Solução Prova 2 (Queda do Gato)
|
|
|
- Silvana Ventura Lagos
- 9 Há anos
- Visualizações:
Transcrição
1 Departamento de Física Experimental Solução Prova 2 (Queda do Gato) de maio de 2014
2 Queda do Gato La Recherche 487 (2014) pag. 54
3 Nesta apresentação são mostradas as soluções da prova 2 das turmas do diurno e noturno. Queda do Gato, La Recherche 487 (2014) pag. 54 outras referências: procura por 1969 kane scher no Google retornou o arquivo grátis em pdf A dynamical explanation of the falling cat phenomenon, pentagono.uniandes.edu.co/ jarteaga/.../kane.pdf J. Solids Structures, 1969, Vol. 5, pp. 663 to 670. Pergamon Press. Printed in Great... T. R. KANE and M. P. SCHER
4 Questão 1 Suponha que haja em média 2 suicídios por ano em uma população de habitantes. Em uma cidade de habitantes encontre: a) a média de suicídios por ano nessa cidade; b) a probabilidade de que ocorra nenhum suicídio em um ano; c) a probabilidade de que ocorra um suicídio em um ano; d) a probabilidade de que ocorra dois suicídios em um ano; e e) a probabilidade de que ocorra dois ou mais suicídios em um ano.
5 Questão 1 a) Suponha que haja em média 2 suicídios por ano em uma população de habitantes. Em uma cidade de habitantes encontre 1 : a) a média de suicídios por ano nessa cidade A média é de 4 suicídios por ano. 1 Que hipóteses deveriam ser apresentadas para a solução do problema?
6 Questão 1 b) Suponha que haja em média 2 suicídios por ano em uma população de habitantes. Em uma cidade de habitantes encontre: b) a probabilidade de que ocorra nenhum suicídio em um ano. A probabilidade para tratar da questão é a probabilidade de Poisson, porque tem média, µ, conhecida e o número de eventos, n, pode ser grande. P µ (n) = µn e µ A média é de 4 suicídios por ano e então n! P 4 (0) = 40 e 4 = e 4 = 0, !
7 Questão 1 c) Suponha que haja em média 2 suicídios por ano em uma população de habitantes. Em uma cidade de habitantes encontre: c) a probabilidade de que ocorra um suicídio em um ano. A média é de 4 suicídios por ano e então P 4 (1) = 41 e 4 1! = 4 e 4 = 4 0, 0183 = 0, 0733
8 Questão 1 d) Suponha que haja em média 2 suicídios por ano em uma população de habitantes. Em uma cidade de habitantes encontre: d) a probabilidade de que ocorra dois suicídios em um ano. A média é de 4 suicídios por ano e então P 4 (2) = 42 e 4 2! = 8 e 4 = 8 0, 0183 = 0, 1465
9 Questão 1 e) Suponha que haja em média 2 suicídios por ano em uma população de habitantes. Em uma cidade de habitantes encontre: e) a probabilidade de que ocorra dois ou mais suicídios em um ano. A média é de 4 suicídios por ano e então = 1 40 e 4 0! P 4 (n 2) = 4 n e 4 = 1 n! n=2 41 e 4 1! 1 4 n e 4 n=0 n! = 1 0, , 1465 = 0, 8352 P 4 (n 2) = 0, 8352
10 Questão 2 Considere o decaimento radioativo da quantidade N 0 do nucĺıdeo X que tem constante de decaimento λ. A quantidade de nucĺıdeos X, N(t), em um instante de tempo t pode ser expressa como: N(t) = N 0 e λt a) Se a incerteza em N 0 é s N0 e nas outras variáveis as incertezas são nulas, qual é a expressão da incerteza em N(t), s N(t). b) Se a incerteza em t é s t e nas outras variáveis as incertezas são nulas, qual é a expressão da incerteza em N(t), s N(t). c) Se a incerteza em λ é s λ e nas outras variáveis as incertezas são nulas, qual a expressão da incerteza em N(t), s N(t). d) )Se a incerteza em N 0 é s N0, em t é s t e em λ é s λ, qual a expressão da incerteza em N(t), s N(t).
11 Questão 2 a) N(t) = N 0 e λt Aplicando a função N(t) a regra de propagação de incertezas s 2 f = n ( ) f (x1, x 2,..., x n ) 2 sx 2 x i i i=1 obtem-se a incerteza s N(t). a) Se a incerteza em N 0 é s N0 e nas outras variáveis as incertezas são nulas, qual é a expressão da incerteza em N(t), s N(t). s N(t) = + ( N(t) N 0 ) 2 s 2 N 0 = +e λt s N0
12 Questão 2 b) e c) N(t) = N 0 e λt b) Se a incerteza em t é s t e nas outras variáveis as incertezas são nulas, qual é a expressão da incerteza em N(t), s N(t). ( N(t) s N(t) = + t ) 2 s 2 t = +λn 0 e λt s t c) Se a incerteza em λ é s λ e nas outras variáveis as incertezas são nulas, qual a expressão da incerteza em N(t), s N(t). ( N(t) s N(t) = + λ ) 2 s 2 λ = +tn 0e λt s λ
13 Questão 2 d) N(t) = N 0 e λt d) Se a incerteza em N 0 é s N0, em t é s t e em T 1/2 é s T1/2, qual a expressão da incerteza em N(t), s N(t). s N(t) = + [ ( N(t) N 0 ) 2 s 2 N 0 + ( N(t) t ) 2 s 2 t + ( N(t) s N(t) = +e λt [ s 2 N 0 + (λn 0 ) 2 s 2 t + (tn 0 ) 2 s 2 λ λ ] 1/2 ) 2 s 2 λ ] 1/2
14 Questão 3 Um comprador de resmas de papel só adquire aquelas resmas cujas massas estiverem entre 2,6 kg e 2,8 kg. As massas das resmas se distribuem aleatoriamente segundo uma densidade de probabilidade normal de média 2,77 kg e desvio padrão de 0,82 kg. a) Encontre a probabilidade de uma resma qualquer ser aceita pelo comprador. b) Encontre a massa, m, de uma resma, tal que 90% das resmas produzam massa menor do que m.
15 Questão 3 a) Um comprador de resmas de papel só adquire aquelas resmas cujas massas estiverem entre 2,6 kg e 2,8 kg. As massas das resmas se distribuem aleatoriamente segundo uma densidade de probabilidade normal de média 2,77 kg e desvio padrão de 0,82 kg. a) Encontre a probabilidade de uma resma qualquer ser aceita pelo comprador. Na solução da questão vai se usar a Tabela de P(0 z z 0 ) P(0 z z 0 ) = z0 0 g(z) dz com z = m m s P(2, 6 m 2, 8) = P(2, 6 m 2, 77)+P(2, 77 m 2, 8)
16 Questão 3 a) P(0 z z 0 ) = z0 0 g(z) dz com z = m m s P(2, 6 m 2, 8) = P(2, 6 m 2, 77) + P(2, 77 m 2, 8) z 0;2,6 = z 0;2,8 = 2, 6 2, 77 0, 82 2, 8 2, 77 0, 82 = 0, 2073 = 0, 0366 = P(0 z 0, 2073) + P(0 z 0, 0366) P(2, 6 m 2, 8) = 0, , 0120 = 0, 0952
17 Questão 3 b) b) Encontre a massa, m, de uma resma, tal que 90% das resmas produzam massa menor do que m. P(0 z z 0 ) = z0 0 g(z) dz com z = m m s P(0 m m 90% ) = 0, 90 = P(0 m 2, 77) + P(2, 77 m m 90% ) 0, 90 = 0, 50 + P(2, 77 m m 90% ) P(2, 77 m m 90% ) = 0, 40 P(0 z z 90% ) = 0, 40 z 90% = 1, 28 m 90% = m + z s = 2, , 28 0, 82 m 90% = 2, , 0496 = 3, , 82 kg
18 Questão 4 Uma lâmpada tem a duração em horas de acordo com a densidade de probabilidade Determine: { f (t) = 0 para t < 0 f (t) = f (t) = e t 1000 para t 0 a) a probabilidade de que uma lâmpada qualquer queime antes de 1000 horas; b) qual é a média da duração; e c) a probabilidade de que uma lâmpada qualquer queime depois de sua duração média.
19 Questão 4 a) Uma lâmpada tem a duração em horas de acordo com a densidade de probabilidade { f (t) = 0 para t < 0 f (t) = f (t) = e t 1000 para t 0 a) Determine a probabilidade de que uma lâmpada qualquer queime antes de 1000 horas; P(t 1000) = ] [ 1000e t = [e t e t 1000 dt ] = [ e 1 e 0] P(t 1000) = [ 1 e 1] = [1 0, 3679] = 0, 6321
20 Questão 4 b) b) Determine qual é a média da duração; média = média = t e t 1000 dt ( x x e ax dx = e ax a 1 ) a 2 [e ( t t )] 1000 [e t 1000 ( t 1000) ] 1000 = 0 = [ e 1 ( ) ] [ e 0 ( ) ] = 2000e e 0 = 1000(1 2e 1 ) média = , 2642 = 264, 2 horas 0
21 Questão 1 Considere uma chuva de verão que dura 10 min em que 10 6 gotas de chuva caem em um quadrado de 10 m de lado. Um automóvel conversível possui dispositivo automático de fechamento da capota em caso de chuva, dispositivo que é acionado por um elemento sensor quadrado de 1 cm de lado. a) Qual é a distribuição de probabilidade adequada para tratar a situação? Explicite o porquê da escolha. b) Qual é a média dessa distribuição? c) Qual é a probabilidade que ao menos uma gota atinja o elemento sensor? d) Com essa chuva, quanto tempo leva em média para o sensor acionar o fechamendo da capota.
22 Questão 1 - a) Considere uma chuva de verão que dura 10 min em que 10 6 gotas de chuva caem em um quadrado de 10 m de lado. Um automóvel conversível possui dispositivo automático de fechamento da capota em caso de chuva, dispositivo que é acionado por um elemento sensor quadrado de 1 cm de lado. a) Qual é a distribuição de probabilidade adequada para tratar a situação? Explicite o porquê da escolha. A distribuição probabilidade adequada é a distribuição de Poisson. Porque a situação em que a média é definida a priori e que a média do número de sucessos é muito menor que o número possível de sucessos.
23 Questão 1 item b) Considere uma chuva de verão que dura 10 min em que 10 6 gotas de chuva caem em um quadrado de 10 m de lado. Um automóvel conversível possui dispositivo automático de fechamento da capota em caso de chuva, dispositivo que é acionado por um elemento sensor quadrado de 1 cm de lado. b) Qual é a média dessa distribuição? São 10 6 gotas em uma quadrado de 10 m de lado, o que significa 10 6 gotas em 100 m 2 dai então a média no sensor de 1 cm 2 = 10 4 m ( quadrado de 1 cm de lado) é de 1gota/cm 2.
24 Questão 1 c) c) Qual é a probabilidade que ao menos uma gota atinja o elemento sensor? P 1 (n) = 1n e 1 n! No caso é satisfeito quando caem uma ou mais gotas, assim P 1 (n 1) = P 1 (i) = 1 P 1 (0) i=1 P 1 (n 1) = 1 10 e 1 0! = 1 e 1 = 0, 6321
25 Questão 1 d) Considere uma chuva de verão que dura 10 min em que 10 6 gotas de chuva caem em um quadrado de 10 m de lado. Um automóvel conversível possui dispositivo automático de fechamento da capota em caso de chuva, dispositivo que é acionado por um elemento sensor quadrado de 1 cm de lado. d) Com essa chuva, quanto tempo leva em média para o sensor acionar o fechamendo da capota. A média é de uma gota no sensor em um período de 10 min assim o tempo médio de cair uma gora é de 10min.
26 Questão 2 Considere o decaimento radioativo da quantidade N 0 do nucĺıdeo X no instante de tempo t = 0. O nucĺıdeo tem meia-vida T 1/2. A quantidade de nucĺıdeos X, N(t), em um instante de tempo t pode ser expressa como: N(t) = N 0 2 (t/t 1/2) a) Se a incerteza em N 0 é s N0 e nas outras variáveis as incertezas são nulas, qual é a expressão da incerteza em N(t), s N(t). b) Se a incerteza em t é s t e nas outras variáveis as incertezas são nulas, qual é a expressão da incerteza em N(t), s N(t). c) Se a incerteza em T 1/2 é s T1/2 e nas outras variáveis as incertezas são nulas, qual a expressão da incerteza em N(t), s N(t). d) Se a incerteza em N 0 é s N0, em t é s t e em T 1/2 é s T1/2, qual a expressão da incerteza em N(t), s N(t).
27 Questão 2 a) A função N(t) é reescrita como N(t) = N 0 e ln 2(t/T 1/2) Aplicando a função N(t) a regra de propagação de incertezas s 2 f = n ( ) f (x1, x 2,..., x n ) 2 sx 2 x i i i=1 obtem-se a incerteza s N(t). a) Se a incerteza em N 0 é s N0 e nas outras variáveis as incertezas são nulas, qual é a expressão da incerteza em N(t), s N(t). s N(t) = + ( N(t) N 0 ) 2 s 2 N 0 = +e ln 2(t/T 1/2) s N0
28 Questão 2 b) e c) N(t) = N 0 e ln 2(t/T 1/2) b) Se a incerteza em t é s t e nas outras variáveis as incertezas são nulas, qual é a expressão da incerteza em N(t), s N(t). s N(t) = + ( N(t) t ) 2 s 2 t = + ln 2 T 1/2 N 0 e ln 2(t/T 1/2) s t c) Se a incerteza em T 1/2 é s T1/2 e nas outras variáveis as incertezas são nulas, qual a expressão da incerteza em N(t), s N(t). ( N(t) ) 2 s N(t) = + st 2 1/2 = + ln 2 t T1/2 2 N 0 e ln 2(t/T1/2) s T1/2 T 1/2
29 Questão 2 d) N(t) = N 0 e ln 2(t/T 1/2) d) Se a incerteza em N 0 é s N0, em t é s t e em T 1/2 é s T1/2, qual a expressão da incerteza em N(t), s N(t). [ ( N(t) ) 2 ( ) N(t) 2 ( ) ] N(t) 2 1/2 s N(t) = + sn 2 N 0 + st 2 + st 2 0 t T 1/2 t 1/2 ( ) ( s N(t) = e ln 2(t/T 1/2) ln 2 2 sn N 0 st 2 ln 2 t + T 1/2 T1/2 2 N 0)2 st 2 1/2 s N(t) = 2 (t/t 1/2) sn ( ) ( ln 2 2 N 0 s 2 ln 2 t t + T 1/2 T1/2 2 N 0)2 st 2 1/2 1/2 1/2
30 Questão 3 As pontuações de um teste de conhecimentos de matemática aplicado a um grupo de alunos seguem aproximadamente uma distribuição normal com média 500 e desvio-padrão de 100. a) Encontre a probabilidade da pontuação de um aluno ser no máximo 600. b) Encontre a probabilidade da pontuação de um aluno ser no mínimo 600. c) Encontre a probabilidade da pontuação de um aluno estar entre 450 e 650. d) Encontre o intervalo, simétrico em relacão a média, no qual se encontram 90% das pontuações.
31 Questão 3 a) Na solução da questão vai se usar a Tabela de P(0 z z 0 ) P(0 z z 0 ) = z0 0 g(z) dz com z = x x s a) Encontre a probabilidade da pontuação de um aluno ser no máximo 600. P(0 x 600) = P(0 x 500) + P(500 x 600) z = = 1 P(0 x 600) = 0, 5+P(0 z 1) = 0, 5+0, 3413 = 0, 8413
32 Questão 3 b) Na solução da questão vai se usar a Tabela de P(0 z z 0 ) P(0 z z 0 ) = z0 0 g(z) dz com z = x x s b) Encontre a probabilidade da pontuação de um aluno ser no mínimo 600. P(600 x valor máximo) = P(0 x valor máximo) P(0 x 600) = P(0 x valor máximo) (P(0 x 500)+P(500 x 600) = 1, 0 (P(mínimo z 0) + P(0 z 1)) = 1, 0 (0, 5 + 0, 3413) = 1, 0 0, 8413 = 0, 1587
33 Questão 3 c) Na solução da questão vai se usar a Tabela de P(0 z z 0 ) P(0 z z 0 ) = z0 0 g(z) dz com z = x x s c) Encontre a probabilidade da pontuação de um aluno estar entre 450 e 650. P(450 x 650) = P(450 x 500) + P(500 x 650) z 0,450 = = 0, z 0,650 = = 1, P(450 x 650) = P(0 z 0, 5) + P(0 z 1, 5) = 0, , 4332 = 0, 6247
34 Questão 3 d) Na solução da questão vai se usar a Tabela de P(0 z z 0 ) P(0 z z 0 ) = z0 0 g(z) dz com x x s d) Encontre o intervalo, simétrico em relacão a média, no qual se encontram 90% das pontuações. P(x x 90% x x + x 90% ) = 0, 90 2 P(x x x + x 90% ) = 0, 90 P(x x x + x 90% ) = 0, 45 z 0 = 1, 645 [ (x x 90% ) ; (x +x 90% ) ] = [ ( , 5 ) ; ( , 5 ) ] = [ 335, 5 ; 664, 5 ]
35 Questão 4 Um dispositivo eletrônico tem a duração de acordo com a densidade de probabilidade, com t em anos, f (t) = 0 para t < 0 f (t) = f (t) = 1 25 (10 2t) para 0 t 5 f (t) = 0 para t > 5 a) Verifique se a função densidade de probabilidade é normalizada; Determine: b) a probabilidade de que um dispositivo eletrônico qualquer queime antes de 5/3 anos; c) qual é a média da duração; e d) a probabilidade de que um dspositivo eletrônico qualquer queime depois de sua duração média.
36 Questão 4 a) A condição de normalizado estabelece que fdp(x) dx = 1 em todo o domínio de x. a) Verifique se a função densidade de probabilidade é normalizada; f (t) dt = (10 2t) dt 0 25 [ ] (10t t2 ) = 1 [ ( ) ( ) ] (10 2t) dt = = 1 0
37 Questão 4 b) b) Determine a probabilidade de que um dispositivo eletrônico qualquer queime antes de 5/3 anos; P(t 5/3 anos) = 5/3 [ ] 1 5/3 25 (10t t2 ) = = 1 [ ] 9 0 [ 1 (10 2t) dt ( ) ] 3 [ ] 125 = = 1 25 P(t 5/3 anos) = 5 9 = 0, 5556
38 Questão 4 c) c) Determine qual é a média da duração; média = [ t média = + 1 (10 2t) dt = 25 )] 5 ( 10 t2 2 2t3 3 = x fdp(x) dx 5 = ] = 5 3 [ (10t 2t2 ) dt [ ] 3 média = 5 3 anos = 1, 67 anos
39 Questão 4 d) d) Determine a probabilidade de que um dspositivo eletrônico qualquer queime depois de sua duração média. [ ] (10t t2 ) = 1 5/ P(t 5/3 anos) = (10 2t) dt 5/3 25 [ ( ) ( = [(2 1) ( ] [ 2 ) = ] = ( ) )] P(t 5/3 anos) = 4 9 = 0, 4444
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
Funções Geradoras de Variáveis Aleatórias. Simulação Discreta de Sistemas - Prof. Paulo Freitas - UFSC/CTC/INE
Funções Geradoras de Variáveis Aleatórias 1 Funções Geradoras de Variáveis Aleatórias Nos programas de simulação existe um GNA e inúmeras outras funções matemáticas descritas como Funções Geradoras de
Tiago Viana Flor de Santana
ESTATÍSTICA BÁSICA DISTRIBUIÇÃO NORMAL DE PROBABILIDADE (MODELO NORMAL) Tiago Viana Flor de Santana www.uel.br/pessoal/tiagodesantana/ [email protected] sala 07 Curso: MATEMÁTICA Universidade Estadual
Distribuições 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
4. ([Magalhães, 2011] - Seção 2.4) Seja X U( α, α), determine o valor do parâmetro α de modo que:
GET189 Probabilidade I Lista de exercícios - Capítulo 6 1. ([Ross, 21] - Capítulo 5) Em uma estação, trens partem para a cidade A de 15 em 15 minutos, começando às 7:h; e trens partem para a cidade B de
ALGUMAS 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
Variável 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,
Sumário. 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
Máxima Verossimilhança Método dos Mínimos Quadrados (Al
Departamento de Física Experimental Máxima Verossimilhança (Alexandre Grothendieck) 20-21 de maio de 2014 Alexandre Grothendieck - 1928 Recherche, 486 (2014) 26-41. 1951 1991? Prólogo Nesta apresentação
Simulação com Modelos Teóricos de Probabilidade
Simulação com Modelos Teóricos de Probabilidade p. 1/21 Algumas distribuições teóricas apresentam certas características que permitem uma descrição correta de variáveis muito comuns em processos de simulação.
MAE0219 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
Lista de exercícios sobre Distribuições Binomial, Poisson e Normal UFPR /2. Monitor Adi Maciel de A. Jr Prof. Jomar.
Lista de exercícios sobre Distribuições Binomial, Poisson e Normal UFPR - 2014/2 Monitor Adi Maciel de A. Jr Prof. Jomar. ----------------//----------------//---------------- Distribuição Binomial N =
Decaimento radioativo
Decaimento radioativo Processo pelo qual um nuclídeo instável transforma-se em outro, tendendo a uma configuração energeticamente mais favorável. Tipos de decaimento: (Z, A) * (Z, A) (Z, A) (Z, A)! γ!
SUMÁRIOS DE VARIÁVEIS ALEATÓRIAS CONTINUAS
4 SUMÁRIOS DE VARIÁVEIS ALEATÓRIAS CONTINUAS Em muitos problemas de probabilidade que requerem o uso de variáveis aleatórias, uma completa especificação da função de densidade de probabilidade ou não está
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
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
Distribuições Contínuas de Probabilidade
Distribuições Contínuas de Probabilidade Uma variável aleatória contínua é uma função definida sobre o espaço amostral, que associa valores em um intervalo de números reais. Exemplos: Espessura de um item
2. 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 :
Estatística 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
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
Probabilidade 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
CONHECIMENTOS ESPECÍFICOS
CONHECIMENTOS ESPECÍFICOS As variáveis aleatórias X e Y seguem uma distribuição de Bernoulli com probabilidade de sucesso igual a 0,4. Considerando S = X + Y e que os eventos aleatórios A = [X = 1] e B
Pressão e Força de fluídos e outras aplicações de Cálculo I. PRAE - Práticas Alternativas de Ensino 1
Pressão e Força de fluídos e outras aplicações de Cálculo I. 1 O que é PRAE? Práticas Alternativas de. Objetivo: Demonstrar o porquê do aprendizado da disciplina de Cálculo I. 2 Pressão e Força de Fluidos.
Equa c oes Diferenciais Ordin arias - Aplica c oes Marcelo Nascimento
Equações Diferenciais Ordinárias - Aplicações Marcelo Nascimento 2 Sumário 1 Aplicações 5 1.1 Desintegração Radioativa........................... 5 1.2 Resfriamento de um corpo..........................
UNIVERSIDADE FEDERAL DO PARANÁ CE003 - ESTATÍSTICA II
UNIVERSIDADE FEDERAL DO PARANÁ CE003 - ESTATÍSTICA II Segunda lista de Exercícios - Variáveis Aleatórias Professora Fernanda 1. Uma máquina caça níquel de cassino possui três roletas. Na primeira e segunda
Análise de Dados e Simulação
Universidade de São Paulo Instituto de Matemática e Estatística http:www.ime.usp.br/ mbranco Simulação de Variáveis Aleatórias Contínuas. O método da Transformada Inversa Teorema Seja U U (0,1). Para qualquer
MAT 1351 : Cálculo para Funções de Uma Variável Real I. Sylvain Bonnot (IME-USP)
MAT 1351 : Cálculo para Funções de Uma Variável Real I Sylvain Bonnot (IME-USP) 2016 1 Aplicação das derivadas: Equações diferenciais Teorema As soluções da equação y = 0 num intervalo (a, b) são exatamente
Modelagem Estocástica e Quantificação de Incertezas
Modelagem Estocástica e Quantificação de Incertezas Rubens Sampaio [email protected] Roberta de Queiroz Lima [email protected] Departamento de Engenharia Mecânica DINCON 2015 Organização do curso
2.1 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
Processos de Poisson
Processos de Poisson Ricardo Ehlers [email protected] Departamento de Matemática Aplicada e Estatística Universidade de São Paulo Capitulo 5 Taylor & Karlin 1 / 37 Distribuição de Poisson Seja a variável
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
O Decaimento Radioativo (6 aula)
O Decaimento Radioativo (6 aula) O decaimento Radioativo Famílias Radioativas Formação do Material Radioativo O Decaimento Radioativo Quando um átomo instável emite partículas a, b, ou radiação g, ele
Probabilidade II. Departamento de Estatística. Universidade Federal da Paraíba
Probabilidade II Departamento de Estatística Universidade Federal da Paraíba Aula Valor esperado como solução do problema do menor erro quadrático médio e Quantis 03/14 1 / 15 Valor esperado como solução
FEP Física para Engenharia II
FEP96 - Física para Engenharia II Prova P - Gabarito. Uma plataforma de massa m está presa a duas molas iguais de constante elástica k. A plataforma pode oscilar sobre uma superfície horizontal sem atrito.
Fernando Nogueira Simulação 1
Simulação a Eventos Discretos Fernando Nogueira Simulação Introdução Simulação não é uma técnica de otimização: estima-se medidas de performance de um sistema modelado. Modelos Contínuos X Modelos Discretos
Variáveis 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
Estatística e Probabilidade Aula 06 Distribuições de Probabilidades. Prof. Gabriel Bádue
Estatística e Probabilidade Aula 06 Distribuições de Probabilidades Prof. Gabriel Bádue Teoria A distribuição de Poisson é uma distribuição discreta de probabilidade, aplicável a ocorrências de um evento
Universidade Federal do Ceará Pós-Graduação em Modelagem e Métodos Quantitativos Mestrado Acadêmico na Área Interdisciplinar
Universidade Federal do Ceará Pós-Graduação em Modelagem e Métodos Quantitativos Mestrado Acadêmico na Área Interdisciplinar Prova Escrita - Estatística e Matemática Pós-Graduação em Modelagem e Métodos
Cálculo das Probabilidades I
Cálculo das Probabilidades I Departamento de Estatística Universidade Federal da Paraíba Prof. Tarciana Liberal (UFPB) Aula Função Geradora de Momentos 10/13 1 / 19 Calculamos algumas características da
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....................................
, (1) onde v é o módulo de v e b 1 e b 2 são constantes positivas.
Oscilações Amortecidas O modelo do sistema massa-mola visto nas aulas passadas, que resultou nas equações do MHS, é apenas uma idealização das situações mais realistas existentes na prática. Sempre que
Variáveis 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
5. 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:
Probabilidade, distribuição normal e uso de tabelas padronizadas
Probabilidade, distribuição normal e uso de tabelas padronizadas Prof. Marcos Vinicius Pó Métodos Quantitativos para Ciências Sociais O que é probabilidade? Número de 0 até 1 que expressa a tendência de
Probabilidade 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,
MAT EQUAÇÕES DIFERENCIAIS ORDINÁRIAS - Aulas 14-17
MAT 340 - EQUAÇÕES DIFERENCIAIS ORDINÁRIAS - Aulas 14-17 Bulmer Mejía García 2010-II Universidade Federal de Viçosa EDO de Cauchy-Euler É uma EDO da seguinte forma a n (ax+b) n y (n) (x)+a n 1 (ax+b) n
Modelagem e Avaliação de Desempenho. Pós Graduação em Engenharia Elétrica - PPGEE Prof. Carlos Marcelo Pedroso 2014
Modelagem e Avaliação de Desempenho Pós Graduação em Engenharia Elétrica - PPGEE Prof. Carlos Marcelo Pedroso 2014 Análise de desempenho São disponíveis duas abordagens para realizar a análise de desempenho:
Princípios de Modelagem Matemática Aula 10
Princípios de Modelagem Matemática Aula 10 Prof. José Geraldo DFM CEFET/MG 19 de maio de 2014 1 Alguns resultados importantes em estatística A distribuição normal tem importante papel em estatística pois
Distribuição Normal. Prof. Herondino
Distribuição Normal Prof. Herondino Distribuição Normal A mais importante distribuição de probabilidade contínua em todo o domínio da estatística é a distribuição normal. Seu gráfico, chamado de curva
Problemas Resolvidos. 1. Distr. Uniforme Contínua. (a) f X (x; a, b) = 1 1 (x µ) 2. (b) µ = E(x) = a+b. e V ar(x) = (b a)2. 2. Distr.
Distribuições Contínuas - Problemas Resolvidos. Distr. Uniforme Contínua (a) f X (x; a, b) = b a (b) µ = E(x) = a+b e V ar(x) = (b a). Distr. Gaussiana (a) f X (x; a, b) = (x µ) π e (b) µ = E(x) = µ e
Distribuições Contínuas. Estatística. 7 - Distribuição de Probabilidade de Variáveis Aleatórias Contínuas UNESP FEG DPD
Estatística 7 - Distribuição de Probabilidade de Variáveis Aleatórias Contínuas 7- Distribuição Uniforme A variável aleatória contínua pode ser qualquer valor no intervalo [a,b] A probabilidade da variável
UNIVERSIDADE FEDERAL DA PARAÍBA. Cálculo das Probabilidades e Estatística I. Terceira Lista de Exercícios
UNIVERSIDADE FEDERAL DA PARAÍBA Cálculo das Probabilidades e Estatística I Professora: Juliana Freitas Pires Terceira Lista de Exercícios Parte I: Variáveis aleatórias, Esperança e Variância Questão 1.
Cálculo das Probabilidades e Estatística I
Cálculo das Probabilidades e Estatística I Prof a. Juliana Freitas Pires Departamento de Estatística Universidade Federal da Paraíba - UFPB [email protected] Variáveis Aleatórias Ao descrever um espaço
Modelos de Distribuição PARA COMPUTAÇÃO
Modelos de Distribuição MONITORIA DE ESTATÍSTICA E PROBABILIDADE PARA COMPUTAÇÃO Distribuições Discretas Bernoulli Binomial Geométrica Hipergeométrica Poisson ESTATÍSTICA E PROBABILIDADE PARA COMPUTAÇÃO
Probabilidades 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
Cinemática I Movimento Retilíneo
CURSO INTRODUTÓRIO DE MATEMÁTICA PARA ENGENHARIA 2016.2 Cinemática I Movimento Retilíneo Rafael Silva P. de Santana Engenharia Civil 5º Período Cinemática Na cinemática vamos estudar os movimentos sem
a) 9,1% b) 98,9% c) 3,3%
1 de 5 - Probabilidade Básica - 1. (1.0 Ponto) No lançamento de um dado duas vezes consecutivas, responda: a) qual a probabilidade da soma dos resultados dos dois dados ser par e primo? b) qual a probabilidade
Probabilidade 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
Cap. 6 Variáveis aleatórias contínuas
Estatística para Cursos de Engenharia e Informática Pedro Alberto Barbetta / Marcelo Menezes Reis / Antonio Cezar Bornia São Paulo: Atlas, 004 Cap. 6 Variáveis aleatórias contínuas APOIO: Fundação de Apoio
Stela Adami Vayego DEST/UFPR
Resumo 9 Modelos Probabilísticos Variável Contínua Vamos ver como criar um modelo probabilístico, o que é uma função densidade de probabilidade (fdp), e como calcular probabilidades no caso de variáveis
PRÁTICA CONSTRUÇÃO DE GRÁFICOS E DETERMINAÇÃO DOS COEFICIENTES ANGULAR E LINEAR PELO MÉTODO GRÁFICO MMQ 4.
PRÁTICA 4 4.1 - CONSTRUÇÃO DE GRÁFICOS E DETERMINAÇÃO DOS COEFICIENTES ANGULAR E LINEAR PELO MÉTODO GRÁFICO 4.2 - MMQ 4.1 Objetivos: a. Realizar a linearização das funções. b. Construir gráficos em papel
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
Transmissão de impulsos em banda-base
Transmissão de impulsos em banda-base Transmissão de impulsos através de um canal com ruído aditivo. Probabilidades de erro com detecção no ponto central Detecção de sinais binários em ruído gaussiano
Desintegração Nuclear. Paulo R. Costa
Desintegração Nuclear Paulo R. Costa Sumário Introdução Massas atômicas e nucleares Razões para a desintegração nuclear Decaimento nuclear Introdução Unidades e SI Introdução Comprimento metro Tempo segundo
Cap. 6 Variáveis aleatórias contínuas
Estatística para Cursos de Engenharia e Informática Pedro Alberto Barbetta / Marcelo Menezes Reis / Antonio Cezar Bornia São Paulo: Atlas, 2004 Cap. 6 Variáveis aleatórias contínuas APOIO: Fundação de
CAPÍTULO 4 CONCEITOS BÁSICOS DE ESTATÍSTICA E PROBABILIDADES
CAPÍTULO 4 CONCEITOS BÁSICOS DE ESTATÍSTICA E PROBABILIDADES. INTRODUÇÃO - Conceito de população desconhecida π e proporção da amostra observada P. π P + pequeno erro Perguntas: - Qual é o pequeno erro?
5- 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
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
Um conceito importante em Probabilidades e Estatística é o de
Variáveis Aleatórias Um conceito importante em Probabilidades e Estatística é o de Variável Aleatória. Variável Aleatória Seja (Ω, A) um espaço de acontecimentos. À função X : Ω IR chamamos variável aleatória.
Probabilidade. 1 Distribuição de Bernoulli 2 Distribuição Binomial 3 Multinomial 4 Distribuição de Poisson. Renata Souza
Probabilidade Distribuição de Bernoulli 2 Distribuição Binomial 3 Multinomial 4 Distribuição de Poisson Renata Souza Distribuição de Bernoulli Uma lâmpada é escolhida ao acaso Ensaio de Bernoulli A lâmpada
Resumo. Parte 7 Processos Estocásticos. Ramiro Brito Willmersdorf
Parte 7 Processos Estocásticos Ramiro Brito Willmersdorf [email protected] Departamento de Engenharia Mecânica Universidade Federal de Pernambuco 2011.2 Resumo 1 Processos Estocásticos 2 Classicação
Lista 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
ICMS/PE 2014 Resolução da Prova de Estatística Professor Fábio Amorim. ICMS PE 2014: Resolução da prova de Estatística Prof.
ICMS/PE 2014 Resolução da Prova de Estatística Professor Fábio Amorim 1 de 6 Pessoal, segue a resolução das questões de Estatística da prova realizada pela SEFAZ-PE, para o cargo de Auditor Fiscal do Tesouro
MAE0219 Introdução à Probabilidade e Estatística I
Exercício 1 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 do tempo de garantia
Confiabilidade 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
a) o time ganhe 25 jogos ou mais; b) o time ganhe mais jogos contra times da classe A do que da classe B.
Universidade de Brasília Departamento de Estatística 5 a Lista de PE. Um time de basquete irá jogar uma temporada de 44 jogos. desses jogos serão disputados contra times da classe A e os 8 restantes contra
Variável Aleatória Contínua:
Distribuição Contínua Normal Prof. Tarciana Liberal Departamento de Estatística UFPB x x Variável Aleatória Contínua: Assume valores num intervalo de números reais. Não é possível listar, individualmente,
( x) = a. f X. = para x I. Algumas Distribuições de Probabilidade Contínuas
Probabilidade e Estatística I Antonio Roque Aula Algumas Distribuições de Probabilidade Contínuas Vamos agora estudar algumas importantes distribuições de probabilidades para variáveis contínuas. Distribuição
UNIVERSIDADE FEDERAL FLUMINENSE
UNIVERSIDADE FEDERAL FLUMINENSE TRANSFERÊNCIA FACULTATIVA 019 MATEMÁTICA CADERNO DE QUESTÕES INSTRUÇÕES AO CANDIDATO Você deverá ter recebido o Caderno com a Proposta de Redação, a Folha de Redação, dois
Métodos Quantitativos
Métodos Quantitativos Unidade 3 Estatística inferencial parte I Prof. Me. Diego Fernandes 1 Sumário Seção Slides 3.1 Noções de probabilidade 03 21 3.2 Distribuição dos estimadores 22 41 3.3 e 3.4 - Testes
