Exame 1ª Época I (30%) Histograma de Área 1
|
|
- Tiago César
- 5 Há anos
- Visualizações:
Transcrição
1 Faculdade de Economia da Universidade Nova de Lisboa 04 Análise de Dados e Probabilidade º Semestre 006/007 Fernando Brito Soares Graça Silva Pedro Chaves Exame ª Época Data: de Junho de 007, 8:0 Duração: :0 horas Nota: A utilização de máquinas científicas e gráficas só será permitida depois de feito o respectivo reset Atenção: Responda a cada grupo numa folha separada Apresente todos os cálculos e/ou justificações para as suas respostas I (0%) Foi realizado um estudo sobre os minutos em que os golos são marcados num jogo de futebol (contando com os descontos) em Portugal Para isso, recolheu se uma amostra de golos e dos minutos de jogo em que ocorreram As observações foram divididas em 4 classes, compreendidas entre 0 e 00 minutos e tratadas estatisticamente Conhece se o seguinte histograma de área incompleto: 0,0 f j /h j Histograma de Área 0,0 0,008 0,006 0,004?? 0, x j Pelo histograma, podemos ver que todas as classes têm a mesma densidade de frequência Sabe se que as duas primeiras classes estão compreendidas entre 0 e 60 minutos e outras duas entre 60 e 00 minutos No entanto, não se conhece o limite superior da ª e ª classes (conforme demonstrado pelos pontos de interrogação)
2 Análise de Dados e Probabilidade º Semestre 006/007 Exame ª Época a) (5%) Comente a seguinte informação: Dado que todas as classes têm a mesma densidade de frequência, estamos perante uma distribuição igualitária e, portanto, o índice de Gini é 0 b) (0%) Sabe se ainda que a frequência relativa da ª classe é 0, e que o ponto médio da ª classe é 75 Construa a tabela de frequências relativas, indicando, para cada classe, o intervalo, o ponto médio, a amplitude e a frequência relativa simples e acumulada c) (5%) (Se não resolveu a alínea b, ignore o seu enunciado e considere x =]0,0], x =]60,80], f =0,, f =0,5 e f =0,) Calcule a média da subamostra que inclui as duas primeiras classes e a média da subamostra que inclui as restantes A partir destas duas medidas, calcule a média da amostra total d) (0%) O mesmo estudo foi feito em Espanha Recolheram se informações sobre 50 golos e a amostra resultante apresentou uma média igual à da amostra dos golos portugueses e uma variância de 500 minutos As informações dos dois países foram reunidas e a amostra geral que daqui resultou apresentou uma variância de 700 minutos Indique o número de observações da amostra portuguesa Quantos golos foram marcados antes de uma hora de jogo, em Portugal? II (0%) Um assistente de Análise de Dados e Probabilidade, que se encosta ao quadro durante as aulas, decidiu passar a comprar todos os anos o seu próprio giz, apagador e detergente Como sabia que o seu irmão ia começar a vender estes produtos, comprometeu se a comprar lhos e este, por sua vez, a não vender a mais ninguém Acordaram que, no primeiro ano (t=0), os três produtos teriam o mesmo preço unitário, p Depois, todos os anos, o preço do giz cresceria a uma taxa c, o preço do apagador decresceria à mesma taxa e o preço do detergente não se alteraria Sabe se que o assistente reserva um montante (constante) todos os anos para a despesa total com os bens Sabe se ainda que a sua procura, para cada um dos bens, é dada por q i = p i, pelo que, todos os anos, é despendido na sua totalidade a) (0%) Qual o índice elo de preços para cada um dos bens, em qualquer ano? E o índice elo de quantidades? Que relação existe entre eles? b) (5%) Assuma os seguintes valores: p=, =0 e c=0,5 Calcule os índices de Laspeyres de preços e de quantidades do ano, com base no ano 0 Sem os calcular directamente, indique o valor dos índices de despesa, Paasche de preços e Paasche de quantidades referentes ao mesmo período c) (5%) Agora, para valores gerais de p, e c, encontre o valor do índice de Laspeyres de preços e uma expressão para o índice de Laspeyres de quantidades que dependa apenas de c, ambos para um ano t, com base no ano anterior (sugestão: pense no que este tipo de procura implica sobre a percentagem de despesa em cada um dos bens)
3 Análise de Dados e Probabilidade º Semestre 006/007 Exame ª Época III (0%) Sabe se que, entre os habitantes de uma dada cidade, que têm um animal de estimação, 50% têm um cão, 0% têm um gato e os restantes têm outro animal A probabilidade de um animal de estimação ser abandonado durante as férias de Verão é 60% para os cães, 40% para os gatos e 0% para os restantes animais a) (0%) Escolhendo um animal ao acaso, qual a probabilidade de este ser abandonado durante as férias de Verão? b) (0%) Sabendo que um animal foi abandonado, qual a probabilidade de este não ser um cão? IV (0%) Um estudo efectuado pelo Ministério das Finanças permitiu concluir que o tempo que os contribuintes demoram a preencher uma declaração do tipo A via Internet segue uma distribuição Normal com média 00 minutos e desvio padrão 0 minutos a) (5%) Qual a probabilidade de um contribuinte, que preenche uma declaração tipo A via Internet, demorar mais do que horas a preencher a sua declaração? b) (0%) Qual a probabilidade de em, 0 contribuintes que preenchem declarações do tipo A via Internet, no máximo demorarem menos do que 00 minutos a preencher a sua declaração? Considere a variável aleatória R que designa o número de reclamações, relativas a acidentes de viação, que chegam por hora à seguradora TOTALSEGUR Sabe se que R segue uma distribuição de Poisson com variância igual a 5 a) (5%) Qual a probabilidade de, numa hora, chegarem menos do que 7 reclamações? b) (5%) Qual a probabilidade de, numa hora e meia, serem recebidas mais do que 8 reclamações? c) (5%) Sabendo que chegaram 5 reclamações na primeira hora, qual a probabilidade de chegarem exactamente 0 nas três horas seguintes?
4 Distribuições de probabilidade de v a discretas Distribuição Função de probabilidade Função de distribuição X ~ DU( i, j) j i + { i, i +,, j j} x x 0 i + j i + x < i i x j 0 { i, i +,, j j} x, x > j q = p x = 0 0 x < 0 X ~ Bernoulli( p) p x = q = p 0 x < 0 outros casos x X ~ Bin( n, p) n x n x ( ) p ( p) x 0 x { 0,,,, n} { 0,, n} x,, 0 x < 0 x i p i= 0 n i ( p) 0 x < n x n λ x e λ 0 x < 0 x {,, } X ~ Poisson( λ) x! x i λ λ e x 0 x,, i 0 { } i= 0! Análise de Dados e Probabilidade Fernando Brito Soares
5 Distribuições de probabilidade de v a contínuas Distribuição Função densidade de probabilidade Função de distribuição X ~ U ( a, b) b a [ a b] x, 0 x [ a, b] 0 x < a x a x a, b b a x > b [ ] X ~ N( µ, σ ) Z ~ N(0,) x µ σ t µ x σ e e πσ πσ z e π π z t e dt dt 0 x < 0 0 x < 0 X ~ Exp( β ) β β e x x 0 x β e x 0 0 x 0 0 x 0 X ~ Gama( α, β ) α β Γ ( α ) x α e x β x > 0 x α β i= 0 i! x e x > 0 β i 0 x 0 0 x 0 X ~ χ ( ν ) ν x ν Γ ν e x x > 0 e ν x i= 0 x i! i x > 0 ν ν + ν + Γ X ~ T ( ν ) + x ν ν πν Γ Análise de Dados e Probabilidade x R Não existe expressão Fernando Brito Soares
6 TABELA DISTRIBUIÇÃO BINOMIAL (Continuação) A Função probabilidade B Função de distribuição θ θ n x n x
7 TABELA DISTRIBUIÇÃO DE POISSON (Continuação) A Função probabilidade B Função de distribuição x x x x x x
8 TABELA DISTRIBUIÇÃO DE POISSON (Continuação) A Função probabilidade B Função de distribuição x x x x
9 Tabela : Probabilidades acumuladas da distribuição Normal estandardizada Z~ N ( µ = 0, σ = ) : φ() z = F() z = P( Z z) = e dt (fd) π z 0,00 0,0 0,0 0,0 0,04 0,05 0,06 0,07 0,08 0,09 0,0 0,5000 0,5040 0,5080 0,50 0,560 0,599 0,59 0,579 0,59 0,559 0, 0,598 0,548 0,5478 0,557 0,5557 0,5596 0,566 0,5675 0,574 0,575 0, 0,579 0,58 0,587 0,590 0,5948 0,5987 0,606 0,6064 0,60 0,64 0, 0,679 0,67 0,655 0,69 0,6 0,668 0,6406 0,644 0,6480 0,657 0,4 0,6554 0,659 0,668 0,6664 0,6700 0,676 0,677 0,6808 0,6844 0,6879 0,5 0,695 0,6950 0,6985 0,709 0,7054 0,7088 0,7 0,757 0,790 0,74 0,6 0,757 0,79 0,74 0,757 0,789 0,74 0,7454 0,7486 0,757 0,7549 0,7 0,7580 0,76 0,764 0,767 0,7704 0,774 0,7764 0,7794 0,78 0,785 0,8 0,788 0,790 0,799 0,7967 0,7995 0,80 0,805 0,8078 0,806 0,8 0,9 0,859 0,886 0,8 0,88 0,864 0,889 0,85 0,840 0,865 0,889,0 0,84 0,848 0,846 0,8485 0,8508 0,85 0,8554 0,8577 0,8599 0,86, 0,864 0,8665 0,8686 0,8708 0,879 0,8749 0,8770 0,8790 0,880 0,880, 0,8849 0,8869 0,8888 0,8907 0,895 0,8944 0,896 0,8980 0,8997 0,905, 0,90 0,9049 0,9066 0,908 0,9099 0,95 0,9 0,947 0,96 0,977,4 0,99 0,907 0,9 0,96 0,95 0,965 0,979 0,99 0,906 0,99,5 0,9 0,945 0,957 0,970 0,98 0,994 0,9406 0,948 0,949 0,944,6 0,945 0,946 0,9474 0,9484 0,9495 0,9505 0,955 0,955 0,955 0,9545,7 0,9554 0,9564 0,957 0,958 0,959 0,9599 0,9608 0,966 0,965 0,96,8 0,964 0,9649 0,9656 0,9664 0,967 0,9678 0,9686 0,969 0,9699 0,9706,9 0,97 0,979 0,976 0,97 0,978 0,9744 0,9750 0,9756 0,976 0,9767,0 0,977 0,9778 0,978 0,9788 0,979 0,9798 0,980 0,9808 0,98 0,987, 0,98 0,986 0,980 0,984 0,988 0,984 0,9846 0,9850 0,9854 0,9857, 0,986 0,9864 0,9868 0,987 0,9875 0,9878 0,988 0,9884 0,9887 0,9890, 0,989 0,9896 0,9898 0,990 0,9904 0,9906 0,9909 0,99 0,99 0,996,4 0,998 0,990 0,99 0,995 0,997 0,999 0,99 0,99 0,994 0,996,5 0,998 0,9940 0,994 0,994 0,9945 0,9946 0,9948 0,9949 0,995 0,995,6 0,995 0,9955 0,9956 0,9957 0,9959 0,9960 0,996 0,996 0,996 0,9964,7 0,9965 0,9966 0,9967 0,9968 0,9969 0,9970 0,997 0,997 0,997 0,9974,8 0,9974 0,9975 0,9976 0,9977 0,9977 0,9978 0,9979 0,9979 0,9980 0,998,9 0,998 0,998 0,998 0,998 0,9984 0,9984 0,9985 0,9985 0,9986 0,9986,0 0,9987 0,9987 0,9987 0,9988 0,9988 0,9989 0,9989 0,9989 0,9990 0,9990, 0,9990 0,999 0,999 0,999 0,999 0,999 0,999 0,999 0,999 0,999, 0,999 0,999 0,9994 0,9994 0,9994 0,9994 0,9994 0,9995 0,9995 0,9995, 0,9995 0,9995 0,9995 0,9996 0,9996 0,9996 0,9996 0,9996 0,9996 0,9997,4 0,9997 0,9997 0,9997 0,9997 0,9997 0,9997 0,9997 0,9997 0,9997 0,9998 z t Alguns valores críticos z z,8,645,960,6,576,090,9,89 4,47 φ ( z) 0,90 0,95 0,975 0,99 0,995 0,999 0,9995 0, , [ φ( z)] 0,0 0,0 0,05 0,0 0,0 0,00 0,00 0,000 0,0000 9
10 Faculdade de Economia da Universidade Nova de Lisboa 04 Análise de Dados e Probabilidades º Semestre 006/007 Fernando Brito Soares Graça Silva Pedro Chaves Correcção Exame ª Época I (0%) a) (5%) A afirmação é falsa, porque confunde distribuição das observações com distribuição do atributo O facto de todas as classes apresentarem a mesma densidade de frequência apenas nos indica que o número de observações de cada classe é proporcional à sua amplitude O conceito de concentração refere se à forma como o atributo (neste caso, medido em minutos) é distribuído pelas classes com maior e menor número de minutos Através da visualização do histograma de área um, não conseguimos concluir sobre a concentração da amostra b) (0%) x j x j h j f j F j d j f j h j ]0,a] c f 0, 0, 0,0 ]a,60] d g j n 0,0 [60,b] 75 h l o 0,0 ]b,00] e i m 0, , 0,0 f0 f a0f000 c 0a 00 0 d a g60 a j j 0,0 0,0 j0,4 g 40 n0,k0,0,40,6 60b 75 b90 hb l l 0,0 0,0 l0, h 0 onl0,60,0,9 e b i00 b m i 0,0 m 0,0 m0, 0
11 Análise de Dados e Probabilidade º Semestre 006/007 Correcção Exame ª Época x j x j h j f j F j d j f j h j ]0,0] 0 0 0, 0, 0,0 ]0,60] ,4 0,6 0,0 [60,90] , 0,9 0,0 ]90,00] , 0, c) (5%) Designe se a subamostra das primeiras classes por A e a da subamostra das classes restantes por B x A f A x x B f B x B f f x f x f f f f x f f f x f x f f 0, 0,6 00,4 0,6 400 f x f f 0, 0,4 750, ,4 xf x f x f f x A f f x B 0,60 0, A B A d) (0%) Designe se Portugal por P, Espanha por E e Península Ibérica por I N E 50; x E x P 50; s E 500 x P 50; s P f x x 0,0 50 0, , , x I N Px P N E x E N P50N E N P N E 50 N I 50 N I N I N I N I s I 700 N Ps P N E s E N P x P x I N E x E x I N I N P N P N P N P N P 5000 N P N P 5000 N P Número de golos marcados antes de uma hora de jogo, em Portugal S F N P 0,600 0
12 Análise de Dados e Probabilidade º Semestre 006/007 Correcção Exame ª Época II (0%) a) (0%) Designe se o giz por G, o apagador por A e o detergente por D Preços: G G p p c I G c p p c A A p p c I A c p p c D D p I D p p p Quantidades: G G q I G q A A q I A q D D q I D q p c c c c p c p c p c p p Relação entre índices: i G, A, D,I I c c c P L L V I b) (5%) L P p q 0,5 p q 0,50 0 0,5 0, p q 0,5 0 0,5 0 0,5 0,5 p q q p p q I V P V I 9 L 9 9
13 Análise de Dados e Probabilidade º Semestre 006/007 Correcção Exame ª Época L P P I V P V P L I c) (5%) No cálculo de cada um dos índices, podemos utilizar o facto de serem o quociente de totais ponderados de preços ou quantidades ou, alternativamente, o facto de serem uma média ponderada de índices de preços ou de quantidades Os índices são calculados segundo as duas perspectivas: L p q p q p c p c p c p c p p p c p c p c p c p p c L c % Despesa p p I cc I p I q I I p p cc I L p q p q p c p c p c p c p p p c p c p c p c p p c c c c c c 4
14 Análise de Dados e Probabilidade º Semestre 006/007 Correcção Exame ª Época L % Despesa p p I I p I q I I p p c c I III (0%) a) (0%) Designe se cão por C, gato por G, outro animal por OA e abandonado por Ab PC 0,5; PG 0,; POA 0, PAb\C 0,6; PAb\G 0,4; PAb\OA 0, PAb PAb C PAb G PAb OA PAb\CPC PAb\GPG PAb\OAPOA 0,60,5 0,40, 0,0, 0,46 b) (0%) PC\Ab PC\Ab PC Ab PAb 0,50,6 0,46 0,65 0,478 IV (0%) a) (5%) X: Tempo que um contribuinte demora a preencher uma declaração do tipo A via Internet X~Nµ 00; σ 0 PX 0 PZ 0 00 PZ PZ 0,84 0,587 0 b) (0%) PX 00 PZ PZ 0 0,5p 0 5
15 Análise de Dados e Probabilidade º Semestre 006/007 Correcção Exame ª Época Y: Número de contribuintes, em 0, que demoram menos do que 00 minutos a preencher a sua declaração do tipo A via Internet Y~Binn 0; p 0,5 PY 0,0547 a) (5%) R: Número de reclamações, relativas a acidentes de viação, que chegam durante uma hora à TOTALSEGUR R~Pλ 5 PR 7 PR 6 0,76 b) (5%) T: Número de reclamações, relativas a acidentes de viação, que chegam durante uma hora e meia à TOTALSEGUR T~Pλ 5,5 7,5 PT 8PT 8 0,660 0,80 c) (5%) K: Número de reclamações, relativas a acidentes de viação, que chegam durante três horas à TOTALSEGUR K~Pλ 5 5 A distribuição de Poisson, tal como a Exponencial, à qual está ligada, não tem memória de acontecimentos passados Por isso, a probabilidade de chegarem exactamente 0 reclamações em horas não depende do que aconteceu antes PK 0 e 5 0,0486 0! 6
Exame 2ª Época I (20%)
Faculdade de Economia da Universidade ova de Lisboa 304 Análise de Dados e Probabilidade º Semestre 006/007 Fernando Brito Soares Graça Silva Pedro Chaves Eame ª Época Data: 7 de Junho de 007, 8:30 Duração:
Leia maisExame 2ª Época. Nº: Nome:
Faculdade de Economia da Universidade Nova de Lisboa 34 Análise de Dados e Probabilidade º Semestre 28/29 Fernando Brito Soares Cátia Fernandes Erica Marujo Daniel Monteiro Nº: Nome: Data: 2 de Janeiro
Leia maisExame 2ª Época. Nº: Nome:
Faculdade de Economia da Universidade Nova de Lisboa 1304 Análise de Dados e Probabilidade 1º Semestre 2009/2010 Fernando Brito Soares Graça Silva Erica Marujo António Rua Exame 2ª Época Nº: Nome: Data:
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 maisTeste Intermédio B I (35%)
Faculdade de Economia da Universidade ova de Lisboa 104 nálise de Dados e Probabilidade 1º Semestre 7/8 Fernando rito Soares Erica Marujo Pedro Chaves Teste Intermédio Data: 1 de Outubro de 7, 17.00 Duração:
Leia maisTeste Intermédio. Nº: Nome:
Faculdade de Economia da Universidade ova de Lisboa 1304 Análise de Dados e Probabilidade B 1º Semestre 2009/2010 Fernando Brito Soares Graça Silva Erica Marujo António Rua º: ome: Data: 23 de Outubro
Leia maisExame 1ª Época. Nº: Nome:
Faculdade de Economia da Universidade ova de Lisboa 1304 Análise de Dados e Probabilidade 1º Semestre 2009/2010 Fernando Brito Soares Graça Silva Erica Marujo António Rua Exame 1ª Época º: ome: Data: 7
Leia maisTeste Intermédio. Nº: Nome:
Faculdade de Economia da Universidade ova de Lisboa 1304 Análise de Dados e Probabilidade A 1º Semestre 2009/2010 Fernando Brito Soares Graça Silva Erica Marujo António Rua º: ome: Data: 23 de Outubro
Leia maisProbabilidades e Estatística TODOS OS CURSOS
Duração: 90 minutos Grupo I Probabilidades e Estatística TODOS OS CURSOS Justifique convenientemente todas as respostas 2 o semestre 206/207 05/07/207 :30 o Teste C 0 valores. Uma peça de certo tipo é
Leia maisDistribuições de Probabilidade Contínuas 1/19
all Distribuições de Probabilidade Contínuas Professores Eduardo Zambon e Magnos Martinello UFES Universidade Federal do Espírito Santo DI Departamento de Informática CEUNES Centro Universitário Norte
Leia maisExame 2ª Época I (25%)
Faculdade de Economia da Universidade Nova de Lisboa 304 Análise de Dados e Probabilidade B º Semestre 007/008 Fernando Brito Soares Erica Marujo Pedro Chaves Exame ª Época Data: 6 de Janeiro de 008, :30
Leia maisNota: A utilização. e nome. F j 0,8 0,8 0,6 2,5 3,5 4,5 0,35 0,4 0,2 0,05. x j 8,5 -1,5. indicando. a levar. acontece. alunos?
Faculdade de Economia da Universidade Nova de Lisboa 304 Análise de Dados e Probabilidade B º Semestre 007/008 Fernando Brito Soares Erica Marujo Pedro Chaves º Mini Teste B Nº: Nome: Data: de Outubro
Leia maisNome: N. o : f(u) du para todo o x (V) d) Se F (x) tiver pontos de descontinuidade, então X é discreta (F)
ESTATÍSTICA I 2. o Ano/Gestão 1. o Semestre Época Normal Duração: 2 horas 1. a Parte Teórica N. o de Exame: RESOLUÇÃO 09.01.2015 Este exame é composto por duas partes. Esta é a 1 a Parte Teórica (Cotação:
Leia maisNota: A utilização. e nome. F j 0,8 0,8 0,6 0,5 0,35 0,4 0,2 0,05. x j. alunos?
Faculdade de Economia da Universidade Nova de Lisboa 34 Análise de Dados e Probabilidade B º Semestre 7/8 Fernando Brito Soares Erica Marujo Pedro Chaves º Mini Teste A Nº: Nome: Data: de Outubro de 7,.
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 maisTÓPICOS DE RESOLUÇÃO - Exame de Época de Recurso (Diurno) 2009/2010. Primeira Parte. F (b) F (a) =P (a <X<b) P (a <X<b)=
TÓPICOS DE RESOLUÇÃO - Exame de Época de Recurso (Diurno) 009/010 [,0] 1. Considere as seguintes afirmações: Primeira Parte I. Sendo F a função de distribuição da variável aleatória (v.a.) discreta X,
Leia maisNome: N o : Espaço reservado a classificações
ESTATÍSTICA I 2 o Ano/Gestão 1 o Semestre Época Normal Duração: 2 horas 1 a Parte Teórica N o de Exame: abcde 03.Jan.11 Este exame é composto por duas partes. Esta é a 1 a Parte Teórica (Cotação: 8 valores).
Leia maisPARA A RESOLUÇÃO DO p-fólio, TENHA EM ATENÇÃO O SEGUINTE:
Nome:... B.I. :... Nº de Estudante:... Curso:... Turma:... Unidade Curricular: Elementos de Probabilidade e Estatística... Código:..1037... Data:..9 de Julho de 009. Assinatura do Vigilante:... PARA A
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. 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 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 maisFinal exam June 25, 2007 Statistics II
Final exam June 25, 2007 Statistics II 1. 7 points o Hospital Medecis, o número de doentes que recorrem ao serviço de urgências pediátricas e o número de doentes que recorrem ao serviço de urgências para
Leia maisFirst exam October 23, 2006 Statistics II
First exam October 3, 006 Statistics II 1. (7 points) Numa determinada empresa de recursos humanos um teste de aptidão é realizado por um elevado número de candidatos a um emprego. A pontuação obtida nesse
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 maisFaculdade de Economia da Universidade Nova de Lisboa 1304 Análise de Dados e Probabilidade 2º Semestre 2007/2008 Fernando Brito Soares Erica Marujo
Faculdade de Economia da Universidade Nova de Lisboa 1304 Análise de Dados e Probabilidade º Semestre 00/008 Fernando Brito Soares Erica Marujo Mini Teste A Data: 8 de Março de 008, 14:00 Duração: 30 minutos
Leia maisTeste Intermédio B I (50%)
aculdade de Economia da Universidade ova de isboa ernando Brito Soares Graça Silva edro Chaves Teste Intermédio B Data: 14 de Abril de 2007, 11.00 Duração: 2 horas ota: A utilização de máquinas científicas
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 maisProbabilidades e Estatística
Departamento de Matemática Probabilidades e Estatística LEAN, LEE, LEGI, LEGM, LEIC-A, LEIC-T, LEMat, LERC, LMAC, MEAer, MEAmbi, MEBiol, MEBiom, MEEC, MEFT, MEMec, MEQ 2 o semestre 2/22 o TESTE (Época
Leia maisFICHA DE TRABALHO N. O 9
FICHA DE TRABALHO N. O 9 ASSUNTO: Modelos de probabilidade: probabilidade condicional 1. Sejam A e B dois acontecimentos tais que: P (A) = 0,3 e P (B ) = 0,7 Determine P (A B ), sabendo que: 1.1 Os acontecimentos
Leia maisPrimeira Parte. 0, caso contrário.
ESCOLA SUPERIOR DE TECNOLOGIA DE SETÚBAL DEPARTAMENTO DE MATEMÁTICA PROBABILIDADES E ESTATÍSTICA TÓPICOS DE RESOLUÇÃO - Exame de Época Normal 009/00 Primeira Parte [,0]. Considere a varável aleatória X
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 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 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 mais5. PRINCIPAIS MODELOS CONTÍNUOS
5. PRINCIPAIS MODELOS CONTÍNUOS 2019 5.1. Modelo uniforme Uma v.a. contínua X tem distribuição uniforme com parâmetros e ( < ) se sua função densidade de probabilidade é dada por f ( x )={ 1 β α, α x β
Leia maisA figura 5.1 ilustra a densidade da curva normal, que é simétrica em torno da média (µ).
Capítulo 5 Distribuição Normal Muitas variáveis aleatórias contínuas, tais como altura, comprimento, peso, entre outras, podem ser descritas pelo modelo Normal de probabilidades. Este modelo é, sem dúvida,
Leia maisCap. 6 Variáveis aleatórias contínuas
Estatística para Cursos de Engenharia e Informática Pedro Alberto Barbetta / Marcelo Menezes Reis / Antonio Cezar Bornia São Paulo: Atlas, 004 Cap. 6 Variáveis aleatórias contínuas APOIO: Fundação de Apoio
Leia 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 mais(a) Se X Poisson(λ) e Y Poisson(µ), então X + Y Poisson(λ + µ). (b) Se X Binomial(n, p) e Y Binomial(m, p), então (X + Y ) Binomial(n + m, p).
Capítulo 0 Revisões Exercício 0.1 Sejam X e Y variáveis aleatórias independentes. Mostre que: (a) Se X Poisson(λ) e Y Poisson(µ), então X + Y Poisson(λ + µ). (b) Se X Binomial(n, p) e Y Binomial(m, p),
Leia maisDistribuições conjuntas de probabilidades e complementos
Probabilidades e Estatística 2004/05 Colectânea de Exercícios LEIC, LERCI, LEE Capítulo 5 Distribuições conjuntas de probabilidades e complementos 02 x = 0 065 x = 1 Exercício 51 (a) P(X = x) = 015 x =
Leia maisMIEEC Probabilidades e Estatística 1 a Chamada 10/01/2008. Parte Prática
MIEEC Probabilidades e Estatística 1 a Chamada 1/1/8 Parte Prática Resolução 1. Definição dos acontecimentos: T 1 Cliente do operador Ptel 1 T Cliente do operador Ptel T 3 Cliente do operador Ptel 3 S
Leia maisCap. 6 Variáveis aleatórias contínuas
Estatística para Cursos de Engenharia e Informática Pedro Alberto Barbetta / Marcelo Menezes Reis / Antonio Cezar Bornia São Paulo: Atlas, 2004 Cap. 6 Variáveis aleatórias contínuas APOIO: Fundação de
Leia mais5. PRINCIPAIS MODELOS CONTÍNUOS
5. RINCIAIS MODELOS CONTÍNUOS 04 5.. Modelo uniforme Uma v.a. contínua tem distribuição uniforme com parâmetros α e β α β se sua função densidade de probabilidade é dada por f, β α 0, Notação: ~ Uα, β.
Leia 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 maisModelos discretos e contínuos
Modelos discretos e contínuos Joaquim Neto joaquim.neto@ufjf.edu.br Departamento de Estatística - ICE Universidade Federal de Juiz de Fora (UFJF) Versão 3.0 Joaquim Neto (UFJF) ICE - UFJF Versão 3.0 1
Leia maisPROBABILIDADES E ESTATÍSTICA
ESCOLA SUPERIOR DE TECNOLOGIA DE SETÚBAL DEPARTAMENTO DE MATEMÁTICA PROBABILIDADES E ESTATÍSTICA Cursos: EA, EACI, EEC, EI, EM o Teste o Semestre 007/008 Data: Sábado, 3 de Maio de 008 Duração: 5h às 7h
Leia maisCaros Alunos, segue a resolução das questões de Estatística aplicadas na prova para o cargo de Auditor Fiscal da Receita Municipal de Teresina.
Caros Alunos, segue a resolução das questões de Estatística aplicadas na prova para o cargo de Auditor Fiscal da Receita Municipal de Teresina. De forma geral, a prova manteve o padrão das questões da
Leia maisESTATÍSTICA I - 2º ano / Lic. Gestão - 2º sem 31/5/2011
ESTATÍSTICA I - º ano / Lic. Gestão - º sem /5/0 Época Normal - Parte Teórica (duração da parte teórica 40 minutos) Cotação da Parte Teórica: 8 Valores. Nesta parte as respostas são dadas no espaço a seguir
Leia maisESTATÍSTICA I 2. o Ano/Gestão 1. o Semestre Época de Recurso Duração: 2 horas. 1. a Parte Teórica N. o de Exame: RESOLUÇÃO
ESTATÍSTICA I 2. o Ano/Gestão 1. o Semestre Época de Recurso Duração: 2 horas 1. a Parte Teórica N. o de Exame: RESOLUÇÃO 27.01.2015 Este exame é composto por duas partes. Esta é a 1 a Parte Teórica (Cotação:
Leia maisProcessos de Poisson
Processos de Poisson Ricardo Ehlers ehlers@icmc.usp.br Departamento de Matemática Aplicada e Estatística Universidade de São Paulo Capitulo 5 Taylor & Karlin 1 / 37 Distribuição de Poisson Seja a variável
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 maisVariáveis Aleatórias Contínuas
Variáveis Aleatórias Contínuas Bacharelado em Administração - FEA - Noturno 2 o Semestre 2017 MAE0219 (IME-USP) Variáveis Aleatórias Contínuas 2 o Semestre 2017 1 / 35 Objetivos da Aula Sumário 1 Objetivos
Leia 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 maisEstatística II Licenciatura em Gestão. Parte I
Estatística II Licenciatura em Gestão 1 o semestre 2015/2016 ER - 03/02/2016 09:00 Nome N o Espaço reservado a classificações A utilização do telemóvel, em qualquer circunstância, é motivo suficiente para
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 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 mais1º Mini Teste B. Nº: Nome:
Faculdade de Economia da Universidade ova de Lisboa 130 Análise de Dados e Probabilidade A 1º Semestre 008/009 Fernando Brito Soares Cátia Fernandes Erica Marujo Daniel Monteiro º: ome: Data: 8 de ovembro
Leia maismat.ufrgs..ufrgs.br br/~viali/ mat.ufrgs..ufrgs.br
Prof. Lorí Viali, Dr. http://www. ://www.mat mat.ufrgs..ufrgs.br br/~viali/ viali@mat mat.ufrgs..ufrgs.br Média Uma amostra Proporção Variância Dependentes Diferença de médias m Duas amostras Independentes
Leia maisProbabilidades e Estatística - LEIC + LERCI + LEE 2 o semestre 2004/05
Departamento de Matemática Secção de Estatística e Aplicações - IST Probabilidades e Estatística - LEIC + LERCI + LEE 2 o semestre 2004/05 3 o Teste 4/6/2005 9h O Teste que vai realizar tem a duração total
Leia maisESTATÍSTICA I 2. o Ano/Gestão 1. o Semestre Época de Recurso Duração: 2 horas. 1. a Parte Teórica N. o de Exame: abcde
ESTATÍSTICA I 2. o Ano/Gestão 1. o Semestre Época de Recurso Duração: 2 horas 1. a Parte Teórica N. o de Exame: abcde 27.01.2015 Este exame é composto por duas partes. Esta é a 1 a Parte Teórica (Cotação:
Leia maisFAMÍLIA EXPONENCIAL DE DISTRIBUIÇÕES
FAMÍLIA EXPONENCIAL DE DISTRIBUIÇÕES 1 Os modelos lineares generalizados, propostos originalmente em Nelder e Wedderburn (1972), configuram etensões dos modelos lineares clássicos e permitem analisar a
Leia maisINSTITUTO POLITÉCNICO DE SETÚBAL ESCOLA SUPERIOR DE TECNOLOGIA DE SETÚBAL DEPARTAMENTO DE MATEMÁTICA PROBABILIDADES E ESTATÍSTICA
INSTITUTO POLITÉCNICO DE SETÚBAL ESCOLA SUPERIOR DE TECNOLOGIA DE SETÚBAL DEPARTAMENTO DE MATEMÁTICA PROBABILIDADES E ESTATÍSTICA Exame - Época de Recurso SEMESTRE PAR 7/8 Data: 6 de Julho de 8 Duração:
Leia maisDistribuições Importantes. Distribuições Discretas
Distribuições Importantes Distribuições Discretas Distribuição de Bernoulli Definição Prova ou experiência de Bernoulli é uma experiência aleatória que apenas tem dois resultados possíveis: A que se designa
Leia mais1º Mini Teste A. Nº: Nome:
Faculdade de Economia da Universidade ova de Lisboa 130 Análise de Dados e Probabilidade A 1º Semestre 008/009 Fernando Brito Soares Cátia Fernandes Erica Marujo Daniel Monteiro º: ome: Data: 8 de ovembro
Leia maisCapítulo 4 - Variáveis aleatórias e distribuições contínuas
Capítulo 4 - Variáveis aleatórias e distribuições contínuas Conceição Amado e Ana M. Pires 4.1 - Variáveis aleatórias contínuas. Função densidade de probabilidade 3 4.2 - Valor esperado, variância e algumas
Leia maisEST012 - Estatística Econômica I Turma A - 1 o Semestre de 2019 Lista de Exercícios 3 - Variável aleatória
Exercício 1. Considere uma urna em que temos 4 bolas brancas e 6 bolas pretas. Vamos retirar, ao acaso, 3 bolas, uma após a outra e sem reposição. Sejam X: o número de bolas brancas e Y : o número de bolas
Leia mais6. NOÇÕES DE INFERÊNCIA ESTATÍSTICA
6. NOÇÕES DE INFERÊNCIA ESTATÍSTICA 214 Problemas de inferência Inferir significa fazer afirmações sobre algo desconhecido. A inferência estatística tem como objetivo fazer afirmações sobre uma característica
Leia maisVariáveis Aleatórias Bidimensionais &Teoremas de Limite 1/22
all Variáveis Aleatórias Bidimensionais & Teoremas de Limite Professores Eduardo Zambon e Magnos Martinello UFES Universidade Federal do Espírito Santo DI Departamento de Informática CEUNES Centro Universitário
Leia maisFaculdade de Economia da Universidade Nova de Lisboa 1304 Análise de Dados e Probabilidade 2º Semestre 2007/2008 Fernando Brito Soares Erica Marujo
Faculdade de Economia da Universidade Nova de Lisboa 30 Análise de Dados e Probabilidade º Semestre 00/008 Fernando Brito Soares Erica Marujo Mini Teste B Data: 8 de Março de 008, :00 Duração: 30 minutos
Leia maisProbabilidade e Modelos Probabilísticos
Probabilidade e Modelos Probabilísticos 2ª Parte: modelos probabilísticos para variáveis aleatórias contínuas, modelo uniforme, modelo exponencial, modelo normal 1 Distribuição de Probabilidades A distribuição
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 maisDistribuições de Probabilidade
Distribuições de Probabilidade Departamento de Matemática Escola Superior de Tecnologia de Viseu (DepMAT ESTV) Distribuições de Probabilidade 2007/2008 1 / 31 Introdução Introdução Já vimos como caracterizar
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 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 maisCONHECIMENTOS ESPECÍFICOS
CONHECIMENTOS ESPECÍFICOS Julgue os itens que se seguem, acerca da estatística descritiva. 51 Na distribuição da quantidade de horas trabalhadas por empregados de certa empresa, é sempre possível determinar
Leia maisTÓPICOS DE RESOLUÇÃO - Exame de Época de Recurso (Nocturno) 2009/2010. Primeira Parte. P (X a) =1 F (a). 0 f(x) 1. P (X a X b) = F (a) F (b)
TÓPICOS DE RESOLUÇÃO - Exame de Época de Recurso (Nocturno) 009/00 Primeira Parte [,0]. Considere a variável aleatória (v.a.) X e seja F (x) a sua função distribuição. Considere as seguintes afirmações:
Leia maisModelos básicos de distribuição de probabilidade
Capítulo 6 Modelos básicos de distribuição de probabilidade Muitas variáveis aleatórias, discretas e contínuas, podem ser descritas por modelos de probabilidade já conhecidos. Tais modelos permitem não
Leia maisProblemas Resolvidos. 1. Distr. Uniforme Contínua. (a) f X (x; a, b) = 1 1 (x µ) 2. (b) µ = E(x) = a+b. e V ar(x) = (b a)2. 2. Distr.
Distribuições Contínuas - Problemas Resolvidos. Distr. Uniforme Contínua (a) f X (x; a, b) = b a (b) µ = E(x) = a+b e V ar(x) = (b a). Distr. Gaussiana (a) f X (x; a, b) = (x µ) π e (b) µ = E(x) = µ e
Leia maisU.C Elementos de Probabilidades e Estatística. 26 de junho de 2013
Ministério da Educação e Ciência U.C. 21037 Elementos de Probabilidades e Estatística 26 de junho de 2013 Critérios de avaliação: Para a correcção das questões constituem critérios de primordial importância,
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 mais{ C(1 x 2 ), se x ( 1, 1), f(x) = Cxe x/2, se x > 0, x + k, se 0 x 3; 0, c.c. k, se 1 < x 2; kx + 3k, se 2 < x 3;
Universidade de Brasília Departamento de Estatística 4 a Lista de PE 1. Seja X uma variável aleatória com densidade { C(1 x 2 ), se x ( 1, 1), 0, se x / ( 1, 1). a) Qual o valor de C? b) Qual a função
Leia mais4. ([Magalhães, 2011] - Seção 2.4) Seja X U( α, α), determine o valor do parâmetro α de modo que:
GET189 Probabilidade I Lista de exercícios - Capítulo 6 1. ([Ross, 21] - Capítulo 5) Em uma estação, trens partem para a cidade A de 15 em 15 minutos, começando às 7:h; e trens partem para a cidade B de
Leia maisEstatística II Licenciatura em Gestão TESTE I
Estatística II Licenciatura em Gestão 1 o semestre 2015/2016 14/01/2016 09:00 Nome N o Espaço reservado a classificações A utilização do telemóvel, em qualquer circunstância, é motivo suficiente para a
Leia maisDistribuições derivadas da distribuição Normal. Distribuição Normal., x real.
Distribuições derivadas da distribuição Normal Distribuição Normal Uma variável aleatória X tem distribuição normal com parâmetros µ e σ, quando sua densidade de probabilidade é f ( x) π σ e ( x µ ) σ,
Leia maisUniversidade da Beira Interior Departamento de Matemática. Ficha de exercícios nº3: Introdução às Probabilidades
Ano lectivo: 2007/2008 Universidade da Beira Interior Departamento de Matemática ESTATÍSTICA Ficha de exercícios nº3: Introdução às Probabilidades Curso: Ciências do Desporto 1. Considere a experiência
Leia maisResolução da Prova de Matemática Financeira e Estatística do ISS Teresina, aplicada em 28/08/2016.
de Matemática Financeira e Estatística do ISS Teresina, aplicada em 8/08/016. 11 - (ISS Teresina 016 / FCC) Joana aplicou todo seu capital, durante 6 meses, em bancos ( e Y). No Banco, ela aplicou 37,5%
Leia maisS I M U L A Ç Ã O 84
S I M U L A Ç Ã O 84 - 1 - Elabore uma rotina que lhe permita gerar números pseudo-aleatórios (NPA) com distribuição X ( f X ( x ) representa a função de densidade de probabilidade de X e F X ( x ) representa
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 maisProbabilidades e Estatística LEE, LEIC-A, LEIC-T, LEMat, LERC, MEBiol, MEBiom, MEEC, MEFT, MEMec, MEQ
Duração: 90 minutos Grupo I Probabilidades e Estatística LEE, LEIC-A, LEIC-T, LEMat, LERC, MEBiol, MEBiom, MEEC, MEFT, MEMec, MEQ Justifique convenientemente todas as respostas 1 o semestre 2017/2018 18/11/2017
Leia maisProbabilidades e Estatística TODOS OS CURSOS
Duração: 90 minutos Grupo I Probabilidades e Estatística TODOS OS CURSOS Justifique convenientemente todas as respostas o semestre 07/08 0/07/08 :0 o Teste C 0 valores. Um relatório anual estabelece que
Leia maisInstituto Politécnico de Leiria Escola Superior de Tecnologia e Gestão Componente Prática de Estatística Aplicada Contabilidade e Finanças
Instituto Politécnico de Leiria Escola Superior de Tecnologia e Gestão Componente Prática de Estatística Aplicada Contabilidade e Finanças FOLHA 2 - Distribuições 1. Considere a experiência aleatória que
Leia maisCapítulo4- Modelos de probabilidade.
Capítulo4- Modelos de probabilidade. 1- Modelos de probabilidade(110) 1.1) Introdução.(110) 1.) Fenómenos aleatórios(11) Experiência determinística-produz sempre o mesmo resultado desde que seja repetido
Leia maisProbabilidades e Estatística LEAN, LEGM, LEIC-A, LEIC-T, MA, MEMec
Duração: 90 minutos Grupo I Probabilidades e Estatística LEAN, LEGM, LEIC-A, LEIC-T, MA, MEMec Justifique convenientemente todas as respostas 2 o semestre 2016/2017 06/05/2017 09:00 1 o teste A 10 valores
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 maisProva escrita de conhecimentos específicos de MATEMÁTICA APLICADA ÀS CIÊNCIAS SOCIAIS
Provas Especialmente Adequadas Destinadas a Avaliar a Capacidade para a Frequência dos Cursos Superiores do Instituto Politécnico de Leiria dos Maiores de 3 Anos - 0 Prova escrita de conhecimentos específicos
Leia maisMais sobre Modelos Continuos
Mais sobre Modelos Continuos Ricardo Ehlers ehlers@icmc.usp.br Departamento de Matemática Aplicada e Estatística Universidade de São Paulo 1 / 41 Transformação Linear da Uniforme Seja X uma variável aleatória
Leia maisDistribuição Gaussiana
Universidade Federal de Minas Gerais Instituto de Ciências Exatas Departamento de Estatística Distribuição Gaussiana Introdução à Bioestatística Turma Nutrição Aula 7: Distribuição Normal (Gaussiana) Distribuição
Leia maisP.62, Exerc. 1.3: Trocar as posições de tipo AB e tipo O.
ERRATA Segue-se uma lista de correcção de erros de digitação que não inclui os que violam regras de pontuação. Os nossos agradecimentos a todos aqueles que nos comunicaram os erros que foram detectando
Leia maisTestes de Hipóteses. Ricardo Ehlers Departamento de Matemática Aplicada e Estatística Universidade de São Paulo
Testes de Hipóteses Ricardo Ehlers ehlers@icmc.usp.br Departamento de Matemática Aplicada e Estatística Universidade de São Paulo Introdução e notação Em geral, intervalos de confiança são a forma mais
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 mais