana % da área sob a curva está a 1 desvio padrão (DP) da média % da área sob a curva está a 2 DP da média % da área sob a curva está a 3 DP da média % da área sob a curva está a 4 DP da média % da área sob a curva está a 5 DP da média % da área sob a curva está a 6 DP da média % da área sob a curva está a 7 DP da média
40 40 Probabilidade e Estatística Amostragem e estimação de parâmetros Intervalo de confiança para média
41 População, Amostra e Estimador 41 Amostra é um subconjunto de uma população Exemplo: População: Todas as mulheres do Brasil Amostra: 1000 mulheres de 5 cidades diferentes Qual a altura média da mulher brasileira? Usamos a média da amostra para estimar a média da população Média da amostra = 168cm, desvio padrão = 4cm µ é a média da população (parâmetro estimado) χ é a média amostral (da amostra) e o estimador de µ
42 População, Amostra e Estimador 42 Qual a certeza de que a média da amostra estima bem a média da população? Não é possível ter um estimador perfeito a partir de uma amostra de tamanho finito O melhor que podemos fazer é obter limites probabilísticos, Ou seja, ao invés de dizermos: a média de altura da mulher brasileira é 168cm Dizemos: a média da mulher brasileira é algum valor entre 168-c e 168+c, com probabilidade p Quanto mais próximo de 1 for p, mais certeza haverá E c depende: De p: maior p maior c Do tamanho da amostra: poucas amostras maior c Da variabilidade observada na amostra: muita variabilidade maior c
43 Média Amostral Seja x i uma V.A. obtida de uma população que tem distribuição de probabilidade estacionária com média finita e variância 2 Seja x m a média amostral quando n observações independentes são feitas para x i (observe que x i também é uma V.R.), onde: n x m = 1/n x i i = 1
44 Intervalo de confiança 44 Intervalo de confiança é um intervalo que contém o parâmetro estimado com uma certa probabilidade Determina os limites probabilísticos: Probabilidade{ c1 µ c2 } = 1 α c1 = x c e c2 = x + c O intervalo (c1,c2) é o intervalo de confiança α é o nível de significância (menor é melhor) 100(1-α) é o nível de confiança (ex: 90%, 95%, 99%) p=(1-α) é a probabilidade de acerto do estimador Como calcular c?
45 Intervalo de Confiança Deseja-se encontrar um intervalo em torno de x m onde se pode afirmar que a média verdadeira se localiza com probabilidade 1- (chamada nível de confiança) Do Teorema do Limite Central, a distribuição de x m tende a uma distribuição normal com média e variância 2 ( 2 é a verdadeira variância da medida) Para se usar tabelas estatísticas padrões, considera-se a V.R. Z = (x m - ) / ( / n) que aproximadamente tem distribuição normal com média 0 e variância 1 (distribuição normal padrão)
46 46 Sem Intervalo de Confiança
47 47 Com Intervalo de Confiança
48 Distribuição t-student Na prática, 2 não é conhecida, sendo substituída por s 2 = 1/(n-1) (x i - x m ) 2 n i=1 Agora, a variável z não pode mais ser aproximada pela distribuição normal e sim pela distribuição t-student ou, simplesmente distribuição t, com (n-1) graus de liberdade
49 Nível de confiança Resumindo: para encontrar um intervalo em torno de x m (x m - w ; x m + w) onde se pode afirmar que a média verdadeira se localiza com probabilidade 1- (Nível de Confiança - NC) temos: W = t ( /2, n-1) * s 2 / n Onde: NC = (1- )% t ( /2, n-1) = valor da distribuição t (t-distribution), para NC (100- )%, com n-1 graus de liberdade
50 Nível de confiança Que nível de confiança usar? Quanta perda você pode suportar caso o parâmetro da população esteja fora do seu intervalo? Quanto ganho você teria se o parâmetro estivesse dentro do intervalo? Precisão: repetibilidade dos valores obtidos através das medições feitas Se medir várias vezes o mesmo fenômeno, quão dispersos são os resultados? Acurácia: é a diferença entre o valor medido e um valor de referência Quão perto do correto está a medição? Menor α => Maior IC => Maior confiança IC maior => Menor a precisão Existe mais incerteza sobre quem de fato é a média
51 Nível de confiança
52 Calculando o Intervalo de Confiança 52 Amostras=1000 Média=168 Desvio=4 Nível de confiança=95% α = 0.05 P=1- α = 0.95 Probabilidade{ µ } = 0.95 Ou a mulher brasileira tem entre e de altura com probabilidade de 95%
53 53 Com Intervalo de Confiança
54 Exemplo Um modelo de um canal de comunicação de uma RC foi simulado para se obter o tempo médio de transmissão de pacotes (microsegundos). Os valores encontrados em 10 simulações realizadas foram: 9,252; 9,273; 9,413; 9,198; 9,532 9,355; 9,155; 9,558; 9,310; 9,269 Deseja-se encontrar o tempo médio de transmissão dos pacotes e o intervalo de confiança para um nível de confiança igual a 95%.
55
56 Exemplo Temos: n = 10 NC = 95% = (100- )% => =0.05 Da distribuição t, para /2=0,025, com 9 graus de liberdade t ( /2, n-1) = t (0,025, 9) = 2,26 n x m = 1/n x i n i = 1 => x m =9,331 s 2 = 1/(n-1) (x i - x m ) 2 => s 2 = 0,018 i=1 Então: x m ± w = ± <= => 9,235 9,331 9,427 x m
57 Calculando o Intervalo de Confiança 57 é um valor tabelado, baseado na distribuição Normal Reduzida N(0,1) s é o desvio padrão da amostra n é o tamanho da amostra
58 58 Com Intervalo de Confiança
59 Tamanho da Amostra 59 Quantas observações são necessárias para obtermos uma precisão de r% com um nível de confiança de 100(1- α)%? O intervalo de confiança deve ficar entre Quantidade de repetições:
Avaliação de Desempenho de Sistemas Discretos
Distribuições Comus Avaliação de Desempeho de Sistemas Discretos Probabilidade e Estatística 2 Uiforme Normal Poisso Hipergeométrica Biomial Studet's Geométrica Logormal Expoecial Beta Gamma Qui-Quadrado
Leia 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 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 mais1 Que é Estatística?, 1. 2 Séries Estatísticas, 9. 3 Medidas Descritivas, 27
Prefácio, xiii 1 Que é Estatística?, 1 1.1 Introdução, 1 1.2 Desenvolvimento da estatística, 1 1.2.1 Estatística descritiva, 2 1.2.2 Estatística inferencial, 2 1.3 Sobre os softwares estatísticos, 2 1.4
Leia maisAULA 03 Estimativas e tamanhos amostrais
1 AULA 03 Estimativas e tamanhos amostrais Ernesto F. L. Amaral 03 de outubro de 2013 Centro de Pesquisas Quantitativas em Ciências Sociais (CPEQS) Faculdade de Filosofia e Ciências Humanas (FAFICH) Universidade
Leia maisColeta e Modelagem dos Dados de Entrada
Slide 1 Módulo 02 Coleta e Modelagem dos Dados de Entrada Prof. Afonso C. Medina Prof. Leonardo Chwif Três Etapas Coleta Tratamento Inferência Coleta dos Dados 1. Escolha adequada da variável de estudo
Leia maisCONHECIMENTOS ESPECÍFICOS
CONHECIMENTOS ESPECÍFICOS 2003 2004 2005 2006 2007 2008 2009 2010 X 39,0 39,5 39,5 39,0 39,5 41,5 42,0 42,0 Y 46,5 65,5 86,0 100,0 121,0 150,5 174,0 203,0 A tabela acima mostra as quantidades, em milhões
Leia maisColeta e Modelagem dos Dados de Entrada
Coleta e Modelagem dos Dados de Entrada Capítulo 2 Páginas 24-52 Este material é disponibilizado para uso exclusivo de docentes que adotam o livro Modelagem e Simulação de Eventos Discretos em suas disciplinas.
Leia maisProbabilidade e Estatística. Estimação de Parâmetros Intervalo de Confiança
Probabilidade e Estatística Prof. Dr. Narciso Gonçalves da Silva http://páginapessoal.utfpr.edu.br/ngsilva Estimação de Parâmetros Intervalo de Confiança Introdução A inferência estatística é o processo
Leia maisANÁLISE DE RESULTADOS
ANÁLISE DE RESULTADOS Conteúdo 2 1. Planejamento de Experimentos 2. Introdução Medidas de Desempenho Análise Estatística dos Resultados Comparação de Resultados Procedimento para análise de resultados
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 maisProfessora Ana Hermínia Andrade. Universidade Federal do Amazonas Faculdade de Estudos Sociais Departamento de Economia e Análise. Período 2017.
Professora Ana Hermínia Andrade Universidade Federal do Amazonas Faculdade de Estudos Sociais Departamento de Economia e Análise Período 2017.1 Distribuições Amostrais O intuito de fazer uma amostragem
Leia maisInferência. 1 Estimativa pontual de uma média 2 Estimativa intervalar de uma média. Renata Souza
Inferência 1 Estimativa pontual de uma média 2 Estimativa intervalar de uma média Renata Souza Aspectos Gerais A estatística descritiva tem por objetivo resumir ou descrever características importantes
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 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 maisSumário. CAPÍTULO 1 Conceitos preliminares 1. CAPÍTULO 2 Descrição de dados: análise monovariada 47
CAPÍTULO 1 Conceitos preliminares 1 Introdução........................................................1 O que é estatística?.................................................. 4 Papel dos microcomputadores.........................................
Leia maisEstatística e Modelos Probabilísticos - COE241
Estatística e Modelos Probabilísticos - COE241 Aula passada Algoritmo para simular uma fila Medidas de interesse Média amostral Aula de hoje Teorema do Limite Central Intervalo de Confiança Variância amostral
Leia maisCONHECIMENTOS ESPECÍFICOS
fonte de graus de soma de quadrado variação liberdade quadrados médio teste F regressão 1 1,4 1,4 46,2 resíduo 28 0,8 0,03 total 2,2 A tabela de análise de variância (ANOVA) ilustrada acima resulta de
Leia maisCap. 9 Comparação entre tratamentos
Estatística para Cursos de Engenharia e Informática Pedro Alberto Barbetta / Marcelo Menezes Reis / Antonio Cezar Bornia São Paulo: Atlas, 004 Cap. 9 Comparação entre tratamentos APOIO: Fundação de Apoio
Leia maisMétodos Quantitativos para Ciência da Computação Experimental
Métodos Quantitativos para Ciência da Computação Experimental Revisão Virgílio A. F. Almeida Maio de 2008 Departamento de Ciência da Computação Universidade Federal de Minas Gerais FOCO do curso Revisão
Leia maisDefinição. Os valores assumidos pelos estimadores denomina-se estimativas pontuais ou simplesmente estimativas.
1. Inferência Estatística Inferência Estatística é o uso da informção (ou experiência ou história) para a redução da incerteza sobre o objeto em estudo. A informação pode ou não ser proveniente de um experimento
Leia maisMÉTODOS QUANTITATIVOS PARA CIÊNCIA DA COMPUTAÇÃO EXPERIMENTAL
MÉTODOS QUANTITATIVOS PARA CIÊNCIA DA COMPUTAÇÃO EXPERIMENTAL Pedro Henrique Bragioni Las Casas Pedro.lascasas@dcc.ufmg.br Apresentação baseada nos slides originais de Jussara Almeida e Virgílio Almeida
Leia maisTestes de Hipóteses. Ricardo Ehlers Departamento de Matemática Aplicada e Estatística Universidade de São Paulo
Testes de Hipóteses Ricardo Ehlers ehlers@icmc.usp.br Departamento de Matemática Aplicada e Estatística Universidade de São Paulo Introdução e notação Em geral, intervalos de confiança são a forma mais
Leia maisINTRODUÇÃO À INFERÊNCIA ESTATÍSTICA. Prof. Anderson Rodrigo da Silva
INTRODUÇÃO À INFERÊNCIA ESTATÍSTICA Prof. Anderson Rodrigo da Silva anderson.silva@ifgoiano.edu.br Tipos de Pesquisa Censo: é o levantamento de toda população. Aqui não se faz inferência e sim uma descrição
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 maisSUMÁRIO. Prefácio, Espaço amostrai, Definição de probabilidade, Probabilidades finitas dos espaços amostrais fin itos, 20
SUMÁRIO Prefácio, 1 3 1 CÁLCULO DAS PROBABILIDADES, 15 1.1 Introdução, 15 1.2 Caracterização de um experimento aleatório, 15 1.3 Espaço amostrai, 16 1.4 Evento, 17 1.5 Eventos mutuamente exclusivos, 17
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 maisMOQ 13 PROBABILIDADE E ESTATÍSTICA. Professor: Rodrigo A. Scarpel
MOQ 3 PROBABILIDADE E ESTATÍSTICA Professor: Rodrigo A. Scarpel rodrigo@ita.br www.mec.ita.br/~rodrigo Programa do curso: Semanas 2 3 4 5 6 7 8 9 0 2 3 4 5 e 6 Introdução à probabilidade (eventos, espaço
Leia maisTópicos Extras 1ª parte. Testes Não Paramétricos, Análise Multivariada, Outras Técnicas
Tópicos Extras 1ª parte Testes Não Paramétricos, Análise Multivariada, Outras Técnicas 1 2 Técnicas de dependência 3 4 Situações Comparar 3 tipos de rede de computadores, C1, C2 e C3, em termos do tempo
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 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 maisInferência Estatística: Conceitos Básicos II
Inferência Estatística: Conceitos Básicos II Distribuição Amostral e Teorema do Limite Central Análise Exploratória de dados no SPSS Flávia F. Feitosa BH1350 Métodos e Técnicas de Análise da Informação
Leia maisMaterial baseado nos slides de: Marcos José Santana Regina Helena Carlucci Santana
Universidade de São Paulo Instituto de Ciências Matemáticas e de Computação Departamento de Sistemas de Computação SSC643 -Avaliação de Desempenho de Sistemas Computacionais Aula 3 Sarita Mazzini Bruschi
Leia maisAvaliação de Desempenho
Avaliação de Desempenho Aula passada Métricas, Técnicas, Erros Aula de hoje Conceitos importantes de probabilidade Como fazer a análise de desempenho? Modelos Matemáticos Modelos de Simulação Como fazer
Leia maisALGUNS MODELOS DE VARIÁVEIS ALEATÓRIAS UNIDIMENSIONAIS. Prof.: Idemauro Antonio Rodrigues de Lara
1 ALGUNS MODELOS DE VARIÁVEIS ALEATÓRIAS UNIDIMENSIONAIS Prof.: Idemauro Antonio Rodrigues de Lara 2 Modelos de variáveis aleatórias discretas 1. Distribuição Uniforme Discreta 2. Distribuição Binomial
Leia maisSSC546 Avaliação de Sistemas Computacionais Parte 1 -Aula 4 Sarita Mazzini Bruschi
Universidade de São Paulo Instituto de Ciências Matemáticas e de Computação Departamento de Sistemas de Computação SSC546 Avaliação de Sistemas Computacionais Parte 1 -Aula 4 Sarita Mazzini Bruschi Material
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 maisEstatística para Cursos de Engenharia e Informática
Estatística para Cursos de Engenharia e Informática BARBETTA, Pedro Alberto REIS, Marcelo Menezes BORNIA, Antonio Cezar MUDANÇAS E CORREÇOES DA ª EDIÇÃO p. 03, após expressão 4.9: P( A B) = P( B A) p.
Leia maisCap. 4 - Estimação por Intervalo
Cap. 4 - Estimação por Intervalo Amostragem e inferência estatística População: consiste na totalidade das observações em que estamos interessados. Nº de observações na população é denominado tamanho=n.
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 maisEELT-7035 Processos Estocásticos em Engenharia. Variáveis Aleatórias. EELT-7035 Variáveis Aleatórias Discretas. Evelio M. G.
EELT-7035 Processos Estocásticos em Engenharia Variáveis Aleatórias Discretas 21 de março de 2019 Variáveis Aleatórias Variável aleatória, X( ): função que mapeia o espaço amostral (S) em números pertencentes
Leia mais6EMA Lucas Santana da Cunha 19 de abril de Universidade Estadual de Londrina
ESTATÍSTICA ECONÔMICA 6EMA020-2000 lscunha@uel.br http://www.uel.br/pessoal/lscunha/ Universidade Estadual de Londrina 19 de abril de 2017 1 o Bimestre Plano do Curso Cronograma Critério de Avaliação Bibliografia
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 maisInferência. 1 Estimativa pontual de uma média 2 Estimativa intervalar de uma média. Renata Souza
Inferência 1 Estimativa pontual de uma média 2 Estimativa intervalar de uma média Renata Souza Aspectos Gerais A estatística descritiva tem por objetivo resumir ou descrever características importantes
Leia maisCap. 8 - Intervalos Estatísticos para uma Única Amostra
Intervalos Estatísticos para ESQUEMA DO CAPÍTULO 8.1 INTRODUÇÃO 8.2 INTERVALO DE CONFIANÇA PARA A MÉDIA DE UMA DISTRIBUIÇÃO NORMAL, VARIÂNCIA CONHECIDA 8.3 INTERVALO DE CONFIANÇA PARA A MÉDIA DE UMA DISTRIBUIÇÃO
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 maisInferência Estatística:
Universidade Federal de Minas Gerais Instituto de Ciências Exatas Departamento de Estatística Inferência Estatística: Princípios de Bioestatística decidindo na presença de incerteza Aula 8: Intervalos
Leia maisTestes de Hipóteses. Ricardo Ehlers Departamento de Matemática Aplicada e Estatística Universidade de São Paulo
Testes de Hipóteses Ricardo Ehlers ehlers@icmc.usp.br Departamento de Matemática Aplicada e Estatística Universidade de São Paulo Introdução e notação Em geral, intervalos de confiança são a forma mais
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 maisCAPÍTULO 3 POPULAÇÃO E AMOSTRA
DEPARTAMENTO DE GEOCIÊNCIAS GCN 7901 ANÁLISE ESTATÍSTICA EM GEOCIÊNCIAS PROFESSOR: Dr. ALBERTO FRANKE CONTATO: alberto.franke@ufsc.br F: 3721 8595 CAPÍTULO 3 POPULAÇÃO E AMOSTRA As pesquisas de opinião
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 maisSUMÁRIO. 1.1 Introdução, Conceitos Fundamentais, 2
SUMÁRIO 1 CONCEITOS BÁSICOS, 1 1.1 Introdução, 1 1.2 Conceitos Fundamentais, 2 1.2.1 Objetivo, 2 1.2.2 População e amostra, 2 1.3 Processos estatísticos de abordagem, 2 1.4 Dados estatísticos, 3 1.5 Estatística
Leia maisAULA 05 Teste de Hipótese
1 AULA 05 Teste de Hipótese Ernesto F. L. Amaral 03 de setembro de 2012 Faculdade de Filosofia e Ciências Humanas (FAFICH) Universidade Federal de Minas Gerais (UFMG) Fonte: Triola, Mario F. 2008. Introdução
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 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 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 maisDistribuições de Probabilidade. Distribuição Uniforme Distribuição Exponencial Distribuição Normal
Distribuições de Probabilidade Distribuição Uniforme Distribuição Exponencial Distribuição Normal 1 Distribuição Uniforme A distribuição Uniforme atribui uma densidade igual ao longo de um intervalo (a,b).
Leia maisPOPULAÇÃO X AMOSTRA INTRODUÇÃO À BIOESTATÍSTICA TIPOS DE VARIÁVEIS CLASSIFICAÇÃO DAS VARIÁVEIS CLASSIFICAÇÃO DAS VARIÁVEIS 1) TIPOS DE VARIÁVEIS
POPULAÇÃO X AMOSTRA INTRODUÇÃO À BIOESTATÍSTICA População (N) representa o conjunto de todas as unidades experimentais que apresentam características em comum Amostra (n) representa uma parte do todo.
Leia maisEstatística e Modelos Probabilísticos - COE241
Estatística e Modelos Probabilísticos - COE241 Aula passada Variáveis aleatórias discretas PMF, CDF Exemplos de v. a.: Bernoulli, Binomial, Geométrica, Poisson, Hipergeométrica Aula de hoje V.a. contínua
Leia mais6EMA Lucas Santana da Cunha 17 e 19 de abril de Universidade Estadual de Londrina
ESTATÍSTICA ECONÔMICA 6EMA020-1000 lscunha@uel.br http://www.uel.br/pessoal/lscunha/ Universidade Estadual de Londrina 17 e 19 de abril de 2017 1 o Bimestre Cronograma Critério de Avaliação Bibliografia
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 maisConceito de Estatística
Conceito de Estatística Estatística Técnicas destinadas ao estudo quantitativo de fenômenos coletivos, observáveis. Unidade Estatística um fenômeno individual é uma unidade no conjunto que irá constituir
Leia maisTeoria da Estimação. Fabricio Goecking Avelar. junho Universidade Federal de Alfenas - Instituto de Ciências Exatas
Teoria da Estimação Fabricio Goecking Avelar Universidade Federal de Alfenas - Instituto de Ciências Exatas junho - 2018 Algumas distribuições importantes Sumário 1 Algumas distribuições importantes 2
Leia mais1 Introdução. 2 Variáveis Aleatórias Discretas (VAD)
Prof. Janete Pereira Amador 1 1 Introdução Muitas situações cotidianas podem ser usadas como experimento que dão resultados correspondentes a algum valor, e tais situações podem ser descritas por uma variável
Leia maisrio de Guerra Eletrônica EENEM 2008 Estatística stica e Probabilidade Aleatórias nuas
ITA - Laboratório rio de Guerra Eletrônica EENEM 2008 Estatística stica e Probabilidade Aula 04: Variáveis Aleatórias Contínuas nuas Função densidade de probabilidade contínua nua f(x) a b f(x) 0 para
Leia maisEventos coletivamente exaustivos: A união dos eventos é o espaço amostral.
DEFINIÇÕES ADICIONAIS: PROBABILIDADE Espaço amostral (Ω) é o conjunto de todos os possíveis resultados de um experimento. Evento é qualquer subconjunto do espaço amostral. Evento combinado: Possui duas
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 maisSSC546 -Avaliação de Desempenho de Sistemas
Universidade de São Paulo Instituto de Ciências Matemáticas e de Computação Departamento de Sistemas de Computação SSC546 -Avaliação de Desempenho de Sistemas Parte 1 -Aula 2 Sarita Mazzini Bruschi Material
Leia maisOutras distribuições contínuas. Gama Qui-quadrado t-student F-Snedecor Pareto Weibull Beta Log-Normal Meia-normal Cauchy etc...
Outras distribuições contínuas Gama Qui-quadrado t-student F-Snedecor Pareto Weibull Beta Log-Normal Meia-normal Cauchy etc... 1 c) Algumas distribuições de probabilidade contínuas importantes d) Distribuição
Leia maisESTATÍSTICA ECONÔMICA A 6EMA
ESTATÍSTICA ECONÔMICA A 6EMA020-1000 Prof. Dr. Lucas Santana da Cunha email: lscunha@uel.br http://www.uel.br/pessoal/lscunha/ 21 de março de 2018 Londrina-PR 1 / 19 1 o Bimestre Plano do Curso Cronograma
Leia maisAula 8 : Estimação de parâmetros
UNIVERSIDADE FEDERAL DA BAHIA ESCOLA POLITÉCNICA MEAU- MESTRADO EM ENGENHARIA AMBIENTAL URBANA ENG C 18 Métodos de Pesquisa Quantitativos e Qualitativos Aula 8 : Estimação de parâmetros DOCENTE:CIRA SOUZA
Leia maisDistribuição Amostral e Estimação Pontual de Parâmetros
Roteiro Distribuição Amostral e Estimação Pontual de Parâmetros 1. Introdução 2. Teorema Central do Limite 3. Conceitos de Estimação Pontual 4. Métodos de Estimação Pontual 5. Referências População e Amostra
Leia maisAvaliação de Desempenho
Universidade de São Paulo Instituto de Ciências Matemáticas e de Computação Departamento de Sistemas de Computação Avaliação de Desempenho Planejamento de Experimentos 2 Aula 2 Marcos José Santana Regina
Leia maisProf. Lorí Viali, Dr.
Prof. Lorí Viali, Dr. viali@mat.ufrgs.br http://www.mat.ufrgs.br/~viali/ Em muitas situações duas ou mais variáveis estão relacionadas e surge então a necessidade de determinar a natureza deste relacionamento.
Leia maisModelos Lineares Distribuições de Probabilidades Distribuição Normal Teorema Central do Limite. Professora Ariane Ferreira
Distribuições de Probabilidades Distribuição Normal Teorema Central do Limite Professora Ariane Ferreira Modelos Probabilísticos de v.a. continuas Distribuição de Probabilidades 2 IPRJ UERJ Ariane Ferreira
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 3 4 5 6 7 8 9 10 11 1 13 14 15 e 16 Introdução à probabilidade (eventos,
Leia maisNessa situação, a média dessa distribuição Normal (X ) é igual à média populacional, ou seja:
Pessoal, trago a vocês a resolução da prova de Estatística do concurso para Auditor Fiscal aplicada pela FCC. Foram 10 questões de estatística! Não identifiquei possibilidade para recursos. Considero a
Leia maisVERIFICAÇÃO DOS RECURSOS NECESSÁRIOS. Capítulo 1 VARIÁVEIS E AMOSTRAS 1
PREFÁCIO VERIFICAÇÃO DOS RECURSOS NECESSÁRIOS xiii DO EXCEL... xv Capítulo 1 VARIÁVEIS E AMOSTRAS 1 VARIÁ VEIS 4 NÚMERO DE VARIÁVEIS 5 CLASSIFICAÇÃO DAS VARIÁVEIS 6 ESCALA DE MEDIÇÃO DAS VARIÁVEIS 7 POPULAÇÃO
Leia maisProbabilidade II. Departamento de Estatística. Universidade Federal da Paraíba
Probabilidade II Departamento de Estatística Universidade Federal da Paraíba Prof. Tarciana Liberal (UFPB) Aula Distribuição t de Student 02/14 1 / 1 A distribuição t de Student é uma das distribuições
Leia maisMETA Estudar características de populações com base nas informações colhidas por amostras de dados selecionados aleatoriamente nestas populações.
AMOSTRAGEM: POPULAÇÃO E AMOSTRA. TIPOS DE AMOSTRAGEM. AMOSTRA PILOTO. NÍVEL DE CONFIANÇA. ESTIMATIVA DA MÉDIA E PROPORÇÃO POPULACIONAL POR PONTO E POR INTERVALO. META Estudar características de populações
Leia maisDistribuições Amostrais
Distribuições Amostrais 1 Da população, com parâmetro, retira-se k amostras de tamanho n e calcula-se a estatística. Estas estatísticas são as estimativas de. As estatísticas, sendo variáveis aleatórias,
Leia maisPlanejamento e Otimização de Experimentos
Planejamento e Otimização de Experimentos Um Pouco de Estatística Prof. Dr. Anselmo E de Oliveira anselmo.quimica.ufg.br anselmo.disciplinas@gmail.com Populações, Amostras e Distribuições População Amostra
Leia maisEstatística 1. Resumo Teórico
Estatística 1 Resumo Teórico Conceitos do Curso 1. Tipos de Variáveis e Representações Gráficas a. Tipos de Variáveis b. Distribuição de Frequências c. Histograma 2. Estatística Descritiva Medidas Estatísticas
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 maisProbabilidade e Estatística
Probabilidade e Estatística Aula 5 Probabilidade: Distribuições de Discretas Parte 2 Leitura obrigatória: Devore, seções 3.4, 3.5 (hipergeométrica), 3.6 Aula 5-1 Objetivos Nesta parte 01 aprendemos a representar,
Leia maisAULA 04 Teste de hipótese
1 AULA 04 Teste de hipótese Ernesto F. L. Amaral 03 de outubro de 2013 Centro de Pesquisas Quantitativas em Ciências Sociais (CPEQS) Faculdade de Filosofia e Ciências Humanas (FAFICH) Universidade Federal
Leia maisCaros Alunos, segue a resolução das questões de Estatística aplicadas na prova para o cargo de Auditor Fiscal da Receita Municipal de Teresina.
Caros Alunos, segue a resolução das questões de Estatística aplicadas na prova para o cargo de Auditor Fiscal da Receita Municipal de Teresina. De forma geral, a prova manteve o padrão das questões da
Leia maisFernando Nogueira Simulação 1
Simulação a Eventos Discretos Fernando Nogueira Simulação Introdução Simulação não é uma técnica de otimização: estima-se medidas de performance de um sistema modelado. Modelos Contínuos X Modelos Discretos
Leia maisEstatística Básica VARIÁVEIS ALEATÓRIAS CONTÍNUAS. Renato Dourado Maia Instituto de Ciências Agrárias Universidade Federal de Minas Gerais
Estatística Básica VARIÁVEIS ALEATÓRIAS CONTÍNUAS Renato Dourado Maia Instituto de Ciências Agrárias Universidade Federal de Minas Gerais Modelo Uniforme Contínuo Uma variável aleatória X tem distribuição
Leia maisInferência Estatistica
Inferência Estatistica Ricardo Ehlers ehlers@icmc.usp.br Departamento de Matemática Aplicada e Estatística Universidade de São Paulo Modelos e Inferência Um modelo é uma simplificação da realidade (e alguns
Leia maisCONCEITOS BASICOS, ORGANIZAÇÃO E APRESENTAÇÃO DOS RESULTADOS, DISTRIBUIÇÃO DE FREQUÊNCIA
DISCIPLINA: MÉTODOS QUANTITATIVOS PROFESSORA: GARDÊNIA SILVANA DE OLIVEIRA RODRIGUES CONCEITOS BASICOS, ORGANIZAÇÃO E APRESENTAÇÃO DOS RESULTADOS, DISTRIBUIÇÃO DE FREQUÊNCIA MOSSORÓ/RN 2015 1 POR QUE ESTUDAR
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 maisQUI 154/150 Química Analítica V Análise Instrumental. Aula 1 Estatística (parte 1)
Universidade Federal de Juiz de Fora (UFJF) Instituto de Ciências Exatas Depto. de Química QUI 154/150 Química Analítica V Análise Instrumental Aula 1 Estatística (parte 1) Prof. Julio C. J. Silva Juiz
Leia maisCONHECIMENTOS ESPECÍFICOS
CONHECIMENTOS ESPECÍFICOS Julgue os itens que se seguem, acerca da estatística descritiva. 51 Na distribuição da quantidade de horas trabalhadas por empregados de certa empresa, é sempre possível determinar
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 maisMEDIDAS DE POSIÇÃO E DE DISPERSÃO. Profª Andréa H Dâmaso
MEDIDAS DE POSIÇÃO E DE DISPERSÃO Profª Andréa H Dâmaso Bioestatística e Delineamento Experimental - 2012 Tópicos da aula Medidas de tendência central e dispersão Variáveis contínuas: distribuição normal
Leia maisLicenciatura em Ciências Biológicas Universidade Federal de Goiás. Bioestatística. Prof. Thiago Rangel - Dep. Ecologia ICB
Licenciatura em Ciências Biológicas Universidade Federal de Goiás Bioestatística Prof. Thiago Rangel - Dep. Ecologia ICB rangel.ufg@gmail.com Página do curso: http://www.ecologia.ufrgs.br/~adrimelo/bioestat
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 mais