PROBABILIDADE CONDICIONAL E INDEPENDÊNCIA

Tamanho: px
Começar a partir da página:

Download "PROBABILIDADE CONDICIONAL E INDEPENDÊNCIA"

Transcrição

1 ROILIDDE CONDICIONL E INDEENDÊNCI 04

2 robabldade ondonal e ndependêna e são dos eventos em um mesmo espaço amostral. probabldade ondonal de dado que oorreu o evento, denotada por, é defnda omo, se 0. Exemplo. Seleonamos dos tens, ao aaso, um a um e sem reposção, de um lote que ontém 0 tens do tpo e 5 do tpo. Qual é a probabldade de que a o prmero tem seja do tpo? b o segundo seja do tpo se o prmero tem fo do tpo?

3 Defnmos os eventos :"o :"o o o tem é do tpo"; tem é do tpo" a b 5 4 Essas probabldades podem ser representados em uma árvore de probabldades. 3

4 Árvore de probabldades Da expressão obtém-se uma relação útl:, onheda omo regra do produto de probabldades ou probabldade da nterseção. 4

5 5 Exemplo. No exemplo anteror suponha que temos nteresse em determnar a probabldade de que os dos tens seleonados sejam do tpo tens são do tpo" e o :" o O evento é o o Resultado. Se é um evento em tal que >0, então.,então, 3. ou então,.se 0. C C C Se C

6 Exemplo. Um representante avala que sua probabldade de realzar um bom negóo em um erto da é 0,35 e a probabldade de realzar bons negóos em dos das onseutvos é 0,5. Se um bom negóo fo realzado no prmero da, qual a probabldade de que no da segunte não seja realzado um bom negóo? Solução. Defnmos os eventos : um bom negóo é realzado no o da e : um bom negóo é realzado no o da. Do enunado do problema temos = 0,35 e = 0,5. probabldade pedda é 0,5 0,35 0,86. 6

7 Independêna de eventos Dos eventos e em são ndependentes se a nformação da oorrêna ou não de não altera a probabldade de oorrêna de. Isto é, =, > 0. Logo, dos eventos e são ndependentes se, e somente se, =. Exemplo. Em uma fábra 0% dos lotes produzdos têm omponentes do forneedor, 8% têm omponentes do forneedor e 4% têm omponentes de ambos. Seleonamos ao aaso um tem produzdo nesta fábra. a Os eventos relaonados aos dos forneedores são ndependentes? b Se o lote seleonado tem omponentes do forneedor, qual a probabldade de que tenha omponentes do forneedor? Qual é a probabldade de um lote não ter omponentes destes dos forneedores? 7

8 Solução. : o lote tem omponentes do forneedor, : o lote tem omponentes do forneedor. Do enunado temos = 0,0, = 0,08 e = 0,04. a Como b 0,080, 0,04., 0,06 0,04 0,08 e e não 0,50. são ndependentes. { } 0,08 0, 0,04 0,76. 8

9 Resultado. Se e são eventos ndependentes em, então e são ndependentes. e são ndependentes e são ndependentes 9

10 Exemplo. Um atrador aerta 80% de seus dsparos e outro nas mesmas ondções de tro, 70%. Qual a probabldade de o alvo ser aertado se ambos os atradores dspararem smultaneamente? Eventos : 0,8 :"o atrador e Outra solução : 0,7. Logo, 0,8 0,7 0,8 0,7 aerta o alvo",,. 0,94. supondondependêna [ 0,8][ 0,7] 0,94. 0

11 Fórmula de ayes Fórmula da probabldade total. Se,..., k formam uma partção do espaço amostral, então para qualquer evento em, vale. k k k artção do espaço amostral. Uma oleção de eventos,..., k forma uma partção do espaço amostral se eles são mutuamente exlusvos e se sua unão é gual ao espaço amostral.

12 Exemplo. Em um programa de televsão são mostradas três portas, e 3 fehadas e apenas uma delas guarda um valoso prêmo. O apresentador do programa sabe qual é a porta que leva ao prêmo. Um partpante deve esolher uma das portas. Em seguda, o apresentador nforma o número de uma porta, dferente da esolha do partpante, e que não guarda o prêmo. O partpante esolhe a porta. O apresentador nforma que a porta 3 não guarda o prêmo e pergunta ao partpante se ele gostara de mudar sua esolha. Se voê fosse o partpante, qual sera sua desão? ale a pena mudar a esolha?

13 Solução. Eventos: X : a porta número guarda o prêmo e Y j : apresentador nforma que a porta número j não guarda o prêmo. Observe que X = X = X 3 = /3. pergunta pode ser respondda omparando X Y 3 e X Y 3, pos X 3 Y 3 = 0. Levando em onta que o partpante esolheu a porta, temos Y X = Y 3 X = ½, Y X = Y 3 X 3 = 0 e Y X 3 = Y 3 X =, de modo que Y 3 = Y 3 X X + Y 3 X X + Y 3 X 3 X 3 = ½ /3 + /3 + 0 /3 = ½, X Y 3 = X Y 3 /Y 3 = Y 3 X X /Y 3 = /x/3// = /3 e X Y 3 = X Y 3 /Y 3 = Y 3 X X /Y 3 = x/3// = /3 / / = /3. ale a pena mudar a esolha! 3

14 Fórmula de ayes. Se,..., k formam uma partção do espaço amostral, e é evento em om > 0, então k. Exemplo. Uma montadora trabalha om dos forneedores e de uma determnada peça. Sabe-se que 0% e 5% das peças provenente dos forneedores e, respetvamente, estão fora das espefações. montadora reebe 30% das peças do forneedor e 70% de. Se uma peça do estoque ntero é esolhda ao aaso, a alule a probabldade de que ela esteja fora das espefações. b se uma peça esolhda ao aaso está fora das espefações, qual é a probabldade de que tenha sdo forneda por? 4

15 Solução. Eventos: : peça seleonada fo forneda por, : peça seleonada fo forneda por e E: peça seleonada não atende às espefações. Do enunado do problema temos = 0,30, = 0,70, E = 0,0 e E = 0,05. 5

16 a Fórmula da probabldade total: E = E + E = 0,30 0,0 + 0,70 0,05 = 0,065. a E =? ela fórmula de ayes, E 0,300,0 0,03 E 0,46. E E 0,300,0 0,700,05 0,065 solução do exemplo anteror é faltada pela árvore de probabldades: 6

INTRODUÇÃO À PROBABILIDADE

INTRODUÇÃO À PROBABILIDADE INTRODUÇÃO À ROBABILIDAD Conetos básos xpermento aleatóro ou fenômeno aleatóro Stuações ou aontementos ujos resultados não podem ser prevstos om erteza. Um expermento ou fenônemo que, se for observado

Leia mais

2. INTRODUÇÃO À PROBABILIDADE

2. INTRODUÇÃO À PROBABILIDADE . INTRODUÇÃO À ROILIDDE 00 Coneitos básios Experimento aleatório ou fenômeno aleatório Situações ou aonteimentos ujos resultados não podem ser previstos om erteza. Um experimento ou fenônemo que, se for

Leia mais

Conceitos básicos. idênticas, pode apresentar diferentes resultados é chamado de. Um experimento ou fenônemo que, se for observado em condições

Conceitos básicos. idênticas, pode apresentar diferentes resultados é chamado de. Um experimento ou fenônemo que, se for observado em condições INTRODUÇÃO À PROAILIDADE 0 Cnets báss Experment aleatór u fenômen aleatór Stuações u antements ujs resultads nã pdem ser prevsts m erteza. Um experment u fenônem que, se fr bservad em ndções dêntas, pde

Leia mais

2. INTRODUÇÃO À PROBABILIDADE

2. INTRODUÇÃO À PROBABILIDADE 2. INTRODUÇÃO À PROILIDDE 2011 Conceitos básicos Experimento aleatório ou fenômeno aleatório Situações ou acontecimentos cujos resultados não podem ser previstos com certeza. Um experimento ou fenônemo

Leia mais

PROBABILIDADE - CONCEITOS BÁSICOS

PROBABILIDADE - CONCEITOS BÁSICOS ROBBILIDD - CONCITOS BÁSICOS xpermento leatóro é um expermento no qual: todos os possíves resultados são conhecdos; resulta num valor desconhecdo, dentre todos os resultados possíves; pode ser repetdo

Leia mais

2. VARIÁVEIS ALEATÓRIAS

2. VARIÁVEIS ALEATÓRIAS VARIÁVEIS ALEATÓRIAS 0 Varável aleatóra Ω é o espaço amostral de um epermento aleatóro Uma varável aleatóra é uma função que atrbu um número real a cada resultado em Ω Eemplo Retra- ao acaso um tem produzdo

Leia mais

INTRODUÇÃO À PROBABILIDADE. A probabilidade é uma medida da incerteza dos fenômenos. Traduz-se por um número real compreendido de 0 ( zero) e 1 ( um).

INTRODUÇÃO À PROBABILIDADE. A probabilidade é uma medida da incerteza dos fenômenos. Traduz-se por um número real compreendido de 0 ( zero) e 1 ( um). INTRODUÇÃO À PROILIDDE teora das probabldade nada mas é do que o bom senso transformado em cálculo probabldade é o suporte para os estudos de estatístca e expermentação. Exemplos: O problema da concdênca

Leia mais

X = 1, se ocorre : VB ou BV (vermelha e branca ou branca e vermelha)

X = 1, se ocorre : VB ou BV (vermelha e branca ou branca e vermelha) Estatístca p/ Admnstração II - Profª Ana Cláuda Melo Undade : Probabldade Aula: 3 Varável Aleatóra. Varáves Aleatóras Ao descrever um espaço amostral de um expermento, não especfcamos que um resultado

Leia mais

2. INTRODUÇÃO À PROBABILIDADE

2. INTRODUÇÃO À PROBABILIDADE 2. INTRODUÇÃO À ROILIDDE 2014 Conceitos básicos Experimento aleatório ou fenômeno aleatório Situações ou acontecimentos cujos resultados não podem ser previstos com certeza. Um experimento ou fenônemo

Leia mais

PROVA DE ESTATÍSTICA & PROBABILIDADES SELEÇÃO MESTRADO/UFMG 2010/2011

PROVA DE ESTATÍSTICA & PROBABILIDADES SELEÇÃO MESTRADO/UFMG 2010/2011 Instruções: PROVA DE ESTATÍSTICA & PROBABILIDADES SELEÇÃO MESTRADO/UFMG 00/0 Cada uestão respondda corretamente vale (um) ponto. Cada uestão respondda ncorretamente vale - (menos um) ponto. Cada uestão

Leia mais

Probabilidade e avaliação de testes diagnósticos

Probabilidade e avaliação de testes diagnósticos robabldade e avalação de testes dagnóstcos Introdução: É conhecdo que fumar causa câncer de pulmão e doenças do coração. rovavelmente você já ouvu alguém dzer: Fulano fumou a vda toda e morreu velho sem

Leia mais

2) Como há 6 tipos de peso, e estamos avaliando 2 peças, o espaço amostral será uma matriz 6 x 6:

2) Como há 6 tipos de peso, e estamos avaliando 2 peças, o espaço amostral será uma matriz 6 x 6: Lsta de Exercícos - Probabldade INE 700 GABARITO LISTA DE EXERÍIOS PROBABILIDADE ) Vamos medr o tempo de duração da lâmpada. Ao lgarmos a lâmpada ela pode não funconar, ou durar um tempo ndetermnado. a)

Leia mais

AULA 2 AULA4 Introdução à Teoria das Probabilidades

AULA 2 AULA4 Introdução à Teoria das Probabilidades UL UL4 Introdução à Teoria das robabilidades rof. itor Hugo Lahos Davila Coneitos ásios Experimento leatório ou Fenômeno leatório Situações ou aonteimentos ujos resultados não podem ser previstos om erteza.

Leia mais

CAPÍTULO 4 PROBABILIDADE DE BAYES

CAPÍTULO 4 PROBABILIDADE DE BAYES CAPÍTULO 4 PROBABILIDADE DE BAYES 1. Partção de um espaço amostral Os eventos B1, B2, B3,..., B, formam uma partção do espaço amostral S, se: p( B ) 0,para 1,2,3,..., a) b) B B, para c) 1 Exemplo 1: B

Leia mais

UNIDADE VIII ENSAIOS FATORIAIS

UNIDADE VIII ENSAIOS FATORIAIS UNIDADE VIII ENSAIOS FATORIAIS CUIABÁ, MT 015/ PROF.: RÔMULO MÔRA 1. INTRODUÇÃO Ensaos fatoras são aqueles em que se estudam smultaneamente dos ou mas fatores, cada um deles com dos ou mas níves. O fatoral

Leia mais

IPC-W: Metodologia de Cálculo

IPC-W: Metodologia de Cálculo IPC-W: Metodologa de Cálulo EMAp/IBRE 2/novembro/207 O presente relatóro resume a metodologa de álulo do IPC-W, ontrastando om o álulo do IPC. Este proesso de álulo é posteror à extração e lmpeza dos dados,

Leia mais

Q 1-1,5(Q3-Q1) < X i < Q 3 + 1,5(Q 3 -Q 1 ) Q 3 +1,5(Q 3 -Q 1 ) < X i < Q 3 +3(Q 3 -Q 1 ) Q 1 3(Q 3 -Q 1 ) < X i < Q 1 1,5(Q 3 -Q 1 )

Q 1-1,5(Q3-Q1) < X i < Q 3 + 1,5(Q 3 -Q 1 ) Q 3 +1,5(Q 3 -Q 1 ) < X i < Q 3 +3(Q 3 -Q 1 ) Q 1 3(Q 3 -Q 1 ) < X i < Q 1 1,5(Q 3 -Q 1 ) DIGRM OX-PLOT E CRCTERIZÇÃO DE OUTLIERS E VLORES EXTREMOS Outlers e valores extremos são aqueles que estão muto afastados do centro da dstrbução. Uma forma de caracterzá-los é através do desenho esquemátco

Leia mais

Matemática A. Previsão 1. Duração do teste: 180 minutos º Ano de Escolaridade. Previsão Exame Nacional de Matemática A 2013

Matemática A. Previsão 1. Duração do teste: 180 minutos º Ano de Escolaridade. Previsão Exame Nacional de Matemática A 2013 Prevsão Exame Naconal de Matemátca A 01 Prevsão 1 1ª fase Matemátca A Prevsão 1 Duração do teste: 180 mnutos 7.06.01 1.º Ano de Escolardade Resoluções em vídeo em www.explcamat.pt Prevsão de Exame págna1/8

Leia mais

3 Algoritmos propostos

3 Algoritmos propostos Algortmos propostos 3 Algortmos propostos Nesse trabalho foram desenvolvdos dos algortmos que permtem classfcar documentos em categoras de forma automátca, com trenamento feto por usuáros Tas algortmos

Leia mais

Notas Processos estocásticos. Nestor Caticha 23 de abril de 2012

Notas Processos estocásticos. Nestor Caticha 23 de abril de 2012 Notas Processos estocástcos Nestor Catcha 23 de abrl de 2012 notas processos estocástcos 2 O Teorema de Perron Frobenus para matrzes de Markov Consdere um processo estocástco representado por um conunto

Leia mais

4 Critérios para Avaliação dos Cenários

4 Critérios para Avaliação dos Cenários Crtéros para Avalação dos Cenáros É desejável que um modelo de geração de séres sntétcas preserve as prncpas característcas da sére hstórca. Isto quer dzer que a utldade de um modelo pode ser verfcada

Leia mais

Introdução. Uma lâmpada nova é ligada e observa-se o tempo gasto até queimar. Resultados possíveis

Introdução. Uma lâmpada nova é ligada e observa-se o tempo gasto até queimar. Resultados possíveis Introdução A teora das probabldades é um ramo da matemátca que lda modelos de fenômenos aleatóros. Intmamente relaconado com a teora de probabldade está a Estatístca, que se preocupa com a cração de prncípos,

Leia mais

Análise de Variância. Comparação de duas ou mais médias

Análise de Variância. Comparação de duas ou mais médias Análse de Varânca Comparação de duas ou mas médas Análse de varânca com um fator Exemplo Um expermento fo realzado para se estudar dabetes gestaconal. Desejava-se avalar o comportamento da hemoglobna (HbA)

Leia mais

Cálculo do Conceito ENADE

Cálculo do Conceito ENADE Insttuto aconal de Estudos e Pesqusas Educaconas Aníso Texera IEP Mnstéro da Educação ME álculo do onceto EADE Para descrever o cálculo do onceto Enade, prmeramente é mportante defnr a undade de observação

Leia mais

Duas empresas dividem um mercado. Sejam. As duas empresas devem decidir simultaneamente quanto produzir.

Duas empresas dividem um mercado. Sejam. As duas empresas devem decidir simultaneamente quanto produzir. Aplação: Duopólo de Cournot Duas empresas dvdem um merado. Sejam 1 e as uantdades produzdas, respetvamente pelas empresas 1 e ; p() a função de demanda nversa na ual 1 + e 1 ( 1 ) e ( ) as funções de usto

Leia mais

3 Método Fast Multipole

3 Método Fast Multipole 22 3 Método Fast Multpole Nesse apítulo, apresenta-se o Método Fast Multpole (FMM), omo proposto por Greengard e Rokhln (1987). O algortmo fo eleto um dos 1 melhores do séulo XX (DONGARRA e SULLIVAN, 2).

Leia mais

Eventos coletivamente exaustivos: A união dos eventos é o espaço amostral.

Eventos coletivamente exaustivos: A união dos eventos é o espaço amostral. DEFINIÇÕES ADICIONAIS: PROBABILIDADE Espaço amostral (Ω) é o conjunto de todos os possíves resultados de um expermento. Evento é qualquer subconjunto do espaço amostral. Evento combnado: Possu duas ou

Leia mais

PROBABILIDADE. 3) Jogando-se dois dados, qual a probabilidade de que a soma dos pontos obtidos seja menor que 4?

PROBABILIDADE. 3) Jogando-se dois dados, qual a probabilidade de que a soma dos pontos obtidos seja menor que 4? Segmento: ENSINO MÉDIO Dscplna: MATEMÁTICA Tpo de Atvdade: LISTA DE EXERCÍCIOS Prof. Marcelo 06/2016 Turma: 3 A PROBABILIDADE 1) No lançamento de um dado, determnar a probabldade de se obter: a) o número

Leia mais

UNIVERSIDADE NOVA DE LISBOA Faculdade de Economia Análise de Dados e Probabilidade 2º Semestre 2008/2009 Exame Final 1ª Época. Grupo I (4 Valores)

UNIVERSIDADE NOVA DE LISBOA Faculdade de Economia Análise de Dados e Probabilidade 2º Semestre 2008/2009 Exame Final 1ª Época. Grupo I (4 Valores) UNIVERSIDADE NOVA DE LISBOA Faculdade de Economa Análse de Dados e Probabldade º Semestre 008/009 Exame Fnal ª Época Clara Costa Duarte Data: 8/05/009 Graça Slva Duração: h0 Grupo I (4 Valores) A gelatara

Leia mais

Probabilidade: Diagramas de Árvore

Probabilidade: Diagramas de Árvore Probabldade: Dagramas de Árvore Ana Mara Lma de Faras Departamento de Estatístca (GET/UFF) Introdução Nesse texto apresentaremos, de forma resumda, concetos e propredades báscas sobre probabldade condconal

Leia mais

2. INTRODUÇÃO À PROBABILIDADE

2. INTRODUÇÃO À PROBABILIDADE 2. INTRODUÇÃO À PROBABILIDADE 2019 Conceitos básicos Experimento aleatório ou fenômeno aleatório Situações ou acontecimentos cujos resultados não podem ser previstos com certeza. Um experimento ou fenônemo

Leia mais

UNIDADE IV DELINEAMENTO INTEIRAMENTE CASUALIZADO (DIC)

UNIDADE IV DELINEAMENTO INTEIRAMENTE CASUALIZADO (DIC) UNDADE V DELNEAMENTO NTERAMENTE CASUALZADO (DC) CUABÁ, MT 015/ PROF.: RÔMULO MÔRA romulomora.webnode.com 1. NTRODUÇÃO Este delneamento apresenta como característca prncpal a necessdade de homogenedade

Leia mais

Interpolação Segmentada

Interpolação Segmentada Interpolação Segmentada Uma splne é uma função segmentada e consste na junção de váras funções defndas num ntervalo, de tal forma que as partes que estão lgadas umas às outras de uma manera contínua e

Leia mais

Diferença entre a classificação do PIB per capita e a classificação do IDH

Diferença entre a classificação do PIB per capita e a classificação do IDH Curso Bem Estar Socal Marcelo Ner - www.fgv.br/cps Metas Socas Entre as mutas questões decorrentes da déa de se mplementar uma proposta de metas socas temos: Qual a justfcatva econômca para a exstênca

Leia mais

Caixa de ferramentas da Morfologia

Caixa de ferramentas da Morfologia Capítulo 9 Caxa de ferramentas da Morfologa Matemáta Ao longo das últmas três déadas a Morfologa Matemáta tem sdo aplada ntensvamente a problemas de análse de magens. Esses expermentos proparam o desenvolvmento

Leia mais

FAAP APRESENTAÇÃO (1)

FAAP APRESENTAÇÃO (1) ARESENTAÇÃO A Estatístca é uma cênca que organza, resume e smplfca nformações, além de analsá-las e nterpretá-las. odemos dvdr a Estatístca em três grandes campos:. Estatístca Descrtva- organza, resume,

Leia mais

Algarismos Significativos Propagação de Erros ou Desvios

Algarismos Significativos Propagação de Erros ou Desvios Algarsmos Sgnfcatvos Propagação de Erros ou Desvos L1 = 1,35 cm; L = 1,3 cm; L3 = 1,30 cm L4 = 1,4 cm; L5 = 1,7 cm. Qual destas meddas está correta? Qual apresenta algarsmos com sgnfcado? O nstrumento

Leia mais

DEFINIÇÃO - MODELO LINEAR GENERALIZADO

DEFINIÇÃO - MODELO LINEAR GENERALIZADO DEFINIÇÃO - MODELO LINEAR GENERALIZADO 1 Um modelo lnear generalzado é defndo pelos seguntes três componentes: Componente aleatóro; Componente sstemátco; Função de lgação; Componente aleatóro: Um conjunto

Leia mais

Introdução a Processos Estocásticos:Exercícios

Introdução a Processos Estocásticos:Exercícios lvroexerccos 2017/3/19 11:24 page #1 Introdução a Processos Estocástcos:Exercícos Luz Antono Baccalá Escola Poltécnca da USP Departamento de Engenhara de Telecomuncações e Controle 2016 lvroexerccos 2017/3/19

Leia mais

Cap. IV Análise estatística de incertezas aleatórias

Cap. IV Análise estatística de incertezas aleatórias TLF 010/11 Cap. IV Análse estatístca de ncertezas aleatóras Capítulo IV Análse estatístca de ncertezas aleatóras 4.1. Méda 43 4.. Desvo padrão 44 4.3. Sgnfcado do desvo padrão 46 4.4. Desvo padrão da méda

Leia mais

Plano de amostragem do ISA-Capital 2008 Maria Cecília Goi Porto Alves Maria Mercedes L. Escuder 24 de junho de 2009

Plano de amostragem do ISA-Capital 2008 Maria Cecília Goi Porto Alves Maria Mercedes L. Escuder 24 de junho de 2009 Plano de amostragem do ISA-Captal 2008 ara Cecíla Go Porto Alves ara ercedes L. Escuder 24 de junho de 2009 Tamanho da amostra A população de estudo refere-se àquela resdente em área urbana do uncípo de

Leia mais

Exercícios de CPM e PERT Enunciados

Exercícios de CPM e PERT Enunciados Capítulo 7 Exercícos de CPM e PERT Enuncados Exercícos de CPM e PERT Enuncados 106 Problema 1 O banco TTM (Tostão a Tostão se faz um Mlhão) decdu transferr e amplar a sua sede e servços centras para a

Leia mais

Covariância na Propagação de Erros

Covariância na Propagação de Erros Técncas Laboratoras de Físca Lc. Físca e Eng. omédca 007/08 Capítulo VII Covarânca e Correlação Covarânca na propagação de erros Coefcente de Correlação Lnear 35 Covarânca na Propagação de Erros Suponhamos

Leia mais

Estatística I Licenciatura MAEG 2006/07

Estatística I Licenciatura MAEG 2006/07 Estatístca I Lcencatura MAEG 006/07 AMOSTRAGEM. DISTRIBUIÇÕES POR AMOSTRAGEM.. Em determnada unversdade verfca-se que 30% dos alunos têm carro. Seleccona-se uma amostra casual smples de 0 alunos. a) Qual

Leia mais

5 Métodos de cálculo do limite de retenção em função da ruína e do capital inicial

5 Métodos de cálculo do limite de retenção em função da ruína e do capital inicial 5 Métodos de cálculo do lmte de retenção em função da ruína e do captal ncal Nesta dssertação serão utlzados dos métodos comparatvos de cálculo de lmte de retenção, onde ambos consderam a necessdade de

Leia mais

Regressão Descontínua

Regressão Descontínua Ténas Eonométras para Avalação de Impato Regressão esontína Glherme Issam Hrata Centro Internaonal de Pobreza (IPC/PNU) Brasíla, 11 de jnho de 2008. Introdção Estamos nteressados no efeto asal de sobre

Leia mais

Caderno de Fórmulas em Implementação. SWAP Alterações na curva Libor

Caderno de Fórmulas em Implementação. SWAP Alterações na curva Libor Caderno de Fórmulas em Implementação SWAP Alterações na curva Lbor Atualzado em: 15/12/217 Comuncado: 12/217 DN Homologação: - Versão: Mar/218 Índce 1 Atualzações... 2 2 Caderno de Fórmulas - SWAP... 3

Leia mais

Ao se calcular a média, moda e mediana, temos: Quanto mais os dados variam, menos representativa é a média.

Ao se calcular a média, moda e mediana, temos: Quanto mais os dados variam, menos representativa é a média. Estatístca Dscplna de Estatístca 0/ Curso de Admnstração em Gestão Públca Profª. Me. Valéra Espíndola Lessa e-mal: lessavalera@gmal.com Meddas de Dspersão Indcam se os dados estão, ou não, prómos uns dos

Leia mais

Ao se calcular a média, moda e mediana, temos: Quanto mais os dados variam, menos representativa é a média.

Ao se calcular a média, moda e mediana, temos: Quanto mais os dados variam, menos representativa é a média. Estatístca Dscplna de Estatístca 0/ Curso Superor de tecnólogo em Gestão Ambental Profª. Me. Valéra Espíndola Lessa e-mal: lessavalera@gmal.com Meddas de Dspersão Indcam se os dados estão, ou não, prómos

Leia mais

Curso de extensão, MMQ IFUSP, fevereiro/2014. Alguns exercício básicos

Curso de extensão, MMQ IFUSP, fevereiro/2014. Alguns exercício básicos Curso de extensão, MMQ IFUSP, feverero/4 Alguns exercíco báscos I Exercícos (MMQ) Uma grandeza cujo valor verdadero x é desconhecdo, fo medda três vezes, com procedmentos expermentas dêntcos e, portanto,

Leia mais

Apostila de Estatística Curso de Matemática. Volume II 2008. Probabilidades, Distribuição Binomial, Distribuição Normal. Prof. Dr. Celso Eduardo Tuna

Apostila de Estatística Curso de Matemática. Volume II 2008. Probabilidades, Distribuição Binomial, Distribuição Normal. Prof. Dr. Celso Eduardo Tuna Apostla de Estatístca Curso de Matemátca Volume II 008 Probabldades, Dstrbução Bnomal, Dstrbução Normal. Prof. Dr. Celso Eduardo Tuna 1 Capítulo 8 - Probabldade 8.1 Conceto Intutvamente pode-se defnr probabldade

Leia mais

Testes não-paramétricos

Testes não-paramétricos Testes não-paramétrcos Prof. Lorí Val, Dr. http://www.mat.ufrgs.br/val/ val@mat.ufrgs.br Um teste não paramétrco testa outras stuações que não parâmetros populaconas. Estas stuações podem ser relaconamentos,

Leia mais

Equilíbrio Espacial de Preços

Equilíbrio Espacial de Preços Equlíbro Espaal de Preços Seam: ρ = S ( w) urva nversa da oferta assoada ao merado produtor ; π = D ( w) urva nversa da demanda assoada ao merado onsumdor ; C ( w ) usto margnal de transportes assoada

Leia mais

Instituto Superior Técnico FUNDAMENTOS DE TELECOMUNICAÇÕES

Instituto Superior Técnico FUNDAMENTOS DE TELECOMUNICAÇÕES Insttuto Superor éno Departamento de Engenhara Eletroténa e de Computadores FUNDAMENOS DE ELECOMUNICAÇÕES Vtor Barroso Professor Assoado 999 INDÍCE DE CONEÚDOS. eora da Informação: Codfação de Fonte.

Leia mais

Lista de Exercícios. 2 Considere o número de aparelhos com defeito na empresa Garra durante 50 dias.

Lista de Exercícios. 2 Considere o número de aparelhos com defeito na empresa Garra durante 50 dias. Classque as varáves: Faculdade Ptágoras / Dvnópols-MG Curso: Pscologa Dscplna: Estatístca Aplcada à Pscologa Lsta de Eercícos a) número de peças produzdas por hora; b) dâmetro eterno da peça; c) número

Leia mais

3 Metodologia de Avaliação da Relação entre o Custo Operacional e o Preço do Óleo

3 Metodologia de Avaliação da Relação entre o Custo Operacional e o Preço do Óleo 3 Metodologa de Avalação da Relação entre o Custo Operaconal e o Preço do Óleo Este capítulo tem como objetvo apresentar a metodologa que será empregada nesta pesqusa para avalar a dependênca entre duas

Leia mais

2.5 - RETRODISPERSÃO DE RUTHERFORD (RBS)

2.5 - RETRODISPERSÃO DE RUTHERFORD (RBS) CAPÍTULO - TÉCNICAS DE CARACTERIZAÇÃO ESTRUTURAL DAS MULTICAMADAS DE TN/ZrN.5 - RETRODISPERSÃO DE RUTHERFORD (RBS).5. - Introdução De modo a omplementar a análse estrutural das váras amostras produzdas

Leia mais

Análise Exploratória de Dados

Análise Exploratória de Dados Análse Exploratóra de Dados Objetvos Análse de duas varáves quanttatvas: traçar dagramas de dspersão, para avalar possíves relações entre as duas varáves; calcular o coefcente de correlação entre as duas

Leia mais

Implementação Bayesiana

Implementação Bayesiana Implementação Bayesana Defnção 1 O perfl de estratégas s.) = s 1.),..., s I.)) é um equlíbro Nash-Bayesano do mecansmo Γ = S 1,..., S I, g.)) se, para todo e todo θ Θ, u gs θ ), s θ )), θ ) θ Eθ u gŝ,

Leia mais

Apostila de Matemática Financeira

Apostila de Matemática Financeira 2010.2 Apostla de Matemátca Fnancera Prof. Dav Ran Gotardelo Dsponível no Xerox e no Quosque Unversdade Federal Rural do Ro de Janero (UFRRJ) A p o s t l a d e M a t e m á t c a F n a n c e r a - U F R

Leia mais

Controle Estatístico de Qualidade. Capítulo 8 (montgomery)

Controle Estatístico de Qualidade. Capítulo 8 (montgomery) Controle Estatístco de Qualdade Capítulo 8 (montgomery) Gráfco CUSUM e da Méda Móvel Exponencalmente Ponderada Introdução Cartas de Controle Shewhart Usa apenas a nformação contda no últmo ponto plotado

Leia mais

Federal do Espírito Santo, Alegre, ES, Brasil. 2

Federal do Espírito Santo, Alegre, ES, Brasil.    2 Aplação da dentdade de modelos não-lneares na estmatva da relação hpsométra de Pnus arbaea var. hondurenss e Pnus ooarpa sob dferentes dades Leonardo Cassan Laerda Adrano Rbero de Mendonça Edson Lahn Glson

Leia mais

UMA VALIDAÇÃO MATEMÁTICA PARA UM ALGORITMO QUE SIMULA MISTURAS DE DISTRIBUIÇÕES

UMA VALIDAÇÃO MATEMÁTICA PARA UM ALGORITMO QUE SIMULA MISTURAS DE DISTRIBUIÇÕES UMA VALIDAÇÃO MATEMÁTICA PARA UM ALGORITMO QUE SIMULA MISTURAS DE DISTRIBUIÇÕES Ana Paula Coelho MADEIRA Lucas Montero CHAVES Devanl Jaques de SOUZA Resumo: Uma valdação matemátca, utlzando o conceto de

Leia mais

3.3 Ordenação por Heap (Heapsort)

3.3 Ordenação por Heap (Heapsort) 3.3 Ordenação por Heap (Heapsort) Heap descendente (max heap ou arvore descendente parcalmente ordenada) de tamanho n é um array que pode ser vsto como uma arvore bnára quase completa de n nós tal que

Leia mais

Curvas Horizontais e Verticais

Curvas Horizontais e Verticais Insttução: Faculdade de Tecnologa e Cêncas Professor: Dego Queroz de Sousa Dscplna: Topografa Curvas Horzontas e ertcas 1. Introdução Exstem dversas ocasões na engenhara em que os projetos são desenvolvs

Leia mais

3 Método de Elementos Finitos (MEF)

3 Método de Elementos Finitos (MEF) 3 Método de Elementos Fntos (MEF) As prmeras aplações do Método de Elementos Fntos (MEF) em problemas de eletromagnetsmo (EM) surgram na lteratura no fnal da déada de 60 e, desde então, o número de publações

Leia mais

Teoria Elementar da Probabilidade

Teoria Elementar da Probabilidade 10 Teora Elementar da Probabldade MODELOS MATEMÁTICOS DETERMINÍSTICOS PROBABILÍSTICOS PROCESSO (FENÓMENO) ALEATÓRIO - Quando o acaso nterfere na ocorrênca de um ou mas dos resultados nos quas tal processo

Leia mais

10. TEORIA DAS PROBABILIDADES. Quadro 1: Motivação

10. TEORIA DAS PROBABILIDADES. Quadro 1: Motivação 10. OR DS ROBBLDDS Quadro 1: Motivação Figura 1: Gráfio de pontos. Figura 3: olígono de frequênias. Figura 4: Função de distribuição de probabilidades sobre o histograma. teoria das probabilidades estuda

Leia mais

Proposta de resolução GRUPO I

Proposta de resolução GRUPO I Novo Espaço Matemátca A º ano Proposta de teste de avalação fnal [mao 6] Proposta de resolução GRUPO I Há rapazes, nclundo o Ru Como este não faz parte do grupo, dos restantes 9 rapazes são escolhdos O

Leia mais

ÍNDICE NOTA INTRODUTÓRIA

ÍNDICE NOTA INTRODUTÓRIA OGC00 05-0-06 ÍDICE. Introdução. Âmbto e defnções 3. Avalação da ncerteza de medção de estmatvas das grandezas de entrada 4. Cálculo da ncerteza-padrão da estmatva da grandeza 5 de saída 5. Incerteza de

Leia mais

Ramos Energia e Automação

Ramos Energia e Automação Mestrado Integrado em Engenhara Electrotécnca e de Computadores Investgação Operaconal Ramos Energa e Automação 2009.01.15 Prova com consulta Alunos admtdos a exame com avalação contínua Duração: 2h30

Leia mais

Sistemas de equações lineares

Sistemas de equações lineares Sstemas - ALGA - / Sstemas de equações lneares Uma equação lnear nas ncógntas ou varáves x ; x ; :::; x n é uma expressão da forma: a x + a x + ::: + a n x n = b onde a ; a ; :::; a n ; b são constantes

Leia mais

Apontamentos da disciplina de Complementos de Análise Matemática

Apontamentos da disciplina de Complementos de Análise Matemática EOLA UPEIO DE TENOLOGIA DE VIEU DEPATAMENTO DE MATEMÁTIA Engenhara de Ambente Apontamentos da dsplna de omplementos de Análse Matemáta Isabel Duarte Ano letvo 5/6 . Elementos de Análse Vetoral.. ampos

Leia mais

Ângulo de Inclinação (rad) [α min α max ] 1 a Camada [360,0 520,0] 2000 X:[-0,2065 0,2065] Velocidade da Onda P (m/s)

Ângulo de Inclinação (rad) [α min α max ] 1 a Camada [360,0 520,0] 2000 X:[-0,2065 0,2065] Velocidade da Onda P (m/s) 4 Estudo de Caso O estudo de caso, para avalar o método de estmação de parâmetros trdmensonal fo realzado em um modelo de referênca de três camadas, e foram realzados os seguntes passos: Descrção do modelo

Leia mais

ESTUDO DA MÁQUINA SIMÉTRICA TRIFÁSICA

ESTUDO DA MÁQUINA SIMÉTRICA TRIFÁSICA CAPÍTUO ETUDO DA ÁQUINA IÉTICA TIFÁICA. INTODUÇÃO A máquna de ndução trfásca com rotor bobnado é smétrca. Apresenta estruturas magnétcas clíndrcas tanto no rotor quanto no estator. Os enrolamentos, tanto

Leia mais

ELE0317 Eletrônica Digital II

ELE0317 Eletrônica Digital II 2. ELEMENTOS DE MEMÓRIA 2.1. A Lnha de Retardo A lnha de retardo é o elemento mas smples de memóra. Sua capacdade de armazenamento é devda ao fato de que o snal leva um certo tempo fnto e não nulo para

Leia mais

Matemática Financeira Seções: 3.1 até 4.3 Prof. Me. Diego Fernandes Emiliano Silva

Matemática Financeira Seções: 3.1 até 4.3 Prof. Me. Diego Fernandes Emiliano Silva 3.1 até 3.3 Stuações de fnancamento VP = parc [ 1 (1+) n ] (3.1) AV E = parc [ 1 (1+) n ] (3.2) (AV E) (1 + ) k 1 = parc [ 1 (1+) n ] (3.3) As fórmulas apresentadas acma são apresentadas nas seções 3.1,

Leia mais

Probabilidade nas Ciências da Saúde

Probabilidade nas Ciências da Saúde UNIVERSIDDE ESTDUL DE GOIÁS Undade Unverstára de Cêncas Exatas e Tecnológcas Curso de Lcencatura em Matemátca robabldade nas Cêncas da Saúde Rafaela Fernandes da Slva Santos NÁOLIS 014 Rafaela Fernandes

Leia mais

Capítulo 2. APROXIMAÇÕES NUMÉRICAS 1D EM MALHAS UNIFORMES

Capítulo 2. APROXIMAÇÕES NUMÉRICAS 1D EM MALHAS UNIFORMES Capítulo. Aproxmações numércas 1D em malhas unformes 9 Capítulo. AROXIMAÇÕS NUMÉRICAS 1D M MALHAS UNIFORMS O prncípo fundamental do método das dferenças fntas (MDF é aproxmar através de expressões algébrcas

Leia mais

Equações de Bloch. Richard H. Chaviguri November 27, 2017

Equações de Bloch. Richard H. Chaviguri November 27, 2017 INSTITUTO DE FÍSICA DE SÃO CARLOS-USP Equações de Bloch Rchard H. Chavgur November 7, 017 1 INTRODUÇÃO O estudo da nteração radação-matéra abrange dversos processos tas como: absorçao, ndução tanto espontânea

Leia mais

2ª ACTIVIDADE ESCRITA DE MATEMÁTICA A 12.º C 2009 NOVEMBRO 20 Duração da prova: 45 minutos VERSÃO 1. Grupo I

2ª ACTIVIDADE ESCRITA DE MATEMÁTICA A 12.º C 2009 NOVEMBRO 20 Duração da prova: 45 minutos VERSÃO 1. Grupo I ª ATIVIDADE ESRITA DE MATEMÁTIA A.º 009 NOVEMBRO 0 Duração da prova 4 mnutos VERSÃO Grupo I Para cada uma das três questões deste grupo, seleccone a resposta correcta de entre as alternatvas que lhe são

Leia mais

Redes de Petri. Definições:

Redes de Petri. Definições: Redes de Petr Defnções: Uma Rede de Petr (PN) é m grafo dreto bpartdo o qal tem dos tpos de nós denomnados lgares (qe representam estados) e transções (qe representam eventos). O estado é alterado pelo

Leia mais

CONCEITOS INICIAIS DE ESTATÍSTICA MÓDULO 2 DISTRIBUIÇÃO DE FREQÜÊNCIA - ELEMENTOS Prof. Rogério Rodrigues

CONCEITOS INICIAIS DE ESTATÍSTICA MÓDULO 2 DISTRIBUIÇÃO DE FREQÜÊNCIA - ELEMENTOS Prof. Rogério Rodrigues CONCEITOS INICIAIS DE ESTATÍSTICA MÓDULO DISTRIBUIÇÃO DE FREQÜÊNCIA - ELEMENTOS Prof. Rogéro Rodrgues I) TABELA PRIMITIVA E DISTRIBUIÇÃO DE FREQÜÊNCIA : No processo de amostragem, a forma de regstro mas

Leia mais

Capítulo 24: Potencial Elétrico

Capítulo 24: Potencial Elétrico Capítulo 24: Potencal Energa Potencal Elétrca Potencal Superfíces Equpotencas Cálculo do Potencal a Partr do Campo Potencal Produzdo por uma Carga Pontual Potencal Produzdo por um Grupo de Cargas Pontuas

Leia mais

Capítulo 3-1. A 2ª Lei da Termodinâmica

Capítulo 3-1. A 2ª Lei da Termodinâmica Capítulo 3-1. A 2ª Le da ermodnâma Baseado no lvro: Atkns Pysal Cemstry Egt Edton Peter Atkns Julo de Paula 29-04-2007 Mara da Coneção Pava 1 A segunda le da termodnâma é baseada na experêna umana. odos

Leia mais

Página 293. w1 w2 a b i 3 bi a b i 3 bi. 2w é o simétrico do dobro de w. Observemos o exemplo seguinte, em que o afixo de 2w não

Página 293. w1 w2 a b i 3 bi a b i 3 bi. 2w é o simétrico do dobro de w. Observemos o exemplo seguinte, em que o afixo de 2w não Preparar o Exame 0 0 Matemátca A Págna 9. Se 5 5 é o argumento de z, é argumento de z e 5 5. Este ângulo é gual ao ângulo de ampltude 5 é argumento de z.. Resposta: D w w a b b a b b. a b a a b b b bem

Leia mais

REGRESSÃO LOGÍSTICA. Seja Y uma variável aleatória dummy definida como:

REGRESSÃO LOGÍSTICA. Seja Y uma variável aleatória dummy definida como: REGRESSÃO LOGÍSTCA. ntrodução Defnmos varáves categórcas como aquelas varáves que podem ser mensurados usando apenas um número lmtado de valores ou categoras. Esta defnção dstngue varáves categórcas de

Leia mais

3 A técnica de computação intensiva Bootstrap

3 A técnica de computação intensiva Bootstrap A técnca de computação ntensva ootstrap O termo ootstrap tem orgem na expressão de língua nglesa lft oneself by pullng hs/her bootstrap, ou seja, alguém levantar-se puxando seu própro cadarço de bota.

Leia mais

Proposta de resolução do Exame Nacional de Matemática A 2017 (2 ạ fase) GRUPO I (Versão 1) Assim, 2! 3! 4 = 48 é a resposta pedida.

Proposta de resolução do Exame Nacional de Matemática A 2017 (2 ạ fase) GRUPO I (Versão 1) Assim, 2! 3! 4 = 48 é a resposta pedida. Proosta de resolução do Eame Naconal de Matemátca A 7 ( ạ fase) GRUPO I (Versão ) P P I I I. 3 3! 3! = 6 = 8 Estem quatro maneras dstntas de os algarsmos ares estarem um a segur ao outro (PPIII ou IPPII

Leia mais

CAPÍTULO 2 DESCRIÇÃO DE DADOS ESTATÍSTICA DESCRITIVA

CAPÍTULO 2 DESCRIÇÃO DE DADOS ESTATÍSTICA DESCRITIVA CAPÍTULO DESCRIÇÃO DE DADOS ESTATÍSTICA DESCRITIVA. A MÉDIA ARITMÉTICA OU PROMÉDIO Defnção: é gual a soma dos valores do grupo de dados dvdda pelo número de valores. X x Soma dos valores de x número de

Leia mais

FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 1

FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 1 FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 1 Nome Nº Turma: Data: / / Professor 10.º Ano Classfcação Apresente o seu racocíno de forma clara, ndcando todos os cálculos que tver de efetuar e todas

Leia mais

3 Contínuo Generalizado

3 Contínuo Generalizado 3 Contínuo Generalzado Um meo ontínuo lásso é omposto por partíulas, dstrbuídas de manera unforme, sendo ada uma delas representadas por um ponto, aqu denomnado de P. Este ponto materal possu oordenadas

Leia mais

Variação ao acaso. É toda variação devida a fatores não controláveis, denominadas erro.

Variação ao acaso. É toda variação devida a fatores não controláveis, denominadas erro. Aplcação Por exemplo, se prepararmos uma área expermental com todo cudado possível e fzermos, manualmente, o planto de 100 sementes seleconadas de um mlho híbrdo, cudando para que as sementes fquem na

Leia mais

Radiação Térmica Processos, Propriedades e Troca de Radiação entre Superfícies (Parte 2)

Radiação Térmica Processos, Propriedades e Troca de Radiação entre Superfícies (Parte 2) Radação Térmca Processos, Propredades e Troca de Radação entre Superfíces (Parte ) Obetvo: calcular a troca por radação entre duas ou mas superfíces. Essa troca depende das geometras e orentações das superfíces,

Leia mais

Mecanismos de Escalonamento

Mecanismos de Escalonamento Mecansmos de Escalonamento 1.1 Mecansmos de escalonamento O algortmo de escalonamento decde qual o próxmo pacote que será servdo na fla de espera. Este algortmo é um dos mecansmos responsáves por dstrbur

Leia mais

Microeconomia II. Cursos de Economia e de Matemática Aplicada à Economia e Gestão AULA 5.3. Afectação de Bens Públicos: a Condição de Samuelson

Microeconomia II. Cursos de Economia e de Matemática Aplicada à Economia e Gestão AULA 5.3. Afectação de Bens Públicos: a Condição de Samuelson Mcroeconoma II Cursos de Economa e de Matemátca Aplcada à Economa e Gestão AULA 5.3 Afectação de Bens Públcos: a Condção de Isabel Mendes 2007-2008 5/3/2008 Isabel Mendes/MICRO II 5.3 Afectação de Bens

Leia mais

Eletromagnetismo II 1 o Semestre de 2007 Noturno - Prof. Alvaro Vannucci

Eletromagnetismo II 1 o Semestre de 2007 Noturno - Prof. Alvaro Vannucci Eletromagnetsmo II o Semestre de 7 Noturno - Prof. Alvaro Vannu a aula /abr/7 Vmos: meos ondutores: σ + (Cte. Delétra) ω Índe de refração: n ; n n + n + ; σ ω K K + K K + K u K u ; Vetor de onda: ˆ ˆ r

Leia mais

3 Desenvolvimento do Modelo

3 Desenvolvimento do Modelo 3 Desenvolvmento do Modelo Neste capítulo apresentaremos como está estruturado o modelo desenvolvdo nesta dssertação para otmzar o despacho de geradores dstrbuídos com o obetvo de reduzr os custos da rede

Leia mais

Reconhecimento Estatístico de Padrões

Reconhecimento Estatístico de Padrões Reconhecmento Estatístco de Padrões X 3 O paradgma pode ser sumarzado da segunte forma: Cada padrão é representado por um vector de característcas x = x1 x2 x N (,,, ) x x1 x... x d 2 = X 1 X 2 Espaço

Leia mais

Resoluções dos testes propostos

Resoluções dos testes propostos T.446 Resposta: E f E Sendo amarela voleta, vem: E amarela E voleta A velodade dos fótons é a mesma e gual a. T.447 Resposta: b Max Plank onsderou que a energa radante não é emtda (ou absorvda) de modo

Leia mais