5.7 Amostragem e alguns teoremas sobre limites
|
|
- Liliana Galindo Camilo
- 8 Há anos
- Visualizações:
Transcrição
1 M. Eisencraft 5.7 Amostragem e alguns teoremas sobre limites Amostragem e alguns teoremas sobre limites Para quantificar os problemas associados às medidas práticas de uma VA, considere o problema de medir a tensão média dc) de uma tensão ruidosa aleatória. Suponha que tome-se uma sequência de amostras em um período de tempo em que se assume que as propriedades estatísticas da fonte permanecem inalteradas. Cada amostra pode ser considerada como o valor de uma de variáveis aleatórias estatísticamente independentes X n, todas tendo mesma distribuição de probabilidades. Assim, elas tem mesma média X e variância σx 2 Se queremos estimar ou medir) a média da tensão ruidosa, a intuição leva a obter a média dos valores medidos: X = estimativadamédiadeamostras = X n. 5.55) i= Esta equação é uma função do conjunto específico deamostras {x n }; ela fornece um número que chamamos de uma estimativa ou medida da média da VA. Uma pergunta importante é: quão bom é esta estimativa? Para responder, podemos calcular o valor esperado e a variância do estimador. E X = E X n = n= EX n = X,. 5.56) i= Qualquer estimador função de mensuração) para o qual a média iguala a quantidade sendo estimada é chamado de não-enviesiado. Para a variância σx 2 = E X X ) 2 2 = E X 2 X X + X 2 = E X 2 X 2 = X 2 +E = X n= m= n= X n X m m= 5.57) 5.58) EX n X m 5.59)
2 M. Eisencraft 5.8 Variáveis aleatórias complexas 72 Mas, pela independência, EX n X m = EX 2 para m = n e EX n X m = X 2 para m n. Assim, σ 2 X = X E X 2 ) + 2 ) X2 5.60) = E X 2 ) X 2 = σ2 X 5.6) Daí vemos que a variância de nosso estimador da média vai para zero quando. Este fato implica que para grande nosso estimador fornecer-a uma estimativa próxima da quantidade sendo estimada com alta probabilidade. Da mesma forma que a Eq. 5.55) é um bom estimador para a média, a expressão a seguir é um bom estimador para a variância de X,5 σ 2 X = n= X n X ) ) Exercício 5.0. Uma tensão aleatória X se comporta aproximadamente como uma VA exponencial com um valor médio 4 e uma variância de 6. Onze amostras são tomadas tendo valores 0.V, 0.4, 0.9,.4, 2.0, 2.8, 3.7, 4.8, 6.4, 9.2 e 2.0V. Estime a média a variância desta VA a partir destas amostras e discuta o resultado. 5.8 Variáveis aleatórias complexas Uma variável aleatória complexa Z pode ser definida em termos de variáveis aleatórias reais X e Y por Z = X +jy 5.63) em que j =. Considerando-se valores esperados envolvendo Z, a densidade conjunta de X e Y deve ser usada. Por exemplo, se g ) for uma função real ou complexa) de Z, o valor
3 M. Eisencraft 5.8 Variáveis aleatórias complexas 73 esperado de gz) é obtido por EgZ) = gz)f X,Y x,y)dxdy. 5.64) Exercícios de Revisão para P Exercício Existem 00 pacientes em um hospital com uma certa doença. Destes, 0 são selecionados para passar por um tratamento por drogas que aumenta a taxa de cura porcentual de 50% para 75%. Qual a probabilidade do paciente ter recebido o tratamento por drogas sabendo-se que ele foi curado? Exercício Seja X uma VA contínua com FDP kx, 0 < x < f X x) = 0, caso contrário 5.65) em que k é uma constante. a Determine o valor de k que esboce f X x) b Encontre e esboce a correspondente função distribuição de probabilidades F X x) c Encontre P 4 < X 2) Exercício 5.3. Seja X uma variável aleatória contínua com FDP uniforme entre a e b. Mostre que EX = a+b 2 σ 2 X = b a) ) 5.67)
4 M. Eisencraft 5.8 Variáveis aleatórias complexas 74 Exercício A FDP conjunta de uma VA bivariada X,Y) é dada por kx+y), 0 < x < 2,0 < y < 2 f XY x,y) = 0, caso contrário 5.68) a Encontre o valor de k b Encontre as FDPs marginais de X e Y c X e Y são independetes? Exercício 5.5. Suponha que a queda de neve anual quantidade de neve acumulada em metros) em dois hotéis de esqui alpinos vizinhos seja representada por variáveis aleatórias gaussianas conjuntas X e Y para as quais ρ = 0,82, σ X =,5m, σ Y =,2m e R XY = 8,476m 2. Se a queda de neve média no primeiro hotel é 0m, qual a taxa de queda média no outro hotel?
5 Referências Bibliográficas P. Z. P. Jr., Probability, Random Variables And Random Signal Principles, 4th ed. ew York: Mcgraw-Hill, B. P. Lathi, Modern Digital and Analog Communication Systems, 3rd ed. ew York, Y, USA: Oxford University Press, Inc., A. V. Oppenheim, A. S. Willsky, and S. H. awab, Sinais e sistemas, 2nd ed. São Paulo: Pearson Prentice Hall, R. E. Ziemer and W. H. Tranter, Principles of Communications, 6th ed. Wiley Publishing, S. M. Kay, Fundamentals of statistical signal processing: estimation theory. Upper Saddle River, J, USA: Prentice-Hall, Inc., H. P. Hsu, Probability, Random Variables, & Random Processes, ser. Schaum s Outline Series. McGraw-Hill,
M. Eisencraft 6.5 Processos aleatórios gaussianos 86. t1 +T. x(t)y(t+τ)dt. (6.35) t 1 T. x(t)y(t+τ)dt R xy (τ) = R XY (τ). (6.36)
M. Eisencraft 6.5 Processos aleatórios gaussianos 86 R 0 (t 1 +2T) = 1 2T t1 +T t 1 Assim, tomando t 1 = 0 e assumindo que T é grande, temos x(t)y(t+τ)dt. (6.35) R 0 (2T) = 1 2T x(t)y(t+τ)dt R xy (τ) =
Leia mais5.3 Variáveis aleatórias gaussianas conjuntas
M. Eisencraft 5.3 Variáveis aleatórias gaussianas conjuntas 64 respectivamente. São as chamadas funções características marginais: Φ X (ω ) = Φ X,Y (ω,0) (5.0) Φ Y (ω ) = Φ X,Y (0,ω ) (5.) Os momentos
Leia maisProcessos aleatórios - características
Capítulo 6 Processos aleatórios - características temporais 6.1 O conceito de processo aleatório Um processo aleatório ou estocástico é um espaço de amostras em que cada elemento é associado a uma função
Leia maisM. Eisencraft 6.3 Funções de correlação 81. R YX (τ) R YY (τ). (6.19) R XY (τ) = R YX ( τ) (6.20)
M. Eisencraft 6.3 Funções de correlação 81 R XY (τ) = E[X(t)Y(t+τ)] e (6.17) R YX (τ) = E[Y(t)X(t+τ)]. (6.18) As propriedades de correlação de dois processos X(t) e Y(t) podem ser mostradas convenientemente
Leia maisM. Eisencraft 4.6 Distribuição e densidade de uma soma de variáveis aleatórias57. + w y. f X,Y (x,y)dxdy (4.24) w y
M. Eisencraft 4.6 Distribuição e densidade de uma soma de variáveis aleatórias57 Assim, e usando a Eq. (4.17), F W (w) = F W (w) = + w y + x= f X,Y (x,y)dxdy (4.24) w y f Y (y)dy f X (x)dx (4.25) x= Diferenciando
Leia maisOperações sobre uma variável aleatória
Capítulo 3 Operações sobre uma variável aleatória - Esperança matemática Neste capítulo, introduz-se algumas operações importantes que podem ser realizadas sobre uma variável aleatória. 3.1 Esperança Valor
Leia maisPROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA ELÉTRICA. Plano de Ensino
DISCIPLINA: Sinais e Sistemas CÓDIGO: MEE003 Validade: A partir do 1º semestre de 2009. Carga Horária: 5 horas-aula Créditos: 03 Área de Concentração / Módulo: Modelagem e Controle de Sistemas / Disciplinas
Leia maisM. Eisencraft 2.5 Outros exemplos de distribuições e densidades 29. Densidade e distribuição uniforme. 0 a b x. 0 a b x
M. Eisencraft 2.5 Outros eemplos de distribuições e densidades 29 Densidade e distribuição uniforme /(b a) () a b.8 ().6.4.2.2 a b 2.5.2 Eponencial Figura 2.8: Funções densidade e distribuição uniforme.
Leia maisNeste 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 mais2.3 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 maisUniversidade Federal do ABC. Sinais Aleatórios. Prof. Marcio Eisencraft
Universidade Federal do ABC Sinais Aleatórios Prof. Marcio Eisencraft São Paulo 2011 Capítulo 1 Probabilidades Neste curso, trata-se dos fenômenos que não podem ser representados de forma determinística
Leia maisVariáveis Aleatórias Contínuas
Variáveis aleatórias contínuas: vamos considerar agora uma lista de quantidades as quais não é possível associar uma tabela de probabilidades pontuais ou frequências tempo de duração de uma chamada telefônica
Leia maisVamos denominar 1/µ o tempo médio de atendimento de um cliente. Tem-se, então que:
Vamos admitir que o tempo de atendimento (tempo de serviço) de clientes diferentes são variáveis aleatórias independentes e que o atendimento de cada consumidor é dado por uma variável S tendo função densidade
Leia maisCláudio Tadeu Cristino 1. Julho, 2014
Inferência Estatística Estimação Cláudio Tadeu Cristino 1 1 Universidade Federal de Pernambuco, Recife, Brasil Mestrado em Nutrição, Atividade Física e Plasticidade Fenotípica Julho, 2014 C.T.Cristino
Leia maisUniversidade Presbiteriana Mackenzie. Práticas de Engenharia Elétrica II
Universidade Presbiteriana Mackenzie Curso de Engenharia Elétrica Práticas de Engenharia Elétrica II Notas de Aula Pro Marcio Eisencrat Primeiro semestre de 006 Práticas de Engenharia Elétrica Aula Proessor
Leia maisDISTRIBUIÇÕES DE PROBABILIDADE
DISTRIBUIÇÕES DE PROBABILIDADE i1 Introdução Uma distribuição de probabilidade é um modelo matemático que relaciona um certo valor da variável em estudo com a sua probabilidade de ocorrência. Há dois tipos
Leia maisTransmissão e comunicação de dados. Renato Machado
Renato Machado UFSM - Universidade Federal de Santa Maria DELC - Departamento de Eletrônica e Computação renatomachado@ieee.org renatomachado@ufsm.br 03 de Maio de 2012 Sumário 1 2 Modulação offset QPSK
Leia maisPlano Temático. 1. Introdução
Curso: Licenciatura en Informática Disciplina: Comunicação de Dados Código: Tipo: Nuclear Créditos: 6 = 130 horas (64 de contacto + 66 de estudo) Ano/ Semestre: 2º Ano / 3º Semestre Plano Temático 1. Introdução
Leia maisCurso: Engenharia de Produção. Prof. Lorí Viali, Dr. PUCRS FAMAT: Departamento de Estatística. Curso: Engenharia de Produção
λ número médio de clientes que entram no sistema por unidade de tempo; µ número médio de clientes atendidos (que saem do sistema) por unidade de tempo; Servidores (mecânicos) no sistema; número de máquinas
Leia maisEnergia kj/mol kcal/mol
Cap. 1 A estrutura dos materiais 27 1.4 Estrutura dos Polímeros Já foi visto anteriormente, conforme ilustrado pela figura 1.15, que não existe uma ligação pura encontrada nos sólidos reais, inclusive
Leia maisEisencraft e Loiola 2.1 Probabilidade 37. Para resolver problemas de probabilidades são necessários 3 passos:
Eisencraft e Loiola 2.1 Probabilidade 37 Modelo matemático de experimentos Para resolver problemas de probabilidades são necessários 3 passos: a Estabelecimento do espaço das amostras b Definição dos eventos
Leia maisMétodos de Monte Carlo
Departamento de Estatística - UFJF Outubro e Novembro de 2014 são métodos de simulação São utilizados quando não temos uma forma fechada para resolver o problema Muito populares em Estatística, Matemática,
Leia maisIntrodução à análise de dados discretos
Exemplo 1: comparação de métodos de detecção de cárie Suponha que um pesquisador lhe apresente a seguinte tabela de contingência, resumindo os dados coletados por ele, oriundos de um determinado experimento:
Leia maisProcessos Estocásticos
Processos Estocásticos Terceira Lista de Exercícios 22 de julho de 20 Seja X uma VA contínua com função densidade de probabilidade f dada por Calcule P ( < X < 2. f(x = 2 e x x R. A fdp dada tem o seguinte
Leia maisPor que aparecem as filas? Não é eficiente, nem racional, que cada um disponha de todos os recursos individualmente. Por exemplo:
Por que aparecem as filas? Não é eficiente, nem racional, que cada um disponha de todos os recursos individualmente. Por exemplo: que cada pessoa disponha do uso exclusivo de uma rua para se movimentar;
Leia maisEquações Diferenciais
Equações Diferenciais EQUAÇÕES DIFERENCIAS Em qualquer processo natural, as variáveis envolvidas e suas taxas de variação estão interligadas com uma ou outras por meio de princípios básicos científicos
Leia maisCOMENTÁRIO AFRM/RS 2012 ESTATÍSTICA Prof. Sérgio Altenfelder
Comentário Geral: Prova muito difícil, muito fora dos padrões das provas do TCE administração e Economia, praticamente só caiu teoria. Existem três questões (4, 45 e 47) que devem ser anuladas, por tratarem
Leia maisUma introdução à Teoria das Filas
Uma introdução à Teoria das Filas Introdução aos Processos Estocásticos 13/06/2012 Quem nunca pegou fila na vida? Figura: Experiência no bandejão Motivação As filas estão presentes em nosso cotidiano,
Leia maisSimulação Estocástica
Simulação Estocástica O que é Simulação Estocástica? Simulação: ato ou efeito de simular Disfarce, fingimento,... Experiência ou ensaio realizado com o auxílio de modelos. Aleatório: dependente de circunstâncias
Leia maisUtilizando-se as relações entre as funções básicas é possível obter as demais funções de sobrevivência.
MÉTODOS PARAMÉTRICOS PARA A ANÁLISE DE DADOS DE SOBREVIVÊNCIA Nesta abordagem paramétrica, para estimar as funções básicas da análise de sobrevida, assume-se que o tempo de falha T segue uma distribuição
Leia maisUniversidade Federal do Paraná Departamento de Informática. Reconhecimento de Padrões. Revisão de Probabilidade e Estatística
Universidade Federal do Paraná Departamento de Informática Reconhecimento de Padrões Revisão de Probabilidade e Estatística Luiz Eduardo S. Oliveira, Ph.D. http://lesoliveira.net Conceitos Básicos Estamos
Leia mais2.2 A variável aleatória
Eisencraft e Loiola 2.2 A variável aleatória 45 de 24 por minuto e que a probabilidade de acertar um alvo seja,4. Encontre a probabilidade de que eatamente 5 balas atinjam o alvo. (Dica: use a aproimação
Leia maisMétodos Estatísticos II 1 o. Semestre de 2010 ExercíciosProgramados1e2 VersãoparaoTutor Profa. Ana Maria Farias (UFF)
Métodos Estatísticos II 1 o. Semestre de 010 ExercíciosProgramados1e VersãoparaoTutor Profa. Ana Maria Farias (UFF) Esses exercícios abrangem a matéria das primeiras semanas de aula (Aula 1) Os alunos
Leia maisValor Prático da Distribuição Amostral de
DISTRIBUIÇÃO AMOSTRAL DA MÉDIA DA AMOSTRA OU DISTRIBUIÇÃO AMOSTRAL DE Antes de falarmos como calcular a margem de erro de uma pesquisa, vamos conhecer alguns resultados importantes da inferência estatística.
Leia maisPremium até 10 S.M. 180 60 30 20 10 a 20 S.M. 80 40 40 40 20 a 30 S.M. 60 30 60 70 mais de 30 S.M. 40 20 70 160
1 MQI 2003 Estatística para Metrologia semestre 2008.01 LISTA DE EXERCÍCIOS # 1 PROBLEMA 1 Uma empresa de TV a cabo toma uma amostra de 1000 clientes, com o objetivo de verificar a relação entre a renda
Leia maisPrograma da disciplina, i metodologia de ensino, avaliações e bibliografia básica. Objetivos da Disciplina
Circuitos Digitais Cap. 1 Prof. José Maria P. de Menezes Jr. Circuitos Digitais Tópicos Digitais I- Engenharia Elétrica -UFPI Programa da disciplina, i metodologia de ensino, avaliações e bibliografia
Leia maisLogo, para estar entre os 1% mais caros, o preço do carro deve ser IGUAL OU SUPERIOR A:
MQI 00 ESTATÍSTICA PARA METROLOGIA - SEMESTRE 008.0 Teste 6/05/008 GABARITO PROBLEMA O preço de um certo carro usado é uma variável Normal com média R$ 5 mil e desvio padrão R$ 400,00. a) Você está interessado
Leia maisTelefonia Celular. Renato Machado
Renato Machado UFSM - Universidade Federal de Santa Maria DELC - Departamento de Eletrônica e Computação renatomachado@ieee.org renatomachado@ufsm.br 23 de Setembro de 2011 Sumário 1 2 3 Fórmula de Friis
Leia maisOs limites da computação algorítmica
Capítulo 12 Os limites da computação algorítmica 12.1. Problemas que não podem ser resolvidos pelas MT. 12.2. Problemas indecidíveis para LRE 12.3. Problema da correspondência de Post 12.4. Problemas indecidíveis
Leia maisProcessamento de Sinais e Imagem
António M. Gonçalves Pinheiro Departamento de Física Covilhã - Portugal pinheiro@ubi.pt Objectivos Estudar as características dos sinais temporais contínuos e discretos Projecto de filtros Processamento
Leia maisInformações Gerais Prof. Aluizio Fausto Ribeiro Araújo Depto. of Sistemas de Computação Centro de Informática - UFPE
ES413 Informações Gerais Prof. Aluizio Fausto Ribeiro Araújo Depto. of Sistemas de Computação Centro de Informática - UFPE Objetivos Conteúdo Referências Avaliação Estrutura de Apoio Tópicos 1-2 Principal
Leia maisCOMPARAÇÃO DOS TESTES DE ADERÊNCIA À NORMALIDADE KOLMOGOROV- SMIRNOV, ANDERSON-DARLING, CRAMER VON MISES E SHAPIRO-WILK POR SIMULAÇÃO
COMPARAÇÃO DOS TESTES DE ADERÊNCIA À NORMALIDADE KOLMOGOROV SMIRNOV, ANDERSONDARLING, CRAMER VON MISES E SHAPIROWILK POR SIMULAÇÃO Vanessa Bielefeldt Leotti, Universidade Federal do Rio Grande do Sul,
Leia maisMOQ-23 ESTATÍSTICA. Professor: Rodrigo A. Scarpel rodrigo@ita.br www.mec.ita.br/~rodrigo
MOQ-3 ESTATÍSTICA Proessor: Rodrigo A. Scarpel rodrigo@ita.br www.mec.ita.br/~rodrigo Probabilidade e Estatística: The Science o collecting and analyzing data or the purpose o drawing conclusions and making
Leia maisGuia de Atividades para Introdução do Powersim no Processo Ensinoaprendizagem de Equações Diferenciais Ordinárias
Guia de Atividades para Introdução do Powersim no Processo Ensinoaprendizagem de Equações Diferenciais Ordinárias Nestas atividades temos como objetivo sua familiarização com o software Powersim e, através
Leia maisUNIVERSIDADE DE SÃO PAULO. Faculdade de Arquitetura e Urbanismo
UNIVERSIDADE DE SÃO PAULO Faculdade de Arquitetura e Urbanismo DISTRIBUIÇÃO AMOSTRAL ESTIMAÇÃO AUT 516 Estatística Aplicada a Arquitetura e Urbanismo 2 DISTRIBUIÇÃO AMOSTRAL Na aula anterior analisamos
Leia maisTeorema Central do Limite e Intervalo de Confiança
Probabilidade e Estatística Teorema Central do Limite e Intervalo de Confiança Teorema Central do Limite Teorema Central do Limite Um variável aleatória pode ter uma distribuição qualquer (normal, uniforme,...),
Leia maisTópico 8. Estatística Inferencial Teste de Hipóteses
Tópico 8 Estatística Inferencial Teste de Hipóteses Estatística Inferencial Princípio básico da estatística População (Plano de Amostragem Probabilística) Amostra Generalizar Descrever dados Parâmetro
Leia maisAula 11 Esperança e variância de variáveis aleatórias discretas
Aula 11 Esperança e variância de variáveis aleatórias discretas Nesta aula você estudará os conceitos de média e variância de variáveis aleatórias discretas, que são, respectivamente, medidas de posição
Leia maisPlano de Ensino Sistemas de Comunicação III - UNIPAMPA 1 PLANO DE ENSINO
Plano de Ensino Sistemas de Comunicação III - UNIPAMPA 1 MINISTÉRIO DA EDUCAÇÃO FUNDAÇÃO UNIVERSIDADE FEDERAL DO PAMPA PRÓ-REITORIA DE GRADUAÇÃO 1 Dados de Identificação PLANO DE ENSINO Campus: Alegrete
Leia maisMomentos de uma variável aleatória
Momentos de uma variável aleatória O cálculo de E[X] (valor médio de X) e E[X 2 ] (que intervém na variância), pode ser generalizado pensando em E[X k ] com k IN. Definição: Dada uma v.a. X, chama-se momento
Leia maisMétodo Monte-Carlo. Alexandre Rosas. 23 de Março de 2009. Departamento de Física Universidade Federal da Paraíba
Departamento de Física Universidade Federal da Paraíba 23 de Março de 2009 O que são os métodos de Monte-Carlo? Métodos numéricos que utilizam amostragem estatística (em contraposição a métodos determinísticos)
Leia maisLivro: Probabilidade - Aplicações à Estatística Paul L. Meyer Capitulo 11 Aplicações à Teoria da Confiabilidade.
Livro: Probabilidade - Aplicações à Estatística Paul L. Meyer Capitulo 11 Aplicações à Teoria da Confiabilidade. Problemas 1. Suponha que, a duração até falhar de uma peça, seja normalmente distribuída
Leia maisProcessamento Digital de Sinais
Processamento Digital de Sinais Professor: Marcelino Andrade OPPENHEIM, ALAN V., WILLSKY, ALAN S. Sinais e Sistemas, Pearson, 2010. SIMON HAYKIN; BARRY V. VEEN. Sinais e Sistemas, Bookman, 2002 OPPENHEIM,A.,
Leia maisPROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA ELÉTRICA. Plano de Ensino
DISCIPLINA: Teoria Eletromagnética. CÓDIGO: MEE007 Validade: Carga Horária: 45 horas-aula Créditos: 03 Área de Concentração / Módulo: Sistemas Elétricos / Formação Básica Ementa: Análise Vetorial. Equações
Leia maisOutras Máquinas de Turing
Capítulo 10 Outras Máquinas de Turing 10.1. Pequenas variações da TM padrão 10.2. MT s com dispositivos de armazenamento mais complexos 10.3. MT s não-determinísticas 10.4. A Máquina de Turing Universal
Leia mais1 Variáveis Aleatórias
Variáveis Aleatórias Exercício Num lançamento de 3 moedas equilibradas seja X avariável aleatória que representa o número de caras saídas Escreva a função de probabilidade de X Exercício Quantasvezessedevelançarumdadoaoarparaqueaprobabilidade
Leia maisO estudo de um indicador de comportamento do segurado brasileiro Francisco Galiza, Mestre em Economia (FGV)
O estudo de um indicador de comportamento do segurado brasileiro Francisco Galiza, Mestre em Economia (FGV) Este artigo tem por objetivo analisar as taxas de aversão ao risco em alguns ramos do mercado
Leia maisNotas de Aula - Álgebra de Boole Parte 1
Universidade de Brasília Departamento de Engenharia Elétrica Sistemas Digitais 1 Prof. Dr. Alexandre Romariz Revisado em 27/4/06 Notas de Aula - Álgebra de Boole Parte 1 1 Introdução Fundamentos, Teoremas
Leia maisUNIVERSIDADE FEDERAL DO PIAUÍ (UFPI) ENG. DE PRODUÇÃO PROBABILIDADE E ESTATÍSTICA 2
UNIVERSIDADE FEDERAL DO PIAUÍ (UFPI) ENG. DE PRODUÇÃO PROBABILIDADE E ESTATÍSTICA 2 LISTA N O 2 Prof.: William Morán Sem. I - 2011 1) Considere a seguinte função distribuição conjunta: 1 2 Y 0 0,7 0,0
Leia maisDistribuição Gaussiana. Modelo Probabilístico para Variáveis Contínuas
Distribuição Gaussiana Modelo Probabilístico para Variáveis Contínuas Distribuição de Frequências do Peso, em gramas, de 10000 recém-nascidos Frequencia 0 500 1000 1500 2000 2500 3000 3500 1000 2000 3000
Leia maisDescreve de uma forma adequada o
EST029 Cálculo de Probabilidade I Cap. 8 - Variáveis Aleatórias Contínuas Prof. Clécio da Silva Ferreira Depto Estatística - UFJF 1 Variável Aleatória Normal Caraterização: Descreve de uma forma adequada
Leia maisPRE29006 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 maisProcessamento de Sinal e Imagem Engenharia Electrotécnica e de Computadores
António M. Gonçalves Pinheiro Departamento de Física Covilhã - Portugal pinheiro@ubi.pt Objectivos Estudar as características dos sinais temporais contínuos e discretos Processamento de sinais em Sistemas
Leia maisVALIDAÇÃO DE MODELOS DE REGRESSÃO POR BOOTSTRAP. João Riboldi 1
VALIDAÇÃO DE MODELOS DE REGRESSÃO POR BOOTSTRAP João Riboldi 1 1. Introdução Na construção de um modelo de regressão, de uma maneira geral segue-se três etapas: executa-se o ajuste do modelo, obtendo-se
Leia maisIntervalo de Confiança. Prof. Herondino S. F.
Intervalo de Confiança Prof. Herondino S. F. Grau de Confiança Qual a temperatura média do corpo humano? A temperatura média do corpo humano é realmente 37 C. Na tabela abaixo, tem-se a temperatura de
Leia maisGestão de Operações II Teoria das Filas
Gestão de Operações II Teoria das Filas Prof Marcio Cardoso Machado Filas O que é uma fila de espera? É um ou mais clientes esperando pelo atendimento O que são clientes? Pessoas (ex.: caixas de supermercado,
Leia maisTeoria de Filas. Prof. Gustavo Leitão. Campus Natal Central. Planejamento de Capacidade de Sistemas
Teoria de Filas Prof. Gustavo Leitão Campus Natal Central. Planejamento de Capacidade de Sistemas 5/27/2010 Objetivo da Aula 5/27/2010 5/27/2010 OBJETIVO Apresentar os conceitos de teoria de filas e suas
Leia maisHistogramas. 12 de Fevereiro de 2015
Apêndice B Histogramas Uma situação comum no laboratório e na vida real é a de se ter uma grande quantidade de dados e deles termos que extrair uma série de informações. Encontramos essa situação em pesquisas
Leia maisTipos de variáveis aleatórias
Tipos de variáveis aleatórias Variáveis aleatórias discretas se assumem um conjunto finito ou infinito numerável de valores. Exemplos: número de pintas que sai no lançamento de um dado; registo, a intervalos
Leia maisCapítulo 7 Medidas de dispersão
Capítulo 7 Medidas de dispersão Introdução Para a compreensão deste capítulo, é necessário que você tenha entendido os conceitos apresentados nos capítulos 4 (ponto médio, classes e frequência) e 6 (média).
Leia maisUm estudo da correlação dos resultados patrimoniais e operacionais das seguradoras Francisco Galiza, Mestre em Economia (FGV)
Um estudo da correlação dos resultados patrimoniais e operacionais das seguradoras Francisco Galiza, Mestre em Economia (FGV) Este estudo aborda a correlação entre os resultados operacionais e patrimoniais
Leia maisClassificação: Determinístico
Prof. Lorí Viali, Dr. viali@pucrs.br http://www.pucrs.br/famat/viali/ Da mesma forma que sistemas os modelos de simulação podem ser classificados de várias formas. O mais usual é classificar os modelos
Leia maisDEPARTAMENTO DE MÉTODOS QUANTITATIVOS
DEPARTAMENTO DE MÉTODOS QUANTITATIVOS DISCIPLINA: MÉTODOS DE PREVISÃO DOCUMENTO DE APRESENTAÇÃO LICENCIATURA DE MARKETING ANO LECTIVO 2005/06 Métodos de Previsão Ano lectivo: 2005/2006 3.º ano; 2.º semestre
Leia maisEMENTAS DO IV BLOCO Anexo VI Ementas das disciplinas com bibliografia básica e bibliografia complementar
EMENTAS DO IV BLOCO Anexo VI Ementas das disciplinas com bibliografia básica e bibliografia complementar O nome da disciplina é listado a seguir tanto na língua portuguesa quanto na inglesa para facilitar
Leia maisLeilão do IRB: Considerações Econômicas
Leilão do IRB: Considerações Econômicas Francisco Galiza - Mestre em Economia (FGV) Março/2000 SUMÁRIO: I) Introdução II) Parâmetros Usados III) Estimativas IV) Conclusões 1 I) Introdução O objetivo deste
Leia maisEconometria Financeira
Econometria Financeira Área Científica: Economia/Gestão Horas de Contacto: TP: 45 Docentes Respnsáveis: Cristina Alexandra Oliveira Amado/ Benilde Maria Nascimento Oliveira Língua de Funcionamento: Português/
Leia maisGUIA DE FUNCIONAMENTO DA UNIDADE CURRICULAR
Curso Engenharia Informática Ano letivo 2012/13 Unidade Curricular Probabilidade e Estatística ECTS 5,5 Regime Obrigatório ou opcional Ano 2º Semestre 1º sem Horas de trabalho globais Docente (s) Paulo
Leia maisAmostragem por Importância em Cálculos da Probabilidade de Acerto em Alvos com Monte Carlo
Amostragem por Importância em Cálculos da Probabilidade de Acerto em Alvos com Monte Carlo Wilson José Vieira Instituto de Estudos Avançados, Rodovia dos Tamoios, Km 5,5, CEP 12228-001 Resumo O objetivo
Leia maisCURSO ON-LINE PROFESSOR GUILHERME NEVES 1
CURSO ON-LINE PROFESSOR GUILHERME NEVES 1 Olá pessoal! Resolverei neste ponto a prova de Matemática e Estatística para Técnico Administrativo para o BNDES 2008 organizado pela CESGRANRIO. Sem mais delongas,
Leia maisLaboratório de Conversão Eletromecânica de Energia B
Laboratório de Conversão Eletromecânica de Energia B Prof a. Katia C. de Almeida 1 Obtenção Experimental dos Parâmetros do Circuito Equivalente do Motor de Indução Monofásico 1.1 Introdução 1.1.1 Motores
Leia maisDISTRIBUIÇÃO NORMAL 1
DISTRIBUIÇÃO NORMAL 1 D ensid ade Introdução Exemplo : Observamos o peso, em kg, de 1500 pessoas adultas selecionadas ao acaso em uma população. O histograma por densidade é o seguinte: 0.04 0.03 0.02
Leia maisCURSO ON-LINE PROFESSOR: VÍTOR MENEZES. Comentários sobre as provas de estatística e financeira ICMS RJ
Comentários sobre as provas de estatística e financeira ICMS RJ Caríssimos, Acabei de voltar de uma longa auditoria em que visitamos inúmeros assentamentos federais do INCRA no interior do estado. Ou seja:
Leia maisProbabilidade. Multiplicação e Teorema de Bayes
robabilidade Multiplicação e Teorema de ayes Regra da Multiplicação Num teste, são aplicadas 2 questões de múltipla escolha. Na primeira questão, as respostas possíveis são V ou F. Na segunda, a, b, c,
Leia maisSimulação Transiente
Tópicos Avançados em Avaliação de Desempenho de Sistemas Professores: Paulo Maciel Ricardo Massa Alunos: Jackson Nunes Marco Eugênio Araújo Dezembro de 2014 1 Sumário O que é Simulação? Áreas de Aplicação
Leia maisDistribuições de Probabilidade Distribuição Normal
PROBABILIDADES Distribuições de Probabilidade Distribuição Normal BERTOLO PRELIMINARES Quando aplicamos a Estatística na resolução de situações-problema, verificamos que muitas delas apresentam as mesmas
Leia maisTeorema do Limite Central e Intervalo de Confiança
Probabilidade e Estatística Teorema do Limite Central e Intervalo de Confiança Teorema do Limite Central Teorema do Limite Central Um variável aleatória pode ter uma distribuição qualquer (normal, uniforme,...),
Leia maisMatemática para Engenharia
Matemática para Engenharia Profa. Grace S. Deaecto Faculdade de Engenharia Mecânica / UNICAMP 13083-860, Campinas, SP, Brasil. grace@fem.unicamp.br Segundo Semestre de 2013 Profa. Grace S. Deaecto ES401
Leia maisDESENVOLVIMENTO DE UM SOFTWARE NA LINGUAGEM R PARA CÁLCULO DE TAMANHOS DE AMOSTRAS NA ÁREA DE SAÚDE
DESENVOLVIMENTO DE UM SOFTWARE NA LINGUAGEM R PARA CÁLCULO DE TAMANHOS DE AMOSTRAS NA ÁREA DE SAÚDE Mariane Alves Gomes da Silva Eliana Zandonade 1. INTRODUÇÃO Um aspecto fundamental de um levantamento
Leia maisAlterações em Bibliografias de disciplinas do Bacharelado em Matemática
Alterações em Bibliografias de disciplinas do Bacharelado em Matemática Complementação da Bibliografia de Cálculo Numérico : RUGGIERO, M.A.G. e LOPES, V.L.R. Cálculo Numérico, Aspectos Teóricos e Computacionais.
Leia maisResoluções comentadas de Raciocínio Lógico e Estatística - SEPLAG-2010 - EPPGG
Resoluções comentadas de Raciocínio Lógico e Estatística - SEPLAG-010 - EPPGG 11. Em uma caixa há 1 bolas de mesmo tamanho: 3 brancas, 4 vermelhas e 5 pretas. Uma pessoa, no escuro, deve retirar n bolas
Leia maisEMENTAS DO V BLOCO Anexo VI Ementas das disciplinas com bibliografia básica e bibliografia complementar
EMENTAS DO V BLOCO Anexo VI Ementas das disciplinas com bibliografia básica e bibliografia complementar O nome da disciplina é listado a seguir tanto na língua portuguesa quanto na inglesa para facilitar
Leia maisVariáveis aleatórias contínuas e distribuiçao Normal. Henrique Dantas Neder
Variáveis aleatórias contínuas e distribuiçao Normal Henrique Dantas Neder Definições gerais Até o momento discutimos o caso das variáveis aleatórias discretas. Agora vamos tratar das variáveis aleatórias
Leia maisMétodos Matemáticos para Gestão da Informação
Métodos Matemáticos para Gestão da Informação Aula 05 Taxas de variação e função lineares III Dalton Martins dmartins@gmail.com Bacharelado em Gestão da Informação Faculdade de Informação e Comunicação
Leia maisModelo para estimativa de risco operacional e previsão de estoque para equipamentos da Comgás
Modelo para estimativa de risco operacional e previsão de estoque para equipamentos da Comgás Resumo Marcos Henrique de Carvalho 1 Gabriel Alves da Costa Lima 2 Antonio Elias Junior 3 Sergio Rodrigues
Leia maisEngenheiro de Telecomunicações pelo Instituto de Estudos Superiores da Amazônia IESAM (Belém, Pará).
Transmissão Digital em Banda Base: Modelagem do Canal Este tutorial apresenta a implementação da formatação de um pulso para transmissão digital em banda base que simule a resposta ao impulso de um canal
Leia maisIntrodução. Métodos de inferência são usados para tirar conclusões sobre a população usando informações obtidas a partir de uma amostra.
Métodos Monte Carlo Introdução Métodos de inferência são usados para tirar conclusões sobre a população usando informações obtidas a partir de uma amostra. Estimativas pontuais e intervalares para os parâmetros;
Leia maisProf. MSc. Herivelto Tiago Marcondes dos Santos FACULDADE DE TECNOLOGIA DE GUARATINGUETÁ PROF. JOÃO MOD
Prof. MSc. Herivelto Tiago Marcondes dos Santos FACULDADE DE TECNOLOGIA DE GUARATINGUETÁ PROF. JOÃO MOD OBJETIVO Utilizar os métodos estatísticos para tomadas de decisões. Ementa: Fundamentos da estatística.
Leia maisCurso de Engenharia Civil. Física Geral e Experimental I Movimento Prof.a: Msd. Érica Muniz 1 Período
Curso de Engenharia Civil Física Geral e Experimental I Movimento Prof.a: Msd. Érica Muniz 1 Período Posição e Coordenada de Referência Posição é o lugar no espaço onde se situa o corpo. Imagine três pontos
Leia maisMonografia sobre R ser um Domínio de Fatoração Única implicar que R[x] é um Domínio de Fatoração Única.
Universidade Estadual de Campinas Instituto de Matemática, Estatística e Computação Científica Departamento de Matemática Monografia sobre R ser um Domínio de Fatoração Única implicar que R[x] é um Domínio
Leia mais