Capítulo 4 - Variáveis aleatórias e distribuições contínuas
|
|
- Thomas Barbosa Neiva
- 5 Há anos
- Visualizações:
Transcrição
1 Capítulo 4 - Variáveis aleatórias e distribuições contínuas Conceição Amado e Ana M. Pires Variáveis aleatórias contínuas. Função densidade de probabilidade Valor esperado, variância e algumas das suas propriedades. Moda e quantis Distribuição uniforme contínua Distribuição normal Distribuição eponencial 34 1
2 Sumário Variáveis aleatórias contínuas. Função densidade de probabilidade Valor esperado, variância e algumas das suas propriedades. Moda e quantis Distribuição uniforme contínua Distribuição normal Distribuição eponencial PE Variáveis aleatórias contínuas. Função densidade de probabilidade Variáveis aleatórias contínuas. Função densidade de probabilidade - Recordar: Tipos de Variáveis Aleatórias Seja D X o conjunto (numerável) de pontos de descontinuidade da função de distribuição: A v.a. X diz-se discreta quando P(X D X ) = 1 > CAP. 3 A v.a. X diz-se contínua quando D X =. > CAP. 4 A v.a. X diz-se mista quando D X e P(X D X ) < 1. Eemplos: T - v.a que indica o tempo de vida de um determinado equipamento X - v.a que indica a intensidade da corrente em determinado ponto de um circuito Y - v.a. que representa a resistência mecânica de uma peça Nota: há v.a. discretas que tomam um número tão elevado de valores que é mais conveniente tratá-las como contínuas (p.e., o valor do saldo contabilístico de uma conta bancária seleccionada ao acaso). PE 4 2
3 4.1 Variáveis aleatórias contínuas. Função densidade de probabilidade Definição: Seja X uma v.a. e F X () a sua função de distribuição. A v.a X diz-se contínua se F X () for absolutamente contínua, i.e, sse eiste uma função não negativa, f X () : R R +, tal que, para todo o R se tem: F X () = f X (t)dt. À função f X () chama-se função de densidade de probabilidade, (f.d.p.), ou apenas função de densidade. A função densidade f X () da v.a. continua X, satisfaz: 1. f X ()d = 1 2. f X () = df X(). d PE 5 Como descrever uma v.a. contínua? Informalmente dizemos que uma variável aleatória é contínua se o conjunto dos seus valores possíveis contiver um intervalo de números reais e nenhum desses valores puder ser observado repetidamente. Como se pode ver o método usado para as v.a. discretas (lista dos valores possíveis de X e respectivas probabilidades) não é aplicável, pois é impossível elaborar uma lista desses valores! O termo densidade lembra a quantidade de massa por unidade de comprimento, de superfície ou de volume. Neste caso podemos dizer que f X () indica a probabilidade por unidade de comprimento na vizinhança do ponto. Ou seja, a função de densidade, f X (), pode ser vista como a ( P ) < X < + f X () 2 2 ou f X () P ( 2 para cada intervalo de comprimento pequeno. ) < X < + 2 PE 6 3
4 Cálculo de probabilidades P(a X b) = b a f X ()d, a,b R: a b f X () P(a X b) a b Tem-se ainda que: P(a X b) = P(a X < b) = P(a < X b) = P(a < X < b) = P(X = ) = a f X (t)dt =, R b f X ()d, a,b R: a b PE 7 Função de distribuição e propriedades Definição: A função de distribuição (ou função de distribuição acumulada) de uma v.a. contínua, X, é F X () = P(X ) = f X (t)dt, com R Notas: As propriedades da função distribuição da v.a. X contínua são semelhantes às dadas no Capítulo 3, a única alteração é que, agora, esta função é contínua quer à direita quer à esquerda. P(a X b) = P(a X < b) = P(a < X b) = P(a < X < b) = = b a f X()d = F X (b) F X (a), a,b R: a b. PE 8 4
5 Eemplo 4.1 Eemplo 4.1: Seja X uma v.a. contínua e considere ainda a seguinte função: f () = { k ( ), < < 2, c.c., onde k é uma constante desconhecida. a) Determine o valor de k de modo a que f() seja a f.d.p. da v.a. X. Para que f() seja uma f.d.p. então: 1. f(),, k > 2. f()d = k = 1 k = 3 8 d+ 2 k(4 2 2 )d+ 2 d = 1 PE 9 Eemplo 4.1 (cont.) b) Determine a função de distribuição de X. < : F X() = < 2 : F X() = 2 : F X() = dt = dt+ dt (4t 2t2 )dt = 3 [ 4t (4t 2t2 )dt t3 3 dt = 1 ] = 1 8 ( ) Função de distribuição F X() PE 1 5
6 Eemplo 4.2 Eemplo 4.2: Considere uma v.a. X que indica o tempo de vida (em milhares de horas) de uma componente electrónica e a seguinte função : { ke 5, f () =, <, onde k é uma constante desconhecida. a) Determine o valor de k de modo a que f() seja a f.d.p. da v.a. X. Se f() é uma f.d.p. então terá de satisfazer: 1. f(),, k > 2. f X()d = 1 d+ ke 5 d = 1 5k = 1 k = 1 5 PE 11 Eemplo 4.2 (cont.) b) Determine a função de distribuição de X. < : F X() = : F X() = dt = 1 dt+ t 5 (e 5)dt = [ ] e 5 t = 1 e 5 Função de distribuição F X () = {, < 1 e /5, F X() PE 12 6
7 Eemplo 4.2 (cont.) c) Determine a P(X > 7 X > 6). P (X > 7 X > 6) = P (X > 7 X > 6) P (X > 6) = P (X > 7) P (X > 6) = ou = 1/5e /5 d 7 1/5e 6 /5 d = 7 e = e 2 P (X > 7 X > 6) = P (X > 7 X > 6) P (X > 6) = P (X > 7) P (X > 6) = = 1 P (X 7) 1 P (X 6) = 1 FX(7) 1 F = X(6) PE 13 e 7 5 e 6 5 = e Valor esperado, variância e algumas das suas propriedades. Moda e quantis Valor esperado, variância e algumas das suas propriedades. Moda e quantis O valor esperado e a variância são definidos de forma semelhante ao que foi feito para o caso discreto (ver Secção 3.3), com as devidas adaptações (somatório integral). Definições: Seja X uma v.a. contínua com função densidade de probabilidade f X (), R, O valor esperado de X é A variância de X é O desvio padrão de X é σ X = + V(X) E(X) = µ X = µ = V(X) = σ 2 X = σ2 = f X ()d ( µ X ) 2 f X ()d PE 15 7
8 4.2 (cont.) Notar ainda que: Teorema: E[h(X)] = onde h(.) é uma função de X mensurável. h()f X ()d, Mantêm-se as interpretações e as propriedades (Cap. 3) Recordar algumas: E(aX +b) = ae(x)+b, a,b R V(X) = E(X 2 ) [E(X)] 2 V (ax +b) = a 2 V(X), a,b R PE 16 Outras medidas de localização: Moda Definição: Moda de uma v.a. contínua, X, com f.d.p, f X (), representa-se por µ od ou mo X e é o valor, ou valores, onde a função densidade de probabilidade é máima µ od = moda de X : f X (µ od ) = maf X () ou equivalente: Eemplo: µ od = argmaf X () 2. Função de densidade 1+, 1 < f X () = 1, 1, restantes valores de f X() µ od = PE 17 8
9 Outras medidas de localização: Mediana Definição: Mediana de uma v.a. contínua X, com f.d., F X (), representa-se por µ e ou me X, e é um ponto central em termos de probabilidade, ou seja, tal que P(X µ e ) = P(X µ e ) Observação: µ e : P(X µ e ) = P(X µ e ) = 1 2 F X (µ e ) = 1 2 A equação F X (µ e ) = 1 2 tem pelo menos uma solução. Se F X() for invertível em ],1[ então a solução é única e pode ser escrita como µ e = F 1 X (1/2). Eemplo: f X () 3 3 Área = 1 2 µ e = PE 18 Outras medidas de localização: Quantis Generalização da ideia de mediana: Definição: Quantil de ordem p( < p < 1)deumav.a.contínuaX, comf.d.,f X (), representase por, χ p, e satisfaz χ p : P(X χ p ) = p. Se F for invertível em ],1[ então χ p = F 1 X (p). Graficamente: F X () 1 p χ p 2 Nota: 1. o quartil: χ 1/4 : F X (χ 1/4 ) = 1/4 ou χ 1/4 = F 1 X (1/4) 3. o quartil: χ 3/4 : F X (χ 3/4 ) = 3/4 ou χ 3/4 = F 1 X (3/4) PE Nota 1 PE 19 9
10 4.3 - Distribuição uniforme contínua Distribuição uniforme contínua Definição: Uma v.a. X contínua tem distribuição uniforme contínua (ou rectangular) no intervalo [a,b] se a sua f.d.p. é da forma: 1 f X () = b a, a b, c.c. abreviadamente, X Unif(a,b) A função de distribuição, valor médio e variância são, respectivamente:, < a a F X () = b a, a < b 1 b µ X = E(X) = a+b 2 σ 2 X = V(X) = (b a)2 12 PE 21 1
11 4.3 (cont.) Eemplo 4.3 Seja X Unif( 2,2) determine a P Resolução: (na aula) ( X 1 > 1 ). 2 PE Distribuição normal Distribuição normal Factos sobre a distribuição normal: A distribuição normal apareceu pela primeira vez (embora sem nome) num trabalho de De Moivre em 1733, como um limite da distribuição binomial quando n. Simular Binomial n=1, p=.5 Binomial n=1, p=.9 Frequência relativa..1.2 Frequência relativa Binomial n=1, p=.5 Binomial n=1, p=.9 Frequência relativa..4.8 Frequência relativa PE 24 11
12 4.4 Distribuição normal O resultado de De Moivre (aproimação normal da distribuição binomial) permaneceu praticamente desconhecido durante os 8 anos seguintes, até que em 1812 Laplace o generalizou e publicou no livro Théorie analytique des probabilités (este resultado é conhecido como Teorema de De Moivre-Laplace). Independentemente, esta distribuição foi estudada por Gauss (189) e utilizada para modelar erros de medição em astronomia. O termo distribuição normal (típica, habitual) só apareceu muito mais tarde (cerca de 1875). É também conhecida como distribuição Gaussiana, ou de Gauss, ou ainda de Laplace-Gauss. Verifica-se que é uma boa aproimação para muitos fenómenos naturais (físicos, biológicos, psicológicos...) e não só (económicos, sociais...). É de importância fundamental em estatística indutiva. PE Distribuição normal Definição: Uma v.a. contínua X tem distribuição normal de parâmetros µ, com µ R, e σ 2, com σ >, se a sua f.d.p. é da forma f X () = f X (;µ,σ) = 1 2πσ 2 e ( µ)2 2σ 2, R abreviadamente, X N(µ,σ 2 ) Para esta distribuição, o valor esperado a e variância são, respectivamente: E(X) = µ e V(X) = σ 2 a E(X) = fx(;µ,σ)d pode ser calculado recorrendo à transformação z = ( µ)/σ. Idem para E(X 2 ). PE 26 12
13 4.4 Distribuição normal Eemplos de densidades normais: PE Distribuição normal Teorema: Se X N(µ,σ 2 ) e Y = ax +b, em que a e b são constantes (a ) então Y N(aµ+b,a 2 σ 2 ) Demonstração: O que se pretende mostrar é que f Y (y) = [ ] 1 2πa 2 σ ep (y (aµ+b))2 2 2a 2 σ 2 PE 28 13
14 4.4 Distribuição normal Nota: O mais conveniente é começar por manipular a função de distribuição e a seguir derivar para obter a função de densidade (este procedimento é geral quando o objectivo é obter a distribuição de uma v.a. que é função de outra com distribuição conhecida). Assim: PE Nota 1 F Y (y) = P(Y y) = P(aX +b y) = P (ax y b) = ( ) ( ) P X y b a, se a > = ( ) P X y b a, se a < F y b X a, se a > ( ) 1 F y b X a, se a < logo ( ) f Y (y) = df Y (y) d dy = F y b X a, se a > [ )] dy, se a < agora é fácil verificar que d dy 1 F X ( y b a 1 a f X coincide com a epressão de f Y (y) do slide anterior. Nota: ( ) y b [ ] 1 1 a ep (y b a µ)2 2πσ 2 2σ 2 a 1 a f X 1 a f X ( y b ( a y b a ), se a > ), se a < Ou seja, uma transformação linear de uma v.a. Normal altera os parâmetros (obviamente de acordo com as regras que já conhecíamos) mas não altera o tipo de distribuição. PE Nota 2 PE Distribuição normal Caso Especial: Quando a = 1 σ e b = µ σ, vem Z = X µ σ N(,1). À distribuição N(, 1) denomina-se: Normal padrão Normal standard Normal reduzida Como se pode verificar, é fácil transformar qualquer variável aleatória Normal numa Normal padrão. Assim, para muitos cálculos podemos usar apenas uma distribuição Normal (escolhemos a mais simples: Normal padrão) PE 3 14
15 Cálculo de Probabilidades com a distribuição Normal Seja X N(µ,σ 2 ): ( X µ F X () = P(X ) = P µ ) = σ σ ( = P Z µ ) ( ) µ = Φ σ σ z 1 onde, Φ() P(Z z) = e t2 /2 dt 2π }{{}? é a função de distribuição da Normal padrão, i.e Z N(,1). Mas......e t2 /2 não tem primitiva elementar, o valor do integral só pode ser obtido por métodos numéricos. PE 31 Cálculo de Probabilidades com a distribuição Normal Programas em computador ou calculadora (não é necessário usar a normal padrão) Tabelas (é necessário usar a normal padrão). Também está tabelada a função de distribuição inversa da Normal padrão: Φ 1 (p),p [,1]. (ver). Observações: Φ( ) = 1 Φ(), R, devido à simetria da f.d.p.. ( a µ X N(µ,σ 2 ), P(a < X < b) = P < X µ < b µ ) ( ) ( ) b µ a µ = Φ Φ σ σ σ σ σ PE 32 15
16 4.4 - Eemplo Eercício: A empresa ACME fabrica um tipo de lâmpada de énon cuja duração média é de 3 dias, com um desvio padrão de 5 dias. O engenheiro responsável pelo departamento de qualidade acredita que a vida útil daquelas lâmpadas é normalmente distribuída. Para decidir qual a duração que deve ser anunciada como garantida, ele pretende calcular os seguintes valores: (a) A probabilidade de uma lâmpada ter uma vida útil superior a um ano. (b) O tempo de vida útil que é ecedido por 95% daquelas lâmpadas. Soluções:.968 e dias PE Distribuição eponencial Distribuição eponencial Definição: Uma v.a. X diz-se seguir uma distribuição Eponencial de parâmetro λ > se a sua função de densidade de probabilidade for dada por { λe f X () = λ,, c.c. abreviadamente, X Ep(λ). Tem-se ainda µ X = E(X) = 1 λ σx 2 = V(X) = 1 λ { 2 1 e F X () = λ,, <, λ > PE 35 16
17 4.5 Distribuição eponencial Integrando por partes vem: E(X) = f X ()d = d+ λe λ d = { [ e = lim λ ] { } [ k k + + k e e λ d = lim ke λk λ ++ k + λ { e λk } 1 = + lim = 1 k + λ λ = 1 λ Fazer a demonstração para V(X) e F X (). PE 36 ] k } 4.5 Distribuição eponencial Propriedade da falta de memória ou amnésia: Se X Ep(λ), λ > então Demonstração: (na aula) Observações: P(X < t 1 +t 2 X > t 1 ) = P(X < t 2 ), t1 >,t 2 > O facto de esta distribuição não ter memória significa que não é indicada para modelar situações do tipo tempo de vida, em que há desgaste ou envelhecimento. A distribuição eponencial é a única distribuição contínua sem memória. Eiste uma única distribuição discreta sem memória: é a distribuição geométrica. PE 37 17
18 4.5 Distribuição eponencial: relação com o processo de Poisson. Teorema: Seja X uma v.a. que indica o n o de ocorrências de um acontecimento por unidade de tempo ou de espaço (comprimento, área, etc) e Y uma outra variável aleatória que representa o tempo ou espaço entre ocorrências sucessivas. Se X Poisson(λ) Y Ep(λ) Observações: O resultado funciona no sentido inverso, ou seja, se os intervalos de tempo entre ocorrências forem v.a. independentes e identicamente distribuídas Ep(λ) então o n. o de ocorrências em t unidades de tempo é P oisson(λt). O resultado também é válido para o tempo decorrido até à primeira ocorrência. PE Distribuição eponencial: eemplo Eemplo: O call center de uma empresa de telecomunicações recebe em média 5 chamadas por hora, admitindo-se que as chamadas seguem um processo de Poisson. O gestor do call center está agora interessado em conhecer como varia o intervalo de tempo entre chamadas. Pretende nomeadamente saber: (a) A probabilidade daquele intervalo de tempo ser superior a 2 minutos. (b) O valor esperado, mediana e desvio padrão dos intervalos de tempo entre chamadas. Resolução: Definição das variáveis aleatórias: Seja X t - v.a. que indica o n. o de chamadas que chegam em t horas, logo X t Poisson(5t) e T - v.a. que indica o intervalo de tempo entre chamadas (em horas), logo T Ep(5) PE 39 18
19 4.5 Distribuição eponencial: eemplo (cont.) (a) (2 minutos = 1/3 horas) ( P T > 1 ) ( = 1 P T 1 ) = 1 F T (1/3) = e 5/ ou... (b) E(T) = E(T 2 ) = V(T) = 1/25 horas 2 σ T = 1/5 horas = 12 minutos 5te 5t dt = = 1/5 horas = 12 minutos 5t 2 e 5t dt = = 2/25 horas 2 µ e : F T (µ e ) =.5 1 e 5µe =.5 µ e = log(.5)/ horas 8.3 min. PE 4 19
4. 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 maisPE-MEEC 1S 09/10 118. Capítulo 4 - Variáveis aleatórias e. 4.1 Variáveis. densidade de probabilidade 4.2 Valor esperado,
Capítulo 4 - Variáveis aleatórias e distribuições contínuas 4.1 Variáveis aleatórias contínuas. Função densidade de probabilidade 4.2 Valor esperado, variância e algumas das suas propriedades. Moda e quantis
Leia maisModelos Lineares Distribuições de Probabilidades Distribuição Normal Teorema Central do Limite. Professora Ariane Ferreira
Distribuições de Probabilidades Distribuição Normal Teorema Central do Limite Professora Ariane Ferreira Modelos Probabilísticos de v.a. continuas Distribuição de Probabilidades 2 IPRJ UERJ Ariane Ferreira
Leia maisProbabilidade e Estatística
Probabilidade e Estatística Aula 6 - Distribuições Contínuas (Parte 01) Leitura obrigatória: Devore, Capítulo 4 Cap 6-1 Objetivos Nesta aula, vamos aprender: Representações de uma v. a. contínua: função
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 mais5. PRINCIPAIS MODELOS CONTÍNUOS
5. PRINCIPAIS MODELOS CONTÍNUOS 04 5.. Modelo uniforme Uma v.a. contínua X tem distribuição uniforme com parâmetros α e β (α β) se sua função densidade de probabilidade é dada por f ( ) β α 0, Notação:
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 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 maisProbabilidade e Estatística. stica. Prof. Dr. Narciso Gonçalves da Silva pessoal.utfpr.edu.
Probabilidade e Estatística stica Prof. Dr. Narciso Gonçalves da Silva http://paginapessoal.utfpr.edu.br/ngsilva pessoal.utfpr.edu.br/ngsilva Distribuição Uniforme Uma variável aleatória contínua X está
Leia maisProbabilidade e Estatística
Probabilidade e Estatística Aula 6 Distribuições Contínuas (Parte 02) Leitura obrigatória: Devore, Capítulo 4 Chap 6-1 Distribuições de Probabilidade Distribuições de Probabilidade Distribuições de Probabilidade
Leia maisAULA 17 - Distribuição Uniforme e Normal
AULA 17 - Distribuição Uniforme e Normal Susan Schommer Introdução à Estatística Econômica - IE/UFRJ Distribuições Contínuas Em muitos problemas se torna matematicamente mais simples considerar um espaço
Leia mais5. PRINCIPAIS MODELOS CONTÍNUOS
5. RINCIAIS MODELOS CONTÍNUOS 04 5.. Modelo uniforme Uma v.a. contínua tem distribuição uniforme com parâmetros α e β α β se sua função densidade de probabilidade é dada por f, β α 0, Notação: ~ Uα, β.
Leia mais5. PRINCIPAIS MODELOS CONTÍNUOS
5. PRINCIPAIS MODELOS CONTÍNUOS 2019 5.1. Modelo uniforme Uma v.a. contínua X tem distribuição uniforme com parâmetros e ( < ) se sua função densidade de probabilidade é dada por f ( x )={ 1 β α, α x β
Leia 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 mais5. PRINCIPAIS MODELOS CONTÍNUOS
5. PRINCIPAIS MODELOS CONTÍNUOS 00 5.. Modelo uniforme Uma v.a. contínua X tem distribuição uniforme com parâmetros α e β (α β) se sua função densidade de probabilidade é dada por f ( ) β α 0, Notação:
Leia maisBioestatística e Computação I
Bioestatística e Computação I Distribuições Teóricas de Probabilidade Maria Virginia P Dutra Eloane G Ramos Vania Matos Fonseca Pós Graduação em Saúde da Mulher e da Criança IFF FIOCRUZ Baseado nas aulas
Leia 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 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 maisVariáveis Aleatórias Contínuas
Variáveis Aleatórias Contínuas Bacharelado em Administração - FEA - Noturno 2 o Semestre 2017 MAE0219 (IME-USP) Variáveis Aleatórias Contínuas 2 o Semestre 2017 1 / 35 Objetivos da Aula Sumário 1 Objetivos
Leia maisProf. Lorí Viali, Dr.
Prof. Lorí Viali, Dr. viali@mat.ufrgs.br http://www.mat.ufrgs.br/~viali/ Seja X uma variável aleatória com conjunto de valores X(S). Se o conjunto de valores for infinito não enumerável então a variável
Leia maisMétodos Numéricos e Estatísticos Parte II-Métodos Estatísticos
Métodos Numéricos e Estatísticos Parte II-Métodos Estatísticos Lic. Eng. Biomédica e Bioengenharia-2009/2010 Variável aleatória É uma função, com propriedades especiais, que transforma eventos em números,
Leia maisBioestatística e Computação I
Bioestatística e Computação I Distribuições Teóricas de Probabilidade Maria Virginia P Dutra Eloane G Ramos Vania Matos Fonseca Pós Graduação em Saúde da Mulher e da Criança IFF FIOCRUZ Baseado nas aulas
Leia maisDistribuição Normal. Prof. Eduardo Bezerra. (CEFET/RJ) - BCC - Inferência Estatística. 25 de agosto de 2017
padrão - padronização Distribuição Normal Prof. Eduardo Bezerra (CEFET/RJ) - BCC - Inferência Estatística 25 de agosto de 2017 Eduardo Bezerra (CEFET/RJ) Distribuição Normal Março/2017 1 / 32 Roteiro Distribuições
Leia 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 maisDistribuições de Probabilidade. Distribuição Uniforme Distribuição Exponencial Distribuição Normal
Distribuições de Probabilidade Distribuição Uniforme Distribuição Exponencial Distribuição Normal 1 Distribuição Uniforme A distribuição Uniforme atribui uma densidade igual ao longo de um intervalo (a,b).
Leia 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 maisALGUMAS DISTRIBUIÇÕES CONTÍNUAS DE PROBABILIDADE
ALGUMAS DISTRIBUIÇÕES CONTÍNUAS DE PROBABILIDADE 4. 1 INTRODUÇÃO Serão apresentadas aqui algumas distribuições de probabilidade associadas a v.a. s contínuas. A mais importante delas é a distribuição Normal
Leia maisEstatística Aplicada II. } Revisão: Probabilidade } Propriedades da Média Amostral
Estatística Aplicada II } Revisão: Probabilidade } Propriedades da Média Amostral 1 Aula de hoje } Tópicos } Revisão: } Distribuição de probabilidade } Variáveis aleatórias } Distribuição normal } Propriedades
Leia 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 maisUm conceito importante em Probabilidades e Estatística é o de
Variáveis Aleatórias Um conceito importante em Probabilidades e Estatística é o de Variável Aleatória. Variável Aleatória Seja (Ω, A) um espaço de acontecimentos. À função X : Ω IR chamamos variável aleatória.
Leia maisrio de Guerra Eletrônica EENEM 2008 Estatística stica e Probabilidade Aleatórias nuas
ITA - Laboratório rio de Guerra Eletrônica EENEM 2008 Estatística stica e Probabilidade Aula 04: Variáveis Aleatórias Contínuas nuas Função densidade de probabilidade contínua nua f(x) a b f(x) 0 para
Leia maisPRINCIPAIS MODELOS CONTÍNUOS
RINCIAIS MODELOS CONTÍNUOS 0 5.. Modelo uniforme Uma v.a. contínua tem distribuição uniforme com parâmetros α e β α β se sua função densidade de probabilidade é dada por, f β α 0, Notação: ~ Uα, β. 0,
Leia maisProbabilidade II. Departamento de Estatística. Universidade Federal da Paraíba
Probabilidade II Departamento de Estatística Universidade Federal da Paraíba Aula Valor esperado como solução do problema do menor erro quadrático médio e Quantis 03/14 1 / 15 Valor esperado como solução
Leia maisModelos de Distribuições
7/5/017 Universidade Federal do Pará Instituto de Tecnologia Estatística Aplicada I Prof. Dr. Jorge Teófilo de Barros Lopes Campus de Belém Curso de Engenharia Mecânica 05/07/017 19: ESTATÍSTICA APLICADA
Leia maisSUMÁRIOS DE VARIÁVEIS ALEATÓRIAS CONTINUAS
4 SUMÁRIOS DE VARIÁVEIS ALEATÓRIAS CONTINUAS Em muitos problemas de probabilidade que requerem o uso de variáveis aleatórias, uma completa especificação da função de densidade de probabilidade ou não está
Leia maisEstatística Básica VARIÁVEIS ALEATÓRIAS CONTÍNUAS. Renato Dourado Maia Instituto de Ciências Agrárias Universidade Federal de Minas Gerais
Estatística Básica VARIÁVEIS ALEATÓRIAS CONTÍNUAS Renato Dourado Maia Instituto de Ciências Agrárias Universidade Federal de Minas Gerais Modelo Uniforme Contínuo Uma variável aleatória X tem distribuição
Leia maisCálculo das Probabilidades I
Cálculo das Probabilidades I Departamento de Estatística Universidade Federal da Paraíba Prof. Tarciana Liberal (UFPB) Aula Distribuição Normal 06/11 1 / 41 LEMBRANDO: Variável Aleatória Contínua Assume
Leia maisDistribuições de Probabilidade. Distribuição Normal
Distribuições de Probabilidade Distribuição Normal 1 Distribuição Normal ou Gaussiana A distribuição Normal ou Gaussiana é muito utilizada em análises estatísticas. É uma distribuição simétrica em torno
Leia maisCálculo das Probabilidades e Estatística I
Cálculo das Probabilidades e Estatística I Prof a. Juliana Freitas Pires Departamento de Estatística Universidade Federal da Paraíba - UFPB juliana@de.ufpb.br Distribuição Normal Motivação: Distribuição
Leia 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 maisLucas Santana da Cunha 12 de julho de 2017
DISTRIBUIÇÃO NORMAL Lucas Santana da Cunha http://www.uel.br/pessoal/lscunha/ Universidade Estadual de Londrina 12 de julho de 2017 Distribuição Normal Dentre todas as distribuições de probabilidades,
Leia maisFAMÍLIA EXPONENCIAL DE DISTRIBUIÇÕES
FAMÍLIA EXPONENCIAL DE DISTRIBUIÇÕES 1 Os modelos lineares generalizados, propostos originalmente em Nelder e Wedderburn (1972), configuram etensões dos modelos lineares clássicos e permitem analisar a
Leia maisLucas Santana da Cunha de junho de 2018 Londrina
Distribuição Normal Lucas Santana da Cunha email: lscunha@uel.br http://www.uel.br/pessoal/lscunha/ 25 de junho de 2018 Londrina 1 / 17 Distribuição Normal Dentre todas as distribuições de probabilidades,
Leia maisMOQ 13 PROBABILIDADE E ESTATÍSTICA. Professor: Rodrigo A. Scarpel
MOQ 3 PROBABILIDADE E ESTATÍSTICA Professor: Rodrigo A. Scarpel rodrigo@ita.br www.mec.ita.br/~rodrigo Programa do curso: Semanas 2 3 4 5 6 7 8 9 0 2 3 4 5 e 6 Introdução à probabilidade (eventos, espaço
Leia maisMétodos Experimentais em Ciências Mecânicas
Métodos Experimentais em Ciências Mecânicas Professor Jorge Luiz A. Ferreira Função que descreve a chance que uma variável pode assumir ao longo de um espaço de valores. Uma distribuição de probabilidade
Leia maisc.c. É a função que associa a cada x X(S) um número f(x) que deve satisfazer as seguintes propriedades:
Prof. Lorí Viali, Dr. viali@mat.ufrgs.br http://www.mat.ufrgs.br/~viali/ Seja X uma variável aleatória com conjunto de valores X(S). Se o conjunto de valores for infinito não enumerável então a variável
Leia maisProbabilidade Aula 08
332 Probabilidade Aula 8 Magno T. M. Silva Escola Politécnica da USP Maio de 217 A maior parte dos exemplos dessa aula foram extraídos de Jay L. Devore, Probabilidade e Estatística para engenharia e ciências,
Leia maisTema 4- Modelos de probabilidade.
Tema 4- Modelos de probabilidade. 1- Modelos de probabilidade(136) 1.1) Introdução.(36) [Vídeo: 33] 1.) Fenómenos aleatórios(138) Experiência determinística-produz sempre o mesmo resultado desde que seja
Leia maisDistribuições de Probabilidade. Variáveis aleatórias contínuas
Distribuições de Probabilidade Variáveis aleatórias contínuas 1 Variáveis contínuas Uma variável aleatória contínua toma um nº infinito não numerável de valores (intervalos de números reais), os quais
Leia maisb) Variáveis Aleatórias Contínuas
Disciplina: 221171 b) Variáveis Aleatórias Contínuas Prof. a Dr. a Simone Daniela Sartorio de Medeiros DTAiSeR-Ar 1 Uma variável aleatória é contínua (v.a.c.) se seu conjunto de valores é qualquer intervalo
Leia maisSimulação com Modelos Teóricos de Probabilidade
Simulação com Modelos Teóricos de Probabilidade p. 1/21 Algumas distribuições teóricas apresentam certas características que permitem uma descrição correta de variáveis muito comuns em processos de simulação.
Leia maisCapítulo4- Modelos de probabilidade.
Capítulo4- Modelos de probabilidade. 1- Modelos de probabilidade(110) 1.1) Introdução.(110) 1.) Fenómenos aleatórios(11) Experiência determinística-produz sempre o mesmo resultado desde que seja repetido
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 maisDistribuições Importantes. Distribuições Contínuas
Distribuições Importantes Distribuições Contínuas Distribuição Normal ou de Gauss Definição Diz-se que uma v.a. X contínua tem distribuição normal ou de Gauss, X Nor(µ,σ), se a sua função densidade de
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 maisModelos de Distribuições
4/05/014 Universidade Federal do Pará Instituto de Tecnologia Estatística Aplicada I Prof. Dr. Jorge Teófilo de Barros Lopes Campus de Tucuruí CTUC Curso de Engenharia Mecânica 4/05/014 06:56 ESTATÍSTICA
Leia maisDistribuições Contínuas. Estatística. 7 - Distribuição de Probabilidade de Variáveis Aleatórias Contínuas UNESP FEG DPD
Estatística 7 - Distribuição de Probabilidade de Variáveis Aleatórias Contínuas 7- Distribuição Uniforme A variável aleatória contínua pode ser qualquer valor no intervalo [a,b] A probabilidade da variável
Leia maisDisciplina: Prof. a Dr. a Simone Daniela Sartorio. DTAiSeR-Ar
Disciplina: 1171 b) Variáveis Aleatórias Contínuas Prof. a Dr. a Simone Daniela Sartorio DTAiSeR-Ar 1 Uma variável aleatória é contínua (v.a.c.) se seu conjunto de valores é qualquer intervalo dos números
Leia maisb) Variáveis Aleatórias Contínuas
Disciplina: 1171 b) Variáveis Aleatórias Contínuas Prof. a Dr. a Simone Daniela Sartorio de Medeiros DTAiSeR-Ar 1 Uma variável aleatória é contínua (v.a.c.) se seu conjunto de valores é qualquer intervalo
Leia maisAULA 8. DISTRIBUIÇÕES DE VARIÁVEIS CONTÍNUAS Uniforme, Exponencial e Normal 19/05/2017
AULA 8 DISTRIBUIÇÕES DE VARIÁVEIS CONTÍNUAS Uniforme, Exponencial e Normal 19/05/2017 As funções de distribuição (acumulada) e de densidade para v.a. contínuas = =. Se a densidade f(x)for continua no seu
Leia maisLucas Santana da Cunha de junho de 2018 Londrina
Variável aleatória contínua: Lucas Santana da Cunha email: lscunha@uel.br http://www.uel.br/pessoal/lscunha/ 13 de junho de 2018 Londrina 1 / 26 Esperança e variância de Y Função de distribuição acumulada
Leia mais3. VARIÁVEIS ALEATÓRIAS
3. VARIÁVEIS ALEATÓRIAS 011 Variável aleatória é o espaço amostral de um eperimento aleatório. Uma variável aleatória,, é uma função que atribui um número real a cada resultado em. Eemplo. Retira-, ao
Leia maisFunções Geradoras de Variáveis Aleatórias. Simulação Discreta de Sistemas - Prof. Paulo Freitas - UFSC/CTC/INE
Funções Geradoras de Variáveis Aleatórias 1 Funções Geradoras de Variáveis Aleatórias Nos programas de simulação existe um GNA e inúmeras outras funções matemáticas descritas como Funções Geradoras de
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 mais5. PRINCIPAIS MODELOS CONTÍNUOS
5. PRINCIPAIS MODELOS CONTÍNUOS 011 5.1. Modelo uniforme Uma v.a. contínua X tem distribuição uniforme com parâmetros e ( < ) se sua função densidade de probabilidade é dada por 1, f ( ) 0, Notação: X
Leia 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 maisDistribuições Contínuas de Probabilidade
Distribuições Contínuas de Probabilidade Uma variável aleatória contínua é uma função definida sobre o espaço amostral, que associa valores em um intervalo de números reais. Exemplos: Espessura de um item
Leia 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 maisEstatística Descritiva e Exploratória
Gledson Luiz Picharski e Wanderson Rodrigo Rocha 9 de Maio de 2008 Estatística Descritiva e exploratória 1 Váriaveis Aleatórias Discretas 2 Variáveis bidimensionais 3 Váriaveis Aleatórias Continuas Introdução
Leia 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 maisTema 4- Modelos de probabilidade. (Versão: para o manual a partir de 2016/17)
Tema 4- Modelos de probabilidade. (Versão: para o manual a partir de 016/17) 1- Modelos de probabilidade(136) 1.1) Introdução.(36) (Vídeo: 33) 1.) Fenómenos aleatórios(138) Experiência determinística-produz
Leia mais1 Distribuição Uniforme
Centro de Ciências e Tecnologia Agroalimentar - Campus Pombal Disciplina: Estatística Básica - 03 Aula 8 Professor: Carlos Sérgio UNIDADE 4 - Distribuições Contínuas (Notas de Aula) Distribuição Uniforme
Leia maisProcessos Estocásticos. Variáveis Aleatórias. Variáveis Aleatórias. Luiz Affonso Guedes. Como devemos descrever um experimento aleatório?
Processos Estocásticos Luiz Affonso Guedes Sumário Probabilidade Funções de Uma Variável Aleatória Funções de Várias Momentos e Estatística Condicional Teorema do Limite Central Processos Estocásticos
Leia maisMODELOS PROBABILÍSTICOS CONTÍNUOS
6 MODELOS PROBABILÍSTICOS CONTÍNUOS 6. DISTRIBUIÇÃO UNIFORME A distribuição uniforme é a distribuição de probabilidades contínua mais simples de conceituar: a probabilidade de se gerar qualquer ponto em
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 maisProcessos Estocásticos. Variáveis Aleatórias. Variáveis Aleatórias. Variáveis Aleatórias. Variáveis Aleatórias. Luiz Affonso Guedes
Processos Estocásticos Luiz Affonso Guedes Sumário Probabilidade Funções de Uma Variável Aleatória Funções de Várias Momentos e Estatística Condicional Teorema do Limite Central Processos Estocásticos
Leia maisCapítulo 5 - Distribuições conjuntas de probabilidade e complementos 3
Capítulo 5 - Distribuições conjuntas de probabilidade e complementos Conceição Amado e Ana M. Pires Departamento de Matemática Instituto Superior Técnico Capítulo 5 - Distribuições conjuntas de probabilidade
Leia maisIntrodução à Probabilidade e à Estatística (BCN ) Prova 2 (A) 16/08/2018 Correção
Introdução à Probabilidade e à Estatística (BCN0406-1) Prova 2 (A) 16/08/2018 Correção (1.pt) 1. Dadas as seguintes probabilidades associadas à variável aleatória X: -1 1 2 p() 1/2 1/3 1/6 a) Calcule a
Leia mais3 3. Variáveis Aleatórias
ÍNDICE 3. VARIÁVEIS ALEATÓRIAS...49 3.. VARIÁVEIS ALEATÓRIAS UNIDIMENSIONAIS...49 3.2. VARIÁVEIS DISCRETAS FUNÇÃO DE PROBABILIDADE E FUNÇÃO DISTRIBUIÇÃO DE PROBABILIDADE...50 3.2.. Função de probabilidade...50
Leia maisProcessos Estocásticos. Luiz Affonso Guedes
Processos Estocásticos Luiz Affonso Guedes Sumário Probabilidade Variáveis Aleatórias Funções de Uma Variável Aleatória Funções de Várias Variáveis Aleatórias Momentos e Estatística Condicional Teorema
Leia maisVariável Aleatória Contínua:
Distribuição Contínua Normal Prof. Tarciana Liberal Departamento de Estatística UFPB x x Variável Aleatória Contínua: Assume valores num intervalo de números reais. Não é possível listar, individualmente,
Leia maisModelos de Distribuições
Universidade Federal do Pará Instituto de Tecnologia Estatística Aplicada I Prof. Dr. Jorge Teófilo de Barros Lopes Campus de Belém Curso de Engenharia Mecânica 11/06/019 07:14 ESTATÍSTICA APLICADA I -
Leia maisSeja (X,Y) uma v.a. bidimensional contínua ou discreta. Define-se valor esperado condicionado de X para um dado Y igual a y da seguinte forma:
46 VALOR ESPERADO CONDICIONADO Seja (X,Y) uma v.a. bidimensional contínua ou discreta. Define-se valor esperado condicionado de X para um dado Y igual a y da seguinte forma: Variável contínua E + ( X Y
Leia maisDistribuição Gaussiana
Universidade Federal de Minas Gerais Instituto de Ciências Exatas Departamento de Estatística Distribuição Gaussiana Introdução à Bioestatística Turma Nutrição Aula 7: Distribuição Normal (Gaussiana) Distribuição
Leia maisUNIDADE II. José J. C. Hernández. April 9, 2017 DE - UFPE. José J. C. Hernández (DE - UFPE) Estatística I April 9, / 60
INTRODUÇÃO À ESTATÍSTICA UNIDADE II José J. C. Hernández DE - UFPE April 9, 2017 José J. C. Hernández (DE - UFPE) Estatística I April 9, 2017 1 / 60 Variável aleatória Seja X : Ω R uma função real de Ω
Leia maisVariáveis Aleatórias Contínuas e Distribuição de Probabilidad
Variáveis Aleatórias Contínuas e Distribuição de Probabilidades - parte II 26 de Novembro de 2013 Distribuição Contínua Uniforme Média e Variância Objetivos Ao final deste capítulo você deve ser capaz
Leia maisProbabilidade e Estatística
Probabilidade e Estatística Aula 5 Probabilidade: Distribuições de Discretas Parte 1 Leitura obrigatória: Devore, 3.1, 3.2 e 3.3 Chap 5-1 Objetivos Nesta parte, vamos aprender: Como representar a distribuição
Leia maisCAPÍTULO 4 CONCEITOS BÁSICOS DE ESTATÍSTICA E PROBABILIDADES
CAPÍTULO 4 CONCEITOS BÁSICOS DE ESTATÍSTICA E PROBABILIDADES. INTRODUÇÃO - Conceito de população desconhecida π e proporção da amostra observada P. π P + pequeno erro Perguntas: - Qual é o pequeno erro?
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 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 maisGeração de Variáveis Aleatórias Contínuas. Mat02274 Estatística Computacional. A Normal. A Normal. Normal Log-Normal Gama Erlang Beta.
Estatística Computacional Geração de Variáveis Aleatórias Contínuas 6 Prof. Lorí Viali, Dr. viali@mat.ufrgs.br http://www.mat.ufrgs.br/~viali/ Normal Log-Normal Gama Erlang Beta Weibull Student (t) Qui-Quadrado
Leia mais2.1 Variáveis Aleatórias Discretas
4CCENDMMT02-P PROBABILIDADE E CÁLCULO DIFERENCIAL E INTEGRAL Girlan de Lira e Silva (1),José Gomes de Assis (3) Centro de Ciências Exatas e da Natureza /Departamento de Matemática /MONITORIA Resumo: Utilizamos
Leia maisGeração de Variáveis Aleatórias Contínuas. Mat02274 Estatística Computacional. A função densidade de probabilidade. Exemplo
Estatística Computacional Geração de Variáveis Aleatórias Contínuas 06 Prof. Lorí Viali, Dr. viali@mat.ufrgs.br http://www.mat.ufrgs.br/~viali/ A função densidade de probabilidade Seja X uma variável aleatória
Leia maisInstituto Tecnológico de Aeronáutica Divisão de Engenharia Mecânica-Aeronáutica. Professora: Denise Beatriz T. P. do Areal Ferrari
Instituto Tecnológico de Aeronáutica Divisão de Engenharia Mecânica-Aeronáutica Professora: Denise Beatriz T. P. do Areal Ferrari denise@ita.br Distribuições Discretas Uniforme Bernoulli Binomial Poisson
Leia maisVariável Aleatória. O conjunto de valores. Tipos de variáveis. Uma função X que associa a cada
Variável Aleatória Uma função X que associa a cada Prof. Lorí Viali, Dr. viali@mat.ufrgs.br http://www.mat.ufrgs.br/~viali/ elemento de S (s S) um número real x X(s) é denominada variável aleatória. O
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 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 mais3. Variáveis aleatórias
3. Variáveis aleatórias Numa eperiência aleatória, independentemente de o seu espaço de resultados ser epresso numericamente, há interesse em considerar-se funções reais em Ω, denominadas por variáveis
Leia maisNome: N. o : f(u) du para todo o x (V) d) Se F (x) tiver pontos de descontinuidade, então X é discreta (F)
ESTATÍSTICA I 2. o Ano/Gestão 1. o Semestre Época Normal Duração: 2 horas 1. a Parte Teórica N. o de Exame: RESOLUÇÃO 09.01.2015 Este exame é composto por duas partes. Esta é a 1 a Parte Teórica (Cotação:
Leia mais