DISTRIBUIÇÕES DE PROBABILIDADE CONJUNTAS DISTRIBUIÇÕES CONJUNTAS ROTEIRO DISTRIBUIÇÃO CONJUNTA. Estatística Aplicada à Engenharia
|
|
- Sebastiana Gabeira Coelho
- 7 Há anos
- Visualizações:
Transcrição
1 ROTEIRO DISTRIBUIÇÕES DE PROBABILIDADE CONJUNTAS 1. Distribuições conjuntas 2. Independência 3. Confiabilidade 4. Combinações lineares de variáveis aleatórias 5. Referências Estatística Aplicada à Engenharia 2 DISTRIBUIÇÃO CONJUNTA Em muitos experimentos, mais de uma variável aleatória é observada; DISTRIBUIÇÕES CONJUNTAS Exemplos: O diâmetro (X) e a espessura (Y) de um disco moldado por injeção; A espessura de um substrato (X), de uma camada ativa (Y) e de uma camada de revestimento (Z) de um produto químico; Estatística Aplicada à Engenharia 4 Prof. Lupércio F. Bessegato - UFJF 1
2 DISTRIBUIÇÃO CONJUNTA DISTRIBUIÇÃO CONJUNTA Suponha que estejamos interessados em analisar probabilidades conjuntas relacionadas às variáveis aleatórias X e Y. Por exemplo, a probabilidade de X pertencer ao intervalo [a,b] e Y pertencer ao intervalo [c,d]: P(a X b,c Y d) Assim como no caso univariado, esse tipo de probabilidade será calculada de acordo com o tipo de variável aleatória; Caso contínuo: P(a X b,c Y d) = f (x, y)dx dy, em que f (x, y) corresponde à função densidade de probabilidade conjunta de X e Y; Caso discreto: b d P(a X b,c Y d) = f (x, y), em que f (x, y) = P(X = x,y = y). b a d c x=a y=c Estatística Aplicada à Engenharia 5 Estatística Aplicada à Engenharia 6 DISTRIBUIÇÃO CONJUNTA No caso do exemplo anterior, poderíamos imaginar que a distribuição conjunta entre Diâmetro e Espessura seria como na figura ao lado. f(x,y) Espessura Diâmetro DE VARIÁVEIS ALEATÓRIAS Estatística Aplicada à Engenharia 7 Prof. Lupércio F. Bessegato - UFJF 2
3 É possível simplificar os cálculos relacionados a probabilidades conjuntas, dependendo das suposições do modelo de probabilidade; Uma suposição bem frequente em várias situações corresponde ao caso de independência de variáveis aleatórias; De uma forma mais geral, podemos considerar não apenas duas variáveis (por exemplo, X e Y), mas X 1, X 2,, X n. Definição: As variáveis aleatórias X 1, X 2,..., X n são independentes se, para quaisquer conjuntos E 1, E 2,..., E n, tivermos P(X 1 E 1, X 2 E 2, X n E n ) = P(X1 E1)P(X 2 E 2 ) P(X n E n ). Estatística Aplicada à Engenharia 9 Estatística Aplicada à Engenharia 10 Exemplo 1: O diâmetro de um eixo de drives ópticos de armazenagem é normalmente distribuído com média de 0,2508 polegada e desvio padrão de 0,0005 polegada. As especificações do eixo são 0,2500 ± 0,0015. Qual a probabilidade de um eixo selecionado ao acaso obedecer às especificações? Estatística Aplicada à Engenharia 11 Denotemos por X o diâmetro do eixo. Portanto, temos que X ~ N(0, 2508;0, ). Logo, P(0, 2485 < X < 0, 2515) = P = P( 4, 6 < Z <1, 4) = P(Z <1, 4) P(Z < 4, 6) = 0, , 0000 = 0, , , 2508 < Z < 0, , , , 0005 Estatística Aplicada à Engenharia 12 Prof. Lupércio F. Bessegato - UFJF 3
4 Exemplo 1 (continuação): O diâmetro de um eixo de drives ópticos de armazenagem é normalmente distribuído com média de 0,2508 polegada e desvio padrão de 0,0005 polegada. As especificações do eixo são 0,2500 ± 0,0015. Qual a probabilidade de que todos os diâmetros dos 10 eixos obedeçam às especificações? Suponha que os diâmetros sejam independentes. Denotemos por X i o diâmetro do i-ésimo eixo, i =1, 2,,10. Portanto, temos que X i ~ N(0, 2508;0, ). Sob a suposição de que os diâmetros são independentes, a probabilidade de todos os eixos obedecerem às especificações será P(0, 2485 < X 1 < 0, 2515, 0, 2485 < X 2 < 0, 2515,, 0, 2485 < X 10 < 0, 2515) = P(0, 2485 < X 1 < 0, 2515)P(0, 2485 < X 2 < 0, 2515) P(0, 2485 < X 10 < 0, 2515) = 0, , , 9192 = 0, ,4306 Estatística Aplicada à Engenharia 13 Estatística Aplicada à Engenharia 14 Exemplo 2: Suponha que X 1, X 2 e X 3 representem a espessura em micrômetros de um substrato, de uma camada ativa e de uma camada de revestimento de um produto químico, respectivamente. Supondo independência e que X i ~ N(µ i ;σ 2 i ),i =1, 2,3, em que µ 1 =10.000,µ 2 =1.000,µ 3 = 80,σ 1 = 250,σ 2 = 20,σ 3 = 4. As especificações para a espessura do substrato, a camada ativa e a camada de revestimento são, respectivamente, ±800, 1.000±50 e 80±5. Qual a proporção de produtos químicos que atende a todas as especificações? Qual tem a menor probabilidade de atender às especificações? Usando a notação da definição de independência, temos que E 1 = (9200;10800), E 2 = (950;1050) e E 3 = (75;85). Como as variáveis aleatórias são independentes, P(9200 < X 1 <10800, 950 < X 2 <1050, 75 < X 3 < 85) = P(X 1 E 1, X 2 E 2, X 3 E 3 ) = P(X 1 E 1 )P(X 2 E 2 )P(X 3 E 3 ) = P(9200 < X 1 <10800)P(950 < X 2 <1050)P(75 < X 3 < 85). Após a padronização, temos que Estatística Aplicada à Engenharia 15 Estatística Aplicada à Engenharia 16 Prof. Lupércio F. Bessegato - UFJF 4
5 Resolução (continuação): P(9200 < X 1 <10800, 950 < X 2 <1050, 75 < X 3 < 85) = P( 3, 2 < Z < 3, 2)P( 2, 5 < Z < 2, 5)P( 1, 25 < Z <1, 25) = 0, , , 7888 = 0, Lembrando que Z ~ N(0,1). Além disso, a espessura da camada de revestimento apresenta a menor probabilidade de atender às especificações, sendo esta 0,7888. Exemplo 3: Considere um sistema com dois componentes em série. Esse sistema opera somente se ambos os componentes estiverem funcionando. A probabilidades do primeiro e do segundo componentes funcionarem são, respectivamente, 0,9 e 0,95. Supondo que os operem de forma independente, qual a probabilidade do sistema não apresentar problema? Estatística Aplicada à Engenharia 17 Estatística Aplicada à Engenharia 18 Denotemos por C i o evento em que o componente i esteja funcionando, i=1,2. Para o sistema operar, ambos os componentes devem estar funcionando. Assim, como os componentes funcionam de forma independente, a probabilidade do sistema funcionar será P(C 1 ) = P(C 1 ) = P(C 1 )P( ) = 0, 9 0, 95 = 0,855. Exemplo 4: E se os componentes estivessem em paralelo? Em outras palavras, o sistema estaria operacional se pelo menos um dos componentes estiverem funcionando. A probabilidades do primeiro e do segundo componentes funcionarem são, respectivamente, 0,9 e 0,95. Supondo que os operem de forma independente, qual a probabilidade do sistema não apresentar problema? Estatística Aplicada à Engenharia 19 Estatística Aplicada à Engenharia 20 Prof. Lupércio F. Bessegato - UFJF 5
6 Denotemos por C i o evento em que o componente i esteja funcionando, i=1,2. Para o sistema operar, pelo menos um dos componentes deve estar funcionando. Assim, como os componentes funcionam de forma independente, a probabilidade do sistema funcionar será P(C 1 ) = P(C 1 )+ P( ) P(C 1 ) = P(C 1 )+ P( ) P(C 1 )P( ) = 0, 9 + 0, 95 0, 9 0, 95 = 0, 995. Resolução 2: Denotarmos agora C i o evento em que o componente i falha, i=1,2. Nesse caso, também podemos calcular a probabilidade do sistema funcionar fazendo P(C 1 ) =1 P(C 1 ' ' ) =1 P(C 1 ' )P( ' ) =1 0,1 0, 05 = 0, 995. Observe que, nesse exemplo, o sistema falha apenas se todos os componentes falharem. Estatística Aplicada à Engenharia 21 Estatística Aplicada à Engenharia 22 Definição: Confiabilidade é o nome que se dá a probabilidade de um componente não falhar ao longo do tempo de sua missão; Suponha que r i denote a confiabilidade de um componente i em um sistema que consiste em k componentes, e que r denote a probabilidade do sistema não falhar ao longo do tempo da missão; r pode ser chamado de confiabilidade do sistema; Estatística Aplicada à Engenharia 24 Prof. Lupércio F. Bessegato - UFJF 6
7 A confiabilidade de um sistema em série corresponde a r = r 1 r 2!r k ; A confiabilidade de um sistema em paralelo corresponde a Exemplo 5: O sistema mostrado na figura a seguir opera somente se houver um caminho de componentes funcionais da esquerda para a direita. A probabilidade de cada componente funcionar é mostrada na figura. Suponha que cada componente funcione independentemente dos demais. Qual a probabilidade do sistema operar? r =1 (1 r 1 ) (1 r 2 )! (1 r k ). Estatística Aplicada à Engenharia 25 Estatística Aplicada à Engenharia 26 Exemplo 5: C 1 0,92 C 3 0,95 C 4 0,99 Denotemos por B o evento em que o subsistema de componentes em paralelo e C 3 esteja funcional. Assim, para o sistema operar, é necessário que C 1, B e C 4 estejam funcionando em série. C 1 0,92 C 4 0,99 Estatística Aplicada à Engenharia 27 C 3 0,95 Bloco B Estatística Aplicada à Engenharia 28 Prof. Lupércio F. Bessegato - UFJF 7
8 A probabilidade do subsistema B estar operacional é P(B) = P( C 3 ) =1 (1 P( )) (1 P(C 3 )) =1 0,1 0, 05 = 0, 995. Portanto, como cada componente funciona de forma independente dos demais, a probabilidade do sistema funcionar será P(C 1 B C 4 ) = P(C 1 ) P(B) P(C 4 ) = 0, 92 0, 995 0, 99 = 0, Exemplo 6: O sistema mostrado na figura a seguir opera somente se houver um caminho de componentes funcionais da esquerda para a direita. A probabilidade de cada componente funcionar é mostrada na figura. Suponha que cada componente funcione independentemente dos demais. Qual a probabilidade do sistema operar? Estatística Aplicada à Engenharia 29 Estatística Aplicada à Engenharia 30 Exemplo 6: C 5 Denotemos por B i o evento em que o subsistema de componentes em paralelo do Bloco i esteja funcional. Assim, para o sistema operar, é necessário que C 1, B 1, B 2, C 7 e C 8 estejam funcionando em série. C 1 0,92 C 3 0,80 C 4 C 6 0,95 C 7 0,99 C 8 0,98 C 1 0,92 C 3 0,80 C 4 C 5 C 6 0,95 C 7 0,99 C 8 0,98 Estatística Aplicada à Engenharia 31 Bloco 1 Bloco 2 Estatística Aplicada à Engenharia 32 Prof. Lupércio F. Bessegato - UFJF 8
9 Pode ocorrer de se querer saber a respeito do tempo de vida de um sistema; Considere um sistema com k componentes, e que o tempo de vida do componente i seja denotado pela variável aleatórias (independentes) X i, i=1,2,...,k. Suponha independência entre as variáveis; O tempo de vida T de um sistema dependerá da forma como seus componentes estão dispostos; Estatística Aplicada à Engenharia 33 No caso em que o sistema for em série, a distribuição do tempo de vida do sistema será o mínimo dos tempos dos componentes: P(T t) =1 P(T > t) =1 P(X 1 > t,!, X k > t) =1 P(X 1 > t)! P(X k > t); No caso em que o sistema for em paralelo, a distribuição do tempo de vida do sistema será o máximo dos tempos dos componentes P(T t) = P(X 1 t,!, X k t) = P(X 1 t)! P(X k t); Estatística Aplicada à Engenharia 34 Exemplo 7: Considere um sistema com três componentes operando em série. Suponha que o tempo de vida (em dias) de cada componente seja exponencialmente distribuído com a mesma taxa de falha λ= 0,01. Assuma também q u e o s c o m p o n e n t e s f u n c i o n e m o u f a l h e m independentemente. a) Qual o tempo médio de vida de cada componente? b) Qual o tempo médio de vida do sistema? c) Qual a probabilidade do tempo de vida do sistema ser superior a 400 dias? d) Responda os itens acima supondo que o sistema funcione em paralelo. COMBINAÇÕES LINEARES DE VARIÁVEIS ALEATÓRIAS Estatística Aplicada à Engenharia 35 Prof. Lupércio F. Bessegato - UFJF 9
10 COMBINAÇÕES LINEARES DE V.A. S COMBINAÇÕES LINEARES DE V.A. S O estudo relacionado ao tempo de vida de sistemas (em série e/ou paralelo) é apenas um exemplo de transformações de variáveis aleatórias (independentes); Um outro tipo de transformação de variáveis aleatórias muito comum, e que será abordado com frequência, corresponde à combinação linear de variáveis aleatórias; A suposição de independência também será comum aqui; Definição: Sejam X 1, X 2,..., X n variáveis aleatórias com média E(X i ) = µ i e variância V(X i ) = σ 2 i, i =1,, n. Dizemos que, para c 1, c 2,..., c n constantes, Y = c 1 X 1 + c 2 X 2 +!+ c n X n corresponde a uma combinação linear de variáveis aleatórias. Estatística Aplicada à Engenharia 37 Estatística Aplicada à Engenharia 38 COMBINAÇÕES LINEARES DE V.A. S COMBINAÇÕES LINEARES DE V.A. S A média de Y será E(Y ) = c 1 µ 1 + c 2 µ 2 +!+ c n µ n ; Se X 1, X 2,..., X n forem independentes, a variância de Y será V(Y ) = c 12 σ 2 + c 2 1 2σ 2 +!+ c 2 2 nσ 2 ; n Se X 1, X 2,..., X n forem normais e independentes, então Y também terá distribuição normal; Estatística Aplicada à Engenharia 39 Exemplo 8: Considere o estudo de uma peça fabricada em que as variáveis aleatórias X 1 e X 2 representem, respectivamente, o comprimento e a largura da p e ç a. S u p o n h a q u e a s v a r i á v e i s s e j a m independentes e normalmente distribuídas com E(X 1 )=2cm e V(X 1 ) =0,01cm 2, E(X 2 )=5cm e V(X 2 )=0,03cm 2. Denote por Y o perímetro da peça. a) Qual a distribuição do perímetro? b) Qual a probabilidade do perímetro ser superior a 15 cm? Estatística Aplicada à Engenharia 40 Prof. Lupércio F. Bessegato - UFJF 10
11 COMBINAÇÕES LINEARES DE V.A. S Exemplo 9: Uma montagem em cadeia consiste em quatro componentes em sequência. Sabe-se que os comprimentos (em polegadas) X i dos componentes são X 1 ~ N(2,0; 0,0004), X 2 ~ N(4,5; 0,0009), X 3 ~ N(3,0; 0,0004) e X 4 ~ N(2,5; 0,0001). Suponha que os c o m p r i m e n t o s d o s c o m p o n e n t e s s e j a m independentes. As especificações do planejamento sobre o comprimento do sistema montado são 12,00 ± 0,10. Determine a fração de montagens conformes (montagens que se enquadram nesses limites de especificação). REFERÊNCIAS Estatística Aplicada à Engenharia 41 BIBLIOGRAFIA RECOMENDADA Montgomery, D. C. (LTC) Estatística Aplicada e Probabilidade para Engenheiros Pinheiro, J. I. D et al. (Campus) Probabilidade e Estatística: Quantificando a Incerteza Estatística Aplicada à Engenharia 43 Prof. Lupércio F. Bessegato - UFJF 11
DISTRIBUIÇÕES DE PROBABILIDADE CONJUNTAS DISTRIBUIÇÕES CONJUNTAS ROTEIRO DISTRIBUIÇÃO CONJUNTA
ROTEIRO DISTRIBUIÇÕES DE PROBABILIDADE CONJUNTAS 1. Distribuições conjuntas 2. Independência 3. Confiabilidade 4. Combinações lineares de variáveis aleatórias 5. Referências DISTRIBUIÇÃO CONJUNTA Em muitos
Leia maisDISTRIBUIÇÃO NORMAL DISTRIBUIÇÕES DE PROBABILIDADE CONJUNTAS ROTEIRO DISTRIBUIÇÃO NORMAL
ROTEIRO DISTRIBUIÇÕES DE PROBABILIDADE CONJUNTAS 1. Distribuições conjuntas 2. Independência 3. Confiabilidade 4. Combinações lineares de variáveis aleatórias 5. Referências DISTRIBUIÇÃO NORMAL Definição:
Leia maisLista Probabilidade Estatística Aplicada à Engenharia de Produção Prof. Michel H. Montoril
Exercício 1. Seja X uma variável aleatória com distribuição normal, com média µ X = 10 e desvio padrão σ X = 1.5, e seja Y outra variável aleatória normalmente distribuída, com média µ Y = 2 e desvio padrão
Leia maisLista nº 1 Variáveis Aleatórias e Independência
Lista nº 1 Variáveis Aleatórias e Independência 1. (Montgomery et al. (1) Exercício 5-26, pág. 113) O rendimento, em libras, de um dia de produção é distribuído normalmente, com uma média de 1.500 libras
Leia mais4ª LISTA DE EXERCÍCIOS - LOB1012. Variáveis Aleatórias Contínuas, Aproximações e TLC
4ª LISTA DE EXERCÍCIOS - LOB1012 Variáveis Aleatórias Contínuas, Aproximações e TLC Assunto: Função Densidade de Probabilidade Prof. Mariana Pereira de Melo 1. Suponha que f(x) = x/8 para 3
Leia maisVariáveis Aleatórias Contínuas e Distribuição de Probabilidad
Variáveis Aleatórias Contínuas e Distribuição de Probabilidades - parte II 26 de Novembro de 2013 Distribuição Contínua Uniforme Média e Variância Objetivos Ao final deste capítulo você deve ser capaz
Leia maisDISTRIBUIÇÃO AMOSTRAL E ESTIMAÇÃO PONTUAL INTRODUÇÃO ROTEIRO POPULAÇÃO E AMOSTRA. Estatística Aplicada à Engenharia
ROTEIRO 1. Introdução; DISTRIBUIÇÃO AMOSTRAL E ESTIMAÇÃO PONTUAL. Teorema Central do Limite; 3. Conceitos de estimação pontual; 4. Métodos de estimação pontual; 5. Referências. 1 POPULAÇÃO E AMOSTRA População:
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 maisDistribuição Amostral e Estimação Pontual de Parâmetros
Roteiro Distribuição Amostral e Estimação Pontual de Parâmetros 1. Introdução 2. Teorema Central do Limite 3. Conceitos de Estimação Pontual 4. Métodos de Estimação Pontual 5. Referências Estatística Aplicada
Leia maisCAPÍTULO 5: VARIÁVEIS ALEATÓRIAS BIDIMENSIONAIS Todas as coisas aparecem e desaparecem por causa da concorrência de causas e condições. Nada nunca existe inteiramente só, tudo está em relação com todo
Leia maisEstatística Aplicada II. } Revisão: Probabilidade } Propriedades da Média Amostral
Estatística Aplicada II } Revisão: Probabilidade } Propriedades da Média Amostral 1 Aula de hoje } Tópicos } Revisão: } Distribuição de probabilidade } Variáveis aleatórias } Distribuição normal } Propriedades
Leia maisALGUMAS DISTRIBUIÇÕES CONTÍNUAS DE PROBABILIDADE
ALGUMAS DISTRIBUIÇÕES CONTÍNUAS DE PROBABILIDADE 4. 1 INTRODUÇÃO Serão apresentadas aqui algumas distribuições de probabilidade associadas a v.a. s contínuas. A mais importante delas é a distribuição Normal
Leia maisAULA 8. DISTRIBUIÇÕES DE VARIÁVEIS CONTÍNUAS Uniforme, Exponencial e Normal 19/05/2017
AULA 8 DISTRIBUIÇÕES DE VARIÁVEIS CONTÍNUAS Uniforme, Exponencial e Normal 19/05/2017 As funções de distribuição (acumulada) e de densidade para v.a. contínuas = =. Se a densidade f(x)for continua no seu
Leia maisLista de Exercícios 3 Probabilidades Escola Politécnica, Ciclo Básico
RESOLUÇÃO NA PÁGINA 06 Lista de Exercícios 3 Probabilidades 0303200 Escola Politécnica, Ciclo Básico 1 o semestre 2017 1) Um equipamento tem tempo de vida T com distribuição normal, valor esperado de 40
Leia maisLista de Exercícios 3 Probabilidades Escola Politécnica, Ciclo Básico
Lista de Exercícios 3 Probabilidades 0303200 Escola Politécnica, Ciclo Básico 1 o semestre 2017 1) Um equipamento tem tempo de vida T com distribuição normal, valor esperado de 40 horas e desvio padrão
Leia maisLucas Santana da Cunha 12 de julho de 2017
DISTRIBUIÇÃO NORMAL Lucas Santana da Cunha http://www.uel.br/pessoal/lscunha/ Universidade Estadual de Londrina 12 de julho de 2017 Distribuição Normal Dentre todas as distribuições de probabilidades,
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 maisLucas Santana da Cunha de junho de 2018 Londrina
Distribuição Normal Lucas Santana da Cunha email: lscunha@uel.br http://www.uel.br/pessoal/lscunha/ 25 de junho de 2018 Londrina 1 / 17 Distribuição Normal Dentre todas as distribuições de probabilidades,
Leia mais5- Variáveis aleatórias contínuas
5- Variáveis aleatórias contínuas Para variáveis aleatórias contínuas, atribuímos probabilidades a intervalos de valores. Exemplo 5.1 Seja a variável correspondente ao tempo de vida útil de determinado
Leia maisDistribuições de Probabilidade Conjuntas
Distribuições de Probabilidade Conjuntas 1. Duas variáveis aleatórias discretas Exemplo 1. No desenvolvimento de um novo receptor para transmissão digital de informação, cada bit é classificado como aceitável,
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 maisAula 6 - Variáveis aleatórias contínuas
Aula 6 - Variáveis aleatórias contínuas PhD. Wagner Hugo Bonat Laboratório de Estatística e Geoinformação-LEG Universidade Federal do Paraná 1/2017 Bonat, W. H. (LEG/UFPR) 1/2017 1 / 18 Variáveis aleatórias
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 maisLucas Santana da Cunha de junho de 2018 Londrina
Variável aleatória contínua: Lucas Santana da Cunha email: lscunha@uel.br http://www.uel.br/pessoal/lscunha/ 13 de junho de 2018 Londrina 1 / 26 Esperança e variância de Y Função de distribuição acumulada
Leia maisEscola Superior de Agricultura "Luiz de Queiroz", Departamento de Ciências Exatas. Modelo Normal. Cristian Villegas
Modelo Normal Cristian Villegas clobos@usp.br http://www.lce.esalq.usp.br/arquivos/aulas/2014/lce0216/ 1 Introdução O modelo normal ocupa uma posição de grande destaque tanto a nível teórico como prático,
Leia maisCálculo das Probabilidades e Estatística I
Cálculo das Probabilidades e Estatística I Prof a. Juliana Freitas Pires Departamento de Estatística Universidade Federal da Paraíba - UFPB juliana@de.ufpb.br Distribuição Normal Motivação: Distribuição
Leia mais2. EXERCÍCIOS PROPOSTOS SOBRE V.A. E DISTRIB.PROBAB.
2. EXERCÍCIOS PROPOSTOS SOBRE V.A. E DISTRIB.PROBAB. 1) Classifique as seguintes variáveis aleatórias como discretas ou contínuas. X : o número de acidentes de automóvel por ano na rodovia BR 116. Y :
Leia maisEscola Superior de Agricultura "Luiz de Queiroz", Departamento de Ciências Exatas. Modelo Normal. Cristian Villegas
Modelo Normal Cristian Villegas clobos@usp.br Outubro de 2013 Apostila de Estatística (Cristian Villegas) 1 Introdução O modelo normal ocupa uma posição de grande destaque tanto a nível teórico como prático,
Leia maisProbabilidade e Estatística
Probabilidade e Estatística Aula 7 Distribuição da Média Amostral Leitura obrigatória: Devore: Seções 5.3, 5.4 e 5.5 Chap 8-1 Inferência Estatística Na próxima aula vamos começar a parte de inferência
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 maisTiago Viana Flor de Santana
ESTATÍSTICA BÁSICA DISTRIBUIÇÃO NORMAL DE PROBABILIDADE (MODELO NORMAL) Tiago Viana Flor de Santana www.uel.br/pessoal/tiagodesantana/ tiagodesantana@uel.br sala 07 Curso: MATEMÁTICA Universidade Estadual
Leia maisVariáveis Aleatórias 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 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 maisLISTA 3 Introdução à Probabilidade (Profa. Cira.) OBS. Apenas os exercícios indicados como adicional não constam no livro.
LISTA 3 Introdução à Probabilidade (Profa. Cira.) OBS. Apenas os exercícios indicados como adicional não constam no livro. - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - V. A. C O N T Í N
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 maisDistribuição 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 maisBioestatística e Computação I
Bioestatística e Computação I Distribuições Teóricas de Probabilidade Maria Virginia P Dutra Eloane G Ramos Vania Matos Fonseca Pós Graduação em Saúde da Mulher e da Criança IFF FIOCRUZ Baseado nas aulas
Leia maisDistribuição Normal. Prof a Dr a Alcione Miranda dos Santos. Abril, 2011
Distribuição Normal Prof a Dr a Alcione Miranda dos Santos Universidade Federal do Maranhão Programa de Pós-Graduação em Saúde Coletiva email:alcione.miranda@gmail.com Abril, 2011 1 / 18 Sumário Introdução
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 maisDistribuição Amostral e Estimação Pontual de Parâmetros
Roteiro Distribuição Amostral e Estimação Pontual de Parâmetros 1. Introdução 2. Teorema Central do Limite 3. Conceitos de Estimação Pontual 4. Métodos de Estimação Pontual 5. Referências População e Amostra
Leia maisAULA 17 - Distribuição Uniforme e Normal
AULA 17 - Distribuição Uniforme e Normal Susan Schommer Introdução à Estatística Econômica - IE/UFRJ Distribuições Contínuas Em muitos problemas se torna matematicamente mais simples considerar um espaço
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 maisVariáveis aleatórias contínuas
Variáveis aleatórias contínuas Wagner H. Bonat Fernando P. Mayer Elias T. Krainski Universidade Federal do Paraná Departamento de Estatística Laboratório de Estatística e Geoinformação 20/04/2018 WB, FM,
Leia maisProbabilidade Aula 08
332 Probabilidade Aula 8 Magno T. M. Silva Escola Politécnica da USP Maio de 217 A maior parte dos exemplos dessa aula foram extraídos de Jay L. Devore, Probabilidade e Estatística para engenharia e ciências,
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 maisAproximação da binomial pela normal
Aproximação da binomial pela normal 1 Objetivo Verificar como a distribuição normal pode ser utilizada para calcular, de forma aproximada, probabilidades associadas a uma variável aleatória com distribuição
Leia maisRibeirão Preto, 2º semestre de 2012 PROBABILIDADE E ESTATÍSTICA APLICADA II
FACULDADE DE ECONOMIA, ADMINISTRAÇÃO UNIVERSIDADE DE SÃO PAULO E CONTABILIDADE DE RIBEIRÃO PRETO DEPARTAMENTO DE ECONOMIA Ribeirão Preto, 2º semestre de 2012 PROBABILIDADE E ESTATÍSTICA APLICADA II LISTA
Leia maisProfessora Ana Hermínia Andrade. Período
Distribuições de probabilidade Professora Ana Hermínia Andrade Universidade Federal do Amazonas Faculdade de Estudos Sociais Departamento de Economia e Análise Período 2016.2 Modelos de distribuição Para
Leia maisProbabilidade. Objetivos de Aprendizagem. UFMG-ICEx-EST. Cap. 2 - Probabilidade Espaços Amostrais e Eventos. 2.1.
2 ESQUEMA DO CAPÍTULO 2.1 ESPAÇOS AMOSTRAIS E EVENTOS 2.2 INTERPRETAÇÕES E AXIOMAS DE PROBABILIADE 2.3 REGRAS DE ADIÇÃO 2.4 PROBABILIDADE CONDICIONAL 2.5 REGRAS DA MULTIPLICAÇÃO E DA PROBABILIDADE TOTAL
Leia 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 maisCapítulo 3. Introdução à Probabilidade E à Inferência Estatística
Capítulo 3 Introdução à Probabilidade E à Inferência Estatística definições e propriedades: Propriedade 5: A probabilidade condicional reflete como a probabilidade de um evento pode mudar se soubermos
Leia mais1 Distribuição Uniforme
Centro de Ciências e Tecnologia Agroalimentar - Campus Pombal Disciplina: Estatística Básica - 03 Aula 8 Professor: Carlos Sérgio UNIDADE 4 - Distribuições Contínuas (Notas de Aula) Distribuição Uniforme
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 maisConfiabilidade de sistemas. Uma importante aplicação de probabilidade nas engenharias é no estudo da confiabilidade de sistemas.
Confiabilidade de sistemas Uma importante aplicação de probabilidade nas engenharias é no estudo da confiabilidade de sistemas. Uma definição pratica de confiabilidade corresponde à probabilidade de um
Leia mais4. Distribuições de probabilidade e
4. Distribuições de probabilidade e características Valor esperado de uma variável aleatória. Definição 4.1: Dada uma v.a. discreta (contínua) X com f.m.p. (f.d.p.) f X (), o valor esperado (ou valor médio
Leia maisVariáveis Aleatórias Discretas e Distribuição de Probabilidade
Variáveis Aleatórias Discretas e Distribuição de Probabilidades 01 de Abril de 2014 Objetivos Ao final deste capítulo você deve ser capaz de: Determinar probabilidades a partir de funções de probabilidade
Leia maisEstatística Básica. Variáveis Aleatórias Contínuas. Renato Dourado Maia. Instituto de Ciências Agrárias. Universidade Federal de Minas Gerais
Estatística Básica Variáveis Aleatórias Contínuas Renato Dourado Maia Instituto de Ciências Agrárias Universidade Federal de Minas Gerais Lembrando... Uma quantidade X, associada a cada possível resultado
Leia maisInferência Estatistica
Inferência Estatistica Ricardo Ehlers ehlers@icmc.usp.br Departamento de Matemática Aplicada e Estatística Universidade de São Paulo Modelos e Inferência Um modelo é uma simplificação da realidade (e alguns
Leia maisEscola Superior de Agricultura Luiz de Queiroz Universidade de São Paulo. Variáveis Aleatórias Contínuas
Escola Superior de Agricultura Luiz de Queiroz Universidade de São Paulo Variáveis Aleatórias Contínuas Professora Renata Alcarde Piracicaba abril 2014 Renata Alcarde Estatística Geral 24 de Abril de 2014
Leia maisProbabilidade - aula III
2012/02 1 Regra da Multiplicação 2 3 4 5 Objetivos Ao final deste capítulo você deve ser capaz de: Usar a regra da multiplicação para calcular probabilidade de eventos Usar a. Regra da Multiplicação Frequentemente
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 maisVariável Aleatória Contínua:
Distribuição Contínua Normal Luiz Medeiros de Araujo Lima Filho Departamento de Estatística UFPB Variável Aleatória Contínua: Assume valores num intervalo de números reais. Não é possível listar, individualmente,
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 maisPROBABILIDADE E ESTATÍSTICA DISTRIBUIÇÕES DE PROBABILIDADES PARTE I
PROBABILIDADE E ESTATÍSTICA DISTRIBUIÇÕES DE PROBABILIDADES PARTE I Bruno Baierle Maurício Furigo Prof.ª Sheila Regina Oro (orientadora) Edital 06/2013 - Produção de Recursos Educacionais Digitais Variável
Leia mais5- Variáveis aleatórias contínuas
5- Variáveis aleatórias contínuas Para variáveis aleatórias contínuas, associamos probabilidades a intervalos de valores da variável. Exemplo 5.1 Seja a variável correspondente ao tempo até a cura de pacientes
Leia maisProbabilidade ESQUEMA DO CAPÍTULO. UFMG-ICEx-EST Cap. 2- Probabilidade 1
Probabilidade ESQUEMA DO CAPÍTULO 2.1 ESPAÇOS AMOSTRAIS E EVENTOS 2.2 INTERPRETAÇÕES DE PROBABILIADE 2.3 REGRAS DE ADIÇÃO 2.4 PROBABILIDADE CONDICIONAL 2.5 REGRAS DA MULTIPLICAÇÃO E DA PROBABILIDADE TOTAL
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 maisVariáveis Aleatórias Discretas e Distribuição de Probabilidade
Variáveis Aleatórias Discretas e Distribuição de Probabilidades - parte IV 2012/02 1 Distribuição Poisson Objetivos Ao final deste capítulo você deve ser capaz de: Ententer suposições para cada uma das
Leia maisProbabilidade II. Departamento de Estatística. Universidade Federal da Paraíba
Probabilidade II Departamento de Estatística Universidade Federal da Paraíba Prof. Tarciana Liberal (UFPB) Aula Lei dos Grandes Números e Teorema Central do Limite 02/14 1 / 9 Lei dos Grandes Números Lei
Leia maisAula de hoje. administração. São Paulo: Ática, 2007, Cap. 3. ! Tópicos. ! Referências. ! Distribuição de probabilidades! Variáveis aleatórias
Aula de hoje! Tópicos! Distribuição de probabilidades! Variáveis aleatórias! Variáveis discretas! Variáveis contínuas! Distribuição binomial! Distribuição normal! Referências! Barrow, M. Estatística para
Leia 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 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 maisEnsino de Estatística
Ensino de Estatística Distribuição Normal Lupércio França Bessegato Ronaldo Rocha Bastos Departamento de Estatística/UFJF Exploração de Dados Univariados Visualize graficamente seus dados Busque padrão
Leia maisDistribuições amostrais
Distribuições amostrais Tatiene Correia de Souza / UFPB tatiene@de.ufpb.br October 14, 2014 Souza () Distribuições amostrais October 14, 2014 1 / 23 Distribuição Amostral Objetivo Estender a noção de uma
Leia maisAproximação da binomial pela normal
Aproximação da binomial pela normal 1 Objetivo Verificar como a distribuição normal pode ser utilizada para calcular, de forma aproximada, probabilidades associadas a uma variável aleatória com distribuição
Leia maisEspecialização em Métodos Estatísticos Computacionais
Controle de Qualidade II 1. Capacidade de Processo Roteiro 2. Avaliação da Qualidade de Medidas 3. Inspeção por Amostragem 4. Referências Capacidade de Processo Prof. Lupércio F. Bessegato 1 Roteiro 1.
Leia maisProf. Lorí Viali, Dr.
Prof. Lorí Viali, Dr. viali@mat.ufgrs.br http://www.mat.ufrgsbr/~viali/ Motivação Em muitas situações precisamos lidar com duas ou mais variáveis aleatórias ao mesmo tempo. Por exemplo o comprimento e
Leia maisProbabilidade II. Departamento de Estatística. Universidade Federal da Paraíba
Probabilidade II Departamento de Estatística Universidade Federal da Paraíba Prof. Tarciana Liberal (UFPB) Aula Distribuições Condicionais 11/13 1 / 19 Em estudo feito em sala perguntamos aos alunos qual
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 maisMomentos: Esperança e Variância. Introdução
Momentos: Esperança e Variância. Introdução Em uma relação determinística pode-se ter a seguinte relação: " + " = 0 Assim, m =, é a declividade e a e b são parâmetros. Sabendo os valores dos parâmetros
Leia maisMotivação. VA n-dimensional. Distribuições Multivariadas VADB
Motivação Em muitas situações precisamos lidar com duas ou mais variáveis aleatórias ao mesmo tempo. Por exemplo o comprimento e a largura de uma Prof. Lorí Viali, Dr. viali@mat.ufgrs.br http://www.mat.ufrgsbr/~viali/
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 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 mais2.1 Variáveis Aleatórias Discretas
4CCENDMMT02-P PROBABILIDADE E CÁLCULO DIFERENCIAL E INTEGRAL Girlan de Lira e Silva (1),José Gomes de Assis (3) Centro de Ciências Exatas e da Natureza /Departamento de Matemática /MONITORIA Resumo: Utilizamos
Leia mais5. PRINCIPAIS MODELOS CONTÍNUOS
5. PRINCIPAIS MODELOS CONTÍNUOS 04 5.. Modelo uniforme Uma v.a. contínua X tem distribuição uniforme com parâmetros α e β (α β) se sua função densidade de probabilidade é dada por f ( ) β α 0, Notação:
Leia mais6- Probabilidade e amostras: A distribuição das médias amostrais
6- Probabilidade e amostras: A distribuição das médias amostrais Anteriormente estudamos como atribuir probabilidades a uma observação de alguma variável de interesse (ex: Probabilidade de um escore de
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 maisPrincipais distribuições discretas Distribuição de Bernoulli sucesso fracasso X = 1, se sucesso X = 0, se fracasso P(X) TOTAL 1 Exemplo 5:
Principais distribuições discretas Na prática, sempre se procura associar um fenômeno aleatório a ser estudado, a uma forma já conhecida de distribuição de probabilidade (distribuição teórica) e, a partir
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 maisEstatística Descritiva e Exploratória
Gledson Luiz Picharski e Wanderson Rodrigo Rocha 9 de Maio de 2008 Estatística Descritiva e exploratória 1 Váriaveis Aleatórias Discretas 2 Variáveis bidimensionais 3 Váriaveis Aleatórias Continuas Introdução
Leia maisProbabilidade e Estatística Probabilidade Condicional
Introdução Probabilidade e Estatística Probabilidade Condicional Em algumas situações, a probabilidade de ocorrência de um certo evento pode ser afetada se tivermos alguma informação sobre a ocorrência
Leia maisESCOLA SUPERIOR DE TECNOLOGIA
Departamento Matemática Disciplina Estatística Aplicada Curso Engenharia Mec Gest Industrial º Semestre º Folha Nº3: Variáveis Aleatórias De um lote que contém 0 parafusos, dos quais 5 são defeituosos,
Leia maisProbabilidade 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 maisMAE0219 Introdução à Probabilidade e Estatística I
Exercício 1 1 o semestre de 201 O tempo de vida útil de uma lavadora de roupas automática tem distribuição aproximadamente Normal, com média de 3,1 anos e desvio padrão de 1,2 anos. a Qual deve ser o valor
Leia maisBioestatística e Computação I
Bioestatística e Computação I Distribuições Teóricas de Probabilidade Maria Virginia P Dutra Eloane G Ramos Vania Matos Fonseca Pós Graduação em Saúde da Mulher e da Criança IFF FIOCRUZ Baseado nas aulas
Leia maisVariáveis Aleatórias Discretas e Distribuições de 3Probabilidade
Variáveis Aleatórias Discretas e Distribuições de 3Probabilidade Variáveis Aleatórias Discretas e Distribuições de Probabilidade Objetivos do aprendizado 3 Como determinar se um experimento é Binomial.
Leia maisMAT 461 Tópicos de Matemática II Aula 8: Resumo de Probabilidade
MAT 461 Tópicos de Matemática II Aula 8: Resumo de Probabilidade Edson de Faria Departamento de Matemática IME-USP 28 de Agosto, 2013 Probabilidade: uma Introdução / Aula 8 1 Desigualdades de Markov e
Leia maisPar 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 maisVariáveis Aleatórias Contínuas e Distribuição de Probabilidad
Variáveis Aleatórias Contínuas e Distribuição de Probabilidades - parte III 23 de Abril de 2012 Introdução Objetivos Ao final deste capítulo você deve ser capaz de: Calcular probabilidades aproximadas
Leia mais