1.1.1 Distribuição binomial
|
|
- Gustavo Galvão Lima
- 5 Há anos
- Visualizações:
Transcrição
1 2 CAPÍTULO 1. INTRODUÇÃO Distribuição binomial Em teoria das probabilidades e na estatística a distribuição binomial é a distribuição de probabilidade do número de sucessos em uma seqüência de n ensaios independentes, cada um dos quais produz como resposta sucesso com probabilidade p ou fracaso com probabilidade 1 p. Um experimento de resultado sucesso ou fracasso também é chamado de experimento Bernoulli; quando n = 1, a distribuição binomial é uma distribuição de Bernoulli. Definição 1.1. Dizemos que uma variável aleatória discreta X tem distribuição binomial de parâmetro p se sua função de probabilidade é da forma ( ) n P (X = ) = p (1 p) n, = 0, 1, 2,, n; 0 < p < 1 (1.1) Escrevemos resumidadmente X Binomial(n.p). Observemos que n é um inteiro positivo conhecido. Esta é a distribuição que atribuímos, por exemplo, ao número de caras obtido em n lançamentos de uma moeda tendo probabilidade p de obtermos cara em cada lançamento. Mais geral, consideremos um epxerimento básico no qual estamos interessados na ocorrência ou não de determinado evento, o qual pode acontecer com probabilidade fica p, como a obtenção do número 6 na façe superiorno lançamento de um dado equilibrado. Se repetimos o experimento básico n vezes independentes e contamos o número de ocorrências do evento de interesse, este número terá por distribuição Binomial(n, p). A Figura 1.1 representa três situações da função de probabilidade binomial para o caso n = 20 e valores da probabilidade de sucesso 0,3; 0,5 e 0,7. Podemos perceber que esta função é simétrica no caso p = 0, 5, nas outras situações não. Na Definição 1.1 observamos que P (X = ) = [p + (1 p)] n = 1, =0 logo a expressão em (1.1) define uma função de probabilidade. Observemos
2 1.1. DISTRIBUIÇÕES DISCRETAS ESPECIAIS 3 Binomial (20,0.3) Binomial (20,0.5) Binomial (20,0.7) Figura 1.1: Representação da função de probabilidade binomial para n = 20 e três valores do parâmetro p = 0, 3, p = 0, 5 e p = 0, 7. que a função de distribuição pode ser escrita como F (x) = onde δ( ) é definida como =0 ( ) n p (1 p) n δ(x ), δ(x) = { 1, x 0, 0, x < 0 (1.2) e chama-se função indicadora. Não é difícil demonstrar que, se X Binomial(n, p), então E(X) = np, (1.3) este é o centro da simetria na Figura 1.1 no caso p = 0, 5. Temos também que E(X 2 ) = n(n 1)p 2 + np (1.4) e a variância Var(X) = np(1 p) (1.5) Por outro lado, a função geradora de momentos é da forma M X (s) = ( ) n e is p (1 p) n = (1 p + pe s ) n s (1.6) =0
3 4 CAPÍTULO 1. INTRODUÇÃO Também, a função geradora de probabilidades é G X (s) = [1 p(1 s)] n, s 1 (1.7) A distribuição binomial também pode ser considerado como a distribuição da soma de n variáveis aleatórias independentes e igualmente distribuídas Binomial(1, p). Se jogar uma moeda n vezes, com probabilidade p constante de obter cara e probabilidade 1 p de obter coroa, a distribuição do número de caras é dada por (1.1). De maneira alternativa, se { 1, se o -ésimo resultado for cara, X = 0, caso contrário o número de caras em n ensaios é a soma S n = X 1 + X X n. Também Então e P (X = 1) = p, P (X = 0) = 1 p, = 1, 2,, n E(S n ) = Var(S n ) = M Sn (s) = E(X ) = np, =1 Var(X ) = np(1 p) =1 n E(e sx ) = (1 p + pe s ) n =1 Exemplo 1.1. Um dado honesto é lançado n vezes. A probabilidade de obtermos exatamente um número 6 é n( 1)( )n 1, a probabilidade de não obtermos o número 6 é ( 5 6 )n e a probabilidade de obtermos ao menos um número 6 é 1 ( 5 6 )n. O número de lançamentos necessários para que a probabilidade de obtermos pelo menos um número 6 seja 1/2 é dado pelo menos inteiro n tal que ( ) n ou ( ) 5 n log log(2). 6
4 1.1. DISTRIBUIÇÕES DISCRETAS ESPECIAIS 5 Portanto n log(2) log(1.2) 3, 8 Teorema 1.1. Sejam X 1, X 2,, X variáveis aleatórias independentes igualmente distribuídas X i Binomial(n i, p). Então S = i=1 X i tem distribuição Binomial(n 1 + n n, p). Demonstração. M S (s) = M Xi (s) = i=1 (1 p + pe s ) ni i=1 Corolário 1.2. Sejam X 1, X 2,, X variáveis aleatórias independentes igualmente distribuídas X i Binomial(n, p). Então S = i=1 X i tem distribuição Binomial(n, p). Na verdade, a propriedade aditiva descrita no Teorema 1.1 caracteriza a distribuição binomial no seguinte sentido. Sejam X e Y duas variáveis aleatórias independentes, não negativos, assumindo finitos valores inteiros e seja Z = X + Y. Então Z é uma variável aleatória binomial com parâmetro p se, e somente se, X e Y forem duas variáveis aleatórias binomial com o mesmo parâmetro p (Shanbhag & Basawa, 1971). Numa definição geral de ensaios binomiais, admitimos a possibilidade de a probabilidade de sucesso variar com os ensaios. Vejamos isto no seguinte exemplo. Exemplo 1.2. Considere que r bolas são alocadas em n caixas de modo que cada n r possíveis arranjos tenham probabilidade n r de acontecer. Estamos interessados na probabilidade P (X = ) de que uma especifica caixa tenha exatamente bolas ( = 0, 1, 2,, r). Então, a distribuição de cada bola pode ser considerada como um ensaio. O sucesso resulta se a bola vai para
5 6 CAPÍTULO 1. INTRODUÇÃO a caixa especificada (com probabilidade 1/n); caso contrário, os resultados constituem em uma falha (com probabilidade 1 1/n). Seja X o número de sucessos em n tentativas, temos que P (X = ) = ( r ) ( 1 n Distribuição Poisson ) ( 1 1 n) r, = 0, 1, 2,, n Esta distribuição foi descoberta por Siméon-Denis Poisson 1 e publicada em 1838 num trabalho de focava em certas variáveis aleatórias que contavam, entre outras coisas, o número de ocorrências contínuas que tinham lugar durante um intervalo de tempo de determinado comprimento. Definição 1.2. Seja X uma variável aleatória assumindo valores inteiros não negativos. Dizemos que X tem por função de probabilidade Poisson de parâmetro θ > 0 se P (X = ) = e θ θ, = 0, 1, 2, (1.8)! Resumidamente escrevemos X P oisson(θ), caso a função de probabilidade da variável aleatória seja como em (1.8). Observemos que X neste caso é o resultado de uma contagem sem limite teórico conhecido. Verifiquemos que a função descrita em (1.8) é de probabilidade, para isso e θ θ P (X = ) = = e θ θ!! = e θ e θ = 1 onde =0 =0 =0 Uma forma diferentes de escrever caso X P oisson(θ) é X = I [X=], I A (w) = =0 { 0 se ω / A 1 se ω A, 1 Siméon Denis Poisson ( ) foi um matemático e físico francês.
6 1.1. DISTRIBUIÇÕES DISCRETAS ESPECIAIS 7 é chamada de função indicadora do conjunto A. Podemos escrever também θ θ F X (x) = e δ(x ),! =0 como a função de distribuição de probabilidades de X. Os primeiros momentos de uma variável aleatória Poisson podem ser encontrados utilizando propriedades da soma de series de potências. Apresentamos a seguir o resultado desse trabalho, as demonstrações ficam a conta do leitor. E(X) = θ, (1.9) e E(X 2 ) = θ + θ 2 (1.10) Var(X) = θ (1.11) Esta constitui uma carcaterística importante da distribuição Poisson, a média e a variância coincidem. As funções geradoras de momentos e geradoras de probabilidade assum as expressões, M X (s) = e θ(es 1) (1.12) e G X (s) = e θ(1 s), s 1 (1.13) Poisson (1.5) Poisson (5.0) Poisson (10.0) Figura 1.2: Representação da função de probabilidade Poisson para três valores do parâmetro θ = 1, 5, θ = 5, 0 e θ = 10, 0. Na Figura 1.2 mostramos uma representação gráfica da função de probabilidade Poisson para três diferentes valores do parâmetro. Devemos observar que o parâmetro θ é qualquer número real positivo.
7 8 CAPÍTULO 1. INTRODUÇÃO Teorema 1.3. Sejam X 1, X 2,, X n variáveis aleatórias independentes cada uma com função de probabilidade X P oisson(θ ), = 1, 2,, n. Então S n = X 1 +X 2 + +X n tem por função de probabilidade P oisson(θ 1 + θ θ n ). Demonstração. Exercício. O inverso deste teorema também é verdadeiro. Este fato for demonstrado por Raiov (1938) quando provou que se X 1, X 2,, X n são variáveis aleatórias independentes e se S n = = 1 n X tem distribuição de Poisson, cada uma das variáveis X 1, X 2,, X n tem distribuição de Poisson. Exemplo 1.3. Suponhmaos que o número de insetos fêmeas em determinada região segue uma distribuição de Poisson com média θ. Ainda suponhamso que o número de ovos postos por cada inseto é uma variável aleatória Poisson de média µ. Estamos interessados na distribuição de probabilidade do número de ovos na região. Seja F o número de insetos fêmeas em dita região. Então P (F = f) = e θ θ f, f = 0, 1, 2, f! Seja Y o número de ovos postos por cada inseto. Então P (Y = y, F = f) = P (F = f)p (Y = y F = f) = e θ θ f f! (fµ) y e fµ y! Por conseguinte P (Y = y) = e θ µ y y! (θe µ ) f f y f! f=0
8 1.1. DISTRIBUIÇÕES DISCRETAS ESPECIAIS 9 Podemos também encontrar a função geradora de momentos de Y, θ f e θ e ts (fµ) y M Y (s) = f! y! f=0 y=0 θ f e θ = exp[fµ(e s 1)] f! f=0 [ ] θe µ(e s 1) f = e θ f! f=0 = e θ exp [ θe µ(es 1) ] e fµ Teorema 1.4. Sejam X e Y duas variáveis aleatórias independentes com funções de probabilidade P oisson(θ 1 ) e P oisson(θ 2 ), respectivamente. A distribuição condicional de X dado X + Y é binomial. Demonstração. Para inteiros positivos m e n, m < n, temos que P (X = m X + Y = n) = P (X = m, Y = n m) P (X + Y = n) = e θ 1 (θ1 m /m!)e θ 2 [θ2 n m /(n m)!] e (θ 1+θ 2) (θ 1 + θ 2 ) n /n! ( ) n θ m = 1 θ2 n m = m (θ 1 + θ 2 ) ) ( n θ1 ( n m θ 1 + θ 2 para m = 0, 1, 2,, n. Isto completa a prova. ) m ( 1 θ 1 θ 1 + θ 2 ) n m, O inverso deste resultado também é verdade no seguinte sentido. Se X e Y são variáveis aleatórias não negativas independentes tais que P (X = ) > 0, P (Y = ) > 0, para = 0, 1, 2, e a distribuição condicional de X, X + Y é binomial, ambas X e Y são variáveis aleatórias com distribuição Poisson. Este resultado é devido a Chatterji (1963).
AULA 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 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 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 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 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 mais3.1 Variáveis aleatórias
Capítulo 3 Variáveis aleatórias Estudaremos aqui os conceitos de variável aleatória e de funções relacionadas, tais como a função de distribuição, a função de densidade e a função de probabilidade. Acontece
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 maisEstatística Planejamento das Aulas
29 de outubro de 2018 Distribuição Discreta Uniforme No experimento estatístico, os eventos são equiprováveis. A v.a. discreta X assume n valores discretos tem função de probabilidade: { 1 se x f x = i
Leia maisDistribuições Discretas
META: Estudar o comportamento das Variáveis Aleatórias Discretas, bem como das Distribuições Binomial e Poisson e suas aplicações. Entender o comportamento de uma Variável aleatória Contínua. OBJETIVOS:
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 maisEstatística (MAD231) Turma: IGA. Período: 2018/2
Estatística (MAD231) Turma: IGA Período: 2018/2 Aula #03 de Probabilidade: 19/10/2018 1 Variáveis Aleatórias Considere um experimento cujo espaço amostral é Ω. Ω contém todos os resultados possíveis: e
Leia maisMAT 461 Tópicos de Matemática II Aula 8: Resumo de Probabilidade
MAT 461 Tópicos de Matemática II Aula 8: Resumo de Probabilidade Edson de Faria Departamento de Matemática IME-USP 28 de Agosto, 2013 Probabilidade: uma Introdução / Aula 8 1 Desigualdades de Markov e
Leia maisDaniel Queiroz VARIÁVEIS ALEATÓRIAS DISCRETAS
Daniel Queiroz VARIÁVEIS ALEATÓRIAS DISCRETAS INTRODUÇÃO O que é uma variável aleatória? Um tipo de variável que depende do resultado aleatório de um experimento aleatório. Diz-se que um experimento é
Leia maisDistribuição de Probabilidade. Prof. Ademilson
Distribuição de Probabilidade Prof. Ademilson Distribuição de Probabilidade Em Estatística, uma distribuição de probabilidade descreve a chance que uma variável pode assumir ao longo de um espaço de valores.
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 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 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 maisAproximação da binomial pela normal
Aproximação da binomial pela normal 1 Objetivo Verificar como a distribuição normal pode ser utilizada para calcular, de forma aproximada, probabilidades associadas a uma variável aleatória com distribuição
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 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 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 maisEstatística (MAD231) Turma: IGA. Período: 2017/2
Estatística (MAD231) Turma: IGA Período: 2017/2 Aula #03 de Probabilidade: 04/10/2017 1 Variáveis Aleatórias Considere um experimento cujo espaço amostral é Ω. Ω contém todos os resultados possíveis: e
Leia maisMAT 461 Tópicos de Matemática II Aula 5: Resumo de Probabilidade
MAT 461 Tópicos de Matemática II Aula 5: Resumo de Probabilidade Edson de Faria Departamento de Matemática IME-USP 26 de Agosto, 2013 Probabilidade: uma Introdução / Aula 5 1 Variáveis aleatórias Definição
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 maisAproximação da binomial pela normal
Aproximação da binomial pela normal 1 Objetivo Verificar como a distribuição normal pode ser utilizada para calcular, de forma aproximada, probabilidades associadas a uma variável aleatória com distribuição
Leia maisAproximação da binomial pela normal
Aproximação da binomial pela normal 1 Objetivo Verificar como a distribuição normal pode ser utilizada para calcular, de forma aproximada, probabilidades associadas a uma variável aleatória com distribuição
Leia maisVerificar como a distribuição normal pode ser utilizada para calcular, l de forma aproximada, probabilidades associadas a uma variável aleatória com
Aproximação da binomial pela normal 1 Objetivo Verificar como a distribuição normal pode ser utilizada para calcular, l de forma aproximada, probabilidades associadas a uma variável aleatória com distribuição
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 maisAULA 5 - Independência, Combinatória e
AULA 5 - Independência, Combinatória e permutações Susan Schommer Introdução à Estatística Econômica - IE/UFRJ Independência Um importante caso particular da probabilidade condicional surge quando a ocorrˆncia
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 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 maisCapítulo 2. Variáveis Aleatórias e Distribuições
Capítulo 2 Variáveis Aleatórias e Distribuições Experimento Aleatório Não existe uma definição satisfatória de Experimento Aleatório. Os exemplos dados são de fenômenos para os quais modelos probabilísticos
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 maisFundamentos de Estatística
Fundamentos de Estatística Clássica Workshop Análise de Incertezas e Validação Programa de Verão 2017 Marcio Borges 1 1LABORATÓRIO NACIONAL DE COMPUTAÇÃO CIENTÍFICA mrborges@lncc.br Petrópolis, 9 de Fevereiro
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 maisDistribuições de Probabilidade Discretas
Distribuições de Probabilidade Discretas Who? From? Paulo Inácio K.L. Prado e João L.F. Batista BIE-5781 Modelagem Estatística em Ecologia e Recursos Naturais When? setembro de 2016 Conceitos Conceitos
Leia maisVariável Aleatória. Gilson Barbosa Dourado 6 de agosto de 2008
Variável Aleatória Gilson Barbosa Dourado gdourado@uneb.br 6 de agosto de 2008 Denição de Variável Aleatória Considere um experimento E e seu espaço amostral Ω = {a 1, a 2,..., a n }. Variável aleatória
Leia mais4.1. ESPERANÇA x =, x=1
4.1. ESPERANÇA 139 4.1 Esperança Certamente um dos conceitos mais conhecidos na teoria das probabilidade é a esperança de uma variável aleatória, mas não com esse nome e sim com os nomes de média ou valor
Leia mais24/04/2017. Operações que podem ser aplicadas aos eventos
Inferência estatística: processo de extrair conclusões de uma população inteira com base na informação de uma amostra A base para a inferência estatística é a teoria da probabilidade Evento: é o resultado
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 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 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 maisUma estatística é uma característica da amostra. Ou seja, se
Estatística Uma estatística é uma característica da amostra. Ou seja, se X 1,..., X n é uma amostra, T = função(x 1,..., X n é uma estatística. Exemplos X n = 1 n n i=1 X i = X 1+...+X n : a média amostral
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 maisProf. Lorí Viali, Dr.
Prof. Lorí Viali, Dr. viali@mat.ufrgs.br http://www.mat.ufrgs.br/~viali/ s KKK CKK KKC KCK CCK CKC KCC CCC S X 0 1 2 3 R x X(s) X(S) Uma função X que associa a cada elemento de S (s S) um número real
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 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 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 maisAula 4. Aula de hoje. Aula passada
Aula 4 Aula passada Função de distribuição Bernoulli Sequência de v.a. Binomial, Geométrica, Zeta Valor esperado Variância Distribuição conjunta Independência de v.a. Aula de hoje Valor esperado condicional
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 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 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 maisF (x) = P (X x) = Σ xi xp(x i ) E(X) = x i p(x i ).
Variável Aleatória Uma variável aleatória é uma variável numérica, cujo valor medido pode variar de uma réplica para outra do experimento. Exemplos: (i) Variáveis aleatórias contínuas: corrente elétrica,
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 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 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 maisDistribuições de Probabilidade Discretas
Distribuições de Discretas Paulo Inácio K.L. Prado e João L.F. Batista BIE-5781 Modelagem Estatística em Ecologia e Recursos Naturais Novembro de 2018 Conceitos Variável aleatória Distribuição de probabilística
Leia maisDISTRIBUIÇÕES BERNOULLI, BINOMIAL E POISSON
DISTRIBUIÇÕES BERNOULLI, BINOMIAL E POISSON http://www.uel.br/pessoal/lscunha/ Universidade Estadual de Londrina 05 de julho de 2017 Distribuição Bernoulli Exemplo Nos experimentos de Bernoulli, o espaço
Leia maisProbabilidade I. Departamento de Estatística. Universidade Federal da Paraíba
Probabilidade I Departamento de Estatística Universidade Federal da Paraíba Prof. Tarciana Liberal (UFPB) Aula Distribuição de Bernoulli e Binomial 07/14 1 / 32 Distribuições Discretas Apresentaremos agora
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 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 maisEstatística e Modelos Probabilísticos - COE241
Estatística e Modelos Probabilísticos - COE241 Aula passada Probabilidade Condicional Independência de Eventos Teorema da Probabilidade Total Lei de Bayes Aula de hoje Exemplo Lei de Bayes Variáveis Aleatórias
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 maisEELT-7035 Processos Estocásticos em Engenharia. Variáveis Aleatórias. EELT-7035 Variáveis Aleatórias Discretas. Evelio M. G.
EELT-7035 Processos Estocásticos em Engenharia Variáveis Aleatórias Discretas 21 de março de 2019 Variáveis Aleatórias Variável aleatória, X( ): função que mapeia o espaço amostral (S) em números pertencentes
Leia maisDistribuições amostrais
Distribuições amostrais Tatiene Correia de Souza / UFPB tatiene@de.ufpb.br October 14, 2014 Souza () Distribuições amostrais October 14, 2014 1 / 23 Distribuição Amostral Objetivo Estender a noção de uma
Leia maisAula 5. Variáveis Aleatórias Discretas
Aula 5. Variáveis Aleatórias Discretas Definição formal : Variável aleatória é qualquer função definida em espaço Ω. Ω função é uma regra que para cada valor de domínio corresponde um valor de R R Definição
Leia maisPARTE 2. Profª. Drª. Alessandra de Ávila Montini
PARTE 2 Profª. Drª. Alessandra de Ávila Montini Conteúdo Introdução a Probabilidade Conceito de Experimento Conceito de Espaço Amostral Conceito de Variável Aleatória Principais Distribuições de Probabilidade
Leia maisDistribuições Bernoulli, Binomial e Poisson
Distribuições Bernoulli, Binomial e Poisson Prof. Dr. Lucas Santana da Cunha email: lscunha@uel.br http://www.uel.br/pessoal/lscunha/ 06 de junho de 2018 Londrina 1 / 18 Nos experimentos de Bernoulli,
Leia maisNotas de Aula. Copyright 2007 Pearson Education, Inc Publishing as Pearson Addison-Wesley.
Notas de Aula Estatística Elementar 10ª Edição by Mario F. Triola Tradução: Denis Santos Slide 1 Capítulo 5 Distribuições de Probabilidades 5-1 Visão Geral 5-2 Variáveis Aleatórias 5-3 Distribuição de
Leia maisPROBABILIDADE. Curso: Logística e Transportes Disciplina: Estatística Profa. Eliane Cabariti
Curso: Logística e Transportes Disciplina: Estatística Profa. Eliane Cabariti PROBABILIDADE Dizemos que a probabilidade é uma medida da quantidade de incerteza que existe em um determinado experimento.
Leia maisESTATÍSTICA. x(s) W Domínio. Contradomínio
Variáveis Aleatórias Variáveis Aleatórias são funções matemáticas que associam números reais aos resultados de um Espaço Amostral. Uma variável quantitativa geralmente agrega mais informação que uma qualitativa.
Leia 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 maisMAE 116 Distribuição Binomial FEA - 2º Semestre de 2018
MAE 116 Distribuição Binomial FEA - 2º Semestre de 2018 1 Vamos considerar alguns exemplos de experimentos aleatórios em que associamos a cada resultado possível um número 1. Lança-se uma moeda 10 vezes
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 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 BERNOULLI E BINOMIAL
DISTRIBUIÇÕES BERNOULLI E BINOMIAL Lucas Santana da Cunha email: lscunha@uel.br http://www.uel.br/pessoal/lscunha/ Universidade Estadual de Londrina 26 de junho de 2017 Distribuição Bernoulli Nos experimentos
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 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 maisCapítulo 5 Distribuições de Probabilidades. Seção 5-1 Visão Geral. Visão Geral. distribuições de probabilidades discretas
Capítulo 5 Distribuições de Probabilidades 5-1 Visão Geral 5-2 Variáveis Aleatórias 5-3 Distribuição de Probabilidade Binomial 5-4 Média, Variância e Desvio Padrão da Distribuição Binomial 5-5 A Distribuição
Leia maisPROBABILIDADE RESUMO E EXERCÍCIOS* P1
PROBABILIDADE RESUMO E EXERCÍCIOS* P1 *Exercícios de provas anteriores escolhidos para você estar preparado para qualquer questão na prova. Resoluções grátis em Conceitos e Fundamentos Estudamos probabilidade
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 maisa) Considerando o lançamento de dois dados, o espaço amostral é Tabela 1: Tabela de distribuição de X. X P 11/36 9/36 7/36 5/36 3/36 1/36
1 Exercício 1 Um par de dados não viciados é lançado. Seja X a variável aleatória denotando o menor dos dois números observados. a) Encontre a tabela da distribuição dessa variável. b) Construa o gráfico
Leia maisDistribuições Bernoulli e Binomial
Distribuições Bernoulli e Binomial Prof. Dr. Lucas Santana da Cunha email: lscunha@uel.br http://www.uel.br/pessoal/lscunha/ 04 de junho de 2018 Londrina 1 / 12 Distribuição Bernoulli Nos experimentos
Leia maisModelos Probabiĺısticos Discretos
Discretos Prof. Gilberto Rodrigues Liska UNIPAMPA 19 de Setembro de 2017 Material de Apoio e-mail: gilbertoliska@unipampa.edu.br Gilberto R. Liska ( UNIPAMPA ) Notas de Aula 19 de Setembro de 2017 1 /
Leia maisBioestatística F. Modelo Binomial. Enrico A. Colosimo
Bioestatística F Modelo Binomial Enrico A. Colosimo Departamento de Estatística Universidade Federal de Minas Gerais http://www.est.ufmg.br/~enricoc 2011 1 / 1 Variável aleatória discreta Definição Uma
Leia maisVariáveis Aleatórias
Variáveis Aleatórias Definição: Uma variável aleatória v.a. é uma função que associa elementos do espaço amostral a valores numéricos, ou seja, X : Ω A, em que A R. Esquematicamente As variáveis aleatórias
Leia maisProbabilidades e Estatística
Departamento de Matemática Probabilidades e Estatística LEGM, LEIC-A, LEIC-T, LEMat, MEBiom, MEFT, MEQ 2 o semestre 2011/2012 1 o Teste A 21/04/2012 9:00 Duração: 1 hora e 30 minutos Justifique convenientemente
Leia maisUNIVERSIDADE FEDERAL DA PARAÍBA. Variáveis Aleatórias. Departamento de Estatística Luiz Medeiros
UNIVERSIDADE FEDERAL DA PARAÍBA Variáveis Aleatórias Departamento de Estatística Luiz Medeiros Introdução Como sabemos, características de interesse em diversas áreas estão sujeitas à variação; Essa variabilidade
Leia maisVariáveis Aleatórias. Prof. Tarciana Liberal Departamento de Estatística - UFPB
Variáveis Aleatórias Prof. Tarciana Liberal Departamento de Estatística - UFPB Introdução Ao descrever o espaço amostral de um experimento aleatório, não especificamos que um resultado individual seja
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 maisH. Iglésias Pereira Revisões. RESOLUÇÃO: X-nº de clientes que chegam ao departamento do C.C./hora
Esta distribuição que aparece como caso limite da distribuição binomial em determinadas circunstâncias, é um bom modelo probabilístico de fenómenos aleatórios como número de clientes que chegam a um determinado
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 mais2.4 Esperança e distribuição condicionais
2.4. ESPERANÇA E DISTRIBUIÇÃO CONDICIONAIS 35 2.4 Esperança e distribuição condicionais Estendemos aqui o conceito de probabilidade condicional em (2.8) para obter a distribuição condicional e, posteriormente,
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 e Distribuição de Probabilidade
Variáveis Aleatórias Discretas e Distribuição de Probabilidades - parte II 29 de Março de 2011 Distribuição Uniforme Discreta Média Propriedade da falta de memória Objetivos Ao final deste capítulo você
Leia maisIntrodução à probabilidade e estatística I
Introdução à probabilidade e estatística I Variáveis Aleatórias Prof. Alexandre G Patriota Sala: 298A Email: patriota@ime.usp.br Site: www.ime.usp.br/ patriota Probabilidade Daqui por diante utilizaremos
Leia maisCálculo das Probabilidades I
Cálculo das Probabilidades I Departamento de Estatística Universidade Federal da Paraíba Prof. Tarciana Liberal (UFPB) Aula Função Geradora de Momentos 10/13 1 / 19 Calculamos algumas características da
Leia maisMOQ 13 PROBABILIDADE E ESTATÍSTICA. Professor: Rodrigo A. Scarpel
MOQ 13 PROBABILIDADE E ESTATÍSTICA Professor: Rodrigo A. Scarpel rodrigo@ita.br www.mec.ita.br/~rodrigo Programa do curso: Semanas 1 3 4 5 6 7 8 9 10 11 1 13 14 15 e 16 Introdução à probabilidade (eventos,
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 mais