Processos de Poisson
|
|
- Natália Valverde da Costa
- 5 Há anos
- Visualizações:
Transcrição
1 Processos de Poisson Ricardo Ehlers Departamento de Matemática Aplicada e Estatística Universidade de São Paulo Capitulo 5 Taylor & Karlin 1 / 37
2 Distribuição de Poisson Seja a variável aleatória X o número de ocorrências por intervalo fixo (de tempo ou espaço). Dizemos que X tem distribuição de Poisson com parâmetro λ, com função de probabilidade, X Poisson(λ), λ > 0, P(X = k) = λk e λ, λ > 0, k! k = 0, 1,.... E(X ) = k λk e λ = λ k! k=0 Var(X ) = (k E(X )) 2 λk e λ = λ k! k=0 2 / 37
3 Teorema. Sejam X e Y variáveis aleatórias independentes tais que X Poisson(λ) e X Poisson(ν). Então Portanto, X + Y Poisson(λ + ν). P(X + Y = n) = (λ + ν)n e (λ+ν), n = 0, 1,... n! 3 / 37
4 Teorema. Sejam as variáveis aleatórias N Poisson(λ) e M N Binomial(N, p). Então Portanto, M Poisson(λp). P(M = k) = (λp)k e λp, k = 0, 1,... k! 4 / 37
5 Processo de Poisson Definição. Um Processo de Poisson com taxa λ > 0 é um processo estocástico de valores inteiros, {X (t), t 0} tal que, os incrementos X (t 1 ) X (t 0 ), X (t 2 ) X (t 1 ),..., X (t n ) X (t n 1 ) são variáveis aleatórias independentes para quaisquer t 0 = 0 < t 1 < < t n, X (s + t) X (s) Poisson(λt), s 0 e t > 0, X (0) = 0. 5 / 37
6 Propriedades Em particular, X (t) Poisson(λt). E[X (t)] = Var[X (t)] = λt. Os incrementos são estacionários, i.e. a distribuição de X (s + t) X (s) só depende da amplitude t. 6 / 37
7 Processos de Poisson com taxas 2 e Contagens / 37
8 Processos de Poisson são em geral bons modelos para ocorrências aleatórias de um evento em tempo continuo. Alguns exemplos: chegadas de clientes em uma fila, emissão de particulas radiotivas, ocorrência de uma doença rara. 8 / 37
9 Exemplo. Clientes chegam a uma loja segundo um processo de Poisson com taxa λ = 4 clientes por hora. Sabendo que a loja abre as 9h, Qual a probabilidade de exatamente 1 cliente ter chegado até as 9:30? Qual a probabilidade de chegarem 5 clientes até as 11:30? 9 / 37
10 Exemplo. Defeitos ocorrem em um cabo submarino segundo um processo de Poisson com taxa λ = 0.1 por milha. Qual a probabilidade de nenhum defeito ocorrer nas primeiras 2 milhas? Seja X (t) o número de defeitos no tempo t. X (t) Poisson(λt) X (2) Poisson(0.2) P(X (2) = 0) = e / 37
11 Qual a probabilidade de nenhum defeito ocorrer entre 2 e 3 milhas dado que não ocorreu defeito nas primeiras 2 milhas? Pede-se P(X (3) X (2) = 0 X (2) = 0). Como X (3) X (2) e X (2) X (0) são independentes e X (3) X (2) Poisson(0.1), P(X (3) X (2) = 0 X (2) = 0) = P(X (3) X (2) = 0) = e / 37
12 Processos não homogêneos Definição. Um processo de Poisson é não homogêneo ou não estacionário se λ = λ(t). O incremento X (t) X (s) representa o número de eventos no intervalo (s, t] e tem distribuição de Poisson com taxa, t s λ(u)du. Os incrementos relativos a intervalos disjuntos são variáveis aleatórias independentes. 12 / 37
13 Exemplo. A demanda por atendimento em um posto de saúde occorre segundo um processo de Poisson com taxa, 2t, 0 t < 1 λ(t) = 2, 1 t < 2 4 t, 2 t < 4 sendo t medido em horas. 13 / 37
14 Qual a probabilidade de que 2 atendimentos ocorram nas primeiras 2 horas? Seja X (t) o número de atendimentos no tempo t. Pede-se P(X (2) = 2) sendo X (2) Poisson(µ), µ = 1 0 2tdt dt. Qual a probabilidade de que mais 2 atendimentos ocorram nas 2 horas seguintes? Pede-se P(X (4) X (2) = 2) sendo X (4) X (2) Poisson(µ), µ = 4 2 (4 t)dt. 14 / 37
15 Fazendo uma mudança deterministica na escala temporal e definindo um novo processo Y (s) = X (t) com, s = Λ(t) = t 0 λ(u)du pode-se mostrar que Y (s) é um processo de Poisson homogêneo com taxa igual a / 37
16 Processos de Cox Definição. Um processo de Cox é um processo de Poisson não homogêneo cuja taxa é também um processo estocástico {λ(t), t 0}. Sejam {X (t), t 0} um processo de Poisson com taxa constante λ = 1 e o processo X (t) = X (Θt) sendo Θ uma variável aleatória. X (t) é um processo de Cox chamado processo de Poisson misto. X (t) Θ é um processo de Poisson com taxa constante λ = Θ. 16 / 37
17 Em particular, se Θ for continua com densidade f (θ) a distribuição marginal de X (t) é, P(X (t) = k) = = 0 0 P(X (t) = k θ) f (θ)dθ (θt) k e θt k! f (θ)dθ. 17 / 37
18 Exemplo. Considere um processo de Poisson misto com parâmetro Θ Exponencial(1). Obtenha a distribuição marginal de X (t). P(X (t) = k) = = tk k! = tk k! 0 (θt) k e θt e θ dθ k! 0 θ k e (t+1)θ dθ Γ(k + 1) (t + 1) k+1 = ( ) t k ( ) 1. t + 1 t + 1 Repita para Θ Gama(r, λ). 18 / 37
19 Distribuições associadas ao processo de Poisson Em um processo de Poisson {X (t), t 0} seja W n o tempo de espera até a ocorrência do n-ésimo evento sendo W 0 = 0. Teorema. O tempo de espera W n tem distribuição Gama com densidade, f Wn (t) = λn Γ(n) tn 1 e λt, ou seja, W n Gama(n, λ). Portanto, W 1 Exponencial(λ). 19 / 37
20 Seja S n = W n+1 W n a duração do tempo que o processo permanece no estado n. Teorema. S 0, S 1,..., S n 1 são variáveis aleatórias independentes tais que S k Exponencial(λ), f Sk (s) = λe λs, s > / 37
21 Consequentemente, A probabilidade do processo permanecer no estado n por mais de t periodos é, e não depende de n. P(S n > t) = e λt, n = 1, 2,... O tempo de espera até ocorrer o evento n pode ser reescrito como, n 1 W n = S k Gama(n, λ). k=0 21 / 37
22 Exemplo. Pessoas imigram para um território segundo um processo de Poisson com taxa λ = 1 por dia. Qual o tempo esperado até que o 10o migrante chegue? Qual a probabilidade de que o tempo entre as chegadas do 10o e do 11o imigrante exceda 2 dias? Na nossa notação calcular E(W 10 ) e P(S 11 > 2). 22 / 37
23 Teorema. Seja {X (t), t 0} um processo de Poisson com taxa λ. Para 0 < u < t e k = 0, 1,..., n, ( ) n (u ) k ( P(X (u) = k X (t) = n) = 1 u ) n k, k t t ou seja X (u) X (t) = n Binomial ( n, u t ). 23 / 37
24 Processo de Poisson com taxa w 1 w 2 w 3 w 4 w 5 Tempos de espera 24 / 37
25 Processos de Poisson compostos Suponha que {X (t), t 0} é um processo de Poisson com taxa λ e cada evento está associado a uma variável aleatória. Um processo estocástico {Z(t), t 0} é dito ser um processo de Poisson composto se puder ser representado como, X (t) Z(t) = Y i, t 0, i=1 sendo Y 1, Y 2,... variáveis aleatórias independentes e independentes de X (t). Note que se Y i = 1, i = 1, 2,..., X (t) então Z(t) = X (t). 25 / 37
26 Exemplo. Suponha que ônibus chegam a um evento de acordo com um processo de Poisson com taxa λ. Os números de pessoas em cada ônibus são independentes e identicamente distribuidos. Se Z(t) representa o número total de pessoas que chegam de ônibus ao evento e Y i representa o número de pessoas no ônibus i, então {Z(t), t 0} é um processo de Poisson composto, X (t) Z(t) = Y i, t 0, i=1 26 / 37
27 Exemplo. Suponha que clientes saiam de um supermercado de acordo com um processo de Poisson com taxa λ. Sejam {X (t), t 0} o número de clientes que saem no tempo t e Y i a quantia gasta pelo cliente i, independentes e independentes de X (t). Então, X (t) Z(t) = Y i, t 0, i=1 é um processo de Poisson composto que representa o total gasto no tempo t. 27 / 37
28 Denotando E(Y i ) = µ e Var(Y i ) = σ 2, i = 1, 2,..., X (t) E[Z(t)] = E i=1 Y i X (t) = E E Y i X (t) = n = = i=1 X (t) E Y i X (t) = n P(X (t) = n) n=1 i=1 E(Y Y n )P(X (t) = n) n=1 = µ np(x (t) = n) = µe[x (t)] = µλt n=1 28 / 37
29 Analogamente, Var[Z(t)] = (µ 2 + σ 2 )λt. 29 / 37
30 Exemplo. Suponha que famílias migram para uma certa região segundo um processo de Poisson com taxa igual a 2 famílias por semana. Cada família pode ter 1, 2, 3 ou 4 pessoas com probabilidades 1/6,1/3,1/3,1/6. Obtenha o valor esperado e a variância do número de pessoas que migram para esta região num período de 4 semanas e meia. Sejam Y i o número de pessoas na familia i e X (t) o número de familias que migram para esta região até o tempo t. Então, X (t) Z(t) = Y i, t 0, i=1 é um processo de Poisson composto que representa o número de migrantes no tempo t. 30 / 37
31 Temos então que, E(Y i ) = E(Y 2 i ) = 4 yp(y = y) = 5/2 = 2.5 i=1 4 y 2 P(Y = y) = 43/6 i=1 Var(Y i ) = 43/6 (5/2) 2 = 11/12 Portanto, como X (t) tem taxa λ = 2, E[Z(t)] = µλt = 2(5/2)t = 5t Var[Z(t)] = (µ 2 + σ 2 )λt = 2[(5/2) /12]t Para t = 4.5 semanas o número médio de migrantes é E[Z(t)] = 22.5 com variância Var[Z(t)] = / 37
32 Processos de Poisson marcados Sejam {X (t), t 0} um processo de Poisson com taxa λ, Y 1, Y 2,... variáveis aleatórias independentes e independentes de X (t) e W 1, W 2,... os tempos de espera até a ocorrência de cada evento. A sequência de pares (W 1, Y 1 ), (W 2, Y 2 ),... e denominada um processo de Poisson marcado. 32 / 37
33 Suponha que, Y i = { 1, com probabilidade p, 0, com probabilidade 1 p. Considere separadamente os processos marcados por 1 s e 0 s, ou seja, X 1 (t) = X (t) Y k k=1 X 0 (t) = X (t) X 1 (t) Note que, X 1 (t) tem incrementos independentes, X 1 (0) = 0, X 1 (t) Poisson(λpt), pois E(Y k ) = p. 33 / 37
34 Em resumo, X 1 (t) é um processo de Poisson com taxa λp e, por um argumento análogo X 0 (t) é um processo de Poisson com taxa λ(1 p). Finalmente, pode-se mostrar que, P(X 0 (t) = j, X 1 (t) = k) = P(X 0 (t) = j) P(X 1 (t) = k), Portanto, X 0 (t) e X 1 (t) são processos de Poisson compostos independentes. 34 / 37
35 Exemplo. Clientes entram em uma loja de acordo com um processo de Poisson com taxa λ = 10 por hora. De forma independente cada cliente compra alguma coisa com probabilidade 0.3 ou sai da loja sem comprar nada com probabilidade 0.7. Sejam, X 0 (t): o número de pessoas que não compram nada até o tempo t e, X 1 (t): o número de pessoas que compram algo até o tempo t, Então, X 0 (t) e X 1 (t) são processos de Poisson independentes com taxas (1 p)λ e pλ. 35 / 37
36 A probabilidade de que durante a primeira hora 9 pessoas entrem na loja, das quais 3 compram alguma coisa e 6 vão embora sem comprar é P(X 0 (1) = 6, X 1 (1) = 3) = P(X 0 (1) = 6) P(X 1 (1) = 3), sendo que X 0 (1) Poisson(7) e X 1 (1) Poisson(3). Portanto, P(X 0 (1) = 6, X 1 (1) = 3) = 76 e e 3 6! 3! = / 37
37 Considere agora variáveis aleatórias discretas Y 1, Y 2,... independentes e cada Y n pode assumir valores 0, 1, 2,... com probabilidades, P(Y n = k) = p k, k = 0, 1,..., sendo = 1. k=0 Cada um dos processos resultantes X k (t), k = 0, 1, 2,... é um processo de Poisson com taxa λp k, e X 0 (t), X 1 (t),..., são processos independentes. 37 / 37
Cadeias de Markov em Tempo Continuo
Cadeias de Markov em Tempo Continuo Ricardo Ehlers ehlers@icmc.usp.br Departamento de Matemática Aplicada e Estatística Universidade de São Paulo Capitulos 6 Taylor & Karlin 1 / 44 Análogo ao processo
Leia maisMódulo III: Processos de Poisson, Gaussiano e Wiener
Módulo III: Processos de Poisson, Gaussiano e Wiener Wamberto J. L. Queiroz Universidade Federal de Campina Grande-UFCG Departamento de Engenharia Elétrica Processos Estocásticos Campina Grande - PB Módulo
Leia 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 maisMais sobre Modelos Continuos
Mais sobre Modelos Continuos Ricardo Ehlers ehlers@icmc.usp.br Departamento de Matemática Aplicada e Estatística Universidade de São Paulo 1 / 41 Transformação Linear da Uniforme Seja X uma variável aleatória
Leia maisProbabilidade. 1 Distribuição de Bernoulli 2 Distribuição Binomial 3 Multinomial 4 Distribuição de Poisson. Renata Souza
Probabilidade Distribuição de Bernoulli 2 Distribuição Binomial 3 Multinomial 4 Distribuição de Poisson Renata Souza Distribuição de Bernoulli Uma lâmpada é escolhida ao acaso Ensaio de Bernoulli A lâmpada
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 mais(a) Se X Poisson(λ) e Y Poisson(µ), então X + Y Poisson(λ + µ). (b) Se X Binomial(n, p) e Y Binomial(m, p), então (X + Y ) Binomial(n + m, p).
Capítulo 0 Revisões Exercício 0.1 Sejam X e Y variáveis aleatórias independentes. Mostre que: (a) Se X Poisson(λ) e Y Poisson(µ), então X + Y Poisson(λ + µ). (b) Se X Binomial(n, p) e Y Binomial(m, p),
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 maisVariáveis Aleatórias Discretas e Distribuição de Probabilidade
Variáveis Aleatórias Discretas e Distribuição de Probabilidades - parte IV 2012/02 1 Distribuição Poisson Objetivos Ao final deste capítulo você deve ser capaz de: Ententer suposições para cada uma das
Leia maisAnálise de Dados e Simulação
Universidade de São Paulo Instituto de Matemática e Estatística http:www.ime.usp.br/ mbranco Processo de Poisson. Processo de Poisson Homogêneo Considere N(t) o número de ocorrências de um determinado
Leia mais5 a Lista de PE Solução
Universidade de Brasília Departamento de Estatística 5 a Lista de PE Solução. Sejam X A e X B o números de jogos que o time ganha contra times da classe A e da classe B respectivamente. Claramente X A
Leia maisPROCESSO DE POISSON. Processo Estocástico Prof, Ms. Eliana Carvalho
Processo Estocástico Prof, Ms. Eliana Carvalho Este processo estocástico deve o seu nome ao matemático francês Simion-Denis Poisson (1781-1840). Espaço de estados discreto (cadeia) Variável tempo é contínua
Leia maisProbabilidades e Estatística
Departamento de Matemática Probabilidades e Estatística LEAN, LEE, LEGI, LEIC-T, LEMat, LERC, LQ, MEAer, MEAmbi, MEBiol, MEEC, MEMec, MEQ 1 o Teste 1 o semestre 2010/2011 Duração: 1 hora e 30 minutos 20/11/2010
Leia maisIND 1115 Inferência Estatística Aula 6
Conteúdo IND 5 Inferência Estatística Aula 6 Setembro de 004 A distribuição Lognormal A distribuição Beta e sua relação com a Uniforme(0,) Mônica Barros mbarros.com mbarros.com A distribuição Lognormal
Leia maisAula 5. Processo de Poisson. Exemplos.
Aula 5. Processo de Poisson. Exemplos. Exemplo 1. Processo de Poisson com diferentes tipos de eventos. Consideramos um processo de Poisson com intensidade λ. Suponha que em cada instante de ocorrência
Leia mais4. Distribuições de probabilidade e
4. Distribuições de probabilidade e características Valor esperado de uma variável aleatória. Definição 4.1: Dada uma v.a. discreta (contínua) X com f.m.p. (f.d.p.) f X (), o valor esperado (ou valor médio
Leia maisa) o time ganhe 25 jogos ou mais; b) o time ganhe mais jogos contra times da classe A do que da classe B.
Universidade de Brasília Departamento de Estatística 5 a Lista de PE. Um time de basquete irá jogar uma temporada de 44 jogos. desses jogos serão disputados contra times da classe A e os 8 restantes contra
Leia maisAULA 16 - Distribuição de Poisson e Geométrica
AULA 16 - Distribuição de Poisson e Geométrica Susan Schommer Introdução à Estatística Econômica - IE/UFRJ Distribuição de Poisson Em muitas situações nos deparamos com a situação em que o número de ensaios
Leia maisDistribuições de Probabilidade
Distribuições de Probabilidade Carla Henriques, Nuno Bastos e Cristina Lucas Departamento de Matemática Escola Superior de Tecnologia de Viseu. Henriques, N. Bastos e C. Lucas (DepMAT) Distribuições de
Leia maisDistribuições conjuntas de probabilidade e complementos
Probabilidades e Estatística + Probabilidades e Estatística I Colectânea de Exercícios 2002/03 LEFT + LMAC Capítulo 5 Distribuições conjuntas de probabilidade e complementos Exercício 51 Uma loja de electrodomésticos
Leia maisPROBABILIDADE E ESTATÍSTICA DISTRIBUIÇÕES DE PROBABILIDADES PARTE I
PROBABILIDADE E ESTATÍSTICA DISTRIBUIÇÕES DE PROBABILIDADES PARTE I Bruno Baierle Maurício Furigo Prof.ª Sheila Regina Oro (orientadora) Edital 06/2013 - Produção de Recursos Educacionais Digitais Variável
Leia maisCapítulo 3 Processos de Poisson
Capítulo 3 Processos de Poisson Exercício 31 Este exercício decorre de desenvolvimentos efectuados nas aulas teóricas e do Exercício (6) Exercício 32 Procedendo como no Exercício 4, conclui-se que a distribuição
Leia maisVariáveis Aleatórias Discretas
Variáveis Aleatórias Discretas Ricardo Ehlers ehlers@icmc.usp.br Departamento de Matemática Aplicada e Estatística Universidade de São Paulo Introdução Definição Uma variável aleatória é uma função definida
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 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 maisCálculo das Probabilidades e Estatística I
Cálculo das Probabilidades e Estatística I Prof a. Juliana Freitas Pires Departamento de Estatística Universidade Federal da Paraíba - UFPB juliana@de.ufpb.br Modelos de distribuição Para utilizar a teoria
Leia maisTE802 Processos Estocásticos em Engenharia. Processo Aleatório. TE802 Processos Aleatórios. Evelio M. G. Fernández. 18 de outubro de 2017
TE802 Processos Estocásticos em Engenharia Processos Aleatórios 18 de outubro de 2017 Processo Aleatório Processo Aleatório (ou Estocástico), X(t): Função aleatória do tempo para modelar formas de onda
Leia 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 maisMétodos Quantitativos para a Gestão Ambiental Probabilidades e Distribuições Estatísticas Parte 1 (4/13) Luiz Carlos Estraviz Rodriguez
Métodos Quantitativos para a Gestão Ambiental Probabilidades e Distribuições Estatísticas Parte 1 (4/13) Luiz Carlos Estraviz Rodriguez Distribuição de probabilidades Contexto O porquê desta aula Ao desenvolvermos
Leia maisDistribuições de Probabilidade
Distribuições de Probabilidade Departamento de Matemática Escola Superior de Tecnologia de Viseu (DepMAT ESTV) Distribuições de Probabilidade 2007/2008 1 / 31 Introdução Introdução Já vimos como caracterizar
Leia maisModelos básicos de distribuição de probabilidade
Capítulo 6 Modelos básicos de distribuição de probabilidade Muitas variáveis aleatórias, discretas e contínuas, podem ser descritas por modelos de probabilidade já conhecidos. Tais modelos permitem não
Leia maisPROBABILIDADE E ESTATÍSTICA DISTRIBUIÇÕES DE PROBABILIDADES
PROBABILIDADE E ESTATÍSTICA DISTRIBUIÇÕES DE PROBABILIDADES Bruno Baierle Maurício Furigo Prof.ª Sheila Regina Oro (orientadora) Edital 06/2013 - Produção de Recursos Educacionais Digitais Variável Aleatória
Leia maisDistribuições conjuntas de probabilidades e complementos
Probabilidades e Estatística 2004/05 Colectânea de Exercícios LEIC, LERCI, LEE Capítulo 5 Distribuições conjuntas de probabilidades e complementos 02 x = 0 065 x = 1 Exercício 51 (a) P(X = x) = 015 x =
Leia maisSistemas Reparáveis - Processo de Contagem
Sistemas Reparáveis - Processo de Contagem Enrico A. Colosimo Colaboração: Rodrigo C. P. dos Reis e Maria Luiza Toledo Programa de Pós-Graduação em Estatística - UFMG Teoria básica de Processos de Contagem
Leia maisProbabilidade II. Departamento de Estatística. Universidade Federal da Paraíba
Probabilidade II Departamento de Estatística Universidade Federal da Paraíba Prof. Tarciana Liberal (UFPB) Aula Lei dos Grandes Números e Teorema Central do Limite 02/14 1 / 9 Lei dos Grandes Números Lei
Leia maisDistribuições discretas
Distribuições discretas Departamento de Matemática Escola Superior de Tecnologia de Viseu Introdução Exemplo 1 Suponha que está a concorrer para 2 vagas de uma empresa com mais colegas seus: o João,aRosaeoInácio.
Leia maisModelos discretos e contínuos
Modelos discretos e contínuos Joaquim Neto joaquim.neto@ufjf.edu.br Departamento de Estatística - ICE Universidade Federal de Juiz de Fora (UFJF) Versão 3.0 Joaquim Neto (UFJF) ICE - UFJF Versão 3.0 1
Leia maisVariáveis Aleatórias Contínuas e Distribuição de Probabilidad
Variáveis Aleatórias Contínuas e Distribuição de Probabilidades - parte III 23 de Abril de 2012 Introdução Objetivos Ao final deste capítulo você deve ser capaz de: Calcular probabilidades aproximadas
Leia maisCap. 8 - Variáveis Aleatórias
Variáveis Aleatórias Discretas: A de Poisson e Outras ESQUEMA DO CAPÍTULO 8.1 A DISTRIBUIÇÃO DE POISSON 8.2 A DISTRIBUIÇÃO DE POISSON COMO APROXIMAÇÃO DA DISTRIBUIÇÃO BINOMIAL 8.3 O PROCESSO DE POISSON
Leia maisProfessora Ana Hermínia Andrade. Período
Distribuições de probabilidade Professora Ana Hermínia Andrade Universidade Federal do Amazonas Faculdade de Estudos Sociais Departamento de Economia e Análise Período 2016.2 Modelos de distribuição Para
Leia maisProbabilidade I. Departamento de Estatística. Universidade Federal da Paraíba. Prof. Tarciana Liberal (UFPB) Aula Poisson 08/14 1 / 19
Probabilidade I Departamento de Estatística Universidade Federal da Paraíba Prof. Tarciana Liberal (UFPB) Aula Poisson 08/14 1 / 19 Modelo Poisson Na prática muitos experimentos consistem em observar a
Leia maisProbabilidades e Estatística TODOS OS CURSOS
Duração: 90 minutos Grupo I Probabilidades e Estatística TODOS OS CURSOS Justifique convenientemente todas as respostas 2 o semestre 206/207 05/07/207 :30 o Teste C 0 valores. Uma peça de certo tipo é
Leia maisNoções de Simulação. Ciências Contábeis - FEA - Noturno. 2 o Semestre MAE0219 (IME-USP) Noções de Simulação 2 o Semestre / 23
Noções de Simulação Ciências Contábeis - FEA - Noturno 2 o Semestre 2013 MAE0219 (IME-USP) Noções de Simulação 2 o Semestre 2013 1 / 23 Objetivos da Aula Sumário 1 Objetivos da Aula 2 Motivação 3 Geração
Leia maisCap. 6 Variáveis aleatórias contínuas
Estatística para Cursos de Engenharia e Informática Pedro Alberto Barbetta / Marcelo Menezes Reis / Antonio Cezar Bornia São Paulo: Atlas, 004 Cap. 6 Variáveis aleatórias contínuas APOIO: Fundação de Apoio
Leia maisTeorema do Limite Central
Teorema do Limite Central Bacharelado em Economia - FEA - Noturno 1 o Semestre 2014 MAE0219 (IME-USP) Teorema do Limite Central 1 o Semestre 2014 1 / 47 Objetivos da Aula Sumário 1 Objetivos da Aula 2
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 maisAnálise de Dados e Simulação
Universidade de São Paulo Instituto de Matemática e Estatística http:www.ime.usp.br/ mbranco Simulação de Variáveis Aleatórias Contínuas. O método da Transformada Inversa Teorema Seja U U (0,1). Para qualquer
Leia 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 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 mais3. Considere uma amostra aleatória de tamanho 7 de uma normal com média 18. Sejam X e S 2, a média e a variância amostral, respectivamente.
1 Universidade de São Paulo Escola Superior de Agricultura Luiz de Queiroz Departamento de Ciências Exatas Professores: Clarice Demétrio, Roseli Leandro e Mauricio Mota Lista 3- Distribuições Amostrais-
Leia maisLista de Exercícios #2 Assunto: Variáveis Aleatórias Discretas
1. ANPEC 2018 Questão 3 Considere um indivíduo procurando emprego. Para cada entrevista de emprego (X) esse indivíduo tem um custo linear (C) de 10,00 Reais. Suponha que a probabilidade de sucesso em uma
Leia maisCálculo das Probabilidades I - Sexta Lista - Rio, 13/09/2014
Cálculo das Probabilidades I - Sexta Lista - Rio, 13/09/2014 1. O diâmetro X de{ um cabo elétrico é uma variável aleatória com densidade de probabilidade K(2x x dada por 2 ), 0 x 1 0, x < 0 ou x > 1. (a)
Leia maisEscola Superior de Agricultura Luiz de Queiroz Universidade de São Paulo. Variáveis Aleatórias Discretas
Escola Superior de Agricultura Luiz de Queiroz Universidade de São Paulo Variáveis Aleatórias Discretas Professora Renata Alcarde Sermarini Piracicaba abril 2016 Renata Alcarde Sermarini Estatística Geral
Leia maisPROCESSOS ESTOCÁSTICOS
PROCESSOS ESTOCÁSTICOS Definições, Principais Tipos, Aplicações em Confiabilidade de Sistemas CLARKE, A. B., DISNEY, R. L. Probabilidade e Processos Estocásticos, Rio de Janeiro: Livros Técnicos e Científicos
Leia maisProcessos Estocásticos
Processos Estocásticos Quarta Lista de Exercícios 12 de fevereiro de 2014 1 Sejam X e Y duas VAs que só podem assumir os valores 1 ou -1 e seja p(x, y) = P (X = x, Y = y), x, y { 1, 1} a função de probabilidade
Leia maisProcessos de Poisson
Processos de Poisson Mauro C. M. Campos 1 SUMÁRIO I Alguns fatos sobre a distribuição exponencial 1 II Alguns fatos sobre a distribuição de Poisson 2 III Processos estocásticos em tempo contínuo 2 IV Processos
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 maisProcessos Estocásticos
Licenciatura em Matemática Aplicada e Computação PROCESSOS ESTOCÁSTICOS 2002/03 Colectânea de Exercícios Capítulo 1 Introdução aos Processos Estocásticos Exercício 1.1 O número de sinais emitidos por uma
Leia maisVariáveis Aleatórias Bidimensionais &Teoremas de Limite 1/22
all Variáveis Aleatórias Bidimensionais & Teoremas de Limite Professores Eduardo Zambon e Magnos Martinello UFES Universidade Federal do Espírito Santo DI Departamento de Informática CEUNES Centro Universitário
Leia maisEstatística. Capítulo 4: Distribuições Teóricas de Probabilidades de Variáveis Aleatórias Discretas. Professor Fernando Porto
Estatística Capítulo 4: Distribuições Teóricas de Probabilidades de Variáveis Aleatórias Discretas Professor Fernando Porto Capítulo 4 Baseado no Capítulo 4 do livro texto, Distribuições Teóricas de Probabilidades
Leia maisPROBABILIDADES E INTRODUÇÃO A PROCESSOS ESTOCÁSTICOS. Aula 7 11 e 12 abril MOQ-12 Probabilidades e Int. a Processos Estocásticos
PROBABILIDADES E INTRODUÇÃO A PROCESSOS ESTOCÁSTICOS Aula 7 11 e 12 abril 2007 1 Distribuições Discretas 1. Distribuição Bernoulli 2. Distribuição Binomial 3. Distribuição Geométrica 4. Distribuição Pascal
Leia maisCapítulo 2 Processos de Poisson
Licenciatura em Matemática Aplicada e Computação PROCESSOS ESTOCÁSTICOS 2002/03 Colectânea de Exercícios Capítulo 2 Processos de Poisson Exercício 2.1 Seja {X k, k 1} uma sucessão de variáveis aleatórias
Leia maisCap. 6 Variáveis aleatórias contínuas
Estatística para Cursos de Engenharia e Informática Pedro Alberto Barbetta / Marcelo Menezes Reis / Antonio Cezar Bornia São Paulo: Atlas, 2004 Cap. 6 Variáveis aleatórias contínuas APOIO: Fundação de
Leia maisPr = 6 = = = 0.8 =
IND 5 Inferência Estatística Semestre 004.0 Teste 05/0/004 GABARITO Problema (5 pontos) Uma gulosa professora de estatística é fissurada por trufas de chocolate. Em busca da trufa ideal, ela vai provando
Leia maisGrupo I. (a) A função de probabilidade marginal de X, P (X = x), é dada por
Probabilidades e Estatística + Probabilidades e Estatística I Solução do Exame de 2 a chamada 3 de Fevereiro de 2003 LEFT + LMAC Grupo I (a) A função de probabilidade marginal de X, P (X = x), é dada por
Leia maisRicardo Ehlers Departamento de Matemática Aplicada e Estatística Universidade de São Paulo
Geração de Números Aleatórios Ricardo Ehlers ehlers@icmc.usp.br Departamento de Matemática Aplicada e Estatística Universidade de São Paulo 1 / 61 Simulando de Distribuições Discretas Assume-se que um
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 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 maisCE219 - Controle Estatístico de Qualidade
CE219 - Controle Estatístico de Qualidade Cesar Augusto Taconeli 30 de maio, 2017 Cesar Augusto Taconeli CE219 - Controle Estatístico de Qualidade 30 de maio, 2017 1 / 96 Aula 2 - Métodos estáticos para
Leia mais3 a Lista de PE Solução
Universidade de Brasília Departamento de Estatística 3 a Lista de PE Solução. Se X representa o ganho do jogador, então os possíveis valores para X são,, 0, e 4. Esses valores são, respectivamente, correspondentes
Leia maisLista de Exercícios 3 Probabilidades Escola Politécnica, Ciclo Básico
Lista de Exercícios 3 Probabilidades 0303200 Escola Politécnica, Ciclo Básico 1 o semestre 2017 1) Um equipamento tem tempo de vida T com distribuição normal, valor esperado de 40 horas e desvio padrão
Leia maisProbabilidades e Estatística TODOS OS CURSOS
Duração: 90 minutos Grupo I Probabilidades e Estatística TODOS OS CURSOS Justifique convenientemente todas as respostas 1 o semestre 2018/2019 30/01/2019 11:30 1 o Teste C 10 valores 1. Numa unidade fabril
Leia maisPrincipais distribuições discretas Distribuição de Bernoulli sucesso fracasso X = 1, se sucesso X = 0, se fracasso P(X) TOTAL 1 Exemplo 5:
Principais distribuições discretas Na prática, sempre se procura associar um fenômeno aleatório a ser estudado, a uma forma já conhecida de distribuição de probabilidade (distribuição teórica) e, a partir
Leia maisCAPÍTULO 5: VARIÁVEIS ALEATÓRIAS BIDIMENSIONAIS Todas as coisas aparecem e desaparecem por causa da concorrência de causas e condições. Nada nunca existe inteiramente só, tudo está em relação com todo
Leia maisDistribuições Importantes. Distribuições Discretas
Distribuições Importantes Distribuições Discretas Distribuição de Bernoulli Definição Prova ou experiência de Bernoulli é uma experiência aleatória que apenas tem dois resultados possíveis: A que se designa
Leia maisLEEC Probabilidades e Estatística 1 a Chamada 13/06/2005. Parte Prática C (C) M 1% 9% 10% (M) 4% 86% 90% 5% 95% 100%
. Definição dos acontecimentos: M T-shirt tem manchas C T-shirt tem costuras defeituosas D T-shirt é defeituosa A Preço da t-shirt é alterado a) PM) = % PC) = 5% PM C) = % LEEC Probabilidades e Estatística
Leia maisProcessos Estocásticos
Processos Estocásticos Luis Henrique Assumpção Lolis 26 de maio de 2014 Luis Henrique Assumpção Lolis Processos Estocásticos 1 Conteúdo 1 Introdução 2 Definição 3 Especificando um processo aleatório 4
Leia maisDistribuições de Probabilidade
Distribuições de Probabilidade 1 Aspectos Gerais 2 Variáveis Aleatórias 3 Distribuições de Probabilidade Binomiais 4 Média e Variância da Distribuição Binomial 5 Distribuição de Poisson 1 1 Aspectos Gerais
Leia mais4ª LISTA DE EXERCÍCIOS - LOB1012. Variáveis Aleatórias Contínuas, Aproximações e TLC
4ª LISTA DE EXERCÍCIOS - LOB1012 Variáveis Aleatórias Contínuas, Aproximações e TLC Assunto: Função Densidade de Probabilidade Prof. Mariana Pereira de Melo 1. Suponha que f(x) = x/8 para 3
Leia maisIntrodução aos Proc. Estocásticos - ENG 430
Introdução aos Proc. Estocásticos - ENG 430 Fabrício Simões IFBA 16 de novembro de 2015 Fabrício Simões (IFBA) Introdução aos Proc. Estocásticos - ENG 430 16 de novembro de 2015 1 / 34 1 Motivação 2 Conceitos
Leia maisProbabilidades e Estatística LEGM, LEIC-A, LEIC-T, MA, MEMec
Duração: 9 minutos Grupo I Probabilidades e Estatística LEGM, LEIC-A, LEIC-T, MA, MEMec Justifique convenientemente todas as respostas o semestre 7/8 5/5/8 9: o Teste A valores. Uma loja comercializa telemóveis
Leia maisA figura 5.1 ilustra a densidade da curva normal, que é simétrica em torno da média (µ).
Capítulo 5 Distribuição Normal Muitas variáveis aleatórias contínuas, tais como altura, comprimento, peso, entre outras, podem ser descritas pelo modelo Normal de probabilidades. Este modelo é, sem dúvida,
Leia maisAula de Exercícios - Variáveis Aleatórias Contínuas (II) Aula de Exercícios - Variáveis Aleatórias Contínuas (II)
Aula de Exercícios - Variáveis Aleatórias Contínuas (II) Organização: Rafael Tovar Digitação: Guilherme Ludwig Exemplo VIII Distribuição contínua Seja X a v. a. contínua cuja densidade de probabilidade
Leia maisVariável Aleatória Poisson. Número de erros de impressão em uma
EST029 Cálculo de Probabilidade I Cap. 7. Principais Variáveis Aleatórias Discretas Prof. Clécio da Silva Ferreira Depto Estatística - UFJF Variável Aleatória Poisson Caraterização: Usa-se quando o experimento
Leia maisProcessos Estocásticos
Processos Estocásticos Luiz Affonso Guedes Sumário Modelos Probabilísticos Discretos Uniforme Bernoulli Binomial Hipergeométrico Geométrico Poisson Contínuos Uniforme Normal Tempo de Vida Exponencial Gama
Leia maisModelos Probabilísticos de Desempenho. Profa. Jussara M. Almeida 1º Semestre de 2014
Modelos Probabilísticos de Desempenho Profa. Jussara M. Almeida 1º Semestre de 2014 Modelos Probabilísticos Processos Estocásticos Processos de Poisson Filas M/M/1, M/G/1... Mais genericamente: modelos
Leia maisProbabilidades e Estatística LEAN, LEE, LEGI, LEMat, LETI, LMAC, MEAmb, MEAer, MEBiol, MEBiom, MEEC, MEFT, MEQ
Duração: 90 minutos Grupo I Probabilidades e Estatística LEAN, LEE, LEGI, LEMat, LETI, LMAC, MEAmb, MEAer, MEBiol, MEBiom, MEEC, MEFT, MEQ Justifique convenientemente todas as respostas! o semestre 015/016
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 maisA estacionariedade prova-se de maneira semel- hante.
Se por outro lado (U 1, U 2,...) é IID então mostremos que X n U 1 + + U n tem incrementos independentes e estacionários. De facto, dados n > m temos que X n X m U m+1 + + U n. Tome-se quaisquer n 1
Leia maisProbabilidades e Estatística TODOS OS CURSOS
Duração: 90 minutos Grupo I Probabilidades e Estatística TODOS OS CURSOS Justifique convenientemente todas as respostas o semestre 07/08 0/07/08 :0 o Teste C 0 valores. Um relatório anual estabelece que
Leia 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 maisDistribuições de probabilidade de variáveis aleatórias discretas
Distribuições de probabilidade de variáveis aleatórias discretas Universidade Estadual de Santa Cruz Ivan Bezerra Allaman Cronograma 1. Distribuição Bernoulli 2. Distribuição Binomial 3. Distribuição Poisson
Leia maisPROBABILIDADE RESUMO E EXERCÍCIOS* P2
PROBABILIDADE RESUMO E EXERCÍCIOS* P2 *Exercícios de provas anteriores escolhidos para você estar preparado para qualquer questão na prova. Resoluções grátis em Variáveis Aleatórias Discretas e Contínuas
Leia maisModelos Binomial e Poisson
Modelos Binomial e Poisson Cristian Villegas clobos@usp.br Outubro de 2013 Apostila de Estatística (Cristian Villegas) 1 Distribuição Bernoulli Se um experimento possui dois possíveis resultados, sucesso
Leia mais4. PRINCIPAIS MODELOS DISCRETOS
4. PRINCIPAIS MODELOS DISCRETOS 2010 Principais modelos probabilísticos discretos 4.1. Modelo Bernoulli Muitos eperimentos admitem apenas dois resultados. Eemplos: 3. Uma peça é classificada como defeituosa
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 maisLista de Exercícios 3 Probabilidades Escola Politécnica, Ciclo Básico
RESOLUÇÃO NA PÁGINA 06 Lista de Exercícios 3 Probabilidades 0303200 Escola Politécnica, Ciclo Básico 1 o semestre 2017 1) Um equipamento tem tempo de vida T com distribuição normal, valor esperado de 40
Leia maisProbabilidade de Ruína e Processos de Lévy α-estáveis
Apresentação Probabilidade de Ruína e Processos de Lévy α-estáveis Universidade de São Paulo IME - USP 08 de abril, 2010 Apresentação Distribuições Estáveis e Processos de Lévy α-estáveis Convergência
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 mais