Distribuies de Probabilidade
|
|
- Artur Carvalho
- 5 Há anos
- Visualizações:
Transcrição
1 Distribuies de Probabilidade Roberto Imbuzeiro M. F. de Oliveira 23 de Março de 2009 Resumo Exerçícios sobre as distribuições de v.a. s. 1 Toda variável aleatória real é uniforme Seja X : Ω R com função cumulativa de distribuição F : R [0, 1]. Exercício 1. Se F é contínua, F (X) tem distribuição uniforme sobre [0, 1]. Exercício 2. Defina uma pseudo-inversa G para F do seguinte modo: G : (0, 1) R x inf{r R : F (r) > x}. Para x {0, 1}, G(x) é definida arbitrariamente. Mostre que se U é uniforme sobre [0, 1], G(U) tem a distribuição de X [note que isto é equivalente a P (X x) = P (U F (x)) = F (x) para todo x R. A dica é mostrar que para todos (u, v) [0, 1] R, u F (v) se e somente se G(u) v.]. 2 De [0, 1] para {0, 1} N e de volta (infinitas vezes) 2.1 Os dígitos da expansão binária de um número aleatório em [0, 1] Todo x [0, 1] possui uma expansão binária, isto é, uma seqüência b 1, b 2,... de 0s e 1s tais que: + b j x = 2 j. IMPA, Rio de Janeiro, RJ, Brazil, rimfo@impa.br 1
2 Alguns x podem têm mais de uma expansão binária; de fato, estes x são precisamente os chamados números diádicos, dos quais há apenas uma quantidade enumerável. De qualquer modo, podemos definir uma expansão binária para qualquer x através das funções ξ(x) = I [0,1/2] (x) e S(x) = 2x ξ(x). Exercício 3. Mostre que S(x) [0, 1] sempre. Se x 1 = x, x j = S(x j 1 ) e ξ j (x) = ξ(x j ), então [Dica: mostre que x = n x Desenhe os gráficos de S, ξ 1, ξ 2, ξ 3. Agora imagine que + ξ j (x) 2 j ξ j (x) 2 j. 2 n.] (Ω, F, P) = ([0, 1], B([0, 1]), (medida uniforme)) e que X : x x é a função identidade. Defina recursivamente X 1 X, Ξ 1 ξ(x) e, para j 2: { Xj S(X j 1 ) = 2X j 1 Ξ j 1, Ξ j ξ(x j ). Exercício 4. Prove que as X j e Ξ j são variáveis aleatórias. Exercício 5. Temos que P Ξ1 = Be 1/2 e P X1 Ξ 1 =0 é uniforme sobre [0, 1/2] e P X1 Ξ 1 =1 é uniforme sobre [1/2, 1]. Deduza que (Ξ 1, X 2 ) = d distr. produto Be 1/2 Unif [0,1]. Exercício 6. Iterando o exercício acima, mostre que para todo n N (Ξ 1,..., Ξ n, X n+1 ) = d Be n 1/2 Unif [0,1]. Deduza que para todo n (Ξ 1,..., Ξ n ) = Be n 1/2. teorema abaixo. Prove que isto implica o Teorema 1. A variável aleatória X acima pode ser escrita como: X + Ξ j 2 j, onde {Ξ j } + (definida pela recursão acima) é uma seqüência i.i.d. com lei Be 1/2. 2
3 2.2 Do produto de Bernoullis á distribuição produto uniforme Aqui provamos uma espécie de recíproca do exercício anterior. Exercício 7. Seja {0, 1} N dotado da medida produto Be 1/2. Então Y (ω) = + ω j/2 j tem distribuição uniforme sobre [0, 1]. [Dica: prove primeiro que Y é limite pontual de funções mensuráveis, logo é mensurável. Depois calcule sua distribuição.] 2.3 Infinitas uniformes independentes a partir de uma só Exercício 8. Seja ψ : N N 2 uma bijeção. Construa uma função Ψ : {0, 1} N {0, 1} N2 que leva ω = (ω i ) i N em ω = (ω ψ (i)) i N. Mostre que ela é uma bijeção mensurável e que se definimos (Θ (j,k) ) (j,k) N 2 Ψ ((Ξ i ) i N ), então (Θ (j,k) ) (j,k) N 2 é i.i.d. com lei Be 1/2. Exercício 9. Considere agora a função z : {0, 1} N2 [0, 1] N dada por z((ξ (j,k) ) (j,k) N 2 )) = (Y ((ξ (j,k) ) k N )) j N. Mostre que (Z i ) i N z Ψ (Ξ i ) i N é i.i.d. com lei Unif [0,1]. 3 Binomiais e geométricas Seja Ω = {0, 1} N com a σ-álgebra produto e a medida produto Be N p. Defina G 0 = 0 e para i 1 G i (ω) inf{k N : ω k+gi 1 = 1}. Se o inf não estiver definido, tomamos G i = +. No entanto, temos que Exercício 10. Prove que com probabilidade 1 um ω Ω tem infinitos 1 s e que G i < + quase certamente. Exercício 11. Prove que os G i s são i.i.d. Geo p. com distribuição geométrica Exercício 12. Considere o conjunto S n = { j i G j : i N} [n] e defina S n S n. Prove que S n é binomial Bin n,p. Mostre também que condicionado a S n = k, S n é uniformemente distribuído sobre os subconjuntos de [n] de tamanho k. 3
4 4 Exponenciais e geométricas não têm memória Já vimos que distribuições geométricas não têm memória. Veremos agora que as exponenciais têm uma propriedade parecida. Recorde que uma v.a. X tem distribuição exponencial com parâmetro λ > 0 (Exp λ ) se ela tem densidade: f(x) = λe λx I [0,+ ) (x). Exercício 13. Mostre que para todo t 0, P X t X>t = Exp λ. De fato, exponenciais são limites de geométricas. Dado ɛ > 0, considere X ɛ = inf{n N : X ɛn}. Exercício 14. Prove que P (X ɛ = n X ɛ n) = p ɛ = 1 e ɛλ para todo n. Deduza que X ɛ é Geo pɛ. Exercício 15. Mostre que ɛx ɛ X quando ɛ 0 (na verdade, isto vale para toda v.a. X). Exercício 16. Um exercício um pouco mais complexo é mostrar que X = lim ɛ 0 ɛy ɛ onde cada Y ɛ é geométrica com parâmetro λɛ. Defina δ = δ(ɛ) de tal modo que 1 e δλ = ɛλ (note que δ ɛ para ɛ pequeno). Se definimos Y ɛ = inf{n N : X δ(ɛ)n}, prove que Y ɛ tem as propriedades desejadas. 5 Exponenciais e Poissons Agora Ω = R N com a σ-álgebra Borel-produto. A medida P é o produto de medidas exponenciais com parâmetro λ > 0, com densidade: f(x) = λe λx I [0,+ ) (x). Um elemento de Ω será representado pelas variáveis aleatórias correspondentes às suas coordenadas: X 1, X 2, X 3, etc. (esta seqüência é i.i.d. exponencial com parâmetro λ). Defina T 0 = 0 e T k T k 1 + X k, k N. Exercício 17. Seja N (t) = {T k : k 1} [0, t]; Prove que para todo t 0, N(t) N (t) é uma v.a. com distribuição Poisson P o λt. Condicionado a N(t) = k, o conjunto N (t) = {T 1,..., T k } tem a distribuição de {U 1,..., U k }, onde U 1,..., U k são i.i.d. uniforme sobre [0, 1]. 4
5 6 Aproximando binomiais e Poisson: a Lei dos Pequenos Números Escolha um vetor p = (p i ) n i=1 (0, 1)n. Considere a convolução P p de n distribuições Bernoulli com parâmetros p i, que também pode ser descrita como P p = P X1 + +X n, onde {X i = d Be(p i )} n i=1 é família independente. Exercício 18. Se p 1 = p 2 = = p n = p, P p = Bin n,p. Defina µ = µ(p) = n i=1 p i e p 2 = n mostrar que i=1 p2 i Teorema 2. sup A N P p (A) P o µ(p) (A) 2 p 2.. Nosso objetivo será Observação 3. Esta cota não é ótima. O chamado Teorema de Le Cam 1 substitui o lado direito da desigualdade por p 2. Exercício 19. Mostre o seguinte corolário: se µ > 0 é dado e n µ é inteiro: sup Bin n,µ/n A P o µ (A) 2 µ2 0 se n +. A N n Em geral, se temos uma seqüência de vetores {p (m) } com µ(p (m) ) = µ e max j p (m) j 0, sup A N P p (m)(a) P o µ (A) 2(max p (m) j j )µ 0. Esta é a chamada Lei dos Pequenos Números: se A 1,..., A m são eventos independentes com probabilidade máxima 1 mas tais que i P (A i) = µ > 0, o número de A i s que ocorrem tem distribuição aproximadamente Poisson. Exercício 20. Como preliminar para a prova do teorema, mostre que se X = d P p e Y = P o µ, E [X] = E [Y ] = µ e µ p 2 V (X) µ = V (Y ). A principal idéia da nossa prova é o uso do chamado acoplamento. Definiremos duas variáveis aleatórias X e Y tais que 1 Ver 5
6 1. X = d P p ; 2. Y = d P o µ ; e 3. P (X Y ) 2 p 2. O resultado geral abaixo mostra que isto é suficiente para provar o teorema. Exercício 21 (Acoplamento). Seja Z = (X, Y ) : Ω N 2 uma variável aleatória com valores em N 2. Dote Ω de uma medida de probabilidade P e sejam µ 1 = P X e µ 2 = P Y as distribuições marginais de X e Y (respectivamente). Então para todo A N: µ 1 (A) µ 2 (A) P (X Y ). A distribuição P Z é dita um acoplamento de µ 1 e µ 2. [Dica: basta mostrar que µ 1 A µ 2 A P (X Y ). Mostre que isto segue de P (X A) P (Y A) P ({X A} {Y A}) P (X Y ).] No nosso caso, definiremos n pares independentes Z i = (X i, Y i ) onde para cada i X i = d Be pi e Y i = P o pi. Fixando um i, declaramos que com probabilidade 1 p i, X i = Y i = 0 (isto é, Z i = 0); com probabilidade e p i 1 + p i, X i = 1, Y i = 0; para cada k 1, com probabilidade e p i p k i /k!, X i = 1, Y i = k; qualquer outro valor de Z i tem probabilidade 0. Exercício 22. Defina (Ω i, P i ) e Z i = (X i, Y i ) : Ω i N 2 tais que Z i tem a distribuição descrita intuitivamente acima. (Em particular, e p i 1+p i 0 sempre que p i [0, 1].) Mostre ainda que P (X i Y i ) e p i 1 + p i + k 2 e p i p k i /k!. Use a série de Taylor da exponencial para mostrar que de fato P (X i Y i ) 2p 2 i. Exercício 23. Mostre que é possível definir (Ω, P) em que os pares Z i = (X i, Y i ) : Ω N 2 são independentes e têm a distribuiçao correta. [Dica:use espaços produto.] Defina Z = (X, Y ) = i n Z i, de modo que X = n i=1 X i e Y = n i=1 Y i e mostre que: X = d P p e Y = P o µ(p). Termine mostrando que P (X Y ) P (X i Y i ) i e aplicando a cota do exercício anterior. 6
7 7 O processo de Poisson como o limite de processos Bernoulli 7
σ-álgebras, geradores e independência
σ-álgebras, geradores e independência Roberto Imbuzeiro M. F. de Oliveira 15 de Março de 2009 Resumo Notas sobre a σ-álgebra gerada por uma variável aleatória X e sobre as condições de independência de
Leia maisContinuidade de processos gaussianos
Continuidade de processos gaussianos Roberto Imbuzeiro Oliveira April, 008 Abstract 1 Intrudução Suponha que T é um certo conjunto de índices e c : T T R é uma função dada. Pergunta 1. Existe uma coleção
Leia maisReviso de Teoria da Medida e Elementos Bsicos de Probabilidade
Reviso de Teoria da Medida e Elementos Bsicos de Probabilidade Roberto Imbuzeiro Oliveira 9 de Março de 2009 Resumo Esta lista cobre o básico do básico sobre espaços e distribuições de probabilidade. Pouco
Leia maisCompacidade de conjuntos e operadores lineares
Compacidade de conjuntos e operadores lineares Roberto Imbuzeiro Oliveira 13 de Janeiro de 2010 No que segue, F = R ou C e (X, X ), (Y, Y ) são Banach sobre F. Recordamos que um operador linear T : X Y
Leia maisProbabilidade de Ruína e Processos de Lévy α-estáveis
Apresentação Probabilidade de Ruína e Processos de Lévy α-estáveis Universidade de São Paulo IME - USP 08 de abril, 2010 Apresentação Distribuições Estáveis e Processos de Lévy α-estáveis Convergência
Leia 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 maisInvariância da integral por homotopia, fórmula de Cauchy e séries de Taylor
Invariância da integral por homotopia, fórmula de Cauchy e séries de Taylor Roberto Imbuzeiro Oliveira 6 de Abril de 20 Preliminares Nestas notas, U C sempre será um aberto e f : U C é contínua. Duas curvas
Leia maisAnálise de Dados e Simulação
Universidade de São Paulo Instituto de Matemática e Estatística http:www.ime.usp.br/ mbranco Simulação de Variáveis Aleatórias Contínuas. O método da Transformada Inversa Teorema Seja U U (0,1). Para qualquer
Leia maisModelagem e Análise de Sistemas de Computação Aula 19
Modelagem e Análise de Sistemas de Computação Aula 19 Aula passada Intro a simulação Gerando números pseudo-aleatórios Aula de hoje Lei dos grandes números Calculando integrais Gerando outras distribuições
Leia maisConvergência, séries de potência e funções analíticas
Convergência, séries de potência e funções analíticas Roberto Imbuzeiro Oliveira March 13, 2015 1 Algumas palavras sobre convergência em C Tudo o que descreveremos aqui é análogo ao que se define e prova
Leia maisDANIEL V. TAUSK. se A é um subconjunto de X, denotamos por A c o complementar de
O TEOREMA DE REPRESENTAÇÃO DE RIESZ PARA MEDIDAS DANIEL V. TAUSK Ao longo do texto, denotará sempre um espaço topológico fixado. Além do mais, as seguintes notações serão utilizadas: supp f denota o suporte
Leia maisTeoria da Medida e Integração (MAT505)
Modos de convergência Teoria da Medida e Integração (MAT505) Modos de convergência. V. Araújo Instituto de Matemática, Universidade Federal da Bahia Mestrado em Matemática, UFBA, 2014 Modos de convergência
Leia maisProcessos de ramificação e o grafo de Erdös Rényi
Processos de ramificação e o grafo de Erdös Rényi 1 de Abril de 2014 1 Básico de processos de ramificação Seja P uma distribuição de probabilidade sobre N := {0, 1, 2, 3,... } com primeiro momento finito.
Leia maisTeoremas de uma, duas e três séries de Kolmogorov
Teoremas de uma, duas e três séries de Kolmogorov 13 de Maio de 013 1 Introdução Nestas notas Z 1, Z, Z 3,... é uma sequência de variáveis aleatórias independentes. Buscaremos determinar condições sob
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 maisNoções de Simulação. Ciências Contábeis - FEA - Noturno. 2 o Semestre MAE0219 (IME-USP) Noções de Simulação 2 o Semestre / 23
Noções de Simulação Ciências Contábeis - FEA - Noturno 2 o Semestre 2013 MAE0219 (IME-USP) Noções de Simulação 2 o Semestre 2013 1 / 23 Objetivos da Aula Sumário 1 Objetivos da Aula 2 Motivação 3 Geração
Leia 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
Departamento de Matemática - IST(TP) Secção de Estatística e Aplicações Probabilidades e Estatística 1 o Teste B 2 o semestre 2007/08 Duração: 90 minutos 19/04/2008 11:30 horas O teste consiste em dois
Leia maisNotas sobre Probabilidade Discreta
Notas sobre Probabilidade Discreta por Roberto Imbuzeiro M. F. de Oliveira IMPA i Índice 1 Introdução 1 1.1 Andamento...................................... 1 1.1.1 20 de março de 2007.............................
Leia maisConvergência, séries de potência e funções analíticas
Convergência, séries de potência e funções analíticas Roberto Imbuzeiro Oliveira March 16, 2011 1 Algumas palavras sobre convergência em C Tudo o que descreveremos aqui é análogo ao que se define e prova
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 maisExercício 18. Demonstre a proposição anterior. (Dica: use as definições de continuidade e mensurabilidade)
Proposição 2.7. Sejam Y e Z espaços métricos e X um espaço mensurável. Se f : X Y é uma função mensurável e g : Y Z é uma função contínua então g f : X Z é uma função mensurável. Exercício 18. Demonstre
Leia maisProbabilidade IV. Ulisses U. dos Anjos. Departamento de Estatística Universidade Federal da Paraíba. Período
Probabilidade IV Ulisses U. dos Anjos Departamento de Estatística Universidade Federal da Paraíba Período 2014.2 Ulisses Umbelino (DE-UFPB) Probabilidade IV Período 2014.2 1 / 20 Sumário 1 Apresentação
Leia maisUNIVERSIDADE FEDERAL DE PERNAMBUCO DEPARTAMENTO DE ESTATÍSTICA. Medida e Probabilidade
UNIVERSIDADE FEDERAL DE PERNAMBUCO DEPARTAMENTO DE ESTATÍSTICA Medida e Probabilidade Aluno: Daniel Cassimiro Carneiro da Cunha Professor: Andre Toom 1 Resumo Este trabalho contem um resumo dos principais
Leia maisO Princípio da Substituição e o Teorema Central do Limite
O Pricípio da Substituição e o Teorema Cetral do Limite Roberto Imbuzeiro M. F. de Oliveira 6 de Maio de 009 Resumo 1 Prelimiares são variáveis aleatórias idepedetes sat- No que segue {X i } {Y i} isfazedo
Leia maisPr = 6 = = = 0.8 =
IND 5 Inferência Estatística Semestre 004.0 Teste 05/0/004 GABARITO Problema (5 pontos) Uma gulosa professora de estatística é fissurada por trufas de chocolate. Em busca da trufa ideal, ela vai provando
Leia maisMódulo III: Processos de Poisson, Gaussiano e Wiener
Módulo III: Processos de Poisson, Gaussiano e Wiener Wamberto J. L. Queiroz Universidade Federal de Campina Grande-UFCG Departamento de Engenharia Elétrica Processos Estocásticos Campina Grande - PB Módulo
Leia maisMEDIDAS COM SINAL.. Uma medida com sinal σ-aditiva (ou, simplesmente, uma medida com sinal) µ(a n ) def = lim
MEDIDAS COM SINAL DANIEL V. TAUSK 1. Definição. Seja C uma coleção de conjuntos tal que C. Uma medida com sinal finitamente aditiva em C é uma função µ : C R tal que: µ( ) = 0; se (A n ) t é uma seqüência
Leia maisPROBABILIDADE PGE950
PROBABILIDADE PGE950 José J. C. Hernández DE - UFPE October 12, 2017 José J. C. Hernández (DE - UFPE) Estatística I October 12, 2017 1 / 88 1 Introdução à Probabilidade 2 Variavel Aleatória 3 Vetores Aleatórios
Leia maisO teorema do mapeamento conforme de Riemann
O teorema do mapeamento conforme de Riemann Roberto Imbuzeiro Oliveira 23 de Maio de 2011 1 Preliminares Como de costume, U C é aberto. Recorde que U é simplesmente conexo se existe um ponto z 0 U tal
Leia maisUniversidade Federal de Santa Maria Departamento de Matemática Curso de Verão Lista 1. Números Naturais
Universidade Federal de Santa Maria Departamento de Matemática Curso de Verão 01 Lista 1 Números Naturais 1. Demonstre por indução as seguintes fórmulas: (a) (b) n (j 1) = n (soma dos n primeiros ímpares).
Leia maisTeorema do Limite Central
Teorema do Limite Central Bacharelado em Economia - FEA - Noturno 1 o Semestre 2014 MAE0219 (IME-USP) Teorema do Limite Central 1 o Semestre 2014 1 / 47 Objetivos da Aula Sumário 1 Objetivos da Aula 2
Leia maisNúmeros naturais e cardinalidade
Números naturais e cardinalidade Roberto Imbuzeiro M. F. de Oliveira 5 de Janeiro de 2008 Resumo 1 Axiomas de Peano e o princípio da indução Intuitivamente, o conjunto N dos números naturais corresponde
Leia maisTeoria Ergódica (9 a aula)
Outubro 2012 Espaços de Sequências Seja (X, d 0 ) um espaço métrico compacto. B Z (X ) = X Z = { x = (x j ) j Z : x j X, j Z } B N (X ) = X N = { x = (x j ) j N : x j X, j N } B(X ) designa indiferentemente
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 maisMAT ÁLGEBRAS DE OPERADORES 2 SEMESTRE DE 2017 LISTA DE PROBLEMAS
MAT 5818 - ÁLGEBRAS DE OPERADORES 2 SEMESTRE DE 2017 LISTA DE PROBLEMAS 1) Mostre que M n (C) munida da norma ((a jk )) 1 j,k n = k=1 2) Defina na álgebra C[X] dos polinômios complexos na variável X a
Leia maisDepartamento de InformáAca - PUC- Rio. Hélio Lopes Departamento de InformáAca PUC- Rio. A plataforma R
Introdução à Simulação Estocás5ca usando R INF2035 PUC- Rio, 2013.1 Departamento de InformáAca - PUC- Rio Hélio Lopes Departamento de InformáAca PUC- Rio A plataforma R R é uma linguagem de programação
Leia maisMétodos Matemáticos na Ciência de Dados: Introdução Relâmpago. II
Métodos Matemáticos na Ciência de Dados: Introdução Relâmpago. II Vladimir Pestov 1 University of Ottawa / Université d Ottawa Ottawa, Ontario, Canadá 2 Universidade Federal de Santa Catarina Florianópolis,
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 maisEstatísticas Inferenciais Distribuições Amostrais. Estatística
Estatística Na descrição dos conjuntos de dados x 1,..., x n, não foi feita menção ao conceito de população. Estatísticas inferenciais: preocupadas com a fonte dos dados e em tentar fazer generalizações
Leia maisTEORIA ERGÓDICA, SISTEMAS DINÂMICOS E MEDIDAS INVARIANTES
TEORIA ERGÓDICA, SISTEMAS DINÂMICOS E MEDIDAS INVARIANTES Aluno: Juliana Arcoverde V. L. Ribeiro Orientador: Lorenzo Justiniano Díaz Casado Introdução A Teoria dos Sistemas Dinâmicos, ou mais exatamente
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 maisTeoria da Medida e Integração (MAT505)
Riemann Derivadas Variação Limitada Cont. Abs. Teoria da Medida e Integração (MAT505) Teoria de Derivação de Lebesgue. Teorema Fundamental do Cálculo. V. Araújo Instituto de Matemática, Universidade Federal
Leia maisDemonstração. Ver demonstração em [1]. . Para que i j se tem µ i µ j? Determine a derivada no sentido de Radon-Nikodym em cada caso.
Proposição 2.39 (Propriedades de e.). Sejam µ, λ, λ 1, λ 2 medidas no espaço mensurável (X, F). Então 1. se λ 1 µ e λ 2 µ então (λ 1 + λ 2 ) µ. 2. se λ 1 µ e λ 2 µ então (λ 1 + λ 2 ) µ. 3. se λ 1 µ e λ
Leia maisComeçamos relembrando o conceito de base de um espaço vetorial. x = λ 1 x λ r x r. (1.1)
CAPÍTULO 1 Espaços Normados Em princípio, os espaços que consideraremos neste texto são espaços de funções. Isso significa que quase todos os nossos exemplos serão espaços vetoriais de dimensão infinita.
Leia maisO Teorema de Radon-Nikodým
Universidade stadual de Maringá - Departamento de Matemática Cálculo Diferencial e Integral: um KIT de Sobrevivência c Publicação eletrônica do KIT http://www.dma.uem.br/kit O Teorema de Radon-Nikodým
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 maisTeoria da Medida e Integração (MAT505)
Teoria da Medida e Integração (MAT505) Modos de convergência V. Araújo Mestrado em Matemática, UFBA, 2014 1 Modos de convergência Modos de convergência Neste ponto já conhecemos quatro modos de convergência
Leia maisSéries de Laurent e Teoremas de Cauchy
Séries de Laurent e Teoremas de Cauchy Roberto Imbuzeiro Oliveira 3 de Abril de 20 A maior parte destas notas tem como refererência o livro de David Ullrich, Complex Made Simple. Preliminares sobre séries
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 maisCapítulo 1. Fundamentos
Capítulo 1 Fundamentos A probabilidade moderna se baseia fortemente na Teoria da Medida e supomos durante esse curso que o leitor esteja bem familiarizado com conceitos tais como: Medida de Lebesgue, extensões
Leia mais2 Conceitos de Teoria da Probabilidade
2 Conceitos de Teoria da Probabilidade Neste capítulo, enunciaremos algumas denições e resultados de teoria de probabilidade. justicativa deste capítulo reside no fato que u objetivo nal é estimar momentos
Leia maisCapítulo 1. Fundamentos
Capítulo 1 Fundamentos A probabilidade moderna se baseia fortemente na Teoria da Medida e supomos durante esse curso que o leitor esteja bem familiarizado com conceitos tais como: Medida de Lebesgue, extensões
Leia maisExercícios de Teoria da Probabilidade e Processos Estocásticos Parte I
Exercícios de Teoria da Probabilidade e Processos Estocásticos Parte I 2014/2015 Os exercícios assinalados com (*) têm um nível de dificuldade superior. Exercício 1. Seja (X, F) um espaço mensurável. Mostre
Leia maisCE085 - Estatística Inferencial. derivadas. Prof. Wagner Hugo Bonat. 5 de setembro de Curso de Bacharelado em Estatatística
CE085 - Estatística Inferencial Função de Verossimilhança e suas derivadas Prof. Wagner Hugo Bonat Laboratório de Estatística e Geoinformação - LEG Curso de Bacharelado em Estatatística Universidade Federal
Leia maisNo que segue, X sempre denota um espaço topológico localmente compacto
O TEOREMA DE REPRESENTAÇÃO DE RIESZ PARA MEDIDAS DANIEL V. TAUSK No que segue, sempre denota um espaço topológico localmente compacto Hausdorff. Se f : R é uma função, então supp f denota o{ suporte (relativamente
Leia mais5 a Lista de PE Solução
Universidade de Brasília Departamento de Estatística 5 a Lista de PE Solução. Sejam X A e X B o números de jogos que o time ganha contra times da classe A e da classe B respectivamente. Claramente X A
Leia 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 maisGrupo I. (a) A função de probabilidade marginal de X, P (X = x), é dada por
Probabilidades e Estatística + Probabilidades e Estatística I Solução do Exame de 2 a chamada 3 de Fevereiro de 2003 LEFT + LMAC Grupo I (a) A função de probabilidade marginal de X, P (X = x), é dada por
Leia 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 maisTE802 Processos Estocásticos em Engenharia. Processo Aleatório. TE802 Processos Aleatórios. Evelio M. G. Fernández. 18 de outubro de 2017
TE802 Processos Estocásticos em Engenharia Processos Aleatórios 18 de outubro de 2017 Processo Aleatório Processo Aleatório (ou Estocástico), X(t): Função aleatória do tempo para modelar formas de onda
Leia maisInstituto de Matemática Pura e Aplicada. Gabriel Gomes Figueiredo
Instituto de Matemática Pura e Aplicada Gabriel Gomes Figueiredo Grafos Aleatórios de Erdös-Rényi Rio de Janeiro Novembro de 2015 Grafos Aleatórios de Erdös-Rényi Resumo Nesse trabalho vamos estudar as
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 maisAnálise de Dados em Astronomia. 3. Distribuições de Probabilidades
1 / 24 3. Distribuições de Probabilidades Análise de Dados em Astronomia 3. Distribuições de Probabilidades Laerte Sodré Jr. AGA0505, 1o. semestre 2019 introdução aula de hoje 1 2 a distribuição uniforme
Leia maisVARIÁVEIS ALEATÓRIAS
UNIVERSIDADE FEDERAL DE JUIZ DE FORA INSTITUTO DE CIÊNCIAS EXATAS DEPARTAMENTO DE ESTATÍSTICA VARIÁVEIS ALEATÓRIAS Joaquim H Vianna Neto Relatório Técnico RTE-03/013 Relatório Técnico Série Ensino Variáveis
Leia maisRicardo Ehlers Departamento de Matemática Aplicada e Estatística Universidade de São Paulo
Geração de Números Aleatórios Ricardo Ehlers ehlers@icmc.usp.br Departamento de Matemática Aplicada e Estatística Universidade de São Paulo 1 / 61 Simulando de Distribuições Discretas Assume-se que um
Leia maisUniversidade Estadual Paulista Campus de Rio Claro Instituto de Geociências e Ciências Exatas
Universidade Estadual Paulista Campus de Rio Claro Instituto de Geociências e Ciências Exatas Análise Funcional: um texto para iniciação científica Liliane Martinez Antonow Orientadora: Prof a. Dr a. Simone
Leia maisLaboratório Nacional de Computação Científica LNCC, Brasil URL: alm URL: alm/cursos/medida07.
Introdução à Medida e Integração Pós-graduação da EPGE FGV 1 Alexandre L. Madureira Laboratório Nacional de Computação Científica LNCC, Brasil URL: http://www.lncc.br/ alm URL: http://www.lncc.br/ alm/cursos/medida07.html
Leia maisConceitos Básicos, Básicos,Básicos de Probabilidade
Conceitos Básicos, Básicos,Básicos de Probabilidade Espaço Amostral Base da Teoria de Probabilidades Experimentos são realizados resultados NÃO conhecidos previamente Experimento aleatório Exemplos: Determinar
Leia maisMAT 5798 Medida e Integração Exercícios de Revisão de Espaços Métricos
MAT 5798 Medida e Integração Exercícios de Revisão de Espaços Métricos Prof. Edson de Faria 30 de Março de 2014 Observação: O objetivo desta lista é motivar uma revisão dos conceitos e fatos básicos sobre
Leia maisLIMITES E CONTINUIDADE
LIMITES E CONTINUIDADE 1 LIMITE Marina Vargas R. P. Gonçalves a a Departamento de Matemática, Universidade Federal do Paraná, marina.vargas@gmail.com, http:// www.estruturas.ufpr.br Definição 1.1 O limite
Leia maisLista de Exercicios 1. Medidas Resumo. Estimação. Distribuições Amostrais
Introcução à Inferência Estatística. Departamento de Física é Matemática. USP-RP. Prof. Rafael A. Rosales 15 de agosto de 007 Lista de Exercicios 1 Medidas Resumo. Estimação. Distribuições Amostrais 1
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 2 3 4 5 6 7 8 9 10 11 12 13 14 15 e 16 Introdução à probabilidade (eventos,
Leia maisSistemas Reparáveis - Processo de Contagem
Sistemas Reparáveis - Processo de Contagem Enrico A. Colosimo Colaboração: Rodrigo C. P. dos Reis e Maria Luiza Toledo Programa de Pós-Graduação em Estatística - UFMG Teoria básica de Processos de Contagem
Leia maisTeoria da Medida e Integração (MAT505)
Teoria da Medida e Integração (MAT505) Teoria de Derivação de Lebesgue. Teorema Fundamental do Cálculo. V. Araújo Mestrado em Matemática, UFBA, 204 Conteúdo Riemann. vs Lebesgue..............................2
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 maisPARTE TEÓRICA Perguntas de escolha múltipla
PROBABILIDADES E ESTATÍSTICA MIEEC/FEUP PARTE TEÓRICA Perguntas de escolha múltipla 1 Dada a experiência aleatória ε define-se espaço amostral associado a ε como sendo: A O espaço físico onde se realiza
Leia maisExercícios de Teoria da Probabilidade e Processos Estocásticos Parte I
Exercícios de Teoria da Probabilidade e Processos Estocásticos Parte I 2013/2014 Exercício 1. Seja (, F) um espaço mensurável. Mostre que 1. F. 2. se A i F, i = 1, 2,... então n i=1 A i F. 3. se A i F,
Leia maisMétodos Quantitativos para Ciência da Computação Experimental. Aula #2c
Métodos Quantitativos para Ciência da Computação Experimental Aula #2c Virgílio A. F. Almeida Abril 2010 Departamento de Ciência da Computação Universidade Federal de Minas Gerais Sobre o método científico
Leia maisÁLGEBRA LINEAR I - MAT0032
UNIVERSIDADE FEDERAL DA INTEGRAÇÃO LATINO-AMERICANA Instituto Latino-Americano de Ciências da Vida e Da Natureza Centro Interdisciplinar de Ciências da Natureza ÁLGEBRA LINEAR I - MAT32 12 a Lista de exercícios
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 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 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 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 maisNotas Para o Curso de Medida e. Daniel V. Tausk
Notas Para o Curso de Medida e Integração Daniel V. Tausk Sumário Capítulo 1. Medida de Lebesgue e Espaços de Medida... 1 1.1. Aritmética na Reta Estendida... 1 1.2. O Problema da Medida... 6 1.3. Volume
Leia maisEstatística e Modelos Probabilísticos - COE241
Estatística e Modelos Probabilísticos - COE241 Aula passada Exemplos Análise Combinatória Probabilidade Condicional Independência de Eventos Teorema da Probabilidade Total Lei de Bayes Aula de hoje Exemplo
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 maisProcessos Estocásticos
Processos Estocásticos Luis Henrique Assumpção Lolis 26 de maio de 2014 Luis Henrique Assumpção Lolis Processos Estocásticos 1 Conteúdo 1 Introdução 2 Definição 3 Especificando um processo aleatório 4
Leia 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 maisNotas de Teoria da Probabilidade e Processos Estocásticos
Notas de Teoria da Probabilidade e Processos Estocásticos José Pedro Gaivão Resumo Estas notas destinam-se à disciplina de Teoria da Probabilidade e Processos Estocásticos do Mestrado de Matemática Financeira
Leia maisUniversidade Federal de Goiás Campus Catalão Departamento de Matemática Disciplina: Fundamentos de Análise
Universidade Federal de Goiás Campus Catalão Departamento de Matemática Disciplina: Fundamentos de Análise Professor: André Luiz Galdino Gabarito da 1 a Lista de Exercícios 1. Prove que para todo x 0 IR
Leia maisLista 8 de Análise Funcional - Doutorado 2018
Lista 8 de Análise Funcional - Doutorado 2018 Professor Marcos Leandro 17 de Junho de 2018 1. Sejam M um subespaço de um espaço de Hilbert H e f M. Mostre que f admite uma única extensão para H preservando
Leia maisConstrução de espaços de probabilidade. básicos
Capítulo 2 Construção de espaços de probabilidade básicos Nessa seção descreveremos diversas maneiras diferentes de construir um espaço de probabilidade, dando diversos exemplos de como elas podem ser
Leia maisAula vinte e quatro: Sequências de funções contínuas e limites
Aula vinte e quatro: Sequências de funções contínuas e limites Na semana passada a gente viu que: 1. Se f : M N é função contínua e K M é compacto, f K é uniformemente continua. Idea da prova: Fixado ɛ
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 maisTopologia. Fernando Silva. (Licenciatura em Matemática, 2007/2008) 13-agosto-2018
Topologia (Licenciatura em Matemática, 2007/2008) Fernando Silva 13-agosto-2018 A última revisão deste texto está disponível em http://webpages.fc.ul.pt/~fasilva/top/ Este texto é uma revisão do texto
Leia maisO que é Dimensão? Augusto GEROLIN (ENS-Lyon / Université Joseph-Fourier) 3 o EIAGIME - USP. 29 de agosto de 2010
O que é Dimensão? Augusto GEROLIN agerolin@umpa.ens-lyon.fr (ENS-Lyon / Université Joseph-Fourier) 3 o EIAGIME - USP 29 de agosto de 2010 Outros possivéis títulos para O que é dimensão? Outros possivéis
Leia maisTopologia do espaço Euclidiano
Capítulo 1 Topologia do espaço Euclidiano 1 O espaço vetorial R n iguais a R: Seja n N. O espaço euclidiano n dimensional é o produto cartesiano de n fatores R n = R R R }{{} n cópias Os pontos de R n
Leia mais