b) Variáveis Aleatórias Contínuas
|
|
- Pedro Henrique Farinha Peralta
- 5 Há anos
- Visualizações:
Transcrição
1 Disciplina: 1171 b) Variáveis Aleatórias Contínuas Prof. a Dr. a Simone Daniela Sartorio de Medeiros DTAiSeR-Ar 1
2 Uma variável aleatória é contínua (v.a.c.) se seu conjunto de valores é qualquer intervalo dos números reais, isto é, um conjunto não enumerável. Exemplo: Peso dos filhos. Função densidade de probabilidade Dizemos que f(x) é uma função contínua de probabilidade ou função densidade de probabilidade (f.d.p.) para uma variável aleatória contínua X, se satisfaz duas condições: 1) f(x) 0, para todo x (, ); ) A área definida por f(x) é igual a 1, ou seja: f ( x) dx 1
3 P(C=c) Exemplo 1 Arqueólogos estudaram uma certa região e mediram o comprimento de fósseis encontrados (em cm). Seja C a v.a.c. comprimento de fósseis, cuja sua função é dada como: f ( c) 1 40 c, 400 0, caso se 0 c 0; contrário. a) f(c) é uma função densidade de probabilidade? Gráfico da função densidade de probabilidade f (c) ou Área sob f 0 1 c ( c) dc Área sob f (c) = 0 (0,05) + [0(0,075 0,05)]/ = C Como: _ f(c) é positiva; e _a área é igual 1 f(c) é uma densidade. 3
4 b) Qual a probabilidade de um fóssil, escolhido ao acaso nessa região, apresentar comprimento inferior a 8 cm? ou = 0,8 P(C < 8) = 8 (1/40) + [8 (9/00 1/40)]/ = 0,8 4
5 Função de distribuição acumulada Dada uma v.a.c. X com função densidade de probabilidade f(x), podemos definir a sua função de distribuição acumulada, F(x), como: x F ( x) P( X x) f ( t) dt 5
6 Exemplo 1 Considere o exemplo anterior, cuja função densidade de probabilidade é dada por: f ( c) 1 40 c, 400 0, caso se 0 c 0; contrário. A função de distribuição acumulada é dada por: Gráfico da função acumulada 6
7 Valor esperado () Dada a variável aleatória X contínua, com função densidade dada por f(x), chamamos de valor médio ou esperança matemática de X ao valor: E ( X ) x f ( x) dx Variância ( ) A variância da variável aleatória X contínua, com f.d.p. f(x), é definida por: ( x ) f ( x) dx E( X ) O desvio padrão () de X é definido como a raiz quadrada da variância. 7
8 Moda A moda é valor da variável que tem maior probabilidade de ocorrência P( X Mo) max f ( x) Mediana (Md X ) A mediana de uma v.a. X contínua, com f.d.p. f(x), é o valor que satisfaz às seguintes condições: 1 P( X Md X ) e P( X Md X ) X 1 Ou Md X = P 50 é o valor de t tal que: F(t) = 0,50 Percentil: P 100p é o valor de t tal que: F(t) = p 8
9 P(X) Exercício 1 Suponha que a função f(x) possa ser utilizada como um modelo teórico para representar as densidades de frequência para a variável X: rendimento mensal. f ( x) 0, 0, 0,0x, 0, para para para x 0 0 x 10 x 10 (i) Faça o gráfico desta função. (ii) Verifique se f(x) é uma função de densidade de probabilidade (f.d.p.) X: número de salários mínimos Calcular as probabilidades esperadas da população com rendimento mensal: a) Entre 3 e 5 salários mínimos; b) Mais do que 10 salários mínimos. 9
10 Exercício 1 - Continuação Sendo f(x) uma f.d.p., como provado anteriormente, faça: c) Encontre a função de distribuição acumulada e esboce seu gráfico. d) Calcule o valor médio de X ( = E(X)). e) Calcule E(X ). f) A variância e o desvio padrão de X. g) Calcule a mediana. 10
11 Tarefa 1 Seja X a variável aleatória quantidade diária vendida de arroz em um supermercado, em centenas de quilos (x = 1 equivale a 100kg), com função densidade de probabilidade dada por: a) Faça o gráfico desta função b) Verifique se f(x) é uma f.d.p. 0, se x 0 x, se 0 x 1 f ( x) 3 1 x 1, se 1 x se x 3 c) Calcular a probabilidade de, em um dia escolhido ao acaso, se vender entre 50 e 00kg. d) Encontre a função de distribuição acumulada e esboce seu gráfico. e) Calcule o valor médio de X ( = E(X)). f) A variância e o desvio padrão de X. 11
12 c(0, 1) Para conferir: Tarefa 1 0, se x 0 x, se 0 x 1 f ( x) 3 1 x 1, se 1 x se x 3 No software R: plot(c(-1,4), c(0,1), type="n") curve(0*x, -1, 0, col="blue", lwd=4, add=t) curve(/3*x, 0, 1, col="red", lwd=4, add=t) curve(-1/3*x+1, 1, 3, col="darkgreen, lwd=4, add=t) curve(0*x, 3, 4, col="purple", lwd=4, add=t) abline(v=1, lty=) c(-1, 4) 1
13 Tarefa Suponha que a função f(x) possa ser utilizada como um modelo teórico para representar as densidades de frequência para a variável: X= rendimento mensal: f ( x) 0,003x 0, 0,06x 0,3, 0, para para x 0 para x 10 0 x 10 a) Faça o gráfico desta função b) Verifique se f(x) é uma f.d.p. Supondo este modelo, calcular as probabilidades esperadas da população com rendimento mensal: b.1) Entre 5 e 10 salários mínimos; b.) Entre 0 e 10 salários mínimos; b.3) Mais do que 10. c) Encontre a função de distribuição acumulada e esboce seu gráfico. d) Calcule o valor médio de X ( = E(X)). e) Calcule E(X ). f) A variância e o desvio padrão de X. g) Calcule a mediana; h) Calcule o CV. 13
14 Não se preocupe muito com as suas dificuldades em Matemática, posso assegurar-lhe que as minhas são ainda maiores. (Albert Einstein)
15 Principais modelos contínuos Algumas variáveis aleatórias aparecem com frequência em situações práticas. Em geral nesses casos, a distribuição de probabilidade pode ser escrita de uma maneira mais compacta, isto é, existe uma lei para atribuir as probabilidades. Para caracterizar completamente uma v.a.c., precisamos fornecer sua função densidade de probabilidade, segundo sua definição, é : _ uma função positiva; e _ com integral igual a 1. 15
16 Modelos Contínuos a) Distribuição uniforme contínuo b) Distribuição Exponencial c) Distribuição Normal d) Distribuição Gama e) Distribuição Qui-quadrado f) Distribuição t-student g) Distribuição F-Snedecor 16
17 a) Distribuição Uniforme Contínua 17
18 a) Modelo uniforme contínuo Uma v.a. X tem distribuição Uniforme Contínua no intervalo [a,b], a < b, se sua função densidade de probabilidade é dada por: f ( x) b 1 0 a, caso a x b contrário Notação: X ~ Uc[a, b] E(X) = Var(X) = Tarefa 3: Demonstre a fórmula da Var(X). 18
19 Função densidade de probabilidade Função de distribuição acumulada Tarefa 4: Verifique que a expressão da densidade do modelo Uc[a,b] satisfaz as propriedades de densidade. A função de distribuição pode ser calculada através da integral da densidade. A expressão resultante é dada por: F(x) = 0, se x < a x a, se a x < b b a 1, se x b OBS: Devido à natureza contínua da variável, não faz diferença na definição do modelo se o intervalo de valores for aberto ou semi-aberto. 19
20 Exemplo 1: A distância percorrida pela água do hidrômetro até a caixa é de 15m. Qual a probabilidade que exista um vazamento até m do tubo? Solução: O intervalo que descreve o fenômeno é [0,15]. Considere X uma v.a. que descreve a distância do vazamento do tubo. Assim, é fácil observar que X ~ Uc[0, 15]. Sendo sua função de densidade dada por: f(x) = 1/15, se 0 x < 15 0, c.c. P(0 1 1 X ) dx 015 x ,1333 0
21 b) Distribuição Exponencial 1
22 b) Modelo Exponencial Utilizado para descrever variáveis como, vida útil de equipamentos, tempos de falha e tempos de sobrevivência de espécies. Uma v.a. contínua X, assumindo valores positivos, segue o modelo Exponencial com parâmetro > 0 se sua densidade é: 1 f ( x) e. I ( 0, ) ( x) x Notação: X ~ Exp() E(X) = Var(X) = Cuidado com a parametrização considerada!!! O parâmetro indica a taxa de ocorrência por unidade de medida, que pode ser tempo, distância, volume, etc.
23 Função densidade de probabilidade 1/ Tarefa 5: Verifique que a expressão da densidade do modelo Exp() satisfaz as propriedades de densidade. Para calcular probabilidades com a Exponencial, precisamos resolver a integral, pois não teremos as figuras geométricas simples do exemplo anterior. Assim, Função de distribuição acumulada F(x) = 1 e x/. I (0,) (x) 3
24 Exemplo 1: Um fusível te duração de vida média de 100h. Qual a probabilidade de durar mais de 150horas? Solução: E(X) = = 100 h P(X > 150) = 1 P(X 150) = 1 F(150) = 1 (1 e 150/100 ) = e 150/100 = 0,31 4
25 c) Distribuição Gaussiana ou Normal 5
26 História: O modelo Fundamental: Distribuição Normal A distribuição Normal é também conhecida como distribuição Gaussiana como homenagem a Karl F. Gauss ( ), brilhante matemático e físico alemão, que desenvolveu-a no início do século XIX. Entretanto, Abraham de Moivre ( ) foi o primeiro a anunciar a equação da distribuição em 1733 e Pierre-Simon Marquis de Laplace ( ), famoso matemático e físico francês, a redescobriu na mesma época que Gauss. Para evitar uma questão internacional de originalidade o famoso estatístico inglês Karl Pearson passou a chamá-la de distribuição Normal em
27 Modelo fundamental em probabilidade e inferência estatística. Representa grande parte das variáveis aleatórias contínuas. Alguns motivos: a) Muitos testes e modelos estatísticos têm como pressuposição a normalidade dos dados, isto é, que os dados seguem uma distribuição Normal; b) Muitas variáveis biométricas tendem a ter distribuição Normal; c) A distribuição das médias amostrais de uma variável aleatória qualquer tendem a ter distribuição Normal, mesmo que a variável em si não tenha distribuição Normal. c) Modelo Normal Dizemos que a v.a. X tem distribuição Normal com parâmetros e, se sua função densidade é dada por: f ( x) 1 e ( x), para x Notação: X ~ N(, ) E(X) = Var(X) = 7
28 Propriedades do modelo Normal 1) f(x) tem forma de sino: unimodal e simétrica em relação à ; ) Não possui limite inferior ou superior: f(x) 0 quando x ; 3) O valor máximo de f(x) se dá quando x =. f(x) x 8
29 Propriedades da Distribuição Normal f ( x) 1 e ( x), para x 4) Dois parâmetros: média () e desvio padrão () a) A média () controla a localização do centro da distribuição, é o ponto de simetria. 1 < < 3 b) O desvio padrão () controla a dispersão da curva ao redor da média. 1 < <
30 Propriedades da Distribuição Normal 5) Unidade padrões: o desvio padrão define unidades padrões na distribuição a partir da média, isto é, a dispersão dos dados é controlada pelas unidades de desvio padrão. 68% 95% 99,7%
31 Como calcular a probabilidade, por exemplo, de um intervalo (a, b) qualquer de uma v.a.c. X que segue uma distribuição normal? Precisamos resolver a integral: P b ( x) 1 a X b ( ) e a dx Muita CALMA nessa hora!!! Esta integral só pode ser resolvida de modo aproximado. Então essas probabilidades podem ser calculadas através do uso de tabelas ou pelo computador. SÓ QUE para cada valor de e diferentes, obtemos uma distribuição (função) diferente, ou seja, teremos INFINITAS TABELAS!!!! 31
32 Padronização Considere X uma variável aleatória de interesse. Fazendo: z x s x x Dizemos que a variável Z x é a variável padronizada da variável X. Exemplo: X: altura de 15 alunos (em cm) Consequências: z 0 s z 1 s z a) Calcule a média e o desvio padrão desta amostra. b) Obtenha Z e calcule a média e o desvio. 3
33 Calcular probabilidades no modelo Normal Para calcular probabilidades precisamos resolver a integral: ( x) 1 P a X b ( ) e b a dx Para se utilizar apenas uma tabela, utiliza-se uma transformação da variável X que conduz sempre ao cálculo de probabilidades com uma variável normal com parâmetros (0,1), isto é, média igual a 0 e variância igual a 1. Z X Essa variável Z transformada terá distribuição N(0,1) e será denominada de distribuição Normal Padrão. Notação: Z ~ N(0, 1) 33
34 Para determinar a probabilidade X [a. b], procedemos da seguinte forma: E então olhamos na tabela e obtemos as probabilidades da Distribuição Normal Padrão (Z) ( b) X a P 34 b Z a P b X a P b X a P ) (
35 Tabela da Normal Padrão Como a distribuição Normal é simétrica, apresenta-se na tabela apenas os valore de P(0 Z z). A probabilidade de estar acima (ou abaixo) de zero é 0,5. 35
36 Tabela Distribuição Normal Padrão Z ~ N(0,1) Corpo da tabela dá a probabilidade p, tal que : p = P(0 < Z < Z c ) SEGUNDA DECIMAL DE Zc Z c Z c 0,0 0 0,004 0,008 0,01 0,016 0,0199 0,039 0,079 0,0319 0,0359 0,0 0,1 0,0398 0,0438 0,0478 0,0517 0,0557 0,0596 0,0636 0,0675 0,0714 0,0753 0,1 0, 0,0793 0,083 0,0871 0,091 0,0948 0,0987 0,106 0,1064 0,1103 0,1141 0, 0,3 0,1179 0,117 0,155 0,193 0,1331 0,1368 0,1406 0,1443 0,148 0,1517 0,3 0,4 0,1554 0,1591 0,168 0,1664 0,17 0,1736 0,177 0,1808 0,1844 0,1879 0,4 0,5 0,1915 0,195 0,1985 0,019 0,054 0,088 0,13 0,157 0,19 0,4 0,5 0,6 0,57 0,91 0,34 0,357 0,389 0,4 0,454 0,486 0,517 0,549 0,6 0,7 0,58 0,611 0,64 0,673 0,704 0,734 0,764 0,794 0,83 0,85 0,7 0,8 0,881 0,91 0,939 0,967 0,995 0,303 0,3051 0,3079 0,3106 0,3133 0,8 0,9 0,3159 0,3186 0,31 0,338 0,364 0,389 0,3315 0,334 0,3365 0,3389 0,9 1,0 0,3413 0,3438 0,3461 0,3485 0,3508 0,3531 0,3554 0,3577 0,3599 0,361 1,0 1,1 0,3643 0,3665 0,3686 0,3708 0,379 0,3749 0,377 0,379 0,381 0,383 1,1 1, 0,3849 0,3869 0,3888 0,3907 0,395 0,3944 0,396 0,398 0,3997 0,4015 1, 1,3 0,403 0,4049 0,4066 0,408 0,4099 0,4115 0,4131 0,4147 0,416 0,4177 1,3 1,4 0,419 0,407 0,4 0,436 0,451 0,465 0,479 0,49 0,4306 0,4319 1,4 1,5 0,433 0,4345 0,4357 0,437 0,438 0,4394 0,4406 0,4418 0,449 0,4441 1,5 1,6 0,445 0,4463 0,4474 0,4484 0,4495 0,4505 0,4515 0,455 0,4535 0,4545 1,6 1,7 0,4554 0,4564 0,4573 0,458 0,4591 0,4599 0,4608 0,4616 0,465 0,4633 1,7 1,8 0,4641 0,4649 0,4656 0,4664 0,4671 0,4678 0,4686 0,4693 0,4699 0,4706 1,8 1,9 0,4713 0,4719 0,476 0,473 0,4738 0,4744 0,475 0,4756 0,4761 0,4767 1,9,0 0,4773 0,4778 0,4783 0,4788 0,4793 0,4798 0,4803 0,4808 0,481 0,4817,0,1 0,481 0,486 0,483 0,4834 0,4838 0,484 0,4846 0,485 0,4854 0,4857,1, 0,4861 0,4864 0,4868 0,4871 0,4875 0,4878 0,4881 0,4884 0,4887 0,489,,3 0,4893 0,4896 0,4898 0,4901 0,4904 0,4906 0,4909 0,4911 0,4913 0,4916,3,4 0,4918 0,49 0,49 0,495 0,497 0,499 0,4931 0,493 0,4934 0,4936,4,5 0,4938 0,494 0,4941 0,4943 0,4945 0,4946 0,4948 0,4949 0,4951 0,495,5,6 0,4953 0,4955 0,4956 0,4957 0,4959 0,496 0,4961 0,496 0,4963 0,4964,6,7 0,4965 0,4966 0,4967 0,4968 0,4969 0,497 0,4971 0,497 0,4973 0,4974,7,8 0,4974 0,4975 0,4976 0,4977 0,4977 0,4978 0,4979 0,4979 0,498 0,4981,8,9 0,4981 0,498 0,4983 0,4983 0,4984 0,4984 0,4985 0,4985 0,4986 0,4986,9 3,0 0,4987 0,4987 0,4987 0,4988 0,4988 0,4989 0,4989 0,4989 0,499 0,499 3,0 3,1 0,499 0,4991 0,4991 0,4991 0,499 0,499 0,499 0,499 0,4993 0,4993 3,1 3, 0,4993 0,4993 0,4994 0,4994 0,4994 0,4994 0,4994 0,4995 0,4995 0,4995 3, 3,3 0,4995 0,4995 0,4996 0,4996 0,4996 0,4996 0,4996 0,4996 0,4996 0,4997 3,3 3,4 0,4997 0,4997 0,4997 0,4997 0,4997 0,4997 0,4997 0,4997 0,4997 0,4998 3,4 3,5 0,4998 0,4998 0,4998 0,4998 0,4998 0,4998 0,4998 0,4998 0,4998 0,4998 3,5 3,6 0,4998 0,4998 0,4999 0,4999 0,4999 0,4999 0,4999 0,4999 0,4999 0,4999 3,6 3,7 0,4999 0,4999 0,4999 0,4999 0,4999 0,4999 0,4999 0,4999 0,4999 0,4999 3,7 3,8 0,4999 0,4999 0,4999 0,4999 0,4999 0,4999 0,4999 0,4999 0,4999 0,5000 3,8 3,9 0,5000 0,5000 0,5000 0,5000 0,5000 0,5000 0,5000 0,5000 0,5000 0, ,9 4,0 0,5000 0,5000 0,5000 0,5000 0,5000 0,5000 0,5000 0,5000 0,5000 0,5000 4,0
37 Tabela da distribuição normal padrão (Z). 37
38 Exemplo 1: Seja X ~ N(,9), a probabilidade P( < X < 5) é? 5 P( X 5) P Z P(0 Z 9 9 1) 0,
39 Exemplo : Para obter P(0 X < ), usamos a simetria da Normal = P(0 Z < 0,67) = 0, ) 0 ( Z P Z P X P 0,67 0 Z P 39
40 A tabela também pode ser usada no sentido inverso, dado uma probabilidade, desejamos obter o valor que a originou. Exemplo 3: Quanto vale c tal que P(0 < Z < c) = 0,4? Solução: É só procurar no corpo da tabela onde está o 0,4 (aprox. 0,3997), que corresponde a 1,8 que será o valor de c. 40
41 Exemplo 4: Suponha, agora, que queremos encontrar d, tal que P(Z > d) = 0,8. Solução: Como a probabilidade desejada é maior que ½, então d é um número negativo. Então o intervalo precisa ter probabilidade 0,3. Da tabela d = 0,84, ou seja, d = 0,84. 41
42 Exercício 1 Sabendo-se que Z ~ N(0,1), calcule: a) P(0 < Z <,14) = b) P(0 < Z < 1,5) = c) P( 3,01 < Z < 0) = d) P(,17 < Z < 1,5) = e) P(Z > 0) = f) P(Z > 1) = g) P(Z < 1) = h) P(Z > 1) = i) P(Z < 1) = Exercício Seja X uma v.a.c. peso com média 59,6 kg e variância 16 kg. Calcule a probabilidade: a) P(X 70) = b) P(50 X < 65) = c) P(X > 68) = 4
43 Exercício 3 O peso bruto de latas de conserva é uma v.a. normal, com média 1000g e desvio padrão 0g. a) Qual a probabilidade de uma lata pesar menos de 980g? = 0,15866 b) Qual a probabilidade de uma lata pesar mais de 1010g? SEGUNDA DECIMAL DE Zc Z c ,0 0 0,004 0,008 0,01 0,016 0,0199 0,039 0,079 0,0319 0,0359 0,1 0,0398 0,0438 0,0478 0,0517 0,0557 0,0596 0,0636 0,0675 0,0714 0,0753 0, 0,0793 0,083 0,0871 0,091 0,0948 0,0987 0,106 0,1064 0,1103 0,1141 0,3 0,1179 0,117 0,155 0,193 0,1331 0,1368 0,1406 0,1443 0,148 0,1517 0,4 0,1554 0,1591 0,168 0,1664 0,17 0,1736 0,177 0,1808 0,1844 0,1879 0,5 0,1915 0,195 0,1985 0,019 0,054 0,088 0,13 0,157 0,19 0,4 0,6 0,57 0,91 0,34 0,357 0,389 0,4 0,454 0,486 0,517 0,549 0,7 0,58 0,611 0,64 0,673 0,704 0,734 0,764 0,794 0,83 0,85 0,8 0,881 0,91 0,939 0,967 0,995 0,303 0,3051 0,3079 0,3106 0,3133 0,9 0,3159 0,3186 0,31 0,338 0,364 0,389 0,3315 0,334 0,3365 0,3389 1,0 0,3413 0,3438 0,3461 0,3485 0,3508 0,3531 0,3554 0,3577 0,3599 0,361 1,1 0,3643 0,3665 0,3686 0,3708 0,379 0,3749 0,377 0,379 0,381 0,383 1, 0,3849 0,3869 0,3888 0,3907 0,395 0,3944 0,396 0,398 0,3997 0,4015 1,3 0,403 0,4049 0,4066 0,408 0,4099 0,4115 0,4131 0,4147 0,416 0,4177 1,4 0,419 0,407 0,4 0,436 0,451 0,465 0,479 0,49 0,4306 0,4319 1,5 0,433 0,4345 0,4357 0,437 0,438 0,4394 0,4406 0,4418 0,449 0,4441 1,6 0,445 0,4463 0,4474 0,4484 0,4495 0,4505 0,4515 0,455 0,4535 0,4545 1,7 0,4554 0,4564 0,4573 0,458 0,4591 0,4599 0,4608 0,4616 0,465 0,4633 1,8 0,4641 0,4649 0,4656 0,4664 0,4671 0,4678 0,4686 0,4693 0,4699 0,4706 1,9 0,4713 0,4719 0,476 0,473 0,4738 0,4744 0,475 0,4756 0,4761 0,4767,0 0,4773 0,4778 0,4783 0,4788 0,4793 0,4798 0,4803 0,4808 0,481 0,4817,1 0,481 0,486 0,483 0,4834 0,4838 0,484 0,4846 0,485 0,4854 0,4857, 0,4861 0,4864 0,4868 0,4871 0,4875 0,4878 0,4881 0,4884 0,4887 0,489,3 0,4893 0,4896 0,4898 0,4901 0,4904 0,4906 0,4909 0,4911 0,4913 0,4916,4 0,4918 0,49 0,49 0,495 0,497 0,499 0,4931 0,493 0,4934 0,4936,5 0,4938 0,494 0,4941 0,4943 0,4945 0,4946 0,4948 0,4949 0,4951 0,495,6 0,4953 0,4955 0,4956 0,4957 0,4959 0,496 0,4961 0,496 0,4963 0,4964,7 0,4965 0,4966 0,4967 0,4968 0,4969 0,497 0,4971 0,497 0,4973 0,4974,8 0,4974 0,4975 0,4976 0,4977 0,4977 0,4978 0,4979 0,4979 0,498 0,4981,9 0,4981 0,498 0,4983 0,4983 0,4984 0,4984 0,4985 0,4985 0,4986 0,4986 3,0 0,4987 0,4987 0,4987 0,4988 0,4988 0,4989 0,4989 0,4989 0,499 0,499 3,1 0,499 0,4991 0,4991 0,4991 0,499 0,499 0,499 0,499 0,4993 0,4993 3, 0,4993 0,4993 0,4994 0,4994 0,4994 0,4994 0,4994 0,4995 0,4995 0,4995 3,3 0,4995 0,4995 0,4996 0,4996 0,4996 0,4996 0,4996 0,4996 0,4996 0,4997 3,4 0,4997 0,4997 0,4997 0,4997 0,4997 0,4997 0,4997 0,4997 0,4997 0,4998 3,5 0,4998 0,4998 0,4998 0,4998 0,4998 0,4998 0,4998 0,4998 0,4998 0,4998 3,6 0,4998 0,4998 0,4999 0,4999 0,4999 0,4999 0,4999 0,4999 0,4999 0,4999 3,7 0,4999 0,4999 0,4999 0,4999 0,4999 0,4999 0,4999 0,4999 0,4999 0,4999 3,8 0,4999 0,4999 0,4999 0,4999 0,4999 0,4999 0,4999 0,4999 0,4999 0,5000 3,9 0,5000 0,5000 0,5000 0,5000 0,5000 0,5000 0,5000 0,5000 0,5000 0,5000 4,0 0,5000 0,5000 0,5000 0,5000 0,5000 0,5000 0,5000 0,5000 0,5000 0,5000 = 0,
44 Exercício 4 Seja uma v.a.c. X ~ N(100, 100), calcule: a) O valor a, tal que : P(100 a X a) = 0,95 b) P(X < 115) c) P(X 80) Solução: a) a = 19,6 b) c) 0, ,9775 SEGUNDA DECIMAL DE Zc Z c ,0 0 0,004 0,008 0,01 0,016 0,0199 0,039 0,079 0,0319 0,0359 0,1 0,0398 0,0438 0,0478 0,0517 0,0557 0,0596 0,0636 0,0675 0,0714 0,0753 0, 0,0793 0,083 0,0871 0,091 0,0948 0,0987 0,106 0,1064 0,1103 0,1141 0,3 0,1179 0,117 0,155 0,193 0,1331 0,1368 0,1406 0,1443 0,148 0,1517 0,4 0,1554 0,1591 0,168 0,1664 0,17 0,1736 0,177 0,1808 0,1844 0,1879 0,5 0,1915 0,195 0,1985 0,019 0,054 0,088 0,13 0,157 0,19 0,4 0,6 0,57 0,91 0,34 0,357 0,389 0,4 0,454 0,486 0,517 0,549 0,7 0,58 0,611 0,64 0,673 0,704 0,734 0,764 0,794 0,83 0,85 0,8 0,881 0,91 0,939 0,967 0,995 0,303 0,3051 0,3079 0,3106 0,3133 0,9 0,3159 0,3186 0,31 0,338 0,364 0,389 0,3315 0,334 0,3365 0,3389 1,0 0,3413 0,3438 0,3461 0,3485 0,3508 0,3531 0,3554 0,3577 0,3599 0,361 1,1 0,3643 0,3665 0,3686 0,3708 0,379 0,3749 0,377 0,379 0,381 0,383 1, 0,3849 0,3869 0,3888 0,3907 0,395 0,3944 0,396 0,398 0,3997 0,4015 1,3 0,403 0,4049 0,4066 0,408 0,4099 0,4115 0,4131 0,4147 0,416 0,4177 1,4 0,419 0,407 0,4 0,436 0,451 0,465 0,479 0,49 0,4306 0,4319 1,5 0,433 0,4345 0,4357 0,437 0,438 0,4394 0,4406 0,4418 0,449 0,4441 1,6 0,445 0,4463 0,4474 0,4484 0,4495 0,4505 0,4515 0,455 0,4535 0,4545 1,7 0,4554 0,4564 0,4573 0,458 0,4591 0,4599 0,4608 0,4616 0,465 0,4633 1,8 0,4641 0,4649 0,4656 0,4664 0,4671 0,4678 0,4686 0,4693 0,4699 0,4706 1,9 0,4713 0,4719 0,476 0,473 0,4738 0,4744 0,475 0,4756 0,4761 0,4767,0 0,4773 0,4778 0,4783 0,4788 0,4793 0,4798 0,4803 0,4808 0,481 0,4817,1 0,481 0,486 0,483 0,4834 0,4838 0,484 0,4846 0,485 0,4854 0,4857, 0,4861 0,4864 0,4868 0,4871 0,4875 0,4878 0,4881 0,4884 0,4887 0,489,3 0,4893 0,4896 0,4898 0,4901 0,4904 0,4906 0,4909 0,4911 0,4913 0,4916,4 0,4918 0,49 0,49 0,495 0,497 0,499 0,4931 0,493 0,4934 0,4936,5 0,4938 0,494 0,4941 0,4943 0,4945 0,4946 0,4948 0,4949 0,4951 0,495,6 0,4953 0,4955 0,4956 0,4957 0,4959 0,496 0,4961 0,496 0,4963 0,4964,7 0,4965 0,4966 0,4967 0,4968 0,4969 0,497 0,4971 0,497 0,4973 0,4974,8 0,4974 0,4975 0,4976 0,4977 0,4977 0,4978 0,4979 0,4979 0,498 0,4981,9 0,4981 0,498 0,4983 0,4983 0,4984 0,4984 0,4985 0,4985 0,4986 0,4986 3,0 0,4987 0,4987 0,4987 0,4988 0,4988 0,4989 0,4989 0,4989 0,499 0,499 3,1 0,499 0,4991 0,4991 0,4991 0,499 0,499 0,499 0,499 0,4993 0,4993 3, 0,4993 0,4993 0,4994 0,4994 0,4994 0,4994 0,4994 0,4995 0,4995 0,4995 3,3 0,4995 0,4995 0,4996 0,4996 0,4996 0,4996 0,4996 0,4996 0,4996 0,4997 3,4 0,4997 0,4997 0,4997 0,4997 0,4997 0,4997 0,4997 0,4997 0,4997 0,4998 3,5 0,4998 0,4998 0,4998 0,4998 0,4998 0,4998 0,4998 0,4998 0,4998 0,4998 3,6 0,4998 0,4998 0,4999 0,4999 0,4999 0,4999 0,4999 0,4999 0,4999 0,4999 3,7 0,4999 0,4999 0,4999 0,4999 0,4999 0,4999 0,4999 0,4999 0,4999 0,4999 3,8 0,4999 0,4999 0,4999 0,4999 0,4999 0,4999 0,4999 0,4999 0,4999 0,5000 3,9 0,5000 0,5000 0,5000 0,5000 0,5000 0,5000 0,5000 0,5000 0, ,5000 4,0 0,5000 0,5000 0,5000 0,5000 0,5000 0,5000 0,5000 0,5000 0,5000 0,5000
Disciplina: Prof. a Dr. a Simone Daniela Sartorio. DTAiSeR-Ar
Disciplina: 1171 b) Variáveis Aleatórias Contínuas Prof. a Dr. a Simone Daniela Sartorio DTAiSeR-Ar 1 Uma variável aleatória é contínua (v.a.c.) se seu conjunto de valores é qualquer intervalo dos números
Leia maisb) Variáveis Aleatórias Contínuas
Disciplina: 221171 b) Variáveis Aleatórias Contínuas Prof. a Dr. a Simone Daniela Sartorio de Medeiros DTAiSeR-Ar 1 Uma variável aleatória é contínua (v.a.c.) se seu conjunto de valores é qualquer intervalo
Leia maisVariáveis Aleatórias Contínuas
Variáveis Aleatórias Contínuas Bacharelado em Administração - FEA - Noturno 2 o Semestre 2017 MAE0219 (IME-USP) Variáveis Aleatórias Contínuas 2 o Semestre 2017 1 / 35 Objetivos da Aula Sumário 1 Objetivos
Leia 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 Lembrando... Uma quantidade X, associada a cada possível resultado
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 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 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 maisLucas Santana da Cunha de junho de 2018 Londrina
Variável aleatória contínua: Lucas Santana da Cunha email: lscunha@uel.br http://www.uel.br/pessoal/lscunha/ 13 de junho de 2018 Londrina 1 / 26 Esperança e variância de Y Função de distribuição acumulada
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 maisCálculo das Probabilidades e Estatística I
Cálculo das Probabilidades e Estatística I Prof a. Juliana Freitas Pires Departamento de Estatística Universidade Federal da Paraíba - UFPB juliana@de.ufpb.br Distribuição Normal Motivação: Distribuição
Leia maisEstatística Aplicada
Estatística Aplicada Variável Aleatória Contínua e Distribuição Contínua da Probabilidade Professor Lucas Schmidt www.acasadoconcurseiro.com.br Estatística Aplicada DISTRIBUIÇÕES CONTÍNUAS DE PROBABILIDADE
Leia 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 maisMétodos Experimentais em Ciências Mecânicas
Métodos Experimentais em Ciências Mecânicas Professor Jorge Luiz A. Ferreira Função que descreve a chance que uma variável pode assumir ao longo de um espaço de valores. Uma distribuição de probabilidade
Leia 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 mais3. VARIÁVEIS ALEATÓRIAS
3. VARIÁVEIS ALEATÓRIAS 011 Variável aleatória é o espaço amostral de um eperimento aleatório. Uma variável aleatória,, é uma função que atribui um número real a cada resultado em. Eemplo. Retira-, ao
Leia 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 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 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 maisGeração de Variáveis Aleatórias Contínuas. Mat02274 Estatística Computacional. A Normal. A Normal. Normal Log-Normal Gama Erlang Beta.
Estatística Computacional Geração de Variáveis Aleatórias Contínuas 6 Prof. Lorí Viali, Dr. viali@mat.ufrgs.br http://www.mat.ufrgs.br/~viali/ Normal Log-Normal Gama Erlang Beta Weibull Student (t) Qui-Quadrado
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 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 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 maisProbabilidade e Estatística. stica. Prof. Dr. Narciso Gonçalves da Silva pessoal.utfpr.edu.
Probabilidade e Estatística stica Prof. Dr. Narciso Gonçalves da Silva http://paginapessoal.utfpr.edu.br/ngsilva pessoal.utfpr.edu.br/ngsilva Distribuição Uniforme Uma variável aleatória contínua X está
Leia mais1 Distribuição Uniforme
Centro de Ciências e Tecnologia Agroalimentar - Campus Pombal Disciplina: Estatística Básica - 03 Aula 8 Professor: Carlos Sérgio UNIDADE 4 - Distribuições Contínuas (Notas de Aula) Distribuição Uniforme
Leia mais6.3 Valor Médio de uma Variável Aleatória
6. 3 V A L O R M É D I O D E U M A V A R I Á V E L A L E A T Ó R I A 135 1. Considere uma urna contendo três bolas vermelhas e cinco pretas. Retire três bolas, sem reposição, e defina a v.a. X igual ao
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 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 maisProf. Lorí Viali, Dr.
Prof. Lorí Viali, Dr. viali@mat.ufrgs.br http://www.mat.ufrgs.br/~viali/ Uma variável aleatória X tem uma distribuição normal se sua fdp for do tipo: f(x) 1.e 1 2. x µ σ 2, x R 2π. σ com - < µ < e σ >
Leia mais5. PRINCIPAIS MODELOS CONTÍNUOS
5. PRINCIPAIS MODELOS CONTÍNUOS 2019 5.1. Modelo uniforme Uma v.a. contínua X tem distribuição uniforme com parâmetros e ( < ) se sua função densidade de probabilidade é dada por f ( x )={ 1 β α, α x β
Leia maisUniversidade Federal de Goiás Instituto de Matemática e Estatística
Universidade Federal de Goiás Instituto de Matemática e Estatística Prova 3 de Probabilidade Prof.: Fabiano F. T. dos Santos Goiânia, 12 de dezembro de 214 Aluno: Nota: Descreva seu raciocínio e desenvolva
Leia mais5- Variáveis aleatórias contínuas
5- Variáveis aleatórias contínuas Para variáveis aleatórias contínuas, atribuímos probabilidades a intervalos de valores. Exemplo 5.1 Seja a variável correspondente ao tempo de vida útil de determinado
Leia maisPARTE 3. Profª. Drª. Alessandra de Ávila Montini
PARTE 3 Profª. Drª. Alessandra de Ávila Montini Distribuições Contínuas 2 Conteúdo Principais Distribuições de Probabilidade para Variáveis Quantitativas Contínuas: Exponencial Normal T de Student Qui-quadrado
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 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 maisEstatística (MAD231) Turma: IGA. Período: 2018/2
Estatística (MAD231) Turma: IGA Período: 2018/2 Aula #04 de Probabilidade: 26/10/2018 1 Variáveis Aleatórias Contínuas De modo informal as variáveis aleatórias são contínuas quando resultam de algum tipo
Leia 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 maisDistribuições de Probabilidade
Distribuições de Probabilidade Júlio Osório Distribuições Teóricas de Probabilidades Diz-se que uma variável aleatória contínua X tem uma distribuição normal de parâmetros µ (média) e σ (desviopadrão)
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 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 maisDistribuições Contínuas de Probabilidade
Distribuições Contínuas de Probabilidade Uma variável aleatória contínua é uma função definida sobre o espaço amostral, que associa valores em um intervalo de números reais. Exemplos: Espessura de um item
Leia 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 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 maisDistribuições de probabilidade de variáveis aleatórias contínuas
Distribuições de probabilidade de variáveis aleatórias contínuas Universidade Estadual de Santa Cruz Ivan Bezerra Allaman Distribuição Exponencial Introdução É utilizada frequentemente como modelo para
Leia maisc.c. É a função que associa a cada x X(S) um número f(x) que deve satisfazer as seguintes propriedades:
Prof. Lorí Viali, Dr. viali@mat.ufrgs.br http://www.mat.ufrgs.br/~viali/ Seja X uma variável aleatória com conjunto de valores X(S). Se o conjunto de valores for infinito não enumerável então a variável
Leia maisVariável Aleatória Contínua:
Distribuição Contínua Normal Luiz Medeiros de Araujo Lima Filho Departamento de Estatística UFPB Variável Aleatória Contínua: Assume valores num intervalo de números reais. Não é possível listar, individualmente,
Leia maisProbabilidade, distribuição normal e uso de tabelas padronizadas
Probabilidade, distribuição normal e uso de tabelas padronizadas Prof. Marcos Vinicius Pó Métodos Quantitativos para Ciências Sociais O que é probabilidade? Número de 0 até 1 que expressa a tendência de
Leia maisEscola Superior de Agricultura Luiz de Queiroz Universidade de São Paulo. Variáveis Aleatórias Contínuas
Escola Superior de Agricultura Luiz de Queiroz Universidade de São Paulo Variáveis Aleatórias Contínuas Professora Renata Alcarde Piracicaba abril 2014 Renata Alcarde Estatística Geral 24 de Abril de 2014
Leia maisSumário. 2 Índice Remissivo 11
i Sumário 1 Principais Distribuições Contínuas 1 1.1 Distribuição Uniforme................................. 1 1.2 A Distribuição Normal................................. 2 1.2.1 Padronização e Tabulação
Leia maisJanete Pereira Amador 1
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 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 maisMAE 116 Distribuição Normal FEA - 2º Semestre de 2018
MAE 116 Distribuição Normal FEA - 2º Semestre de 2018 1 Introdução Até aqui estudamos variáveis aleatórias discretas que são caracterizadas por ter uma distribuição de probabilidade dada por uma tabela
Leia maisDistribuição Normal. Prof a Dr a Alcione Miranda dos Santos. Abril, 2011
Distribuição Normal Prof a Dr a Alcione Miranda dos Santos Universidade Federal do Maranhão Programa de Pós-Graduação em Saúde Coletiva email:alcione.miranda@gmail.com Abril, 2011 1 / 18 Sumário 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 maisVariáveis Aleatórias. Probabilidade e Estatística. Prof. Dr. Narciso Gonçalves da Silva
Probabilidade e Estatística Prof. Dr. Narciso Gonçalves da Silva http://paginapessoal.utfpr.edu.br/ngsilva Variáveis Aleatórias Variável Aleatória Variável aleatória (VA) é uma função que associa a cada
Leia maisGeração de Variáveis Aleatórias Contínuas. Mat02274 Estatística Computacional. A função densidade de probabilidade. Exemplo
Estatística Computacional Geração de Variáveis Aleatórias Contínuas 06 Prof. Lorí Viali, Dr. viali@mat.ufrgs.br http://www.mat.ufrgs.br/~viali/ A função densidade de probabilidade Seja X uma variável aleatória
Leia mais{ C(1 x 2 ), se x ( 1, 1), f(x) = Cxe x/2, se x > 0, x + k, se 0 x 3; 0, c.c. k, se 1 < x 2; kx + 3k, se 2 < x 3;
Universidade de Brasília Departamento de Estatística 4 a Lista de PE 1. Seja X uma variável aleatória com densidade { C(1 x 2 ), se x ( 1, 1), 0, se x / ( 1, 1). a) Qual o valor de C? b) Qual a função
Leia maisSUMÁRIOS DE VARIÁVEIS ALEATÓRIAS CONTINUAS
4 SUMÁRIOS DE VARIÁVEIS ALEATÓRIAS CONTINUAS Em muitos problemas de probabilidade que requerem o uso de variáveis aleatórias, uma completa especificação da função de densidade de probabilidade ou não está
Leia maisDA PARAÍBA. Variáveis Aleatórias. Departamento de Estatística Luiz Medeiros
UNIVERSIDADE FEDERAL DA PARAÍBA Variáveis Aleatórias Departamento de Estatística Luiz Medeiros Introdução Como sabemos, características de interesse em diversas áreas estão sujeitas à variação Essa variabilidade
Leia 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 mais( x) = a. f X. = para x I. Algumas Distribuições de Probabilidade Contínuas
Probabilidade e Estatística I Antonio Roque Aula Algumas Distribuições de Probabilidade Contínuas Vamos agora estudar algumas importantes distribuições de probabilidades para variáveis contínuas. Distribuição
Leia maisModelos de Distribuições
7/5/017 Universidade Federal do Pará Instituto de Tecnologia Estatística Aplicada I Prof. Dr. Jorge Teófilo de Barros Lopes Campus de Belém Curso de Engenharia Mecânica 05/07/017 19: ESTATÍSTICA APLICADA
Leia maisRevisão (Alguns Conceitos Básicos de Estatística)
Revisão (Alguns Conceitos Básicos de Estatística) Prof. a Dr. a Simone Daniela Sartorio de Medeiros DTAiSeR-Ar 1 O que é estatística? Estatística é a ciência que se ocupa de coletar, organizar, analisar
Leia maisPRINCIPAIS DISTRIBUIÇÕES DE PROBABILIDADES
PRINCIPAIS DISTRIBUIÇÕES DE PROBABILIDADES Certas distribuições de probabilidades se encaixam em diversas situações práticas As principais são: se v.a. discreta Distribuição de Bernoulli Distribuição binomial
Leia maisProbabilidade Aula 08
332 Probabilidade Aula 8 Magno T. M. Silva Escola Politécnica da USP Maio de 217 A maior parte dos exemplos dessa aula foram extraídos de Jay L. Devore, Probabilidade e Estatística para engenharia e ciências,
Leia maisEscola Superior de Agricultura "Luiz de Queiroz", Departamento de Ciências Exatas. Modelo Normal. Cristian Villegas
Modelo Normal Cristian Villegas clobos@usp.br http://www.lce.esalq.usp.br/arquivos/aulas/2014/lce0216/ 1 Introdução O modelo normal ocupa uma posição de grande destaque tanto a nível teórico como prático,
Leia mais4.1. ESPERANÇA x =, x=1
4.1. ESPERANÇA 139 4.1 Esperança Certamente um dos conceitos mais conhecidos na teoria das probabilidade é a esperança de uma variável aleatória, mas não com esse nome e sim com os nomes de média ou valor
Leia 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 maisDistribuição Normal. Estatística Aplicada I DISTRIBUIÇÃO NORMAL. Algumas característica importantes. 2πσ
Estatística Aplicada I DISTRIBUIÇÃO NORMAL Prof a Lilian M. Lima Cunha AULA 5 09/05/017 Maio de 017 Distribuição Normal Algumas característica importantes Definida pela média e desvio padrão Media=mediana=moda
Leia maisEscola Superior de Agricultura "Luiz de Queiroz", Departamento de Ciências Exatas. Modelo Normal. Cristian Villegas
Modelo Normal Cristian Villegas clobos@usp.br Outubro de 2013 Apostila de Estatística (Cristian Villegas) 1 Introdução O modelo normal ocupa uma posição de grande destaque tanto a nível teórico como prático,
Leia maisProf. Lorí Viali, Dr.
Prof. Lorí Viali, Dr. viali@mat.ufrgs.br http://www.mat.ufrgs.br/~viali/ Seja X uma variável aleatória com conjunto de valores X(S). Se o conjunto de valores for infinito não enumerável então a variável
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 mais5. PRINCIPAIS MODELOS CONTÍNUOS
5. PRINCIPAIS MODELOS CONTÍNUOS 011 5.1. Modelo uniforme Uma v.a. contínua X tem distribuição uniforme com parâmetros e ( < ) se sua função densidade de probabilidade é dada por 1, f ( ) 0, Notação: X
Leia maisDistribuição de Probabilidade. Prof.: Joni Fusinato
Distribuição de Probabilidade Prof.: Joni Fusinato joni.fusinato@ifsc.edu.br jfusinato@gmail.com Variáveis Aleatórias Contínuas Distribuição de Probabilidade Contínua Modelo Normal Modelo t de Student
Leia mais12 Distribuições de Probabilidades
12 Distribuições de Probabilidades 12.1 Introdução Neste capítulo vamos dar continuidade ao estudo de probabilidades, introduzindo os conceitos de variáveis aleatórias e de distribuições de probabilidade.
Leia maisCapítulo 5 Distribuições de probabilidade normal Pearson Prentice Hall. Todos os direitos reservados.
Capítulo 5 Distribuições de probabilidade normal slide 1 Descrição do capítulo 5.1 Introdução à distribuição normal e distribuição normal padrão 5.2 Distribuições normais: encontrando probabilidades 5.3
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 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 maisConceitos básicos, probabilidade, distribuição normal e uso de tabelas padronizadas
Conceitos básicos, probabilidade, distribuição normal e uso de tabelas padronizadas Prof. Marcos Vinicius Pó Métodos Quantitativos para Ciências Sociais Alguns conceitos População: é o conjunto de todos
Leia maisVariável Aleatória Contínua. Tiago Viana Flor de Santana
ESTATÍSTICA BÁSICA Variável Aleatória Contínua Tiago Viana Flor de Santana www.uel.br/pessoal/tiagodesantana/ tiagodesantana@uel.br sala 07 Curso: MATEMÁTICA Universidade Estadual de Londrina UEL Departamento
Leia maisMedidas de Dispersão ou variabilidade
Medidas de Dispersão ou variabilidade A média - ainda que considerada como um número que tem a faculdade de representar uma série de valores - não pode, por si mesma, destacar o grau de homogeneidade ou
Leia maisVariável aleatória. O resultado de um experimento aleatório é designado variável aleatória (X)
Variável aleatória O resultado de um experimento aleatório é designado variável aleatória (X) Função densidade de probabilidade A função densidade de probabilidade associa cada possível valor da variável
Leia maisProbabilidade II. Departamento de Estatística. Universidade Federal da Paraíba
Probabilidade II Departamento de Estatística Universidade Federal da Paraíba Prof. Tarciana Liberal (UFPB) Aula Variáveis Aleatórias Contínuas 14/10 1 / 25 VALE A PENA VER DE NOVO:Variáveis Aleatórias
Leia maisProbabilidade e Estatística
Probabilidade e Estatística Aula 7 Distribuição da Média Amostral Leitura obrigatória: Devore: Seções 5.3, 5.4 e 5.5 Chap 8-1 Inferência Estatística Na próxima aula vamos começar a parte de inferência
Leia maisInstrumentação Industrial. Fundamentos de Instrumentação Industrial: Introdução a Metrologia Incerteza na Medição
Instrumentação Industrial Fundamentos de Instrumentação Industrial: Introdução a Metrologia Incerteza na Medição Introdução a Metrologia O que significa dizer: O comprimento desta régua é 30cm. A temperatura
Leia maisIntrodução à probabilidade e à estatística II. Prof. Alexandre G Patriota Sala: 298A Site:
Introdução à probabilidade e à estatística II Revisão Prof. Alexandre G Patriota Sala: 298A Email: patriota@ime.usp.br Site: www.ime.usp.br/ patriota Estatística Estatística: É uma ciência que se dedica
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 maisTiago Viana Flor de Santana
ESTATÍSTICA BÁSICA DISTRIBUIÇÃO UNIFORME Tiago Viana Flor de Santana www.uel.br/pessoal/tiagodesantana/ tiagodesantana@uel.br sala 07 Curso: MATEMÁTICA Universidade Estadual de Londrina UEL Departamento
Leia maisUniversidade Federal da Paraíba Departamento de Estatística Lista 1 - Outubro de 2013
1. Seja X a duração de vida de uma válvula eletrônica e admita que X possa ser representada por uma variável aleatória contínua, com f.d.p. be bx, x 0. Seja p j = P (j X < j + 1). Verifique que p j é da
Leia maisCapítulo 2. Distribuições de Probabilidade Estimativas de parâmetros e tempos-atéfalha. Flávio Fogliatto
Capítulo 2 Distribuições de Probabilidade Estimativas de parâmetros e tempos-atéfalha Flávio Fogliatto 1 Ajustes de distribuições Em estudos de confiabilidade, dados são amostrados a partir de uma população
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 maisà Análise de Padrões
CC-226 Introdução à Análise de Padrões Prof. Carlos Henrique Q. Forster Variáveis, Estatísticas sticas e Distribuições de Probabilidades Tópicos de hoje Definições Alguns estimadores estatísticos Distribuições
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 maisConceitos Iniciais de Estatística Módulo 6 : PROBABILIDADE VARIÁVEL ALEATÓRIA CONTÍNUA Prof. Rogério Rodrigues
Conceitos Iniciais de Estatística Módulo 6 : PROBABILIDADE VARIÁVEL ALEATÓRIA CONTÍNUA Prof. Rogério Rodrigues 0 1 CONCEITOS INICIAIS DE ESTATÍSTICA: PROBABILIDADE / VARIÁVEL ALEATÓRIA CONTÍNUA CURSO :
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 maisMedidas de Dispersão. Prof.: Joni Fusinato
Medidas de Dispersão Prof.: Joni Fusinato joni.fusinato@ifsc.edu.br jfusinato@gmail.com 1 Dispersão Estatística As medidas de posição (média, mediana, moda) descrevem características dos valores numéricos
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 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 maisEstatítica Descritiva e Exploratória
Gledson Luiz Picharski e Wanderson Rodrigo Rocha 3 de Abril de 2008 Estatística Descritiva e exploratória 1 Introdução à análise exploratória de dados 2 Análise exploratória de dados: Medidas-resumo 3
Leia mais