DISTRIBUIÇÃO DE PROBABILIDADES BINOMIAL. Para cada um dos lançamentos, há dois resultados distintos, ou probabilidades elementares:
|
|
- Geraldo Viveiros Araújo
- 5 Há anos
- Visualizações:
Transcrição
1 DISTRIBUIÇÃO DE PROBABILIDADES BIOMIAL onsiderem-se dois lançamentos de uma moeda honesta. Seja a variável aleatória X=nº de caras saídas, em que os ossíveis valores de X são 0 (saída de duas coroas), ou. Pretende-se calcular Pr(x) ara os diversos valores de X. Para cada um dos lançamentos, há dois resultados distintos, ou robabilidades elementares: = P( cara) = ; q = = P( coroa) = P( nãosair cara) = P( cara) = =. Estes resultados elementares obedecem à sequência,, que é a rimeira linha do Triângulo de Pascal, que dá os coeficientes do desenvolvimento de um binómio de º grau: ( + q) = + q Este cálculo de robabilidades ode ser feito à custa da construção do universo de acontecimentos elementares: S = {(cara,cara), (cara,coroa), (coroa,cara), (coroa,coroa)} Então: # casos favoráveis P( x = 0) # Universo 4 # casos favoráveis P( x = ) # Universo 4 # casos favoráveis P( x = ) # Universo 4 Reare-se que os casos favoráveis obedecem à sequência,,, que reresentam as diversas ossibilidades de ocorrência de cada resultado. Este valor, multilicado ela robabilidade de ocorrência de um dos ossíveis resultados do universo, dá a robabilidade do resultado retendido. ote-se que a sequência,, é a ª linha do Triângulo de Pascal, que dá os coeficientes do desenvolvimento de um binómio de º grau: ( + q) = + q+ q Se considerarmos três lançamentos de uma moeda, o universo de acontecimentos elementares é (=cara; F=coroa): S = {(), (F), (F), (F), (FF), (FF), (FF), (FFF)} Sendo x=nº de caras, as diversas robabilidades de x são:
2 P( x = 0) = 8; P( x = ) = 3 8; P( x = ) = 3 8; P( x = 3) = 8 Reare-se que os casos favoráveis obedecem à sequência, 3, 3,, que reresentam as diversas ossibilidades de ocorrência de cada resultado. Este valor, multilicado ela robabilidade de ocorrência de um dos ossíveis resultados do universo, dá a robabilidade do resultado retendido. ote-se que a sequência, 3, 3, é a 3ª linha do Triângulo de Pascal, que dá os coeficientes do desenvolvimento de um binómio de 3º grau: ( + q) = + 3 q+ 3 q + q onsiderando quatro lançamentos de uma moeda, ter-se-á: S = {(), (F), (F), (F), (F), (FF), (FF), (FF), (FF), (FF), (FF), (FFF), (FFF), (FFF), (FFF), (FFFF)} Sendo x=nº de caras, as diversas robabilidades de x são: P( x = 0) = 6; P( x = ) = 4 6; P( x = ) = 6 6; P( x = 3) = 4 6; P( x = 4) = 6 Reare-se que os casos favoráveis obedecem à sequência, 4, 6, 4,, que reresentam as diversas ossibilidades de ocorrência de cada resultado. Este valor, multilicado ela robabilidade de ocorrência de um dos ossíveis resultados do universo, dá a robabilidade do resultado retendido. ote-se que a sequência, 4, 6, 4, é a 4ª linha do Triângulo de Pascal, que dá os coeficientes do desenvolvimento de um binómio de 4º grau: ( + q) = + 4 q+ 6 q + 4 q + q em que 4 é a robabilidade de obter 4 caras; 43q é a robabilidade de obter 3 caras (e uma coroa); 6q é a robabilidade de obter caras (e coroas); 4q3 é a robabilidade de obter cara (e 3 coroas) e q4 é a robabilidade de obter 0 caras (ou seja, 4 coroas). O mesmo raciocínio oderia ser continuado ara um maior número de lançamentos de uma moeda, obtendo-se ara cada número de lançamentos um conjunto de robabilidades definidas elo desenvolvimento do binómio (+q), em que é o número de lançamentos considerados. Os coeficientes do desenvolvimento do binómio (+q) são dados ela exressão (combinações de elementos tomados em gruos de K), e dão o número de combinações de sucessos que conduzem ao mesmo resultado (isto é, F, F, F são as três ossíveis combinações de faces cara (sucesso) e coroa (insucesso) que conduzem ao mesmo resultado em termos de número de caras saídas: cara):
3 = K! K!( K)! em que é o número de lançamentos, K=0,,,..., é o número de caras obtidas. Veja-se o comortamento do triângulo de Pascal, que dá de uma maneira gráfica a sucessão dos coeficientes do desenvolvimento do binómio (+q) (isto é, o número de combinações de sucessos que conduzem ao mesmo resultado): = = =3 3 3 = = O tio de acontecimento robabilístico que temos vindo a analisar tem as seguintes articularidades: trata-se de realizar, nas mesmas condições, vezes ( rovas de Bernoulli) um determinado acontecimento que, numa realização isolada, tem dois resultados ossíveis e mutuamente exclusivos (cara ou coroa; macho ou fêmea; defeituoso ou não defeituoso, etc); designemos or sucesso o resultado cujas robabilidades retendemos quantificar, e or insucesso o outro resultado; cada uma das realizações ou rovas é indeendente das restantes; as robabilidades do resultado sucesso () e do resultado insucesso (q = - ) ermanecem constantes de rova ara rova. estas condições, é como que se, de uma rova ara a seguinte, ocorresse a reconstituição do esaço amostral, isto é, houvesse a reosição dos acontecimentos (amostragem com reosição), de modo que as robabilidades elementares ermanecem constantes e as rovas são indeendentes. Acontecimentos deste género designam-se or rocessos ou rovas de Bernoulli. As robabilidades associadas às contagens dos resultados sucesso de rovas ou acontecimentos de Bernoulli seguem uma lei ou função de robabilidades, denominada or Função de Probabilidades Binomial. onsiderem-se rocessos de Bernoulli, em que cada realização individual tem a robabilidade ara o resultado sucesso e a robabilidade q = - ara o resultado insucesso. A função que ermite calcular a robabilidade de em rocessos ocorrerem K sucessos designa-se or função de robabilidades binomial e é dada or: f( K) = B( K, ) = q K K K 3
4 A função de distribuição de robabilidades é dada or: k0 0 = 0 = i= FK ( k) BK ( k, ) q i i i a exressão anterior, o termo K dá o número das várias ossibilidades ou alternativas de obter um determinado resultado, indiferentemente da ordem em que os sucessos se realizam (no exemlo de três lançamentos de uma moeda, a obtenção de uma cara ode ser FF, FF, FF; isto é, há três alternativas com ordens diferentes mas que conduzem ao resultado considerado: cara); o termo K q K dá a robabilidade elementar de um resultado, em que as ordens de obtenção dos sucessos definiriam resultados distintos. O arâmetro de localização ou º momento (valor médio) é dado or: µ = E( x) = x. P( x ) = O arâmetro de disersão ou º momento em relação à média (variância) é: σ = E( x µ ) = ( x µ ). P( x ) = q Exemlos: - onsiderem-se 5 lançamentos de uma moeda honesta. Seja a variável aleatória x=nº de caras. Pretende-se calcular a robabilidade de obtenção de 0,,, 3, 4, 5 caras: º de rocessos de Bernoulli (rovas individuais): 5 Querendo calcular robabilidades relacionadas com a saída de caras, é conveniente definir sucesso como sendo cara; então, ara cada rova isolada, tem-se: = Pr(sucesso) = Pr(cara) = / q = Pr(insucesso) = Pr(coroa) = - / = / Para k=0: Pr( k = 0) = B ( k = 0 = 5, = / ) = 0 = Para k=: Pr( k = ) = B ( k = = 5, = / ) = = Para k=: Pr( k = ) = B ( k = = 5, = / ) = = Para k=3: Pr( k = 3) = B ( k = 3 = 5, = / ) = 3 = Para k=4: Pr( k = 4) = B ( k = 4 = 5, = / ) = 4 = Para k=5: Pr( k = 5) = B ( k = 5 = 5, = / ) = 5 = 3 i i i i 4
5 A média ou valor médio é: µ = E( x) = xi. P( xi) = mas que ode ser calculada muito simlesmente da seguinte maneira: µ = = 5 0.5=.5 A variância é: σ = q = = A robabilidade de obter três ou menos caras é dada ela função de distribuição de robabilidades ara k=3, e é: 3 i i 6 Fk ( 3) = Bk ( 3 = 5, = /) = i q = i= 3 A robabilidade de obter elo menos 3 caras é dada or: i i 6 Fk ( 3) = Bk ( < 3 = 5, = /) = Bk ( = 5, = /) = i q = i= 3 mas também oderia ser calculada da seguinte forma: 5 i i 6 Fk ( 3) = Bk ( 3 = 5, = /) = i q = 3 i= 3 - um determinado itinerário de vendas, um caixeiro-viajante visita 50 clientes, dos quais 5 lhe fazem comras. Qual a robabilidade de que, de oito destes 50 clientes, haja exactamente 5 clientes que façam comras ao caixeiro-viajante? Seja =8 os ossíveis clientes do caixeiro-viajante. ada um deles, oderá ao não fazer uma comra. Seja X a variável aleatória que reresenta o nº de clientes que fazem comras; os ossíveis valores da variável X são x=0,,,3,...,8. A robabilidade de fazer comras (sucesso) tem de ser estimada à custa do total dos clientes: = Pr(comra) = 5/50 = 0.30 q=pr(não fazer comra) = - = 0.70 A robabilidade de na amostra de 8 clientes exactamente 5 fazerem comras é: ! Pr( k = 5) = B( k = 5 = 8, = 0.30) = = = = 0.0 =.% 3!5! 5
6 ALGUMAS PROPRIEDADES ELEMETARES SOBRE OMBIAÇÕES 0! = 0 =!! = 0!( 0)! 0!! 0!!!( )! ( )! = ( )! =!!!( )!! 0! =!! ( )!( + )! ( )!! ( )! = ( )! K =!! = = K!( K)! ( K)!( + K)! K 6
7 DISTRIBUIÇÃO DE PROBABILIDADES BIOMIAL EGATIVA Dado uma exeriência aleatória que consiste em realizar tantas rovas de Bernoulli indeendentes até à obtenção de r sucessos, a variável binomial negativa Y reresenta o número de fracassos ou insucessos até à ocorrência do r.ésimo sucesso. A distribuição Binomial egativa ermite estimar a robabilidade associada ao número de insucessos (reresentado ela variável aleatória Y) encontrados em diversas reetições de uma rova de Bernoulli, até ocorrer o r.ésimo sucesso (r 0). Em notação simbólica escreve-se: + f( y) = B Y r, = q y r r y y Esta distribuição de robabilidades baseia-se nos seguintes ressuostos:. A exeriência aleatória consiste numa sequência de rovas indeendentes;. ada rova é uma rocesso de Bernoulli, isto é, ode ocasionar um de dois resultados ossíveis e exclusivos (designados genericamente or sucesso, insucesso); 3. A robabilidade de cada resultado (sucesso, insucesso) mantém-se constante de rova ara rova; 4. A exeriência continua (isto é, vão-se realizando rovas sucessivas) até se obterem r 0 sucessos. Exemlo : uma sequência de lançamentos de uma moeda honesta ao ar, em que cada lançamento ode dar ara ou oroa, retende-se estimar a robabilidade de sair 3 vezes a face oroa até sair ela segunda vez ara. Seja Y a variável aleatória que quantifica o número de insucessos (neste caso, o número de coroas saídas). Pretende-se estimar a robabilidade de ocorrência de y=3 insucessos até à ocorrência do segundo sucesso (r=). Em cada um dos lançamentos (rova de Bernoulli), odem ocorrer ara (sucesso) ou oroa (insucesso), com as robabilidades: =Pr(cara)=/ q=pr(coroa)=/ que se mantêm constantes de lançamento ara lançamento. Pela distribuição Binomial egativa, a solução obtém-se: y+ r r y Pr( y = 3) = B y = 3 r =, = 0.5 = q = = = 0.5 y 3 7
8 Também se odería resolver este roblema ela distribuição Binomial. Para tal, vamos considerar os rimeiros lançamentos que conduzem ao resultado retendido: nos rimeiros 4 lançamentos, têm de ocorrer coroa e 3 caras (não interessa em que ordem); o 5º lançamento tem de dar cara (ois é a segunda cara, e nas condições do enunciado, antes de ocorrer o segundo resultado cara, obtiveram-se 3 resultados coroa, e logicamente um resultado cara). Pr(y=3)=Pr(em 4 lançamentos sairem 3 caras e coroa) Pr(coroa no 5º lançamento) A rimeira robabilidade enunciada, Pr(em 4 lançamentos sairem 3 caras e coroa), é uma robabilidade Binomial: 4 3 Pr( k = 3) = B k = 3 = 4, = 0.5 = = 0.5 A segunda robabilidade enunciada é, logicamente, Pr(coroa no 5º lançamento)=0.5 Então: 3 Pr(y=3)=Pr(em 4 lançamentos sairem 3 caras e coroa) Pr(coroa no 5º lançamento) = = = 0.5 ota: A distribuição Binomial egativa ode ser formulada de um modo distinto, mas conducente aos mesmos resultados: em vez de quantificar o número de insucessos, contabilizam-se antes o número de rovas a realizar até à ocorrência do r.ésimo sucesso. Sendo X a variável aleatória que reresenta o número de rovas de Bernoulli realizdas até à ocorrência de r sucessos, então a função de robabilidades Binomial egativa ode escrever-se como: f( x) = B X r, = q x r x r r Voltemos ao exemlo aresentado: uma sequência de lançamentos de uma moeda honeata ao ar, em que cada lanaçamento ode dar ara ou oroa, retende-se estimar a robabilidade de sair 3 vezes a face oroa até sair ela segunda vez ara. ote-se que o valor y=3 acima referido é o número de insucessos; quer dizer, ara que ocorram 3 faces oroa até à saída ela segunda vez ara, têm de ocorrem x=5 lancamentos até se refazer o resultado de r= aras (x=y+r). Usando esta segunda exressão de cálculo, e a resectiva nomenclatura, temos: x=5 (número total de rovas a realizar até obter r sucessos) r= (número de sucessos eserados; no caso, caras) 8
9 f( x= ) = B X r, = B( x= 5 r = ; = 0.5) = = q = = = 0.5 x r x r r Os arâmetros da distribuição Binomial egativa são (em que a variável aleatória considerada é Y=nº de insucessos antes de obter r sucessos): r Valor eserado ou eserança matemática: µ E( Y) r Variância: σ Var ( Y ) ( ) ( ) Se em vez da variável aleatória Y definida atrás, se considerar a variável aleatória X=nº de rovas até obter r sucessos, os arâmetros desta variável Binomial egativa são: Valor eserado ou eserança matemática: E( X) µ r r Variância: σ Var ( X ) ( ) Exemlo : Um médico ediatra retende formar um gruo de 5 casais à esera do rimeiro filho, a fim de articiarem num regime de rearação ara o arto. Seja =P a robabilidade de que um casal, seleccionado ao acaso dentro dos casais seus clientes à esera do º filho, aceite articiar no rograma. Se =0., qual a robabilidade de que o médico tenha de erguntar a 5 casais se concordam em articiar, até conseguir formar o gruo de 5 casais retendido? Pela segunda fórmula: Seja X=nº de casais inquiridos até comletar o gruo de 5 casais. O sucesso desta exeriência aleatória é o casal aceitar articiar. Assim, x=5 e r=5. f( x= 5) = B( x= 5 r = 5; = 0.) = = q = = = x r x r r 4 Para resolver este roblema ela rimeira exressão aresentada ara a distribuição Binomial egativa, temos de definir a variável aletória que contabiliza o número de insucessos (não aceitar articiar) registados até à constituição do gruo de 5 casais. Assim, se no total foram questionados x=5 casais ara formar um gruo de r=5 casais que aceitam articiar no rograma (sucessos), então y=0 insucessos. Assim: 9
10 f( y = 0) = B y = 0 r = 5, = 0. = q = y+ r r y y = = ( k k) = ela regra = Exemlo 3: Um casal decide ter tantos filhos (meninos ou meninas) quantos os necessários até ter duas meninas. Admitindo que =0.5 (ara cada um dos filhos, é igualmente rovável que seja menino ou menina), calcule: a) Qual a robabilidade de o casal ter 4 filhos? b) Qual o número eserado de filhos até satisfazer esta condição? Para a resolução deste exemlo, vamos fixar que a variável X contabiliza o número total de filhos até satisfazer o sucesso (que é serem duas meninas). Isto é, x=4 e r=. Assim: f( x= 4) = B x= 4 r =, = 0.5 = q = = x r x r 3 a) r b) O número eserado de filhos, até que o casal tenha meninas, será logicamente o número eserado de insucessos (isto é, o número de meninos eserados até nascerem meninas, somado ao número de sucessos (número de meninas retendidas, neste caso r=). O número eserado de insucessos da variável Y (nº de meninos até nascerem meninas) é: ( ) ( 0.5) r µ Y = E( Y) = 0.5 Assim, e sendo a variável aleatória X=nº de filhos (menino ou menina) é: X r 4 µ = E X = µ + = + = Y Reare-se que o o mesmo resultado se obteria directamente, se considerarmos a variável aleatória X=nº total de filhos até o casal ter meninas: r µ X = E( X) = A variância é igual, quer consideremos a variável X ou a variável Y definidas anteriormente: ( ) r 0.5 σ = Var ( X ) = Var ( Y ) =
11 DISTRIBUIÇÃO DE PROBABILIDADES GEOMÉTRIA Um caso articular da distribuição Binomial egativa, quando r=, é a situação de calcular a robabilidade de terem de se realizar X rovas até se obter o rimeiro sucesso. Esta robabilidade é calculada or: x f( x) = G X, = q. que se designa or função de distribuição de robabilidades Geométrica. Exemlo: uma sequência de lançamentos de uma moeda honesta ao ar, em que cada lançamento ode dar ara ou oroa, retende-se estimar a robabilidade que a rimeira cara se obtenha no 5º lançamento. úmero de rovas até obter o rimeiro sucesso: x=5 Probabilidade de sucesso em cada rova: =0.5 4 f( x= 5) = G 5;0.5 = = Os arâmetros da distribuição Geométrica são: µ Valor eserado ou eserança matemática: E( X) Variância: σ Var ( X )
12 DISTRIBUIÇÃO DE PROBABILIDADES HIPERGEOMÉTRIA onsedere-se uma oulação finita constituída or elementos de dois tios alternativos, comlementares e exclusivos (or exemlo, eças defeituosas ou eças não defeituosas num rocesso de fabrico; macho ou fêmea, num lote de borergos, etc), reresentados genericamente or elementos S (de sucesso ) e F (de falha ou insucesso ). Seja M o número de elementos do tio S. estas condições, as roorções dos dois tios de elementos são resectivamente = M e ( M) q= =. Admita-se que desta oulação se retiram sucessivamente, sem reosição, (ou em bloco, que é um método equivalente à não reosição) n< elementos. Seja X a variável aleatória que reresenta o número de elementos do tio S que existem nos n elementos retirados da oulação. Esta variável X tem uma distribuição de robabilidades designada or Hiergeométrica. Os ressuostos subjacentes a esta distribuição de robabilidades são: A oulação-alvo é comosta or (finito) elementos; ada elemento ode ser caracterizado em dois estados alternativos e comlementares, genericamente sucesso (S) e insucesso (F); a oulação existem M elementos do tio S; É retirada uma amostra de n elementos, sem reosição. A diferença fundamental entre estes ressuostos e os enunciados ara a distribuição Binomial e Binomial egativa, é que agora as rovas não são de Bernoulli, já que ao fazer a extracção de n elementos, sem reosição, a robabilidade de ocorrência de cada um dos resultados ossíveis não se mantém constante de rova ara rova (a rova é a extracção de cada um dos elementos), e os resultados das várias rovas não são indeendentes. A distribuição Hiergeométrica é dada ela seguinte função de robabilidade: f( x) = Pr( X = x) = H x n, M, = Os arâmetros da distribuição Geométrica são: M M x n x n n M Valor eserado ou eserança matemática: µ = E( X). Variância: σ Var ( X ) n n.. q. ote-se que o valor médio é igual ao da distribuição Binomial; a variância da distribuição Hiergeométrica difere da variância da distribuição Binomial no factor n
13 ( n) ( ), geralmente designado or factor de correcção de oulação finita: quando é muito maior que n, o facto de não haver reosição do elementos retirados da oulação não afecta substancialmente as robabilidades associadas aos resultados das exeriências, nem tão ouco gera deendência entre tais resultados. esta situação, este factor de correcção é róximo de e a distribuição Hiergeométrica aroxima-se da binomial. Exemlo: uma caixa misturaram-se or engano arafusos defeituosos e 8 arafusos em bom estado. Se for retirada, sem reosição, uma amostra de 0 arafusos, calcule a robabilidade de nesta amostra existirem x=0,, arafusos defeituosos. Usando a notação anteriormente aresentada, temos: M = (nº de arafusos defeituosos) =0 (nº total de arafusos) n=0 (amostra de 0 arafusos a retirar da oulação) =0.0 (roorção de arafusos defeituosos) f(0) = Pr( X = 0) = H x n, M, = H 0 0,, 0 = M M x n x = n f() = Pr( X = ) = H x n, M, = H 0,, 0 = M M x n x = n f() = Pr( X = ) = H x n, M, = H 0,, 0 = M M x n x = n O valor eserado ou valor médio de arafusos defeituosos numa amostra de 0 arafusos é µ = E( X) = n. = 0 0. =, e a variância é: n 0 σ = Var ( X ) = n.. q. = =
Conjunto de Valores. A Função de Probabilidade (fp)
Prof. Lorí Viali, Dr. viali@mat.ufrgs.br htt://www.mat.ufrgs.br/~viali/ Bernoulli Binomial Binomial Negativa ou Pascal Geométrica Hiergeométrica Uniforme Poisson Eerimento Qualquer um que corresonda a
Leia maisConjunto de Valores. A Função de Probabilidade (fp)
Prof. Lorí Viali, Dr. viali@ucrs.br viali@mat.ufrgs.br htt://www.ucrs.br/famat/viali/ htt://www.mat.ufrgs.br/~viali/ Bernoulli Binomial Binomial Negativa ou Pascal Geométrica Hiergeométrica Uniforme Poisson
Leia maisFICHA de AVALIAÇÃO de MATEMÁTICA A 12.º Ano de escolaridade Versão.4
FICHA de AVALIAÇÃO de MATEMÁTICA A.º Teste.º Ano de escolaridade Versão.4 Nome: N.º Turma: Professor: José Tinoco 6//08 Evite alterar a ordem das questões Nota: O teste é constituído or duas artes Caderno
Leia maisFICHA de AVALIAÇÃO de MATEMÁTICA A 12.º Ano de escolaridade Versão.3
FICHA de AVALIAÇÃO de MATEMÁTICA A.º Teste.º Ano de escolaridade Versão. Nome: N.º Turma: Professor: José Tinoco 6//08 Evite alterar a ordem das questões Nota: O teste é constituído or duas artes Caderno
Leia maisDistribuição de uma proporção amostral
Distribuição de uma roorção amostral Estatística II Antonio Roque Aula 4 Exemlo Ilustrativo: Suonha que se saiba que em uma certa oulação humana uma roorção de essoas igual a = 0, 08 (8%) seja cega ara
Leia maisProbabilidades e Estatística
Deartamento de Matemática Probabilidades e Estatística LEAN, LEE, LEGI, LERC, LMAC, MEAer, MEAmbi, MEBiol, MEEC, MEMec o semestre 011/01 1 o Teste B 1/04/01 11:00 Duração: 1 hora e 30 minutos Justifique
Leia maisFICHA de AVALIAÇÃO de MATEMÁTICA A 12.º Ano de escolaridade Versão.1
FICHA de AVALIAÇÃO de MATEMÁTICA A.º Teste.º Ano de escolaridade Versão. Nome: N.º Turma: Professor: José Tinoco 6//08 Evite alterar a ordem das questões Nota: O teste é constituído or duas artes Caderno
Leia maisEscola Secundária/3 da Sé-Lamego Ficha de Trabalho de Matemática Ano Lectivo 2003/04 Probabilidade condicionada; acontecimentos independentes 12.
Escola Secundária/ da Sé-Lamego Ficha de Trabalho de Matemática no Lectivo 00/0 Probabilidade condicionada; acontecimentos indeendentes º no Nome: Nº: Turma: Demonstre que se e são acontecimentos indeendentes,
Leia maisEXAME NACIONAL DO ENSINO SECUNDÁRIO
EXAME NACIONAL DO ENSINO SECUNDÁRIO. Ano de Escolaridade (Decreto-Lei n. 86/8, de de Agosto Programas novos e Decreto-Lei n. 74/004, de 6 de Março) Duração da rova: 50 minutos.ª FASE 007 VERSÃO PROVA ESCRITA
Leia maisFICHA de AVALIAÇÃO de MATEMÁTICA A 12.º Ano Versão 4
FICHA de AVALIAÇÃO de MATEMÁTICA A.º Ano Versão 4 Nome: N.º Turma: Aresente o seu raciocínio de forma clara, indicando todos os cálculos que tiver de efetuar e todas as justificações necessárias. Quando,
Leia maisExames Nacionais. Prova Escrita de Matemática A 2009 VERSÃO Ano de Escolaridade Prova 635/1.ª Fase. Grupo I
Exames Nacionais EXAME NACIONAL DO ENSINO SECUNDÁRIO Decreto-Lei n. 7/00, de 6 de Março Prova Escrita de Matemática A. Ano de Escolaridade Prova 6/.ª Fase Duração da Prova: 0 minutos. Tolerância: 0 minutos
Leia maisc. De quantas formas diferentes podemos ir de A até C, passando por B, e depois voltar para A sem repetir estradas e novamente passando por B?
Instituto Federal de Educação, Ciência e Tecnologia de Mato Grosso - IFMT Camus Várzea Grande Aula - Análise Combinatória e Probabilidade Prof. Emerson Dutra E-mail: emerson.dutra@vgd.ifmt.edu.br Página
Leia mais-- INSTRUÇÕES -- Elementos de Probabilidade e Estatística U.C de Junho de Duração da prova: 2 horas mais 30 minutos de tolerância.
Ministério da Ciência, Tecnologia e Ensino Suerior U.C. 037 Elementos de Probabilidade e Estatística de Junho de 0 -- INSTRUÇÕES -- O estudante deverá resonder à rova na folha de onto, reencher o cabeçalho
Leia maisTeste de hipóteses para médias e proporções amostrais
Teste de hióteses ara médias e roorções amostrais Prof. Marcos Pó Métodos Quantitativos ara Ciências Sociais Questão rática Abrir a lanilha Alunos MQCS_16-18 e calcular a média, o desvio adrão e o tamanho
Leia maisTeste de hipóteses para médias e proporções amostrais
Teste de hióteses ara médias e roorções amostrais Prof. Marcos Pó Métodos Quantitativos ara Ciências Sociais Hiótese estatística Hiótese é uma exlicação rovisória roosta ara um fenômeno, assível de ser
Leia maisTeste de hipóteses para médias e proporções amostrais
Teste de hióteses ara médias e roorções amostrais Prof. Marcos Pó Métodos Quantitativos ara Ciências Sociais Questão rática Abrir a lanilha Alunos MQCS_16-18 e calcular a média, o desvio adrão e o tamanho
Leia maisO Mistério dos Chocalhos
O Mistério dos Chocalhos Cláudia Peixoto IME-USP O objetivo desta oficina é introduzir os conceitos de amostragem e estimação. Para tanto iremos utilizar um objeto idealizado ela MTEMTEC (htt://matemateca.ime.us.br/).
Leia maisUnidade I ESTATÍSTICA APLICADA. Prof. Mauricio Fanno
Unidade I ESTATÍSTICA APLICADA Prof. Mauricio Fanno Estatística indutiva Estatística descritiva Dados no passado ou no presente e em pequena quantidade, portanto, reais e coletáveis. Campo de trabalho:
Leia maisEST012 - Estatística Econômica I Turma A - 1 o Semestre de 2019 Lista de Exercícios 3 - Variável aleatória
Exercício 1. Considere uma urna em que temos 4 bolas brancas e 6 bolas pretas. Vamos retirar, ao acaso, 3 bolas, uma após a outra e sem reposição. Sejam X: o número de bolas brancas e Y : o número de bolas
Leia mais4 3 10! Resposta pedida: 3! x 4! = 144 Resposta: C
ágina 80. reparar o Exame 0 07 Matemática A 4 0! 4 x x 0!. Devemos escolher, das oito posições, duas para as letras A: temos 8 formas de o fazer. Das seis posições restantes, uma tem de ser para a letra
Leia maisPRINCIPAIS DISTRIBUIÇÕES DISCRETAS DE PROBABILIDADE
PRINCIPAIS DISTRIBUIÇÕES DISCRETAS DE PROBABILIDADE 3.1 INTRODUÇÃO Muitas variáveis aleatórias associadas a experimentos aleatórios têm propriedades similares e, portanto, podem ser descritas através de
Leia maisProbabilidades e Estatística
Deartamento de Matemática Probabilidades e Estatística LEMat, LMAC, MEAmbi, MEBiol, MEBiom, MEEC, MEFT, MEQ o semestre 0/0 o Teste //0 8:30 Duração: hora e 30 minutos Gruo I Exercício.5 +.0 + 3.0 +.5 0.0
Leia mais1 cor disponível (não pode ser igual à anterior) Casos possíveis: 3 x 2 x 1 x 1 x 3 = 18 Resposta: B
Prearar o Exame 01 017 Matemática A Página 7 1. Observa o seguinte esquema: cores ossíveis cores ossíveis 1 cor disonível (não ode ser igual à anterior) 1 cor disonível (não ode ser igual à anterior) cores
Leia maisA partir da árvore correta (a da direita), deduz-se o espaço de estados
.. SOLUÇÕES PARA EXERCÍCIOS DA SEÇÃO. 77. Soluções ara exercícios da Seção. Solução do Exc. 1. O certo é começar a solução com a construção do modelo roailístico do exerimento aleatório enunciado. E a
Leia maisRememorando. Situação-problema 5. Teorema do Limite Central. Estatística II. Aula II
UNIVERSIDADE FEDERAL DE RONDÔNIA CAMPUS DE JI-PARAN PARANÁ DEPARTAMENTO DE ENGENHARIA AMBIENTAL Rememorando Estatística II Aula II Profa. Renata G. Aguiar 1 Figura 7 Distribuição de uma amostra (n = 150).
Leia maisProbabilidades e Estatística
Duração: 90 minutos Gruo I Probabilidades e Estatística LEAN, LEE, LEGI, LEMat, LETI, LMAC, MEAmb, MEAer, MEBiol, MEBiom, MEEC, MEFT, MEQ Justifique convenientemente todas as resostas! 2 o semestre 2015/2016
Leia maisProbabilidade parte 2. Robério Satyro
Probabilidade arte Robério Satyro Definição de robabilidade Vamos analisar o fenômeno aleatório lançamento de uma moeda erfeita. Nesse caso, temos: = {C, C} () = Os subconjuntos de são, {C}, { C} e {C,
Leia maisIST-2010/11-1 o Semestre-MArq Matemática I 1 o TESTE (VERSÃO A) 6 de Novembro de 2010
IST-00/- o Semestre-MArq Matemática I o TESTE (VERSÃO A) 6 de Novembro de 00 Nome: Número: Sala: O teste que vai realizar tem a duração de hora e 0 minutos e consiste de 5 roblemas. Os roblemas,, e 4 deverão
Leia maisESCOAMENTO ANUAL 1 DISTRIBUIÇÃO ESTATÍSTICA
ESCOAMENTO ANUAL 1 DISTRIBUIÇÃO ESTATÍSTICA O escoamento anual numa secção de um rio tem essencialmente uma natureza aleatória não sendo ortanto ossível rever deterministicamente os seus valores futuros
Leia maisProf. Eduardo Bezerra. 6 de abril de 2018
Distribuições Amostrais Prof. Eduardo Bezerra Inferência Estatística 6 de abril de 2018 Eduardo Bezerra (CEFET/RJ) Distribuições Amostrais 1 / 19 Roteiro 1 2 3 Eduardo Bezerra (CEFET/RJ) Distribuições
Leia mais1 Distribuições Discretas de Probabilidade
1 Distribuições Discretas de Probabilidade A distribuição discreta descreve quantidades aleatórias (dados de interesse) que podem assumir valores particulares e os valores são finitos. Por exemplo, uma
Leia maisAULA 15 - Distribuição de Bernoulli e Binomial
AULA 15 - Distribuição de Bernoulli e Binomial Susan Schommer Introdução à Estatística Econômica - IE/UFRJ Variável Aleatória de Bernoulli Podemos dizer que as variáveis aleatórias mais simples entre as
Leia maisNoções de Testes de Hipóteses
Noções de Testes de Hióteses Outro tio de roblema da Inferência Estatística é o de testar se uma conjectura sobre determinada característica de uma ou mais oulações é, ou não, aoiada ela evidência obtida
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 maisDistribuições Geométrica e Hipergeométrica
Distribuições Geométrica e Hipergeométrica Prof. Dr. Lucas Santana da Cunha email: lscunha@uel.br http://www.uel.br/pessoal/lscunha/ 06 de junho de 2018 Londrina 1 / 15 Distribuição Geométrica Em algumas
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 maisHIPERGEOMÉTRICA. Lucas Santana da Cunha Universidade Estadual de Londrina
DISTRIBUIÇÕES GEOMÉTRICA E HIPERGEOMÉTRICA Lucas Santana da Cunha email: lscunha@uel.br http://www.uel.br/pessoal/lscunha/ Universidade Estadual de Londrina 28 de junho de 2017 Distribuição Geométrica
Leia maisMaterial Teórico - Módulo Probabilidade Condicional. Lei Binomial da Probabilidade. Segundo Ano do Ensino Médio
Material Teórico - Módulo Probabilidade Condicional Lei Binomial da Probabilidade Segundo Ano do Ensino Médio Autor: Prof. Fabrício Siqueira Benevides Revisor: Prof. Antonio Caminha M. Neto 1 Experimentos
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 maisProposta de teste de avaliação
Proosta de teste de avaliação Matemática. O NO DE ESOLRIDDE Duração: 90 minutos Data: Gruo I Na resosta aos itens deste gruo, selecione a oção correta. Escreva, na folha de resostas, o número do item e
Leia maisLucas Santana da Cunha de junho de 2017
VARIÁVEL ALEATÓRIA Lucas Santana da Cunha email: lscunha@uel.br http://www.uel.br/pessoal/lscunha/ Universidade Estadual de Londrina 19 de junho de 2017 Uma função que associa um número real aos resultados
Leia mais4. PRINCIPAIS MODELOS DISCRETOS
4. PRINCIPAIS MODELOS DISCRETOS 2019 Principais modelos probabilísticos discretos 4.1. Modelo Bernoulli Muitos eperimentos admitem apenas dois resultados. Eemplos: 1. Uma peça é classificada como defeituosa
Leia mais2. Se A e B são acontecimentos incompatíveis, a sua interseção é o conjunto vazio, pelo que
reparar o Exame 0 06 Matemática ágina 6. nalisemos cada opção: : e não são contrários pois a sua união não é o espaço amostral. Há, ainda, bolas pretas. : e não são contrários pois a sua união não é o
Leia maisProbabilidade e Estatística
Probabilidade e Estatística Distribuições Discretas de Probabilidade Prof. Narciso Gonçalves da Silva www.pessoal.utfpr.edu.br/ngsilva Introdução Distribuições Discretas de Probabilidade Muitas variáveis
Leia maisOutras Técnicas que Utilizam o Escore de Propensão
Técnicas Econométricas ara Avaliação de Imacto Outras Técnicas que Utilizam o Escore de Proensão Rafael Perez Ribas Centro Internacional de Pobreza Brasília, 28 de maio de 2008 Introdução O Escore de Proensão
Leia maisMétodos Estatísticos 2006
Fenómeno e Experiência leatórios Métodos Estatísticos 2006 5ª ula Teoria Elementar da Probabilidade Fenómeno (ou processo) aleatório O acaso interfere na ocorrência do resultado nos quais o fenómeno se
Leia maisSIMULADO. 05) Atribuindo-se todos os possíveis valores lógicos V ou F às proposições A e B, a proposição [( A) B] A terá três valores lógicos F.
01) Considere as seguintes roosições: P: Está quente e Q: Está chovendo. Então a roosição R: Se está quente e não está chovendo, então está quente ode ser escrita na forma simbólica P..( Q) P, em que P..(
Leia maisConceitos básicos: Variável Aleatória
: Variável Aleatória Variável aleatória (v.a.) valor numérico que é resultado de uma eperiência aleatória. Podemos ter variáveis aleatórias contínuas ou discretas. Eemplo 1: Suponha que lança duas moedas
Leia maisSomas de números naturais consecutivos
Julho 006 - nº 5 Somas de números naturais consecutivos António Pereira Rosa Escola Secundária Maria Amália Vaz de Carvalho, Lisboa. Introdução O objectivo deste trabalho é abordar o roblema da reresentação
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 maisDistribuição de Probabilidade. Prof.: Joni Fusinato
Distribuição de Probabilidade Prof.: Joni Fusinato joni.fusinato@ifsc.edu.br jfusinato@gmail.com Modelos de Probabilidade Utilizados para descrever fenômenos ou situações que encontramos na natureza, ou
Leia maisVARIÁVEIS ALEATÓRIAS e DISTRIBUIÇÃO BINOMIAL
VARIÁVEIS ALEATÓRIAS e DISTRIBUIÇÃO BINOMIAL 1 Variável Aleatória Uma função X que associa a cada elemento w do espaço amostral W um valor x R é denominada uma variável aleatória. Experimento: jogar 1
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 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 mais1 Definição Clássica de Probabilidade
Centro de Ciências e Tecnologia Agroalimentar - Campus Pombal Disciplina: Estatística Básica - 2013 Aula 4 Professor: Carlos Sérgio UNIDADE 2 - Probabilidade: Definições (Notas de aula) 1 Definição Clássica
Leia maisProbabilidade e Estatística
Probabilidade e Estatística stica Prof. Dr. Narciso Gonçalves da Silva http://paginapessoal.utfpr.edu.br/ngsilva Inferência Estatística stica e Distribuições Amostrais Inferência Estatística stica O objetivo
Leia maisM odulo de Potencia c ao e D ızimas Peri odicas Nota c ao Cient ıfica e D ızimas Oitavo Ano
Módulo de Potenciação e Dízimas Periódicas Notação Científica e Dízimas Oitavo Ano Exercícios Introdutórios Exercício. Escreva os seguintes números na notação científica: a) 4673. b) 0, 0034. c). d) 0,
Leia maisVARIÁVEIS ALEATÓRIAS 1
VARIÁVEIS ALEATÓRIAS 1 Na prática é, muitas vezes, mais interessante associarmos um número a um evento aleatório e calcularmos a probabilidade da ocorrência desse número do que a probabilidade do evento.
Leia maisAluno (a): Data: / / Professor (a): ESTEFÂNIO FRANCO MACIEL Série: 2º Turma:
Aluno (: Data: / / 08. Professor (: ESTEFÂNIO FRANCO MACIEL Série: º Turma: LISTA DE PREPARAÇÃO PARA A BIMESTRAL I Questão 0) O número de valores de x, ara os quais os coeficientes binomiais 6 e x 6 x
Leia maisIntrodução a Probabilidade
Introdução a Probabilidade Universidade Estadual de Santa Cruz Ivan Bezerra Allaman Cronograma 1. Origem e história 2. Introdução 3. Definições básicas 4. Conceituação de probabilidade 5. Probabilidade
Leia maisPor outras palavras, iremos desenvolver a operação inversa da derivação conhecida por primitivação.
RIMITIVS Definições No caítulo anterior, centramos a nossa atenção no seguinte roblema: dada uma função, determinar a sua função derivada Neste caítulo, vamos considerar o roblema inverso, ou seja, determinar
Leia maisProf. Dr. Lucas Santana da Cunha de maio de 2018 Londrina
Prof. Dr. Lucas Santana da Cunha email: lscunha@uel.br http://www.uel.br/pessoal/lscunha/ 21 de maio de 2018 Londrina 1 / 14 Variável aleatória Introdução Definição Uma função que associa um número real
Leia maisProcessos Estocásticos
Processos Estocásticos Primeira Lista de Exercícios de junho de 0 Quantos códigos de quatro letras podem ser construídos usando-se as letras a, b, c, d, e, f se: a nenhuma letra puder ser repetida? b qualquer
Leia maisVARIÁVEL ALEATÓRIA e DISTRIBUIÇÃO BINOMIAL
VARIÁVEL ALEATÓRIA e DISTRIBUIÇÃO BINOMIAL Variável Aleatória Uma função X que associa a cada elemento ω do espaço amostral Ω um valor x R é denominada uma variável aleatória. A variável aleatória pode
Leia maisProbabilidade I. Departamento de Estatística. Universidade Federal da Paraíba. Prof. Tarciana Liberal (UFPB) Aula Distribuição Geométrica 08/14 1 / 13
Probabilidade I Departamento de Estatística Universidade Federal da Paraíba Prof. Tarciana Liberal (UFPB) Aula Distribuição Geométrica 08/14 1 / 13 Distribuição Geométrica Considere novamente uma sequência
Leia maisPROTOCOLO PARA ESTIMAR ERROS DE DISCRETIZAÇÃO EM CFD: VERSÃO 1.1. Carlos Henrique Marchi. Curitiba, UFPR, setembro de 2005.
PROTOCOLO PARA ESTIMAR ERROS DE DISCRETIZAÇÃO EM CFD: VERSÃO. Carlos Henrique Marchi Curitiba, FPR, setembro de 2005. O objetivo deste rotocolo é adronizar o rocesso de Verificação de soluções numéricas
Leia maisPRINCIPAIS MODELOS DISCRETOS
PRINCIPAIS MODELOS DISCRETOS 2012 Principais modelos probabilísticos discretos 4.1. Modelo Bernoulli Muitos eperimentos admitem apenas dois resultados. Eemplos: 1. Uma peça é classificada como defeituosa
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 maisVARIÁVEL ALEATÓRIA e DISTRIBUIÇÃO BINOMIAL
VARIÁVEL ALEATÓRIA e DISTRIBUIÇÃO BINOMIAL 1 Variável Aleatória Uma função X que associa a cada elemento w do espaço amostral W um valor x R é denominada uma variável aleatória. Experimento: jogar 1 dado
Leia maisVariáveis aleatórias discretas
Probabilidades e Estatística + Probabilidades e Estatística I Colectânea de Exercícios 2002/03 LEFT + LMAC Capítulo 3 Variáveis aleatórias discretas Exercício 3.1 Uma caixa contém 6 iogurtes dos quais
Leia maisPROBABILIDADE E ESTATÍSTICA. Profa. Dra. Yara de Souza Tadano
PROBABILIDADE E ESTATÍSTICA Profa. Dra. Yara de Souza Tadano yaratadano@utfpr.edu.br Aula 7 11/2014 Variáveis Aleatórias Variáveis Aleatórias Probabilidade e Estatística 3/41 Variáveis Aleatórias Colete
Leia maisESCOLA SUPERIOR DE TECNOLOGIA E GESTÃO
Área Científica Matemática Probabilidades e Estatística Curso Engenharia do Ambiente º Semestre º Ficha n.º: Probabilidades e Variáveis Aleatórias. Lançam-se ao acaso moedas. a) Escreva o espaço de resultados
Leia maisRedes Neurais e Sistemas Fuzzy
Conceitos básicos de redes neurais recorrentes Redes eurais e Sistemas Fuzzy Redes eurais Recorrentes A Rede de Hofield A suressão do ruído numa memória auto-associativa linear ode ser obtida colocando-se
Leia maisPrincípios básicos de probabilidade e aplicação à genética
Princípios básicos de probabilidade e aplicação à genética 1ª Parte: Princípios básicos de probabilidade Probabilidade é a chance que um evento tem de ocorrer, entre dois ou mais eventos possíveis. Por
Leia maisESCOLA SUPERIOR DE TECNOLOGIA
Departamento Matemática Probabilidades e Estatística Curso Engenharia do Ambiente 2º Semestre 1º Ficha n.º1: Probabilidades e Variáveis Aleatórias 1. Lançam- ao acaso 2 moedas. a) Escreva o espaço de resultados
Leia maisSe o número começar por 2, este algarismo já não pode ser o último
reparar o Exame 0 0 Matemática A ágina 9. Resposta pedida: x = 09. asos possíveis: 09 asos favoráveis: x x = 9 Resposta pedida: 9 09. asos possíveis: 09 asos favoráveis: Existem x x x + x x x = 0 números
Leia maisDEPARTAMENTO DE MATEMÁTICA
FACULDADE DE CIÊNCIAS NATURAIS E MATEMÁTICA DEPARTAMENTO DE MATEMÁTICA Campus de Lhanguene, Av. de Moçambique, km 1, Tel: +258 21401078, Fax: +258 21401082, Maputo Cursos de Licenciatura em Ensino de Matemática
Leia mais3. ANÁLISE DE DADOS EXPERIMENTAIS
3. AÁLISE DE DADOS EXPEIMETAIS 3. Introdução. Todo dado eerimental deve ser analisado através de algum tio de rocedimento. Um bom eerimentalista deve fazer todo o esforço ossível ara eliminar todos os
Leia maisESCOLA SUPERIOR DE TECNOLOGIA
Departamento Matemática Disciplina Estatística Aplicada Curso Engenharia Mec. Gest. Industrial 4º Semestre 2º Folha Nº2: Probabilidades 1. Na inspecção final a uma componente electrónica esta é classificada
Leia mais5 Teoria de opções reais 5.1. Avaliação de projetos via FCD vs. ROV
5 Teoria de oções reais 5.1. Avaliação de rojetos via FCD vs. ROV A avaliação de rojetos de investimentos é uma questão estratégica ara toda cororação atualmente. Cada vez mais uma decisão é tomada em
Leia maisAA-220 AERODINÂMICA NÃO ESTACIONÁRIA
AA- AERODINÂMICA NÃO ESTACIONÁRIA Introdução e conceitos básicos da teoria Prof. Roberto GIL Email: gil@ita.br Ramal: 648 1 AERODINÂMICA NÃO ESTACIONÁRIA Objetivo: Partir das equações de Navier-Stokes
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 maisConforme o conjunto de valores X(S) uma variável aleatória poderá ser discreta ou contínua.
Prof. Lorí Viali, Dr. viali@pucrs.br http://www.pucrs.br/famat/viali/ s KKK CKK KKC KCK CCK CKC KCC CCC S X X(s) R X(S) Uma função X que associa a cada elemento de S (s S) um número real X(s) é denominada
Leia maisRevisão de Probabilidade
05 Mat074 Estatística Computacional Revisão de Probabilidade Prof. Lorí Viali, Dr. viali@mat.ufrgs.br http://www.ufrgs.br/~viali/ Determinístico Sistema Real Causas Efeito Probabilístico X Causas Efeito
Leia maisINSTITUTO SUPERIOR DE AGRONOMIA ESTATÍSTICA E DELINEAMENTO 9 de Janeiro, 2017 PRIMEIRO EXAME Uma resolução possível
INSTITUTO SUPERIOR DE AGRONOMIA ESTATÍSTICA E DELINEAMENTO 9 de Janeiro, 2017 PRIMEIRO EXAME 2016-17 Uma resolução ossível I A tabela tem contagens de borboletas (de segunda esécie) ingeridas elos ássaros,
Leia maisCap. 6. Definição e métodos de resolução do problema de valores de fronteira
Ca. 6. Definição e métodos de resolução do roblema de valores de fronteira 1. Pressuostos 2. Formulação clássica do roblema de elasticidade linear 2.1 Condições no interior 2.2 Condições de fronteira 2.3
Leia maisVariáveis Aleatórias Discretas e Distribuição de Probabilidade
Variáveis Aleatórias Discretas e Distribuição de Probabilidades - parte III 08 de Abril de 2014 Distribuição Binomial Negativa Objetivos Ao final deste capítulo você deve ser capaz de: Ententer suposições
Leia maisEscola Secundária/2,3 da Sé-Lamego Ficha de Trabalho de Matemática A Ano Lectivo 2011/12 Distribuição de probabilidades 12.º Ano
Escola Secundária/, da Sé-Lamego Ficha de Trabalho de Matemática A Ano Lectivo 0/ Distribuição de probabilidades.º Ano Nome: N.º: Turma:. Numa turma do.º ano, a distribuição dos alunos por idade e sexo
Leia maisVariáveis aleatórias. Universidade Estadual de Santa Cruz. Ivan Bezerra Allaman
Variáveis aleatórias Universidade Estadual de Santa Cruz Ivan Bezerra Allaman DEFINIÇÃO É uma função que associa cada evento do espaço amostral a um número real. 3/37 Aplicação 1. Seja E um experimento
Leia maisProbabilidade em espaços discretos. Prof.: Joni Fusinato
Probabilidade em espaços discretos Prof.: Joni Fusinato joni.fusinato@ifsc.edu.br jfusinato@gmail.com Probabilidade em espaços discretos Definições de Probabilidade Experimento Espaço Amostral Evento Probabilidade
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 maisBIOESTATÍSTICA. Parte 3 Variáveis Aleatórias
BIOESTATÍSTICA Parte 3 Variáveis Aleatórias Aulas Teóricas de 29/03/2011 a 26/04/2011 3.1. Conceito de Variável Aleatória. Função de Distribuição Variáveis aleatórias Uma variável aleatória pode ser entendida
Leia maisMA12 - Unidade 17 Probabilidade
MA12 - Unidade 17 Probabilidade Paulo Cezar Pinto Carvalho PROFMAT - SBM 17 de Maio de 2013 Teoria da Probabilidade Teoria da Probabilidade: modelo matemático para incerteza. Objeto de estudo: experimentos
Leia maisPROPOSTA DE RESOLUÇÃO DA PROVA DE MATEMÁTICA A DO ENSINO SECUNDÁRIO (CÓDIGO DA PROVA 635) 1ª FASE 26 DE JUNHO Grupo I. Questões
ROOSTA DE RESOLUÇÃO DA ROVA DE MATEMÁTICA A DO ENSINO SECUNDÁRIO (CÓDIGO DA ROVA 5) ª FASE DE JUNHO 0 Grupo I Questões 5 7 8 Versão C A C B B D C D Versão B D B C B C A C Grupo II Seja w = + Tem-se que:
Leia maisDistribuições discretas de probabilidades. Cap. 8 Binomial, Hipergeométrica, Poisson
Distribuições discretas de probabilidades Cap. 8 Binomial, Hipergeométrica, Poisson Definições Variável aleatória: função que associa a cada elemento do espaço amostral um número real. Exemplo: diâmetro
Leia maisPRO 2271 ESTATÍSTICA I. 3. Distribuições de Probabilidades
PRO71 ESTATÍSTICA 3.1 PRO 71 ESTATÍSTICA I 3. Distribuições de Probabilidades Variáveis Aleatórias Variáveis Aleatórias são valores numéricos que são atribuídos aos resultados de um eperimento aleatório.
Leia maisEstatística Aplicada
Estatística Aplicada Distribuições Discretas de Probabilidade Professor Lucas Schmidt www.acasadoconcurseiro.com.br Estatística Aplicada DISTRIBUIÇÕES DISCRETAS DE PROBABILIDADE Distribuições de Probabilidade
Leia maisPROBABILIDADES PROBABILIDADE DE UM EVENTO EM UM ESPAÇO AMOSTRAL FINITO
PROBABILIDADES Probabilidade é um conceito filosófico e matemático que permite a quantificação da incerteza, permitindo que ela seja aferida, analisada e usada para a realização de previsões ou para a
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 maisINFERÊNCIA ESTATÍSTICA: ESTIMAÇÂO PONTUAL E INTERVALOS DE CONFIANÇA
INFRÊNCIA STATÍSTICA: STIMAÇÂO PONTUAL INTRVALOS D CONFIANÇA 0 Problemas de iferêcia Iferir sigifica faer afirmações sobre algo descohecido. A iferêcia estatística tem como objetivo faer afirmações sobre
Leia mais