Tipos de Modelos. Determinístico. Sistema Real. Probabilístico. Prof. Lorí Viali, Dr. FAculdade de Matemática - Departamento de Estatística - PUCRS
|
|
- Renata Soares
- 5 Há anos
- Visualizações:
Transcrição
1
2 Tipos de Modelos Determinístico Sistema Real Probabilístico
3 Modelo determinístico Causas Efeito
4 Exemplos Gravitação F GM 1 M 2 /r 2 Aceleração clássica v at Aceleração relativística v 1 + at a 2 c t 2 2
5 Modelo probabilístico X Causas Efeito
6 Exemplos Binomial n. p f ( x) x 0 x.(1 p) n x x {0,1,..., n} c. c. Poisson f ( x) x λ 0. e x! λ x N c. c. Normal f 1 x 2 µ σ ( x) e 2π. σ, x R
7 Experimento Aleatório Experiência para o qual o modelo probabilístico é adequado.
8 Exemplos E 1 : Joga-se um dado e observa-se o número da face superior. E 2 : Joga-se uma moeda quatro vezes e observa-se o número de caras e coroas;
9 E 3 : Joga-se uma moeda quatro vezes e observa-se a sequência de caras e coroas; E 4 : Uma lâmpada nova é ligada e contase o tempo gasto até queimar;
10 E 5 : Joga-se uma moeda até que uma cara seja obtida. Conta-se o número de lançamentos necessários; E 6 : Uma carta de um baralho comum de 52 cartas é retirada e seu naipe registrado; E 7 : Jogam-se dois dados e par de valores obtido; observa-se o
11 Espaço amostra(l) É o conjunto de resultados de uma experiência aleatória.
12 Exemplos S 1 {1, 2, 3, 4, 5, 6} S 2 {0, 1, 2, 3, 4} S 3 { cccc, ccck, cckc, ckcc, kccc, cckk, kkcc, ckkc, kcck, ckck, kckc, kkkc, kkck, kckk, ckkk, kkkk}
13 S 4 { t R / t 0 } S 5 {1, 2, 3,...} S 6 {,,, }
14 S 7 { (1, 1), (1, 2),(1,3), (1, 4), (1, 5), (1, 6) (2, 1), (2, 2), (2, 3), (2, 4), (2, 5), (2, 6) (3, 1), (3, 2), (3, 3), (3, 4), (3, 5), (3, 6) (4, 1), (4, 2), (4, 3), (4, 4), (4, 5), (4, 6) (5, 1), (5, 2), (5, 3), (5, 4), (5, 5), (5, 6) (6, 1), (6, 2), (6, 3), (6, 4), (6, 5), (6, 6) }
15 Eventos Um evento é um subconjunto de um espaço amostra.
16 Exemplo: Se S {1, 2, 3, 4, 5, 6} é um espaço amostra, então são eventos: A { 1, 3, 5} B { 6 } C { 4, 5, 6} D E S
17 Ocorrência de um evento Seja E um experimento com espaço amostra associado S. Diremos que o evento A ocorre se realizado E o resultado é um elemento de A.
18 Combinação de eventos Se A e B são eventos de um mesmo espaço amostra S. Diremos que ocorre o evento:
19 A união B, A soma B ou A mais B, se e só se A ocorre ou B ocorre. A B
20 A produto B, A vezes B ou A interseção B, se e só se A ocorre e B ocorre. A B
21 A menos B, A diferença B, se e só se A ocorre e B não ocorre. A B
22 Complementar de A (não A) se e só se A não ocorre. A A C A
23 Eventos mutuamente excludentes (exclusivos) Dois eventos A e B são mutuamente excludentes se não puderem ocorrer juntos.
24 Conceitos de probabilidade CLÁSSICO FREQÜENCIAL AXIOMÁTICO
25 Clássico (número de casos favoráveis) P(A) (número de casos possíveis)
26 Exemplo: Qual a probabilidade de ganhar na Loto Fácil?
27 Solução: Casos favoráveis 1 Casos possíveis:
28 P(Loto Fácil) Número de favoráveis Número de possíveis ,000031%
29 Frequência relativa de um evento (número de vezes que A ocorre) fr A (número de vezes que E é repetido)
30 Exemplo: Um dado é lançado 120 vezes e apresenta FACE SEIS 18 vezes. seis é: Então, a freqüência relativa de face
31 fr6 númerode vezesque"f_seis"ocorre númerode vezesqueo dadoé jogado 18 0,15 15%. 120
32 Conceito frequencial de probabilidade A probabilidade de um evento A é o limite para o qual tende a frequência relativa de A, quando o número de repetições do experimento tende ao infinito, isto é: P(A) lim fra n
33 Conceito axiomático P(A) é um número real que deve satisfazer as seguintes propriedades: (1) 0 P(A) 1 (2) P(S) 1 (3) P(AUB) P(A) + P(B) se A B
34 Consequências dos axiomas (Teoremas)
35 (1) P( ) 0 A (2) P( ) 1 - P(A) (3) P(A - B) P(A) - P(A B)
36 (4) P(AUB) P(A) + P(B) - P(A B) (5) P(AUBUC) P(A) + P(B) + P(C)- - P(A B) - P(A C) - P(B C) + P(A B C)
37 Probabilidade condicionada
38 Motivação Considere uma urna com 50 fichas, onde 40 são pretas e 10 são brancas. Suponha que desta urna são retiradas duas fichas, ao acaso e sem reposição:
39 Sejam os eventos: A {a primeira ficha é branca} B {a segunda ficha é branca} Então: P(A) 10/50 0,20 20% P(B)?/49
40 Neste caso, não se pode avaliar P(B), pois para isso é necessário saber se A ocorreu ou não, isto é, se saiu ficha branca na primeira retirada.
41 Se for informado que A ocorreu, então a probabilidade de B, será: P(B A) 9/49 0, ,37%. Observe a notação.
42 Esta representação é lida: P de B dado A; P de B dado que A ocorreu; P de B condicionada a A.
43 Definição: P(A B) P(A B) / P(B)
44 Mas: Se P(A B) P(A B) / P(B) então: P(A B) P(A B).P(B) E também: Se P(B A) P(A B) / P(A) então: P(A B) P(A).P(B A)
45 Assim: P(A B) P(A).P(B A) P(A B).P(B) Esse resultado é conhecido como teorema da multiplicação.
46 Independência Dois eventos A e B são ditos independentes se a probabilidade de um ocorrer não altera a probabilidade do outro ocorrer, isto é:
47 Se: (1) P(A B) P(A) ou (2) P(B A) P(B) ou ainda (3) P(A B) P(A).P(B)
48 Partição de um espaço amostra Diz-se que os conjuntos: A 1, A 2,..., A n eventos de um mesmo espaço amostra S, formam uma partição deste espaço se:
49 (1) A i A j, para todo i j (2) A 1 A 2... A n S (3) P(A i ) > 0, para todo i
50
51 Teorema da probabilidade total
52 B
53 B pode ser escrito como: B (B A 1 ) (B A 2 )... (B A n )
54 B A 1 B A 3 B A 2 B
55 P(B) será então: P(B) P[(B A 1 ) (B A 1 )... (B A n )] P(B A 1 ) + P(B A 2 ) P(B A n ) P(B A i ) P(A i ).P(B/A i ) Assim: P(B) P(A i ).P(B/A i )
56 Exemplo: Uma peça é fabricada por três máquinas diferentes. A máquina A participa com 20% da produção, a B com 30% e a C com 50%.
57 Das peças produzidas por A, 5% são defeituosas, das de B 3% e das de C 1%. Selecionada uma peça ao acaso da produção global qual a probabilidade de ela ser defeituosa.
58 Solução: Tem-se: P(A) 20% P(D A) 5% P(B) 30% P(D B) 3% P(C) 50% P(D C) 1% P(D) P(A i ).P(D A i )
59 Então: P(D) P(A).P(D A) + P(B).P(D B) + P(C).P(D C) 0,20.0,05 + 0,30.0,03 + 0,50.0,01 0,01 + 0, ,005 0,024 2,40 %
60 Teorema de Bayes B A4
61 Calcula a probabilidade de ocorrência de um dos A i (que formam a partição) dado que ocorreu um evento qualquer B.
62 Aplicando a expressão da probabilidade condicionada vem: P(A i B) P(A i B)/ P(B) P(A i ).P(B A i )/ P(B)
63 Na expressão: P(A i B) P(A i ).P(B A i ) / P(B) o valor de P(B) (denominador) é obtido por meio do Teorema da Probabilidade Total.
64 Exemplo: Considerando o exercício anterior, suponha que uma peça seja selecionada e se verifique que ela é defeituosa. Qual a probabilidade de ela ter sido produzida pela máquina A?
65 Solução: Tem-se: P(A) 20% P(D A) 5% P(B) 30% P(D B) 3% P(C) 50% P(D C) 1% P(D) 2,40%
66 Então: P(A D) P(A).P(D A) P(A).P(D A) + P(B).P(D B) + P(C).P(D C) 0, 20.0,05 0, 20.0,05 + 0,30.0,03 + 0,50.0, 01 0,01 41, 67% 0,024
67
68 s KKK CKK KKC KCK CCK CKC KCC CCC X R x X(s) X(S) S
69 Variável Aleatória Uma função X que associa a cada elemento de S (s S) um número real x X(s) é denominada variável aleatória.
70 O conjunto de valores O conjunto formado por todos os valores x, isto é, a imagem da variável aleatória X, é denominado de conjunto de valores de X. X(S) { x R X(s) x }
71 Tipos de variáveis Conforme o conjunto de valores X(S) uma variável aleatória poderá ser discreta ou contínua.
72 Variável Discreta (VAD) Se o conjunto de valores for finito ou então infinito enumerável a variável é dita discreta.
73 Variável Contínua (VAC) Se o conjunto de valores for infinito não enumerável então a variável é dita contínua.
74
75 A função de probabilidade (fp) A função de probabilidade (fp) de uma VAD é a função que associa a cada x i X(S) o número f(x i ) P(X x i ) que satisfaz as seguintes propriedades: f(x i ) 0, para todo i f(x i ) 1
76 A distribuição de probabilidade A coleção dos pares [x i, f(x i )] para i 1, 2, 3,... é denominada de distribuição de probabilidade da VAD X.
77 Exemplo: Suponha que uma moeda equilibrada é lançada três vezes. Seja X número de caras. Então a distribuição de probabilidade de X é:
78 KKK X f CKK 0 0 KKC KCK CCK CKC KCC CCC S x(s) R f (x) [0;1]
79 X f KKK CKK 0 1/8 KKC KCK CCK CKC KCC CCC S x(s) R f (x) 3/8 3/8 1/8 [0;1]
80 Exemplo: Suponha que um par de dados é lançado. Então X soma do par é uma variável aleatória discreta com o seguinte conjunto de valores:
81 Como X((a, b)) a + b, o conjunto de valores de X é dado por: X(S) {2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12}
82 A função de probabilidade f(x) P(X x), associa a cada x X(S), um número no intervalo [0; 1] dado por: f(x) P(X x) P(X(s) x) P([x X(S) / X(s) x})
83 Desta forma: f(2) P(X 2) P{(1,1)} 1/36 f(3) P(X 3) P{(1,2), (2, 1)} 2/36... f(11) P(X11) P{(6, 5), (5, 6)} 2/36 f(12) P(X 12) P{(6, 6)} 1/36 A distribuição de probabilidade será:
84 A distribuição de probabilidade de X será então: x Σ f(x)
85 Representação de uma distribuição de probabilidade: Poderá ser feita por meio de: uma tabela uma expressão analítica (fórmula) um diagrama
86 Tabela Seja X número de caras, obtidas no lançamento de 4 moedas honestas. Então a distribuição de X é a da tabela ao lado. x f(x) 0 1/16 1 4/16 2 6/16 3 4/16 4 1/16 Σ 1
87 Expressão analítica Considere X soma do par, no lançamento de dois dados equilibrados, então: f : X(S) R x (x - 1)/36 se x 7 (12 - x + 1)/36 se x > 7
88 Diagrama 0,18 0,16 0,14 0,12 0,10 0,08 0,06 0,04 0,02 0,
89 VAD - Caracterização (a) Expectância, valor esperado (Expectation) µ E(X) x.f(x) x.p(x x) (b) Variância (Variance) σ f(x) (x µ ) x f(x) µ 2 E( X )-E(X) 2
90 (iii) Desvio Padrão (Standard Deviation) σ f (x)(x µ ) x f (x) µ E( X )-E(X) (iv) O Coeficiente de Variação (Variation Coeficient) γ σ/µ
91 Exemplo Calcular o valor esperado, a variabilidade da variável X número de caras no lançamento de quatro moedas honestas.
92 Cálculos x f(x) x.f(x) x 2 f(x) 0 1/ /16 4/16 4/16 2 6/16 12/16 24/16 3 4/16 12/16 36/16 4 1/16 4/16 16/16 Σ 1 2 5
93 Tem-se: Assim: (i) E(X) 2 caras (ii) σ cara (iii) γ 1/2 0,5 50%
94 A Função de Distribuição (FD) Seja X uma variável aleatória (discreta ou contínua). A função de distribuição (acumulada) ou simplesmente função de repartição é definida por: F(x) P(X x).
95 Propriedades da FD (a) 0 F(x) 1; (b) F(x 1 ) F(x 1 ) se x 1 < x 2 (c) lim F(x) 0 x (d) lim F(x) 1 x +
96 Determinação de probabilidades a partir da FD (i) P(a < X b) F(b) F(a); (ii) P(X < a) F(a) e (iii) P(X > a) 1 - F(a)
97
98 Bernoulli Binomial Poisson
99
100 Experimento Qualquer um que corresponda a apenas dois resultados. Estes resultados são anotados por 0 ou fracasso e 1 ou sucesso. A probabilidade de ocorrência de sucesso é representada por p e a de insucesso por q 1 p.
101 Conjunto de Valores X(S) { 0, 1} A Função de Probabilidade (fp) f (x) P(X x) 1 p p se se x 0 x 1
102 A Função de Probabilidade (fp) 1,0 0,8 0,6 0,4 0,2 0,0 0 1
103 Características Expectância ou Valor Esperado E(X) x.f (x) 0.q + 1.p p Variância V(X) E(X 2 ) - E(X) 2 (0 2.q p) p 2 p p 2 p(1 p) pq
104 Suponha que um circuito é testado e que ele seja rejeitado com probabilidade 0,10. Seja X o número de circuitos rejeitados em um teste. Determine a distribuição de X.
105 Como se trata de um único teste, a variável X é Bernoulli com p 10%, assim a distribuição é: f (x) P(X x) 0,9 0,1 se se x 0 x 1
106
107 Experimento Como existem apenas duas situações: A ocorre ou não, pode-se determinar a probabilidade de A não ocorrer como sendo q 1 p. A VAD definida por X número de vezes que A ocorreu nas n repetições de E é denominada BINOMIAL.
108 Conjunto de Valores X(S) {0, 1, 2, 3,..., n} A Função de Probabilidade (fp) f (x) P(X x) n x p x q n x
109 A Função de Probabilidade (fp) 0,18 0,16 0,14 0,12 0,10 0,08 0,06 0,04 0,02 0,
110 Características Expectância ou Valor Esperado E(X) x.f (x) Variância n x n x x. p q x np V(X) E(X 2 ) - E(X) n 2 2 x n x 2 E(X ) x. p q n(n -1)p + x 2 np
111 V(X) E(X 2 ) - E(X) 2 n(n 1) p 2 + np (np) 2 n p 2 + np np(1 p) npq Assim: E (X) np σ X npq
112 Exemplo Uma fábrica recebe um lote de 100 peças das quais cinco são defeituosas. Suponhamos que a fábrica aceite todas as 100 peças se não houver nenhuma defeituosa em uma amostra aleatória de 10 peças selecionadas para inspeção. Determinar a probabilidade de o lote ser aceito.
113 Então: Tem-se: n 10 e p 5/100 5% f (0) P(X 0) 10.(0,5) 0 0.(0,95) 10 59,87%
114
115 Experimento Na Binomial a variável que interessa é o número de sucessos em um intervalo discreto (n repetições de um experimento). Muitas vezes, entretanto, o interesse é o número de sucessos em um intervalo contínuo, como o tempo, área, superfície, etc.
116 Para determinar a f(x) de uma distribuição deste tipo, será suposto que: (i) Eventos definidos em intervalos não sobrepostos são independentes; (ii) Em intervalos de mesmo tamanho as probabilidades de um mesmo número de sucessos são iguais;
117 (iii) Em intervalos muito pequenos a probabilidade de mais de um sucesso é desprezível. (iv) Em intervalos muito pequenos a probabilidade de um sucesso é proporcional ao tamanho do intervalo.
118 Definição: Se uma variável satisfaz estas quatro propriedades ela é dita VAD de POISSON. Se X é uma VAD de POISSON, então a função de probabilidade de X é dada por:
119 A Função de Probabilidade (fp) f (x) P(X x) e λ. λ x! x para x 0,1, 2,... λ é denominada de taxa de sucessos.
120 A Função de Probabilidade (fp) - P(10) 0,15 0,12 0,09 0,06 0,03 0,
121 Características: Expectância ou Valor Esperado E(X) λ Desvio Padrão σx λ
122 Exemplo: O número de consultas a uma base de dados computacional é uma VAD de Poisson com λ 6 em um intervalo de dez segundos. Qual é a probabilidade de que num intervalo de 5 segundos nenhum acesso se verifique?
123 A taxa de consultas é de seis em dez segundos em cinco segundos teremos uma taxa de λ 3 consultas. Então: f (0) P(X 0) e ! 0 e -3 4,98%
124
125 Seja X uma variável aleatória com conjunto de valores X(S). Se o conjunto de valores for infinito não enumerável então a variável é dita contínua.
126 A Função Densidade de Probabilidade É a função que associa a cada x X(S) um número f(x) que deve satisfazer as seguintes propriedades: f(x) 0 f(x)dx 1
127 A Distribuição de Probabilidade A coleção dos pares (x, f(x)) é denominada de distribuição de probabilidade da VAC X.
128 Exemplo Seja X uma VAC. Determine o valor de c para que f(x) seja uma função densidade de probabilidade (fdp). f (x) c.x 0 2 se 1 c. c. x 1
129 Para determinar o valor de c, devemos igualar a área total a um, isto é, devemos fazer: 1-1 f(x)dx c.x dx 1
130 Tem-se: 1 2 c.x dx c x dx x c c 1 3 c c
131 Representação Gráfica 1,5 f (x) 3x 2 2 1,0 0,5 0,0-1,5-1,3-1,0-0,8-0,5-0,2 0,0 0,3 0,5 0,8 1,0 1,3 1,5-1 X 1
132 Cálculo da Probabilidade P(a < X < b) b a f (x) dx y a b x a < X < b
133 P(a < X < b) b a f (x) dx Isto é, a probabilidade de que X assuma valores entre os números a e b é a área sob o gráfico de f(x) entre os pontos x a e x b.
134 Observações: Se X é uma VAC, então: P(X a) a a f (x)dx 0 P(a < X < b) P(a P(a < P(a X < X X b) b) b).
135 Exemplo Seja X uma VAC. Determine a probabilidade de X assumir valores no intervalo [-0,5; 0,5]. f(x) 3x se 1 c. c. x 1
136 A probabilidade solicitada é dada por: P( 0,5 < X < 0,5) 0,5-0, x 2 0,5-0,5 2 dx 2 x dx 1 [(0,5) 2 12,50% (-0,5) x 3 3 ] 3 0,5-05
137 VAC Caracterização (a) Expectância, valor esperado µ E(X) xf (x) dx (b) Variância σ 2 V(X) x x 2 2 f (x)dx f(x)dx (x µ) µ f (x)dx ( xf (x)dx) E(X ) E(X) 2
138 (iii) Desvio Padrão σ (x µ) 2 f (x)dx x 2 f (x)dx µ 2 2 E(X ) E(X) 2 (iv) O Coeficiente de Variação γ σ/µ
139 Exemplo: Determinar a expectância e o desvio padrão da variável X dada por: f (x) 3x se 1 c. c. x 1
140 µ E(X) x. 3x x.f(x)dx dx x dx x
141 0, x 2 3 dx x 2 3 dx 2 3x. x ) E(X E(X) ) E(X σ
142 O desvio padrão de X será, então: σ E(X 2 ) E(X) 2 0,60 0 0,77
143 A Função de Distribuição É a função F(x) definida por: F(x) P(X x) x f (u)du A F(x) é a integral da f(x) até um ponto genérico x.
144 Exemplo: Considerando a função abaixo como a fdp de uma VAC X, determinar a F(x). f (x) 3x se 1 c. c. x 1
145 A F(x) é uma função definida em todo o intervalo real da seguinte forma: F(x) 0 x 3u du se x < se 1 se x > 1-1 x 1
146 Vamos determinar o valor da integral em u : 2 1 x ] [u u 2 3 du u 2 3 du 2 3u F(x) 3 x 1 x 1 x 1 2 x
147 Assim a Função de Distribuição Acumulada (FDA) é: F(x) 0 3 x se se se x < -1 1 x x > 1 1
148 Representação Gráfica F(x) x ,0 0,9 0,8 0,7 0,6 0,5 0,4 0,3 0,2 0,1 0,0-1,5-1,0-0,5 0,0 0,5 1,0 1,5
149 Cálculo de Probabilidade com a FDA O uso da FDA é bastante prático no cálculo das probabilidades, pois não é necessário integrar, já que ela é uma função Integral.
150 Usando a FDA, teremos sempre três casos possíveis: P(X x) F(x) P(X > x) 1 F(x) P(x < X < x ) F(x ) F(x 1 )
151
152 Normal t (de Student) χ 2 (Qui-Quadrado) F de Snedecor
153 A distribuição normal 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 > 0
154 Representação gráfica 0,8 0,6 N(0; 1) N(0; 0,5) N(0; 2) N(2; 1) 0,4 0,2 0,
155 Cálculo de probabilidades P(X x) x 1 2π. σ.e 1. 2 u µ σ 2 du? A normal não é integrável por meio do TFC, isto é, não existe uma F(x) tal que F (x) f(x).
156 Solução: Utilizar integração numérica. Como não é possível fazer isto com todas as curvas, escolheu-se uma para ser tabelada (integrada numericamente).
157 A normal padrão A curva escolhida é a N(0, 1), isto é, com µ 0 e σ 1. Se X é uma N(µ, σ), então: Z X µ σ Será uma N(0; 1).
158 A fdp da variável Z é dada por: ϕ(z) 1 2π.e z 2 2., z R uma vez que µ 0 e σ 1.
159 A distribuição N(0, 1) 0,4 0,3 0,2 0,1 0,0-4,0-3,0-2,0-1,0 0,0 1,0 2,0 3,0 4,0
160 Tabela (ou planilha): O que é tabelado ou obtido na planilha é a FDA da variável Z, isto é: P(Z z) z - ϕ(u)du u 2 1 z..e 2 du - 2π Φ(z)
161 A FDA da N(0; 1) Φ(z) 1,0 0,9 0,8 0,7 0,6 0,5 0,4 0,3 0,2 0,1 0,0-4,0-3,0-2,0-1,0 0,0 1,0 2,0 3,0 4,0 z
162 Uso da tabela ou Planilha Área à esquerda (abaixo) de z P(Z z) Φ(z) Leitura direta Área à direita (acima) de z P(Z > z) 1- P(Z z) 1- Φ(z) Φ( z) Área entre dois valores de z P( z < Z < z ) Φ(z ) Φ(z )
163 Exemplo: Uma VAC tem distribuição normal de média 50 e desvio padrão 8. Determinar: (a) P(X 40) (b) P(X > 65) (c) P(45 < X < 62)
164 (a) P(X 40) P(X 40) P( X µ σ ) P(Z 1,25) 10,56%
165 (b) P(X > 65) P(X > 65) P( X µ σ > ) P(Z > 1,88) 1 P(Z < 1,88) 1 Φ(1,88) Φ( 1,88) 3,01%
166 (c) P(45 < X < 62) P(45 < X < 62) P( 8 P( 0,62 < < Z X µ 62 < σ < 1,50) 8 50 ) Φ(1,50) Φ( 0,62) 93,32% 27,67% 65,65%
167 A função inversa: Uma VAC tem distribuição normal de média 50 e desvio padrão 8. Determinar: (a) P(X x) 5% (b) P(X > x) 1%
168 Para resolver este tipo de exercício é preciso utilizar a função inversa, isto pode ser feito utilizando a função Invnorm da planilha.
169 Graficamente 0,05 0,04 0,03 0,02 0,01 0,00 5% P(X x) 5% x
170 Em (a) temos P(X x) 5% P(X x) P( X µ σ x 50 ) 8 P(Z z) Φ(z) 5% onde z x 8 50
171 Se Φ(z) 5%, então Φ 1 [ Φ(z)] Φ 1 (5%) z Φ 1 (0,05) O valor acima pode ser obtido diretamente da planilha.
172 Assim z 1,645 x 50 Como z, tem 8 x 50 1,645 z 8 x 50 1, ,84 se:
173 Em (b) temos P(X > x) 1% P(X > x) X µ P( σ P(Z > z) x 50 > ) 8 1 Φ(z) 1% 0,01 Mas 1 Φ(z) Φ( z) Logo z Φ 1 (0,01)
174 0,05 0,05 0,04 0,04 0,03 0,03 0,02 0,02 0,01 0,01 P(X > x) 1% 1% 0,00 0, x
175
176 Uma variável aleatória X tem uma distribuição t ou de Student se sua fdp for do tipo: f (x) 2 υ x Γ + 2 υ υ πυ. Γ 2 para x υ+ 1 2 R
177 0,40 0,30 0,20 fdp de t(1) t(5) t(25) 0,10 0,
178 Expectância ou Valor esperado µ E (X) 0 Variância υ Var(X) υ - 2 O valor υ é denominado de Grau de liberdade
179 A planilha fornece a função direta e inversa (percentis), em relação a área à direita (unilateral) ou da soma das caudas (bilateral) de cada curva, isto é, a tabela retorna um valor t tal que P(Τ t) α (unilateral) ou P( T t) α.
180
181 Uma variável aleatória X tem uma distribuição Qui-Quadrado se sua fdp for do tipo: x 2 f (x) υ 1 υ e υ Γ 2 x 2 sex sex > 0 0
182 Expectância ou Valor esperado E(X) υ Variância Var(X) 2υ O valor υ é denominado de Grau de liberdade
183 1,00 0,80 Q(1) Q(2) Q(3) 0,60 0,40 0,20 0,00 0,0 1,0 2,0 3,0 4,0 5,0 6,0 7,0 8,0
184 A planilha fornece a função direta e inversa, em relação a área à direita de cada curva (uma para cada linha), isto é, dado um valor de área na cauda direita (α), a tabela retorna um valor x tal que P(χ 2 x) α
185
186 Uma variável aleatória X tem uma distribuição F ou de Snedecor se sua fdp for do tipo: ( ) 0 sex 0 0 x se 2 n 2 m mx n x n m 2 n m f(x) 2 n m 1 2 m 2 n 2 m > Γ Γ + + Γ +
187 Expectância ou Valor esperado m E(X) m Variância 2 m é o grau de liberdade do numerador e n do denominador 2(m + n - 2) Var(X) m 2 m(n - 2)(n - 4)
188 1,0 0,8 0,6 0,4 fdp de F(1, 3) F(2, 5) F(5, 10) F(20, 20) 0,2 0,
189 A planilha fornece a função direta e inversa da área à direita de cada curva (uma para cada par de valores numerador, denominador).
190
191 A desiguldade de Tchebycheff, Tchebichev ou Chebyshev ( ), é dada por: P( X - µ kσ) < 1/k 2 P( X - µ < kσ) 1-1/k 2
192 Esta desigualdade fornece a probabilidade de que os valores de uma VAD/VAC estejam em um intervalo simétrico em torno da média de amplitude igual a k desvios padrões.
193 Assim se k 2, por exemplo, a desigualdade de Tchebycheff estabelece que o percentual de valores da variável aleatória que está compreendida no intervalo µ ± 2σ é de pelo menos 1-1/4 75%. Na normal este percentual vale exatamente 95,44%.
194 X - µ < 2σ 1-1/4 75%.
195
Prof. Lorí Viali, Dr.
Prof. Lorí Viali, Dr. viali@mat.ufrgs.br http://www.mat.ufrgs.br/~viali/ Tipos de Modelos Determinístico Sistema Real Probabilístico Modelo determinístico Causas Efeito Exemplos Gravitação F GM 1 M /r
Leia maisTipos de Modelos. Exemplos. Efeito. Causas. Exemplos. Causas. Efeito. Modelo determinístico. Modelo probabilístico. Determinístico.
Tipos de Modelos Sistema Real Determinístico Probabilístico Modelo determinístico Exemplos Gravitação F GM M /r Causas Efeito Aceleração clássica v at Aceleração relativística v at + a t c Modelo probabilístico
Leia maisTipos de Modelos. Exemplos. Causas. Efeito. Exemplos. Causas. Efeito. Modelo determinístico. Modelo probabilístico. Determinístico.
5/9/07 Tipos de Modelos Sistema Real Determinístico Probabilístico Modelo determinístico Exemplos Gravitação F GM M /r Causas Efeito Aceleração clássica v at Aceleração relativística v at + a t c Modelo
Leia maisExperiência para o qual o modelo probabilístico é adequado. Efeito. Causas. E 1 : Joga-se um dado e observase o número da face superior.
Determinístico Prof. Lorí Viali, Dr. viali@mat.ufrgs.br http://www. ufrgs.br/~viali/ Sistema Real Probabilístico Causas Efeito X Causas Efeito Eperiência para o qual o modelo probabilístico é adequado.
Leia maisExperiência para o qual o modelo probabilístico é adequado. Efeito. Causas. Prof. Lorí Viali, Dr.
Prof. Lorí Viali, Dr. viali@pucrs.br http://www.pucrs.br/~viali Prof. Lorí Viali, Dr. viali@mat.ufrgs.br http://www.ufrgs.br/~viali/ Determinístico Sistema Real Causas Efeito Probabilístico X Causas Efeito
Leia maisExemplos. Experimento Aleatório. E 1 : Joga-se uma moeda quatro vezes e observa-se o número de caras;
Prof. Lorí Viali, Dr. viali@mat.ufrgs.br http://www.ufrgs.br/~viali/ Eperimento Aleatório Eperiência para o qual o modelo probabilístico é adequado. Eemplos E : Joga-se uma moeda quatro vezes e observa-se
Leia maisTipos de Modelo. Exemplos. Modelo determinístico. Causas. Efeito. Exemplos. Modelo probabilístico. Causas. Efeito. Determinístico.
Tipos de Modelo Sistema Real Determinístico Prof. Lorí Viali, Dr. viali@mat.ufrgs.br http://www.mat.ufrgs.br/~viali/ Probabilístico Modelo determinístico Exemplos Gravitação F GM 1 M 2 /r 2 Causas Efeito
Leia maisÉ o conjunto de resultados de uma experiência aleatória. E 1 : Joga-se uma moeda quatro vezes e observa-se o número de caras e coroas;
Prof. Lorí Viali, Dr. viali@pucrs.br http://www.pucrs.br/famat/viali Eperiência na qual o resultado é incerto. E : Joga-se uma moeda quatro vezes e observa-se o número de caras e coroas; E : Joga-se uma
Leia maisEfeito. Causas. Determinístico. Sistema Real. Probabilístico. Experiência para o qual o. modelo probabilístico é adequado.
Sistema Real Determinístico Probabilístico Causas Efeito X Causas Efeito Eperiência para o qual o modelo probabilístico é adequado. ❶ Não é possível prever um resultado particular, mas pode-se enumerar
Leia maisTipos de Modelos. Exemplos. Modelo determinístico. Exemplos. Modelo probabilístico. Causas Efeito. Determinístico. Sistema Real.
Tipos de Modelos Sistema Real Determinístico Prof. Lorí Viali, Dr. viali@mat.ufrgs.br http://www.mat.ufrgs.br/~viali/ Probabilístico Modelo determinístico Exemplos Gravitação F GM M /r Causas Efeito Aceleração
Leia maisEfeito. Causas. Determinístico. Sistema Real. Probabilístico. Gravitação F = GM 1 M 2 /r 2. Aceleração clássica. v = at. Aceleração relativística
Determinístico Sistema Real Prof. Lorí Viali, Dr. viali@mat.ufrgs.br http://www.mat.ufrgs.br/~viali/ Probabilístico Gravitação F GM 1 M 2 /r 2 Causas Efeito Aceleração clássica v at Aceleração relativística
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 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 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 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 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 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 maisUma variável aleatória X tem uma distribuição normal se sua fdp for do tipo:
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().e π. μ., R com - < μ < e > 0 0, 0,6 N(0; ) N(0;
Leia maisIntrodução à Bioestatística
Instituto Nacional de Cardiologia February 22, 2016 1 2 3 4 Existem dois tipos de variáveis aleatórias Variáveis aleatórias discretas Variáveis aleatórias contínuas discreta Assume um número nito ou innito
Leia maisTexto SII: ELEMENTOS DE PROBABILIDADE
SUMÁRIO 1. INTRODUÇÃO... 2 1.1. MODELOS... 2 1.2. EXPERIMENTO ALEATÓRIO (NÃO-DETERMINÍSTICO)... 2 1.3. O ESPAÇO AMOSTRAL... 3 1.4. EVENTOS... 4 1.5. COMBINAÇÃO DE EVENTOS... 4 1.6. EVENTOS MUTUAMENTE EXCLUDENTES...
Leia maisSÉRIE: Probabilidade Texto 1: PROBABILIDADE UNIVARIADA 1. INTRODUÇÃO CONCEITOS DE PROBABILIDADE VARIÁVEIS ALEATÓRIAS...
SUMÁRIO 1. INTRODUÇÃO...3 1.1. MODELOS...3 1.1.1. Modelo determínistico...3 1.1.2. Modelo não-determinístico ou probabilístico...3 1.2. EXPERIMENTO ALEATÓRIO (NÃO-DETERMINÍSTICO)...4 1.2.1. Características
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 maisUFRGS - UNIVERSIDADE FEDERAL DO RIO GRANDE DO SUL INSTITUTO DE MATEMÁTICA - DEPARTAMENTO DE ESTATÍSTICA
UFRGS - UNIVERSIDADE FEDERAL DO RIO GRANDE DO SUL INSTITUTO DE MATEMÁTICA - DEPARTAMENTO DE ESTATÍSTICA SUMÁRIO 1. COMBINATÓRIA... 3 1.1. CONJUNTOS... 3 1.2. OPERAÇÕES COM CONJUNTOS... 3 1.3. APLICAÇÕES
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 maisEstatística I Aula 6. Prof.: Patricia Maria Bortolon, D. Sc.
statística I Aula 6 Prof.: Patricia Maria Bortolon, D. Sc. VARIÁVIS ALATÓRIAS Variáveis Aleatórias xaminemos as seguintes situações: Um estudante que fez um teste do tipo verdadeiro ou falso está interessado
Leia maisSolução: A distribuição normal. Representação gráfica. Cálculo de probabilidades. A normal padrão. σ Será uma N(0; 1).
A distribuição normal Uma variável aleatória X tem uma distribuição normal se sua fdp for do tipo: f (x) =.e π. σ x µ. σ, x R Prof. Lorí Viali, Dr. viali@mat.ufrgs.br http://www.mat.ufrgs.br/~viali/ com
Leia maisExperimento Aleatório
Probabilidades 1 Experimento Aleatório Experimento aleatório (E) é o processo pelo qual uma observação é ob;da. Exemplos: ü E 1 : Jogar uma moeda 3 vezes e observar o número de caras ob;das; ü E 2 : Lançar
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 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 maisSÉRIE: Probabilidade Univariada Parte 2: Variáveis Contínuas 2. PROPRIEDADES DA MÉDIA E DA VARIÂNCIA DE VARIÁVEIS ALEATÓRIAS EXERCÍCIOS...
SUMÁRIO 1. VARIÁVEIS ALEATÓRIAS CONTÍNUAS... 1.1. CÁLCULO DE PROBABILIDADE COM UMA VAC... 1.. A FUNÇÃO DE DISTRIBUIÇÃO ACUMULADA...3 1.3. VARIÁVEL ALEATÓRIA CONTÍNUA (CARACTERIZAÇÃO)...4 1.3.1. Expectância,
Leia maisVariáveis Aleatórias. Probabilidade e Estatística. Prof. Dr. Narciso Gonçalves da Silva
Probabilidade e Estatística Prof. Dr. Narciso Gonçalves da Silva http://paginapessoal.utfpr.edu.br/ngsilva Variáveis Aleatórias Variável Aleatória Variável aleatória (VA) é uma função que associa a cada
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 Variáveis Aleatórias Ao descrever um espaço
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 maisVariáveis Aleatórias - VA
Variáveis Aleatórias - VA cc ck kc kk 0 1 2 1/4 1/2 Prof. Adriano Mendonça Souza, Dr. Departamento de Estatística - PPGEMQ / PPGEP - UFSM - Introdução Se entende por VA ou V. indicadoras uma lista de valores
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 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 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 maisTeoria da Probabilidade
Teoria da Probabilidade Luis Henrique Assumpção Lolis 14 de fevereiro de 2014 Luis Henrique Assumpção Lolis Teoria da Probabilidade 1 Conteúdo 1 O Experimento Aleatório 2 Espaço de amostras 3 Álgebra dos
Leia maisEST029 Cálculo de Probabilidade I Cap. 4: Variáveis Aleatórias Unidimensionais
EST029 Cálculo de Probabilidade I Cap. 4: Variáveis Aleatórias Unidimensionais Prof. Clécio da Silva Ferreira Depto Estatística - UFJF Introdução Considere o experimento: Lançamento de uma moeda. Resultados
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 maisEscola Superior de Agricultura "Luiz de Queiroz", Departamento de Ciências Exatas. Probabilidades. Cristian Villegas
Probabilidades Cristian Villegas clobos@usp.br Setembro de 2013 Apostila de Estatística (Cristian Villegas) 1 Introdução Escola Superior de Agricultura "Luiz de Queiroz", Departamento de Ciências Exatas
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 mais2. INTRODUÇÃO À PROBABILIDADE
2. INTRODUÇÃO À PROBABILIDADE 2019 Conceitos básicos Experimento aleatório ou fenômeno aleatório Situações ou acontecimentos cujos resultados não podem ser previstos com certeza. Um experimento ou fenônemo
Leia 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 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 maisTexto SII: ELEMENTOS DE PROBABILIDADE 3.1. INTRODUÇÃO...9
SUMÁRIO 1. INTRODUÇÃO...2 1.1. MODELOS...2 1.2. EXPERIMENTO ALEATÓRIO (NÃO-DETERMINÍSTICO)...2 1.3. O ESPAÇO AMOSTRAL...3 1.4. EVENTOS...4 1.5. COMBINAÇÃO DE EVENTOS...4 1.6. EVENTOS MUTUAMENTE EXCLUDENTES...5
Leia maisEstatística Empresarial. Fundamentos de Probabilidade
Fundamentos de Probabilidade A probabilidade de chuva é de 90% A probabilidade de eu sair é de 5% Conceitos Básicos Conceitos Básicos 1. Experiência Aleatória (E) Processo de obtenção de uma observação
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 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 maisUniversidade Federal de Goiás Instituto de Matemática e Estatística
Universidade Federal de Goiás Instituto de Matemática e Estatística Prova de Probabilidade Prof.: Fabiano F. T. dos Santos Goiânia, 9 de setembro de 04 Aluno: Nota: Descreva seu raciocínio e desenvolva
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 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 maisAula 10 Variáveis aleatórias discretas
AULA 0 Aula 0 Variáveis aleatórias discretas Nesta aula você aprenderá um conceito muito importante da teoria de probabilidade: o conceito de variável aleatória. Você verá que as variáveis aleatórias e
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 maisProbabilidade. Professora Ana Hermínia Andrade. Universidade Federal do Amazonas Faculdade de Estudos Sociais Departamento de Economia e Análise
Probabilidade Professora Ana Hermínia Andrade Universidade Federal do Amazonas Faculdade de Estudos Sociais Departamento de Economia e Análise Período 2016.2 Você reconhece algum desses experimentos? Alguns
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 maisESTATÍSTICA. aula 3. Insper Ibmec São Paulo. Prof. Dr. Marco Antonio Leonel Caetano
ESTATÍSTICA aula 3 Prof. Dr. Marco Antonio Leonel Caetano Insper Ibmec São Paulo Espaço Amostral Espaço amostral é o conjunto de todos os resultados possíveis de um experimento aleatório. Experimento aleatório
Leia maisVARIÁVEIS ALEATÓRIAS E DISTRIBUIÇÕES DE PROBABILIDADE
VARIÁVEIS ALEATÓRIAS E DISTRIBUIÇÕES DE PROBABILIDADE.1 INTRODUÇÃO Admita que, de um lote de 10 peças, 3 das quais são defeituosas, peças são etraídas ao acaso, juntas (ou uma a uma, sem reposição). Estamos
Leia maisESTATÍSTICA TÓPICO 7 VARIÁVEL ALEATÓRIA DISCRETA / DISTRIBUIÇÃO BINOMIAL / DISTRIBUIÇÃO NORMAL
ESTATÍSTICA TÓPICO 7 VARIÁVEL ALEATÓRIA DISCRETA / DISTRIBUIÇÃO BINOMIAL / DISTRIBUIÇÃO NORMAL VARIÁVEIS ALEATÓRIAS Como já vimos no estudo das probabilidades, o conjunto de todos os possíveis resultados
Leia maisELEMENTOS DE PROBABILIDADE. Prof. Paulo Rafael Bösing 25/11/2015
ELEMENTOS DE PROBABILIDADE Prof. Paulo Rafael Bösing 25/11/2015 ELEMENTOS DE PROBABILIDADE Def.: Um experimento é dito aleatório quando o seu resultado não for previsível antes de sua realização, ou seja,
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 mais1 Noções de Probabilidade
Noções de Probabilidade Já vimos que para se obter informações sobre alguma característica da população, podemos utilizar uma amostra. Estudaremos agora a probabilidade, que é uma ferramenta usada e necessária
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 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 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 maisProf. Fabrício Maciel Gomes Departamento de Engenharia Química Escola de Engenharia de Lorena EEL
Prof. Fabrício Maciel Gomes Departamento de Engenharia Química Escola de Engenharia de Lorena EEL Referências Bibliográficas Sistema de Avaliação Duas Provas teóricas Um Trabalho em Grupo MédiaFinal 0,4
Leia maisProbabilidade. Ricardo Ehlers Departamento de Matemática Aplicada e Estatística Universidade de São Paulo
Probabilidade Ricardo Ehlers ehlers@icmc.usp.br Departamento de Matemática Aplicada e Estatística Universidade de São Paulo Experimento aleatório Definição. Qualquer experimento cujo resultado não pode
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 maisPROBABILIDADE E ESTATÍSTICA PROBABILIDADES
PROBABILIDADE E ESTATÍSTICA PROBABILIDADES Bruno Baierle Maurício Furigo Prof.ª Sheila Regina Oro (orientadora) Edital 06/2013 - Produção de Recursos Educacionais Digitais Revisando - Análise combinatória
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 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 maisProf.: Joni Fusinato
Variável Aleatória Prof.: Joni Fusinato joni.fusinato@ifsc.edu.br jfusinato@gmail.com Variável Aleatória Uma variável aleatória X representa um valor numérico associado a cada resultado de um experimento
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 maisProcessos Estocásticos
Processos Estocásticos Luiz Affonso Guedes Sumário Modelos Probabilísticos Discretos Uniforme Bernoulli Binomial Hipergeométrico Geométrico Poisson Contínuos Uniforme Normal Tempo de Vida Exponencial Gama
Leia 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 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 maisProbabilidade. Probabilidade e Estatística. Prof. Dr. Narciso Gonçalves da Silva
Probabilidade e Estatística Prof. Dr. Narciso Gonçalves da Silva http://paginapessoal.utfpr.edu.br/ngsilva Probabilidade Probabilidade Experimento Aleatório Um experimento é dito aleatório quando satisfaz
Leia maisPROBABILIDADE E ESTATÍSTICA DISTRIBUIÇÕES DE PROBABILIDADES
PROBABILIDADE E ESTATÍSTICA DISTRIBUIÇÕES DE PROBABILIDADES Bruno Baierle Maurício Furigo Prof.ª Sheila Regina Oro (orientadora) Edital 06/2013 - Produção de Recursos Educacionais Digitais Variável Aleatória
Leia 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 maisTeoria das Probabilidades
Universidade Federal do Pará Instituto de Tecnologia Estatística Aplicada I Prof. Dr. Jorge Teófilo de Barros Lopes Campus de Belém Curso de Engenharia Mecânica 08:8 ESTATÍSTICA APLICADA I - Teoria das
Leia maisProcessos Estocásticos. Luiz Affonso Guedes
Processos Estocásticos Luiz Affonso Guedes Sumário Modelos Probabilísticos Discretos Uniforme Bernoulli Binomial Hipergeométrico Geométrico Poisson Contínuos Uniforme Normal Tempo de Vida Exponencial Gama
Leia 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 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 maisTEORIA DA PROBABILIDADE
TEORIA DA PROBABILIDADE Lucas Santana da Cunha lscunha@uel.br http://www.uel.br/pessoal/lscunha/ Universidade Estadual de Londrina 22 de maio de 2017 Introdução Conceitos probabiĺısticos são necessários
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 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 maisCONCEITOS BASICOS, ORGANIZAÇÃO E APRESENTAÇÃO DOS RESULTADOS, DISTRIBUIÇÃO DE FREQUÊNCIA
DISCIPLINA: MÉTODOS QUANTITATIVOS PROFESSORA: GARDÊNIA SILVANA DE OLIVEIRA RODRIGUES CONCEITOS BASICOS, ORGANIZAÇÃO E APRESENTAÇÃO DOS RESULTADOS, DISTRIBUIÇÃO DE FREQUÊNCIA MOSSORÓ/RN 2015 1 POR QUE ESTUDAR
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 maisSumário. 2 Índice Remissivo 12
i Sumário 1 Definições Básicas 1 1.1 Fundamentos de Probabilidade............................. 1 1.2 Noções de Probabilidade................................ 3 1.3 Espaços Amostrais Finitos...............................
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 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 maisJanete Pereira Amador 1
Janete Pereira Amador 1 1 Introdução Muitas situações cotidianas podem ser usadas como experimento que dão resultados correspondentes a algum valor, e tais situações podem ser descritas por uma variável
Leia maisProbabilidade. Objetivos de Aprendizagem. UFMG-ICEx-EST. Cap. 2 - Probabilidade Espaços Amostrais e Eventos. 2.1.
2 ESQUEMA DO CAPÍTULO 2.1 ESPAÇOS AMOSTRAIS E EVENTOS 2.2 INTERPRETAÇÕES E AXIOMAS DE PROBABILIADE 2.3 REGRAS DE ADIÇÃO 2.4 PROBABILIDADE CONDICIONAL 2.5 REGRAS DA MULTIPLICAÇÃO E DA PROBABILIDADE TOTAL
Leia maisProbabilidade. É o conjunto de todos os possíveis resultados de um experimento aleatório.
Probabilidade Introdução O trabalho estatístico se desenvolve a partir da observação de determinados fenômenos e emprega dados numéricos relacionados aos mesmos, para tirar conclusões que permitam conhecê-los
Leia maisTeoria das Probabilidades
08/06/07 Universidade Federal do Pará Instituto de Tecnologia Estatística Aplicada I Prof. Dr. Jorge Teófilo de Barros Lopes Campus de Belém Curso de Engenharia Mecânica Universidade Federal do Pará Instituto
Leia maisProbabilidade. Ricardo Ehlers Departamento de Matemática Aplicada e Estatística Universidade de São Paulo
Probabilidade Ricardo Ehlers ehlers@icmc.usp.br Departamento de Matemática Aplicada e Estatística Universidade de São Paulo Introdução Experimento aleatório Definição Qualquer experimento cujo resultado
Leia maisEstatística. Probabilidade. Conteúdo. Objetivos. Definições. Probabilidade: regras e aplicações. Distribuição Discreta e Distribuição Normal.
Estatística Probabilidade Profa. Ivonete Melo de Carvalho Conteúdo Definições. Probabilidade: regras e aplicações. Distribuição Discreta e Distribuição Normal. Objetivos Utilizar a probabilidade como estimador
Leia mais