Comunicações Digitais Prof. André Noll Barreto. Prova /1 (04/04/2017)

Tamanho: px
Começar a partir da página:

Download "Comunicações Digitais Prof. André Noll Barreto. Prova /1 (04/04/2017)"

Transcrição

1 Prova 7/ (4/4/7) Aluno: Matrícula: Instruções A prova consiste de 4 (quatro) questões discursivas A prova terá a duração de h A prova pode ser feita a lápis ou caneta Não é permitida consulta a qualquer material, todas as fórmulas necessárias serão dadas no final da prova. Toda a resposta deve estar contida no espaço reservado para cada questão. Folhas de rascunho serão distribuídas caso necessário, mas não devem ser entregues. Calculadoras podem ser utilizadas, mas todas as contas e respostas devem ser justificadas Questão Q Q Q3 Q4 Nota Total

2 Questão (,5 pontos) Uma bala de diversas cores era distribuída na seguinte proporção nos sacos, 3% marrons, % amarelas, % vermelhas, % verdes, % laranjas e % brancas. A partir de 7, foi introduzida uma nova bala, azul, e a distribuição nos sacos passou a ser 4% azuis, % verdes, 6% laranjas, 4% amarelas, 3% vermelhas e 3% marrons. a) Ao se retirar uma bala amarela, qual a probabilidade de ela ter sido retirada de um saco fabricado antes de 7? Considere que temos a mesma quantidade de sacos fabricados antes e depois de 7. b) Por um problema na fabricação, após 7, algumas balas vêm estragadas. Sabendo que % das balas azuis e 5% das balas vermelhas vêm estragadas, qual a probabilidade de se pegar uma bala estragada de um saco fabricado em 7? c) Com o resultado anterior, em um saco de balas, qual a probabilidade de termos no máximo balas estragadas? a) b) P(amarela ano < 7)P(ano < 7) P(ano < 7 amarela) = P(amarela) P(amarela) = P(amarela ano < 7)P(ano < 7) +P(amarela ano 7)P(ano 7) =, (,5) +,4(,5) =,7 P(ano < 7 amarela) =,(,5),7 = 7 = P(estragada) = P(estragada azul)p(azul) +P(estragada vermelha)p(vermelha) =,(,4) +,5(,3) =,35 d) Chamando p = P(estragada) =,35 P( estragadas) = ( ) ( p) + ( ) p( p)9 + ( ) p ( p) 8 =,978

3 Questão (,5 pontos) Duas variáveis aleatórias x e y tem função densidade de probabilidade (pdf) conjunta dada por p x,y (x, y) = A sin(x + y), < x, y / a) Qual o valor de A? b) Qual a pdf da variável aleatória x? Qual sua variância? c) Qual Pr (x < )? d) Qual a pdf condicional p x y (x y)? a) Sabemos que b) ou seja, p x,y (x, y)dydx = A sin(x + y) dydx = A[ cos(x + y)] y= dx = A [cos(x) cos (x + )] dx = A [cos(x) + sin(x)]dx = A[sin(x) cos(x)] = A = A = que já foi calculado acima p x (x) = p x,y (x, y)dy = A sin(x + y) dy p x (x) = [cos(x) + sin(x)] x = x [cos(x)) + sin(x)]dx = [( + x) sin(x) = ( x) cos(x)] = 4 (ou observando-se que p x (x) é simétrica em torno de ) 4 E{x } = x [cos(x)) + sin(x)]dx = [(x + x ) sin(x) (x x ) cos(x)] = + + =,845 var{x} = E{x } x =,876 8 c) d) Pr[x < ] = p x (x)dx = [cos(x) + sin(x)]dx = [sin(x) cos(x)] = (sin() cos() + ) =,656 p x y (x y) = p x,y(x, y) p y (y) = sin(x + y) sin(y) + cos (y)

4 Questão 3 (,5 pontos) Em uma cidade de. residências, sabe-se que o consumo mensal de água de cada residência é uma variável aleatória uniforme com média m 3 /mês. Sabe-se ainda que o consumo total da cidade passa de. m 3 /mês com probabilidade,%. Qual o consumo mínimo e máximo mensal de cada residência? Seja x i o consumo de cada residência, o consumo da cidade é y = x i Sabemos que y =. x =., e que. y Q ( ) =,. = 3, 3,58 σ y σ y Sabemos ainda que σ y =. σ x σ x =,4 Como x i é variável aleatória uniforme, sabemos que σ (b a) x = b a =,7 a + b x = = e, portanto, o consumo residêncial mínimo é a =,7 = 4,4 e o máximo i= b = +,7 = 5,59

5 Questão 4 (,5 pontos) Um sinal com densidade espectral de potência S x (f) = AΔ ( f ) W/Hz, em que Δ(x) é um sinal triangular no intervalo [, ], é alimentado em um receptor com resistência operando a uma temperatura de 7 o C. O sinal ruidoso é filtrado por um filtro com resposta na frequência igual a H(f) = Δ ( f ). Qual o valor de A e qual a potência do sinal recebido (em dbm), de modo que na saída do filtro tenhamos uma razão sinal-ruído (potência do sinal / potência do ruído) de db? A densidade espectral de potência do sinal após o filtro será dada por S y (f) = S x (f) H(f) = A Δ ( f ) e sua potência será P y = S y (f)df = A ( f ) df = A g dg = (na integral acima fizemos g = f/) A 3 A densidade espectral de potência do ruído na saída do filtro será S n (f) = N H(f) = N Δ ( f ) E sua potência será P n = S n (f)df = N ( f ) df = N gdg = 5 N em que N = 4kTR =, (3)() =, A RSR na saída do filtro será, portanto, e RSR = P s P n = A 3 5 N A 5 N = 4,97 7 P x = S x (f)df = A ( f ) df = A = 4,97 4 W 63dBW

6 Identidades Trigonométricas sin(x) = sinx cosx sin x + cos x = sin x = ( cosx) cos(x ± y) = cosx cosy sinx siny cos(x) = cos x sin x cos x = ( + cosx) sin(x ± y) = sinx cosy ± cosx siny tan(x ± y) = tanx ± tany tanx tany a cosx + b sinx = a + b cos (x + tan ( b a )) cos (x ) = sin (x) Integrais xsinaxdx = (sinax axcosax) a xcosaxdx = (cosax + axsinax) a x sinaxdx = a 3 (axsinax + cosax a x cosax) x cosaxdx = a 3 (axcosax sinax + a x sinax) xe ax dx = eax (ax ) a x e ax dx = eax a 3 (a x ax + ) e ax cosbx dx = eax (acosbx + bsinbx) a + b e ax sinbx dx = eax (asinbx bcosbx) a + b x + a dx = x a tan a x x + a dx = ln(x + a ) x a 4 + x 4 dx = x tan a a

7 Probabilidade P(B A) = P(A B) = P(A B)P(B) Regra de Bayes P(A) P(A) eventos são independentes se P(B A) = P(B). se A i, i Nsão eventos disjuntos e i = N A i = S P(B) = i= Variáveis Aleatórias CDF F X (x) = Pr(x x) PDF p x (x) = df x(x) dx v.a exponencial: p x (x) = λe λx u(x) v.a. Gaussiana: p x (x) = e (x xˉ) /σ σ Q(x) = x e x / dx E{f(x)} = f(x)px (x)dxp x (x) = px,y (x, y)dy Teorema Central do Limite y n = n n x i μ Normal(,) i= σ Probabilidade Marginal P y (y) = x i P x,y (x i, y) ou p y (y) = p x,y (x, y)dx Covariância: σ xy = E{(x xˉ)(y yˉ)} Coeficiente de correlação ρ xy = σ xy σ x σ y Processos Estocásticos Autocorrelação: R x (τ) = E{x(t)x(t + τ)} Densidade Espectral de Pot.: S x (f) = F τ {R x (τ)} y(t) = x(t) h(t) S y (f) = H(f) S x (f) e ȳ = H()xˉ R x,y (τ) = E{x(t)y(t + τ)} x e y são descorrelatados se R x,y (τ) = xˉȳ e são ortogonais se R x,y (τ) = Ruído Térmico: N = ktr, com e k =, J/K Filtro de Wiener S m(f) H opt (f) =, P S m (f)+s n (f) N = S m (f)s n (f) df (S) m (f)+s n (f) N P(B Ai )P(A i )

8 Função Q x Q(x) X Q(x), 4,6E- 3, 9,68E-4, 4,E- 3, 6,87E-4,3 3,8E- 3,3 4,83E-4,4 3,45E- 3,4 3,37E-4,5 3,9E- 3,5,33E-4,6,74E- 3,6,59E-4,7,4E- 3,7,8E-4,8,E- 3,8 7,3E-5,9,84E- 3,9 4,8E-5,,59E- 4, 3,7E-5,,36E- 4,,7E-5,,5E- 4,,33E-5,3 9,68E- 4,3 8,54E-6,4 8,8E- 4,4 5,4E-6,5 6,68E- 4,5 3,4E-6,6 5,48E- 4,6,E-6,7 4,46E- 4,7,3E-6,8 3,59E- 4,8 7,93E-7,9,87E- 4,9 4,79E-7,,8E- 5,,87E-7,,79E- 5,,7E-7,,39E- 5, 9,96E-8,3,7E- 5,3 5,79E-8,4 8,E-3 5,4 3,33E-8,5 6,E-3 5,5,9E-8,6 4,66E-3 5,6,7E-8,7 3,47E-3 5,7 5,99E-9,8,56E-3 5,8 3,3E-9,9,87E-3 5,9,8E-9 3,,35E-3 6, 9,87E-

Comunicações Digitais Prof. André Noll Barreto. Prova /1 (04/04/2017)

Comunicações Digitais Prof. André Noll Barreto. Prova /1 (04/04/2017) Prova 1 17/1 (4/4/17) Aluno: Matrícula: Instruções A prova consiste de quatro questões discursivas A prova terá a duração de h A prova pode ser feita a lápis ou caneta Não é permitida consulta a notas

Leia mais

Princípios de Comunicações Profs. André Noll Barreto / A. Judson Braga

Princípios de Comunicações Profs. André Noll Barreto / A. Judson Braga Prova 05/ (3/04/05) Aluno: Matrícula: Instruções A prova consiste de quatro questões discursivas A prova terá a duração de h30 A prova pode ser feita a lápis ou caneta Não é permitida consulta a notas

Leia mais

Comunicações Digitais Prof. André Noll Barreto Prova /1 (26/04/2012)

Comunicações Digitais Prof. André Noll Barreto Prova /1 (26/04/2012) Prova 1 01/1 (6/04/01) Aluno: Matrícula: Instruções A prova consiste de três questões discursivas A prova terá a duração de h A prova pode ser feita a lápis ou caneta Não é permitida consulta a notas de

Leia mais

Comunicações Digitais Prof. André Noll Barreto. Prova /1 (09/05/2017)

Comunicações Digitais Prof. André Noll Barreto. Prova /1 (09/05/2017) Prova 2 2017/1 (09/05/2017 Aluno: Matrícula: Instruções A prova consiste de cinco questões discursivas A prova terá a duração de 2h00 A prova pode ser feita a lápis ou caneta Não é permitida consulta a

Leia mais

Comunicações Digitais Prof. André Noll Barreto. Prova /2 (17/08/2017)

Comunicações Digitais Prof. André Noll Barreto. Prova /2 (17/08/2017) Prova 0 017/ (17/08/017) Aluno: Matrícula: Instruções A prova consiste de 4 (quatro) questões discursivas A prova terá a duração de h A prova pode ser feita a lápis ou caneta Não é permitida consulta a

Leia mais

Comunicações Digitais Prof. André Noll Barreto. Prova /1 (16/03/2017)

Comunicações Digitais Prof. André Noll Barreto. Prova /1 (16/03/2017) Comunicações Digitais Prova 0 017/1 (16/03/017) Aluno: Matrícula: Instruções A prova consiste de 4 (quatro) questões discursivas A prova terá a duração de h A prova pode ser feita a lápis ou caneta Não

Leia mais

Teoria das Comunicações Prof. André Noll Barreto Prova /02

Teoria das Comunicações Prof. André Noll Barreto Prova /02 eoria das Comunicações Prova 1-1/ Aluno: Matrícula: Instruções A prova terá a duração de h3 A prova pode ser feita a lápis ou caneta Não é permitida consulta a notas de aula, todas as fórmulas necessárias

Leia mais

Processos Estocásticos

Processos 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 mais

Princípios de Comunicação Profs. André Noll Barreto e Judson Braga

Princípios de Comunicação Profs. André Noll Barreto e Judson Braga Prova 0 04/ (/08/04) Aluno: Matrícula: Instruções A prova consiste de seis questões discursivas com sub-itens A prova terá a duração de h00 Não é permitida consulta a notas de aula, todas as fórmulas necessárias

Leia mais

TE060 Princípios de Comunicação. Probabilidade. Probabilidade Condicional. Notes. Notes. Notes

TE060 Princípios de Comunicação. Probabilidade. Probabilidade Condicional. Notes. Notes. Notes TE060 Princípios de Comunicação Efeito do Ruído em Sistemas com Modulação de Onda Contínua 5 de novembro de 2013 Probabilidade Uma medida de probabilidade P é uma função que associa um número não negativo

Leia mais

Processos Aleatórios e Ruído

Processos Aleatórios e Ruído Processos Aleatórios e Ruído Luis Henrique Assumpção Lolis 11 de abril de 2014 Luis Henrique Assumpção Lolis Processos Aleatórios e Ruído 1 Conteúdo 1 O Experimento Aleatório / Espaço de Amostras 2 Algebra

Leia mais

Introdução aos Proc. Estocásticos - ENG 430

Introdução aos Proc. Estocásticos - ENG 430 Introdução aos Proc. Estocásticos - ENG 430 Fabrício Simões IFBA 16 de novembro de 2015 Fabrício Simões (IFBA) Introdução aos Proc. Estocásticos - ENG 430 16 de novembro de 2015 1 / 35 Fabrício Simões

Leia mais

PRINCÍPIOS DE COMUNICAÇÃO

PRINCÍPIOS DE COMUNICAÇÃO PRINCÍPIOS DE COMUNICAÇÃO RUÍDO EM MODULAÇÕES ANALÓGICAS Evelio M. G. Fernández - 2011 Processo Aleatório (ou Estocástico): Função aleatória do tempo para modelar formas de onda desconhecidas. Processos

Leia mais

TE802 Processos Estocásticos em Engenharia

TE802 Processos Estocásticos em Engenharia TE802 Processos Estocásticos em Engenharia Duas Variáveis Aleatórias 29 de agosto de 2017 Duas Variáveis Aleatórias Função Distribuição Acumulada Conjunta: F X,Y (x,y) = P[X x, Y y] Propriedades: (a) 0

Leia mais

Comunicações Digitais Prof. André Noll Barreto Prova /2 (22/10/2013)

Comunicações Digitais Prof. André Noll Barreto Prova /2 (22/10/2013) Prova 013/ (/10/013) Aluno: Matrícula: Instruções A prova consiste de cinco questões discursivas A prova terá a duração de h30 A prova pode ser feita a lápis ou caneta Não é permitida consulta a notas

Leia mais

Comunicações Digitais Prof. André Noll Barreto. Prova /2 (20/10/2016)

Comunicações Digitais Prof. André Noll Barreto. Prova /2 (20/10/2016) Prova 16/ (/1/16 Aluno: Matrícula: Instruções A prova consiste de quatro questões discursivas A prova terá a duração de h A prova pode ser feita a lápis ou caneta Não é permitida consulta a notas de aula,

Leia mais

Par de Variáveis Aleatórias

Par de Variáveis Aleatórias Par de Variáveis Aleatórias Luis Henrique Assumpção Lolis 7 de abril de 2014 Luis Henrique Assumpção Lolis Par de Variáveis Aleatórias 1 Conteúdo 1 Introdução 2 Par de Variáveis Aleatórias Discretas 3

Leia mais

canal para sinais contínuos

canal para sinais contínuos Processos estocásticos, Entropia e capacidade de canal para sinais contínuos 24 de setembro de 2013 Processos estocásticos, Entropia e capacidade de canal para1 sin Conteúdo 1 Probabilidade de sinais contínuos

Leia mais

TE802 Processos Estocásticos em Engenharia. Processo Aleatório. TE802 Processos Aleatórios. Evelio M. G. Fernández. 18 de outubro de 2017

TE802 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 mais

Aula 11. Variáveis Aleatórias Contínuas Bidimensionais

Aula 11. Variáveis Aleatórias Contínuas Bidimensionais Aula. Variáveis Aleatórias Contínuas Bidimensionais Resumo de caso unidimensional Caso Discreto p p 2 p 3 Caso Contínuo f(x) x x 2 x 3 i p i + f x dx X x x 2 x 3 P p p 2 p 3 Caso bidimensional Caso Discreto

Leia mais

Introdução aos Proc. Estocásticos - ENG 430

Introdução aos Proc. Estocásticos - ENG 430 Introdução aos Proc. Estocásticos - ENG 430 Fabrício Simões IFBA 16 de novembro de 2015 Fabrício Simões (IFBA) Introdução aos Proc. Estocásticos - ENG 430 16 de novembro de 2015 1 / 34 1 Motivação 2 Conceitos

Leia mais

TE802 Processos Estocásticos em Engenharia

TE802 Processos Estocásticos em Engenharia TE802 Processos Estocásticos em Engenharia Vetores Aleatórios 10 de setembro de 2017 Modelos Probabiĺısticos para N Variáveis Aleatórias F X1,...,X n (x 1,...,x n) = P[X 1 x 1,..., X n x n] (x 1,...,x

Leia mais

PRE29006 LISTA DE EXERCÍCIOS #

PRE29006 LISTA DE EXERCÍCIOS # INSTITUTO FEDERAL DE SANTA CATARINA CAMPUS SÃO JOSÉ COORDENADORIA DE ÁREA DE TELECOMUNICAÇÕES ENGENHARIA DE TELECOMUNICAÇÕES PRE9006 LISTA DE EXERCÍCIOS #3 06. Exercícios. [, Exercício 7.] Seja A uma variável

Leia mais

Fundamentos da Teoria da Probabilidade

Fundamentos da Teoria da Probabilidade Fundamentos da Teoria da Probabilidade Edmar José do Nascimento (Princípios de Comunicações) http://www.univasf.edu.br/ edmar.nascimento Universidade Federal do Vale do São Francisco Sinais Aleatórios

Leia mais

Variáveis Aleatórias Contínuas

Variáveis 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 mais

Teoria das Comunicações Prof. André Noll Barreto Prova /02

Teoria das Comunicações Prof. André Noll Barreto Prova /02 Prova 3 010/0 7/01/011 Aluno: Matrícula: Instruções A prova consiste em 4 questões discursivas. A prova terá a duração de h30. A prova pode ser feita a lápis ou caneta. Não é permitida consulta a notas

Leia mais

3 3. Variáveis Aleatórias

3 3. Variáveis Aleatórias ÍNDICE 3. VARIÁVEIS ALEATÓRIAS...49 3.. VARIÁVEIS ALEATÓRIAS UNIDIMENSIONAIS...49 3.2. VARIÁVEIS DISCRETAS FUNÇÃO DE PROBABILIDADE E FUNÇÃO DISTRIBUIÇÃO DE PROBABILIDADE...50 3.2.. Função de probabilidade...50

Leia mais

Comunicações Digitais Prof. André Noll Barreto. Prova /1 (06/06/2016)

Comunicações Digitais Prof. André Noll Barreto. Prova /1 (06/06/2016) Prova 4 016/1 (06/06/016 Aluno: Matrícula: Instruções A prova consiste de 3 (três questões discursivas. A prova terá a duração de h A prova pode ser feita a lápis ou caneta Pode ser consultado qualquer

Leia mais

Probabilidades e Estatística TODOS OS CURSOS

Probabilidades 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 mais

P4 de Cálculo a Várias Variáveis I MAT Data: 02 de julho

P4 de Cálculo a Várias Variáveis I MAT Data: 02 de julho P de Cálculo a Várias Variáveis I MAT 6 03. Data: 0 de julho Nome: Assinatura: Matrícula: Turma: Questão Valor Nota Revisão 5.0 5.0 Total 0.0 Instruções Mantenha seu celular desligado durante toda a prova.

Leia mais

Teoria das Comunicações Profs. André Noll Barreto / Judson Braga. Prova /2 (16/10/2014)

Teoria das Comunicações Profs. André Noll Barreto / Judson Braga. Prova /2 (16/10/2014) Prova 014/ (16/10/014) Aluno: Matrícula: Instruções A prova consiste de quatro questões discursivas A prova terá a duração de h00 A prova pode ser feita a lápis ou caneta Não é permitida consulta a notas

Leia mais

Probabilidades e Estatística

Probabilidades 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 mais

Teoria das Comunicações Prof. André Noll Barreto Prova /2 (01/11/2011)

Teoria das Comunicações Prof. André Noll Barreto Prova /2 (01/11/2011) Prova 011/ (01/11/011) Aluno: Matrícula: Instruções A prova consiste de quatro questões discursivas A prova terá a duração de h30 A prova pode ser feita a lápis ou caneta Não é permitida consulta a notas

Leia mais

Disciplina: Processamento Estatístico de Sinais (ENGA83) - Aula 02 / Processos Aleatórios

Disciplina: Processamento Estatístico de Sinais (ENGA83) - Aula 02 / Processos Aleatórios Disciplina: Processamento Estatístico de Sinais (ENGA83) - Aula 02 / Processos Aleatórios Prof. Eduardo Simas (eduardo.simas@ufba.br) Programa de Pós-Graduação em Engenharia Elétrica/PPGEE Universidade

Leia mais

Processos Estocásticos. Variáveis Aleatórias. Variáveis Aleatórias. Luiz Affonso Guedes. Como devemos descrever um experimento aleatório?

Processos Estocásticos. Variáveis Aleatórias. Variáveis Aleatórias. Luiz Affonso Guedes. Como devemos descrever um experimento aleatório? Processos Estocásticos Luiz Affonso Guedes Sumário Probabilidade Funções de Uma Variável Aleatória Funções de Várias Momentos e Estatística Condicional Teorema do Limite Central Processos Estocásticos

Leia mais

IND 1115 Inferência Estatística Aula 6

IND 1115 Inferência Estatística Aula 6 Conteúdo IND 5 Inferência Estatística Aula 6 Setembro de 004 A distribuição Lognormal A distribuição Beta e sua relação com a Uniforme(0,) Mônica Barros mbarros.com mbarros.com A distribuição Lognormal

Leia mais

Processos Estocásticos. Variáveis Aleatórias. Variáveis Aleatórias. Variáveis Aleatórias. Variáveis Aleatórias. Luiz Affonso Guedes

Processos Estocásticos. Variáveis Aleatórias. Variáveis Aleatórias. Variáveis Aleatórias. Variáveis Aleatórias. Luiz Affonso Guedes Processos Estocásticos Luiz Affonso Guedes Sumário Probabilidade Funções de Uma Variável Aleatória Funções de Várias Momentos e Estatística Condicional Teorema do Limite Central Processos Estocásticos

Leia mais

Módulo II: Cálculo dos Momentos de um Processo Estocástico, Processo de Bernoulli, Processo Random Walk

Módulo II: Cálculo dos Momentos de um Processo Estocástico, Processo de Bernoulli, Processo Random Walk Módulo II: Cálculo dos Momentos de um Processo Estocástico, Processo de Bernoulli, Processo Random Walk Wamberto J. L. Queiroz Universidade Federal de Campina Grande-UFCG Departamento de Engenharia Elétrica

Leia mais

Teoria das Comunicações Prof. André Noll Barreto Prova /2 (15/05/2014)

Teoria das Comunicações Prof. André Noll Barreto Prova /2 (15/05/2014) Prova 014/ (15/05/014) Aluno: Matrícula: Instruções A prova consiste de três questões discursivas A prova terá a duração de h00 A prova pode ser feita a lápis ou caneta Não é permitida consulta a notas

Leia mais

Processamento de Sinal e Imagem Engenharia Electrotécnica e de Computadores

Processamento de Sinal e Imagem Engenharia Electrotécnica e de Computadores António M. Gonçalves Pinheiro Departamento de Física Covilhã - Portugal pinheiro@ubi.pt Processos Estocásticos - Sinais que variam aleatoriamente no tempo. são regidos por processos estocásticos. 2 1 1

Leia mais

MP-208: Filtragem Ótima com Aplicações Aeroespaciais

MP-208: Filtragem Ótima com Aplicações Aeroespaciais MP-208: Filtragem Ótima com Aplicações Aeroespaciais Seção 2.6: Vetores Aleatórios Davi Antônio dos Santos Departamento de Mecatrônica Instituto Tecnológico de Aeronáutica davists@ita.br São José dos Campos,

Leia mais

CE085 - Estatística Inferencial

CE085 - Estatística Inferencial CE085 - Estatística Inferencial Revisão: Probabilidade Básica Prof. Wagner Hugo Bonat Laboratório de Estatística e Geoinformação - LEG Curso de Bacharelado em Estatatística Universidade Federal do Paraná

Leia mais

Processos Estocásticos. Luiz Affonso Guedes

Processos Estocásticos. Luiz Affonso Guedes Processos Estocásticos Luiz Affonso Guedes Sumário Probabilidade Variáveis Aleatórias Funções de Uma Variável Aleatória Funções de Várias Variáveis Aleatórias Momentos e Estatística Condicional Teorema

Leia mais

Princípios de Comunicações Profs. André Noll Barreto

Princípios de Comunicações Profs. André Noll Barreto Prova 2 2015/2 (03/11/2015) Aluno: Matrícula: Instruções A prova consiste de quatro questões discursivas A prova terá a duração de 2h00 A prova pode ser feita a lápis ou caneta Não é permitida consulta

Leia mais

Processos estocásticos

Processos estocásticos 36341 - Introdução aos Processos Estocásticos Curso de Pós-Graduação em Engenharia Elétrica Departamento de Engenharia Elétrica Universidade de Brasília Processos estocásticos Geovany A. Borges gaborges@ene.unb.br

Leia mais

Universidade de São Paulo Escola Superior de Agricultura Luiz de Queiroz Departamento de Ciências Exatas

Universidade de São Paulo Escola Superior de Agricultura Luiz de Queiroz Departamento de Ciências Exatas Universidade de São Paulo Escola Superior de Agricultura Luiz de Queiroz Departamento de Ciências Exatas LCE0176 - Cálculo e Matemática Aplicados às Ciências Biológicas Professora: Clarice G. B. Demétrio

Leia mais

TE802 Processos Estocásticos em Engenharia. Valores Esperados de Somas de Variáveis Aleatórias Notes. PDF da Soma de Duas Variáveis Aleatórias.

TE802 Processos Estocásticos em Engenharia. Valores Esperados de Somas de Variáveis Aleatórias Notes. PDF da Soma de Duas Variáveis Aleatórias. TE802 Processos Estocásticos em Engenharia Somas de Variáveis Aleatórias 25 de abril de 2016 Valores Esperados de Somas de Variáveis Aleatórias Seja W n = X 1 + + X n, E[W n ] = E[X 1 ] + E[X 2 ] + + E[X

Leia mais

Variáveis Aleatórias Bidimensionais &Teoremas de Limite 1/22

Variáveis 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 mais

Teoria da Informação

Teoria da Informação Charles Casimiro Cavalcante charles@gtel.ufc.br Grupo de Pesquisa em Telecomunicações Sem Fio GTEL Programa de Pós-Graduação em Engenharia de Teleinformática Universidade Federal do Ceará UFC http://www.gtel.ufc.br/

Leia mais

EES-20: Sistemas de Controle II. 20 Novembro 2017

EES-20: Sistemas de Controle II. 20 Novembro 2017 EES-20: Sistemas de Controle II 20 Novembro 2017 1 / 57 Recapitulando: Filtro de Kalman para sistema de 1a ordem Foi considerado o caso de estado x[k] escalar, com G = 1 e C = 1, por simplicidade: Equação

Leia mais

Anexo 1 - Revisões de Teoria das Probabilidades e Processos Estocásticos

Anexo 1 - Revisões de Teoria das Probabilidades e Processos Estocásticos 1 Anexo 1 - Revisões de Teoria das Probabilidades e Processos Estocásticos Documento auxiliar à disciplina de Modelação, Identificação e Controlo Digital Alexandre Bernardino 003/005 IST-Secção de Sistemas

Leia mais

CURTA REVISÃO SOBRE PROBABILIDADE E PROCESSOS ESTOCÁSTICOS

CURTA REVISÃO SOBRE PROBABILIDADE E PROCESSOS ESTOCÁSTICOS CURTA REVISÃO SOBRE PROBABILIDADE E PROCESSOS ESTOCÁSTICOS PARTE i Histórico Probabilidade Axiomática de Kolmogorov Variáveis Aleatórias Densidade de Probabilidade Desigualdade de Chebyshev Versão Fraca

Leia mais

Revisões de Matemática e Estatística

Revisões de Matemática e Estatística Revisões de Matemática e Estatística Joaquim J.S. Ramalho Contents 1 Operadores matemáticos 2 1.1 Somatório........................................ 2 1.2 Duplo somatório....................................

Leia mais

Introdução ao Processamento Estatístico de Sinais

Introdução ao Processamento Estatístico de Sinais Charles Casimiro Cavalcante charles@gtel.ufc.br Grupo de Pesquisa em Telecomunicações Sem Fio GTEL Departamento de Engenharia de Teleinformática Universidade Federal do Ceará UFC http://www.gtel.ufc.br/

Leia mais

Teoria das Filas aplicadas a Sistemas Computacionais. Aula 09

Teoria 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 mais

Teoria das Comunicações Prof. André Noll Barreto Prova 1 Gabarito

Teoria das Comunicações Prof. André Noll Barreto Prova 1 Gabarito Prova Gabarito Questão (4 pontos) Um pulso é descrito por: g t = t e t / u t u t, a) Esboce o pulso. Este é um sinal de energia ou de potência? Qual sua energia/potência? (,7 ponto) b) Dado um trem periódico

Leia mais

195

195 195 196 197 198 199 200 201 202 203 204 205 206 207 208 209 210 211 212 213 214 215 216 217 218 219 220 221 222 223 224 225 226 227 228 229 230 231 232 233 234 235 236 237 238 239 240 241 242 243 244 245

Leia mais

Apostila de Comunicações Digitais

Apostila de Comunicações Digitais Apostila de Comunicações Digitais Capítulo 1 Introdução à Probabilidade e Processos Estocásticos Prof. André Noll Barreto Universidade de Brasília 1. Noções de Probabilidade a. Experimento aleatório O

Leia mais

Distribuição Normal. Prof. Eduardo Bezerra. (CEFET/RJ) - BCC - Inferência Estatística. 25 de agosto de 2017

Distribuição Normal. Prof. Eduardo Bezerra. (CEFET/RJ) - BCC - Inferência Estatística. 25 de agosto de 2017 padrão - padronização Distribuição Normal Prof. Eduardo Bezerra (CEFET/RJ) - BCC - Inferência Estatística 25 de agosto de 2017 Eduardo Bezerra (CEFET/RJ) Distribuição Normal Março/2017 1 / 32 Roteiro Distribuições

Leia mais

Capítulo 2. Variáveis Aleatórias e Distribuições

Capítulo 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 mais

TE802 Processos Estocásticos em Engenharia. Valores Esperados de Somas de Variáveis Aleatórias. TE802 Somas de Variáveis Aleatórias

TE802 Processos Estocásticos em Engenharia. Valores Esperados de Somas de Variáveis Aleatórias. TE802 Somas de Variáveis Aleatórias TE802 Processos Estocásticos em Engenharia Somas de Variáveis Aleatórias 27 de setembro de 2017 Valores Esperados de Somas de Variáveis Aleatórias Seja W n = X 1 + + X n, E[W n ] = E[X 1 ] + E[X 2 ] +

Leia mais

MESTRADO INTEGRADO EM ENGENHARIA ELECTROTÉCNICA E DE COMPUTADORES PROBABILIDADES E ESTATÍSTICA. 1ª Chamada 10/01/2008.

MESTRADO INTEGRADO EM ENGENHARIA ELECTROTÉCNICA E DE COMPUTADORES PROBABILIDADES E ESTATÍSTICA. 1ª Chamada 10/01/2008. MESTRADO INTEGRADO EM ENGENHARIA ELECTROTÉCNICA E DE COMPUTADORES PROBABILIDADES E ESTATÍSTICA 1ª Chamada 10/01/2008 Parte Teórica DURAÇÃO : 50 min COTAÇÃO DA PARTE TEÓRICA: 8 Valores em 20 PERGUNTAS DE

Leia mais

PRINCIPAIS DISTRIBUIÇÕES DE PROBABILIDADES

PRINCIPAIS 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 mais

2.3 Operações sobre uma variável aleatória - Esperança matemática

2.3 Operações sobre uma variável aleatória - Esperança matemática matemática 58 atingir a mosca dado que ele atingiu o alvo. Exercício 2.33. [3] Duas caixas tem bolas vermelhas, verdes e azuis dentro; a quantidade de cada uma é dada a seguir. Caixa 01-5 vermelhas; 35

Leia mais

Teoria das Filas aplicadas a Sistemas Computacionais. Aula 08

Teoria 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 mais

Modelagem Computacional. Parte 3 2

Modelagem Computacional. Parte 3 2 Mestrado em Modelagem e Otimização - RC/UFG Modelagem Computacional Parte 3 2 Prof. Thiago Alves de Queiroz 2/2016 2 [Cap. 4] BURDEN, R. L.; FAIRES, J. D. Numerical Analysis (9th ed). Cengage Learning,

Leia mais

AGA Análise de Dados em Astronomia I. 2. Probabilidades

AGA Análise de Dados em Astronomia I. 2. Probabilidades 1 / 26 1. Introdução AGA 0505 - Análise de Dados em Astronomia I 2. Probabilidades Laerte Sodré Jr. 1o. semestre, 2019 2 / 26 aula de hoje: 1 o que são 2 distribuições de 3 a distribuição normal ou gaussiana

Leia mais

Mais sobre Modelos Continuos

Mais 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 mais

ME-310 Probabilidade II Lista 2

ME-310 Probabilidade II Lista 2 ME-3 Probabilidade II Lista 2. Uma máquina funciona enquanto pelo menos 3 das 5 turbinas funcionam. Se cada turbina funciona um tempo aleatório com densidade xe x, x >, independentemente das outras, calcule

Leia mais

Matemática 2. Teste Final. Atenção: Esta prova deve ser entregue ao fim de 1 Hora. Deve justificar detalhadamente todas as suas respostas.

Matemática 2. Teste Final. Atenção: Esta prova deve ser entregue ao fim de 1 Hora. Deve justificar detalhadamente todas as suas respostas. Matemática 2 Lic. em Economia, Gestão e Finanças Data: 4 de Julho de 2017 Duração: 1H Teste Final Atenção: Esta prova deve ser entregue ao fim de 1 Hora. Deve justificar detalhadamente todas as suas respostas.

Leia mais

Exercícios de Teoria da Probabilidade e Processos Estocásticos Parte II

Exercícios de Teoria da Probabilidade e Processos Estocásticos Parte II Exercícios de Teoria da Probabilidade e Processos Estocásticos Parte II 13 de Dezembro de 2013 Exercício 1. Descreva o espaço de probabilidade associado às seguintes experiências aleatórias: 1. Uma moeda

Leia mais

Comunicações Digitais Prof. André Noll Barreto. Prova /2 (01/12/2016)

Comunicações Digitais Prof. André Noll Barreto. Prova /2 (01/12/2016) Prova 3 2016/2 (01/12/2016) Aluno: Matrícula: Instruções A prova consiste de quatro questões discursivas A prova terá a duração de 2h00 A prova pode ser feita a lápis ou caneta Não é permitida consulta

Leia mais

O movimento Browniano

O movimento Browniano O movimento Browniano R. Vilela Mendes http://label2.ist.utl.pt/vilela/ March 2010 () March 2010 1 / 35 Sumário O movimento Browniano Propriedade Markoviana Probabilidade de transição. Medida de Wiener

Leia mais

Probabilidade 2 - ME310 - Lista 0

Probabilidade 2 - ME310 - Lista 0 Probabilidade 2 - ME310 - Lista 0 17 de agosto de 2018 Lembrando: 1) Conjuntos disjuntos: A B = = P (A B) = 0 2) Conjuntos independentes: P (A B) = P (A) P (B) A = (A B). (A B c ) só uma forma de deixar

Leia mais

Solução: Alternativa (c). Esse movimento é retilíneo e uniforme. Portanto h = (g t 1 2 )/2 e 2 h =

Solução: Alternativa (c). Esse movimento é retilíneo e uniforme. Portanto h = (g t 1 2 )/2 e 2 h = UNIVERSIDADE FEDERAL DE ITAJUBÁ FÍSICA PROVA DE TRANSFERÊNCIA INTERNA, EXTERNA E PARA PORTADOR DE DIPLOMA DE CURSO SUPERIOR 9/06/206 CANDIDATO: CURSO PRETENDIDO: OBSERVAÇÕES: 0 Prova sem consulta. 02 Duração:

Leia mais

Módulo IV: Processos Aleatórios Estacionários, Cicloestaionaridade e Análise de Continuidade de Processos Aleatórios

Módulo IV: Processos Aleatórios Estacionários, Cicloestaionaridade e Análise de Continuidade de Processos Aleatórios Módulo IV: Processos Aleatórios Estacionários, Cicloestaionaridade e Análise de Continuidade de Processos Aleatórios Wamberto J. L. Queiroz Universidade Federal de Campina Grande-UFCG Departamento de Engenharia

Leia mais

ANÁLISE MATEMÁTICA IV

ANÁLISE MATEMÁTICA IV Instituto Superior Técnico Departamento de Matemática Secção de Álgebra e Análise ANÁLISE MATEMÁTICA IV FICHA 6 SÉRIES DE FOURIER E MÉTODO DE SEPARAÇÃO DAS VARIÁVEIS 1 Determine o desenvolvimento em série

Leia mais

Tiago Viana Flor de Santana

Tiago 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 mais

Módulo III: Processos de Poisson, Gaussiano e Wiener

Módulo 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 mais

Modelagem de um sistema por cadeias de Markov

Modelagem de um sistema por cadeias de Markov Modelagem de um sistema por cadeias de Markov Sistemas sem memória : somente o estado imediatamente anterior influencia o estado futuro. rocesso estacionário: probabilidades de transição de um estado para

Leia mais

Complementos de Análise Matemática

Complementos de Análise Matemática Instituto Politécnico de Viseu Escola Superior de Tecnologia Ficha prática n o 3 - Equações Diferenciais 1. Determine as equações diferenciais das seguintes famílias de linhas: (a) y = cx (b) y = cx 3

Leia mais

Nome: N. o : 7. Total

Nome: N. o : 7. Total ESTATÍSTICA I. o Ano/Gestão. o Semestre Época Normal Duração: horas 1. a Parte Teórica N. o de Exame: 1431 5.6.14 Nome: N. o : TEÓRICA Espaço reservado a classicações PRÁTICA EM 1.a.a 3.a 4.a 6. 1.b.b

Leia mais

A estacionariedade prova-se de maneira semel- hante.

A estacionariedade prova-se de maneira semel- hante. Se por outro lado (U 1, U 2,...) é IID então mostremos que X n U 1 + + U n tem incrementos independentes e estacionários. De facto, dados n > m temos que X n X m U m+1 + + U n. Tome-se quaisquer n 1

Leia mais

PROCESSOS ESTOCÁSTICOS. O resultado de muitas experiências aleatórias é função do tempo ou de uma (ou mais) coordenada espacial.

PROCESSOS ESTOCÁSTICOS. O resultado de muitas experiências aleatórias é função do tempo ou de uma (ou mais) coordenada espacial. 37 PROCESSOS ESTOCÁSTICOS O resultado de muitas experiências aleatórias é função do tempo ou de uma (ou mais) coordenada espacial. Ex: i) O valor da temperatura média diária ou semanal numa cidade. O acontecimento

Leia mais

Transmissão de impulsos em banda-base

Transmissão de impulsos em banda-base ransmissão de impulsos em banda-base ransmissão de impulsos através de um canal com ruído aditivo.3 O filtro adaptado e o correlacionador ransmissão de sinais em canais banda-base Introdução Consideremos

Leia mais

Resumo. Parte 7 Processos Estocásticos. Ramiro Brito Willmersdorf

Resumo. Parte 7 Processos Estocásticos. Ramiro Brito Willmersdorf Parte 7 Processos Estocásticos Ramiro Brito Willmersdorf ramiro@willmersdorf.net Departamento de Engenharia Mecânica Universidade Federal de Pernambuco 2011.2 Resumo 1 Processos Estocásticos 2 Classicação

Leia mais

Frequência / Exame de 1. a Época

Frequência / Exame de 1. a Época ISCTE - Instituto Universitário de Lisboa Licenciaturas: Gestão, Finanças e Contabilidade, Gestão e Engenharia Industrial, Marketing e Economia Frequência / Exame de 1. a Época OPTIMIZAÇÃO / MATEMÁTICA

Leia mais

Probabilidade Lista 6 - Variáveis Aleatórias Contínuas e Vetores Aleatórios

Probabilidade Lista 6 - Variáveis Aleatórias Contínuas e Vetores Aleatórios Probabilidade Lista - Variáveis Aleatórias Contínuas e Vetores Aleatórios Exercício. Uma v.a. X tem distribuição triangular no intervalo [0, ] se sua densidade for dada por 0, x < 0 cx, 0 x /2 c( x), /2

Leia mais

Distribuições de Probabilidade. Variáveis aleatórias contínuas

Distribuições de Probabilidade. Variáveis aleatórias contínuas Distribuições de Probabilidade Variáveis aleatórias contínuas 1 Variáveis contínuas Uma variável aleatória contínua toma um nº infinito não numerável de valores (intervalos de números reais), os quais

Leia mais

UNIVERSIDADE FEDERAL DE RONDÔNIA

UNIVERSIDADE FEDERAL DE RONDÔNIA UNIVERSIDADE FEDERAL DE RONDÔNIA CADERNO DE PROVA FÍSICA Nome do Candidato Nome do curso / Turno Local de oferta do curso Vestibulinho 2008 Código do Candidato Assinatura do Candidato UNIVERSIDADE FEDERAL

Leia mais

Cálculo Diferencial e Integral I

Cálculo Diferencial e Integral I Provas e listas: Cálculo Diferencial e Integral I Período 204.2 Sérgio de Albuquerque Souza 4 de maio de 205 UNIVERSIDADE FEDERAL DA PARAÍBA CCEN - Departamento de Matemática http://www.mat.ufpb.br/sergio

Leia mais

Lista de Exercícios #5 Assunto: Variáveis Aleatórias Multidimensionais Contínuas

Lista de Exercícios #5 Assunto: Variáveis Aleatórias Multidimensionais Contínuas 1. ANPEC 018 Questão 9 Uma pessoa investe R$ 10.000,00 (I) em duas aplicações cujas taxas de retorno são variáveis aleatórias independentes, R 1 e R, com médias 5% e 14% e desvios-padrão 1% e 8%, respectivamente.

Leia mais

Seja (X,Y) uma v.a. bidimensional contínua ou discreta. Define-se valor esperado condicionado de X para um dado Y igual a y da seguinte forma:

Seja (X,Y) uma v.a. bidimensional contínua ou discreta. Define-se valor esperado condicionado de X para um dado Y igual a y da seguinte forma: 46 VALOR ESPERADO CONDICIONADO Seja (X,Y) uma v.a. bidimensional contínua ou discreta. Define-se valor esperado condicionado de X para um dado Y igual a y da seguinte forma: Variável contínua E + ( X Y

Leia mais

CONHECIMENTOS ESPECÍFICOS

CONHECIMENTOS ESPECÍFICOS fonte de graus de soma de quadrado variação liberdade quadrados médio teste F regressão 1 1,4 1,4 46,2 resíduo 28 0,8 0,03 total 2,2 A tabela de análise de variância (ANOVA) ilustrada acima resulta de

Leia mais

Noções 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 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 mais

MAE-219: Introdução à Probabilidade e Estatística I

MAE-219: Introdução à Probabilidade e Estatística I MAE-219: Introdução à Probabilidade e Estatística I Prof. Pedro Morettin e Prof. Nelson I. Tanaka Gabarito - Lista de Exercícios 6 1o. Semestre de 216 1 Questão 1 X: Número de caras nos dois primeiros

Leia mais

Departamento de InformáAca - PUC- Rio. Hélio Lopes Departamento de InformáAca PUC- Rio. Probabilidade

Departamento de InformáAca - PUC- Rio. Hélio Lopes Departamento de InformáAca PUC- Rio. Probabilidade Introdução à Simulação Estocás5ca usando R INF2035 PUC- Rio, 2013.1 Departamento de InformáAca - PUC- Rio Hélio Lopes Departamento de InformáAca PUC- Rio Experimentos aleatórios: no estudo de probabilidade,

Leia mais

AGA Análise de Dados em Astronomia I. 2. Probabilidades

AGA Análise de Dados em Astronomia I. 2. Probabilidades 1 / 20 AGA 0505- Análise de Dados em Astronomia I 2. Probabilidades Laerte Sodré Jr. 1o. semestre, 2018 2 / 20 tópicos 1 probabilidades - cont. 2 distribuições de probabilidades 1 binomial 2 Poisson 3

Leia mais

Universidade Federal da Paraíba Departamento de Estatística Lista 1 - Outubro de 2013

Universidade Federal da Paraíba Departamento de Estatística Lista 1 - Outubro de 2013 1. Seja X a duração de vida de uma válvula eletrônica e admita que X possa ser representada por uma variável aleatória contínua, com f.d.p. be bx, x 0. Seja p j = P (j X < j + 1). Verifique que p j é da

Leia mais

Neste capítulo é introduzido um conceito que permite definir eventos de uma forma mais

Neste capítulo é introduzido um conceito que permite definir eventos de uma forma mais Capítulo 2 A variável aleatória Neste capítulo é introduzido um conceito que permite definir eventos de uma forma mais consistente. Este novo conceito é o de variáveis aleatórias e se constitui em uma

Leia mais