PRE29006 LISTA DE EXERCÍCIOS #

Tamanho: px
Começar a partir da página:

Download "PRE29006 LISTA DE EXERCÍCIOS #"

Transcrição

1 INSTITUTO FEDERAL DE SANTA CATARINA CAMPUS SÃO JOSÉ COORDENADORIA DE ÁREA DE TELECOMUNICAÇÕES ENGENHARIA DE TELECOMUNICAÇÕES PRE9006 LISTA DE EXERCÍCIOS # 06. Eercícios. Considere uma variável aleatória X cuja função densidade de probabilidade está mostrada abaio. h a (a) Determine o valor da constante h em função da constante a. (b) Determine e esboce a função de distribuição acumulada de X. (c) Determine Pr[X a/].. [, Eercício.4.30] Uma variável aleatória contínua X é definida pela seguinte função densidade de probabilidade: k, se 0 <, f X () = (a) Determine e esboce a função de distribuição acumulada de X. (b) Calcule a probabilidade de X assumir valores maiores que /. (c) Calcule a probabilidade de que, em 4 eperimentos independentes, a variável X assuma pelo menos uma vez um valor maior que /. 3. [3, Problem 4.33] Determine a função massa de probabilidade de uma variável aleatória X que representa o número de eperimentos de Bernoulli necessários para alcançar o segundo sucesso. Desafio: Generalize para o n-ésimo sucesso.

2 4. [4] Considere duas variáveis aleatórias discretas X e Y distribuídas conjuntamente de acordo com a tabela abaio. X Y 0 0 0,0 0,0 0,0 0,04 0,08 0,08 0,06 0, 0, (a) Determine as funções massa de probabilidade marginais de X e Y. (b) Determine as funções massa de probabilidade de X + Y e XY. (c) São X e Y independentes? (d) Determine as funções massa de probabilidade condicionais de X, dado Y = 0, e de Y, dado X =. (e) Determine Pr[X, Y ] e Pr[X Y = 0]. 5. Considere uma variável aleatória X cuja função de distribuição acumulada está mostrada abaio, em que a e b são constantes tais que 0 < a < b. F X () b a a b Determine e esboce a função densidade de probabilidade de X. Sua resposta deve estar em função de a e b. 6. Seja U uma variável aleatória contínua distribuída uniformemente no intervalo [0, 4]. Seja X uma outra variável aleatória, que depende de U da seguinte maneira: Dado que 0 U, então X é distribuída uniformemente no intervalo [0, ]. Caso contrário, tem-se X = 3. (a) Determine e esboce a função densidade de probabilidade de X. (b) Determine e esboce a função de distribuição acumulada de X. (c) Determine Pr[X ], Pr[X 3] e Pr[ X 3].

3 7. Sejam B, B, B 3 três variáveis aleatórias discretas independentes, cada qual distribuída uniformemente sobre o conjunto 0, }. Sejam X = B + B + B 3 e Y = B B B 3. (a) Determine a função massa de probabilidade conjunta de X e Y. (b) Determine e esboce as funções massa de probabilidade marginais de X e Y. (c) São X e Y variáveis aleatórias dependentes ou independentes? Justifique. 8. Considere a variável aleatória X definida através do seguinte eperimento probabilístico. Um dado honesto é lançado. Se o resultado for, então X =. Se o resultado for ou 3, então X = 0. Se o resultado for 4, então X =. Se o resultado for 5 ou 6, então X Unif(, ). (a) Determine e esboce a função densidade de probabilidade de X. (b) Determine Pr[ X 3]. (c) Determine Pr[X X 3]. 9. O tempo de espera X, em minutos, de um usuário em um sistema de filas é zero, se ele encontra o sistema livre, ou eponencialmente distribuído, se ele encontra o sistema ocupado mais precisamente, f X ocupado () = e u(). As probabilidades de ele encontrar o sistema livre ou ocupado são de 5 % e 75 %, respectivamente. (a) Determine e esboce a função densidade de probabilidade de X. (b) Determine a probabilidade de o usuário esperar mais do que minuto. 0. [, Eercício 3.8] Considere a função densidade de probabilidade conjunta f X,Y (, y) = π, se + y, (a) Determine a função densidade de probabilidade condicional f X Y =y (). (b) Verifique se X e Y são ou não variáveis aleatórias estatisticamente independentes. (c) Calcule a probabilidade de X ser positivo sendo dado que Y é positivo. (d) Calcule a probabilidade de X ser maior que Y. 3

4 . [, Eercício 3.9] Considere duas variáveis aleatórias X e Y distribuídas conjuntamente de acordo com a função densidade de probabilidade k(3 y), se 0 4 e 0 y, f X,Y (, y) = (a) Determine o valor da constante k. (b) Determine e esboce as densidades marginais de X e Y. (c) São X e Y independentes? (d) Calcule Pr[Y > X].. [, Eercício 3.9] Considere duas variáveis aleatórias X e Y com função densidade de probabilidade conjunta constante e diferente de zero apenas na área sombreada da figura abaio. y (a) Determine a função densidade de probabilidade conjunta de X e Y. (b) Determine e esboce a funções densidade de probabilidade marginais de X e Y. (c) Determine Pr[Y > / X /]. 3. Considere duas variáveis aleatórias X e Y com função densidade de probabilidade conjunta dada por k, se (, y) R, f X,Y (, y) = k, se (, y) R, onde k é uma constante positiva e R e R são as regiões sombreadas da figura abaio. y R R 4

5 (a) Determine o valor da constante k. (b) Determine e esboce as funções densidade de probabilidade marginais de X e de Y. (c) Determine e esboce as funções de distribuição acumuladas de X e de Y. (d) Determine a função densidade de probabilidade condicional de X dado que Y = y. Esboce a função densidade de probabilidade obtida, em função de, para y = 3/ e y = 3/. 4. Considere duas variáveis aleatórias X e Y com função densidade de probabilidade conjunta f X,Y (, y) constante e diferente de zero apenas na área sombreada da figura abaio. y (a) Determine e esboce as funções densidade de probabilidade marginais de X e de Y. (b) Determine e esboce as funções de distribuição acumuladas marginais de X e de Y. (c) Determine a função densidade de probabilidade condicional de X dado que Y = y. Esboce a função densidade de probabilidade obtida, em função de, para y = / e y = 3/. 5. [, Eercício 3.] Uma régua de comprimento unitário é quebrada em um ponto aleatório. O pedaço da esquerda é novamente quebrado. Seja X a variável aleatória que define, a partir da etremidade esquerda da régua, o ponto em que a régua é quebrada pela primeira vez e Y a variável aleatória que define o segundo ponto de quebra. (a) Determine as funções densidade de probabilidade marginais f X () e f Y (y) e as funções densidade de probabilidade condicionais f X Y =y () e f Y X= (y). (b) Calcule a probabilidade de que um triângulo possa ser formado com as três peças obtidas. (Lembre-se de que, num triângulo, o comprimento de qualquer um dos lados é menor que a soma dos comprimentos dos outros dois lados.) 5

6 Referências [] J. P. A. Albuquerque, J. M. P. Fortes, and W. A. Finamore, Probabilidade, Variáveis Aleatórias e Processos Estocásticos. Editora Interciência, 008. [] P. L. O. Costa Neto and M. Cymbalista, Probabilidades, nd ed. Editora Edgard Blücher, 006. [3] S. M. Kay, Intuitive Probability and Random Processes using MATLAB R. Springer, 006. [4] L. A. Peternelli, Estatística I: Notas de Aula. Universidade Federal de Viçosa, 00. Respostas 0, se < 0,. (a) h = a. (b) F X() =, se 0 a, a, se > a. 0, se < 0,. (a) F X () =, se 0,, se >. (c) 4. (b). (c) p X () = ( )( p) p, =,,.... p X () = 4. (a) p X (0) = 0,50, p X () = 0,0, p X () = 0,30. p Y (0) = 0,0, p Y () = 0,40, p Y () = 0,40. ( ) ( p) n p n, =,,.... n (b) p X+Y (0) = 0,0, p X+Y () = 0,4, p X+Y () = 0,34, p X+Y (3) = 0,0, p X+Y (4) = 0,. p XY (0) = 0,60, p XY () = 0,08, p XY () = 0,0, p XY (3) = 0, p XY (4) = 0,. (c) Sim. (d) p X Y =0 (0) = 0,50, p X Y =0 () = 0,0, p X Y =0 () = 0,30. p Y X= (0) = 0,0, p Y X= () = 0,40, p Y X= () = 0,40. (e) 0,30 e 0,70. /(b a), se a < < b, 5. f X () = 6. (a) f X () = 8 [0 ] δ(). 0, se < 0, (b) F /8, se 0 <, X() = /4, se < 3,, se 3. (c) 8,, 7 8. /8, se (, y) = (0, 0), /8, se = 0, 3/8, se (, y) = (, 0), 3/8, se =, 7/8, se y = 0, 7. (a) p X,Y (, y) = (b) p X () = p Y (y) = 3/8, se (, y) = (, 0), 3/8, se =, /8, se y =. /8, se (, y) = (4, ). /8, se = 4. (c) 3. 6 (d) X e Y são dependentes. 8. (a) f X () = 6 δ( + ) + 3 δ() + δ( ) + 6 [ ]. (b) 4. (c) (a) f X () = 4 δ() e u(). (b) 3 4e 0,76. 6

7 0. (a) f X Y =y () = y, se y, (b) X e Y são dependentes. (c). (d).. (a) k = 6. (b) f, se 0 4, X() = 4 (c) Sim. (d) 5 4., se e 0 y,. (a) f X,Y (, y) = (definido apenas para y ) 3 y, se 0 y, f Y (y) = 4 (b) f X () =, se, f Y (y) = ( y), se 0 y, (c) (a) k = 3. /3, se, /3, se y, (b) f X () = /3, se, f Y (y) = /3, se y, (c)., se,, se, (d) f X Y =3/ () = f X Y = 3/ () = /6, se <, /3, se 0 < y <, 4. (a) f X () = /3, se < <, f Y (y) = /3, se < y <, (b). /, se < <, /4, se <, (c) f X Y =/ () = f X Y =3/ () =, se 0, ln y, se 0 y, 5. (a) f X () = f Y (y) =, se y, f X Y =y () = ln y (definido apenas para 0 y ), se 0 y, f Y X= (y) = (definido apenas para 0 ) (b) ln 0,93. 7

PRE29006 LISTA DE EXERCÍCIOS #

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

Leia mais

PROCESSOS ESTOCÁSTICOS

PROCESSOS ESTOCÁSTICOS PROCESSOS ESTOCÁSTICOS Definições, Principais Tipos, Aplicações em Confiabilidade de Sistemas e Sinais CLARKE, A. B., DISNEY, R. L. Probabilidade e Processos Estocásticos, Rio de Janeiro: Livros Técnicos

Leia mais

Teoria das Filas aplicadas a Sistemas Computacionais. Aula 08

Teoria das Filas aplicadas a Sistemas Computacionais. Aula 08 Teoria das Filas aplicadas a Sistemas Computacionais Aula 08 Universidade Federal do Espírito Santo - Departamento de Informática - DI Laboratório de Pesquisas em Redes Multimidia - LPRM Teoria das Filas

Leia mais

Estatística e Modelos Probabilísticos - COE241

Estatística e Modelos Probabilísticos - COE241 Estatística e Modelos Probabilísticos - COE241 Aula passada Somas aleatórias Aula de hoje Introdução à simulação Geração de números aleatórios Lei dos Grandes Números Simulação de Sistemas Discretos É

Leia mais

Estatística 4 - Variáveis Aleatórias Unidimensionais

Estatística 4 - Variáveis Aleatórias Unidimensionais Estatística 4 - Variáveis Aleatórias Unidimensionais UNESP FEG DPD Prof. Edgard - 11 4-1 VARIÁVEIS ALEATÓRIAS UNIDIMENSIONAIS Variável Aleatória X é uma Função que associa um número real a cada Evento

Leia mais

ALGUMAS DISTRIBUIÇÕES CONTÍNUAS DE PROBABILIDADE

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

Leia mais

Cap. 6 Variáveis aleatórias contínuas

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

Leia mais

Cap. 6 Variáveis aleatórias contínuas

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

Leia mais

Teoria das Filas aplicadas a Sistemas Computacionais. Aula 09

Teoria das Filas aplicadas a Sistemas Computacionais. Aula 09 Teoria das Filas aplicadas a Sistemas Computacionais Aula 09 Universidade Federal do Espírito Santo - Departamento de Informática - DI Laboratório de Pesquisas em Redes Multimidia - LPRM Teoria das Filas

Leia mais

Avaliação e Desempenho Aula 5

Avaliação e Desempenho Aula 5 Avaliação e Desempenho Aula 5 Aula passada Revisão de probabilidade Eventos e probabilidade Independência Prob. condicional Aula de hoje Variáveis aleatórias discretas e contínuas PMF, CDF e função densidade

Leia mais

Estatística e Modelos Probabilísticos - COE241

Estatística e Modelos Probabilísticos - COE241 Estatística e Modelos Probabilísticos - COE241 Aula passada Análise da dados através de gráficos Introdução a Simulação Aula de hoje Introdução à simulação Geração de números aleatórios Lei dos Grandes

Leia mais

Distribuições Contínuas de Probabilidade

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

Leia mais

A figura 5.1 ilustra a densidade da curva normal, que é simétrica em torno da média (µ).

A figura 5.1 ilustra a densidade da curva normal, que é simétrica em torno da média (µ). Capítulo 5 Distribuição Normal Muitas variáveis aleatórias contínuas, tais como altura, comprimento, peso, entre outras, podem ser descritas pelo modelo Normal de probabilidades. Este modelo é, sem dúvida,

Leia mais

Cap. 4 - Probabilidade

Cap. 4 - Probabilidade Estatística para Cursos de Engenharia e Informática Pedro Alberto Barbetta / Marcelo Menezes Reis / Antonio Cezar Bornia São Paulo: Atlas, 2004 Cap. 4 - Probabilidade APOIO: Fundação de Apoio à Pesquisa

Leia mais

PLANO DE ENSINO. NOME DA DISCIPLINA: Estatística e Probabilidade CÓDIGO: 63 EMENTA

PLANO DE ENSINO. NOME DA DISCIPLINA: Estatística e Probabilidade CÓDIGO: 63 EMENTA PLANO DE ENSINO NOME DA DISCIPLINA: Estatística e Probabilidade CÓDIGO: 63 CURSO: Licenciatura em Matemática SEMESTRE: 6º PRÉ-REQUISITOS: Cálculo 2 CARGA HORÁRIA TEÓRICA: 67h / 80 aulas CARGA HORÁRIA PRÁTICA:

Leia mais

MAT 461 Tópicos de Matemática II Aula 8: Resumo de Probabilidade

MAT 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 mais

INSTITUTO FEDERAL DE EDUCAÇÃO, CIÊNCIA E tecnologia PARAÍBA. Ministério da Educação

INSTITUTO FEDERAL DE EDUCAÇÃO, CIÊNCIA E tecnologia PARAÍBA. Ministério da Educação INSTITUTO FEDERAL DE EDUCAÇÃO, CIÊNCIA E tecnologia PARAÍBA Ministério da Educação Instituto Federal de Educação, Ciência e Tecnologia da Paraíba - Campus Cajazeiras Diretoria de Ensino / Coord. do Curso

Leia mais

Acadêmico(a) Turma: Capítulo 7: Limites

Acadêmico(a) Turma: Capítulo 7: Limites Acadêmico(a) Turma: Capítulo 7: Limites 7.1. Noção Intuitiva de ite Considere a função f(), em que f() = 2 + 1. Para valores de que se aproima de 1, por valores maiores que 1 (Direita) e por valores menores

Leia mais

5. PRINCIPAIS MODELOS CONTÍNUOS

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:

Leia mais

IND 1115 Inferência Estatística Aula 6

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

Leia mais

Estatística e Modelos Probabilísticos - COE241

Estatística e Modelos Probabilísticos - COE241 Estatística e Modelos Probabilísticos - COE241 Aula passada Probabilidade Condicional Independência de Eventos Teorema da Probabilidade Total Lei de Bayes Aula de hoje Exemplo Lei de Bayes Variáveis Aleatórias

Leia mais

Lista de Exercícios 2 1

Lista de Exercícios 2 1 Universidade Federal de Ouro Preto Departamento de Matemática MTM - CÁLCULO DIFERENCIAL E INTEGRAL I Lista de Eercícios Mostre, utilizando a definição formal, que os ites abaio eistem e são iguais ao valor

Leia mais

Probabilidade II. Departamento de Estatística. Universidade Federal da Paraíba

Probabilidade 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 mais

SUMÁRIO. 1.1 Introdução, Conceitos Fundamentais, 2

SUMÁRIO. 1.1 Introdução, Conceitos Fundamentais, 2 SUMÁRIO 1 CONCEITOS BÁSICOS, 1 1.1 Introdução, 1 1.2 Conceitos Fundamentais, 2 1.2.1 Objetivo, 2 1.2.2 População e amostra, 2 1.3 Processos estatísticos de abordagem, 2 1.4 Dados estatísticos, 3 1.5 Estatística

Leia mais

COM29008 LISTA DE EXERCÍCIOS #

COM29008 LISTA DE EXERCÍCIOS # INSTITUTO FEDERAL DE SANTA CATARINA CAMPUS SÃO JOSÉ COORDENADORIA DE ÁREA DE TELECOMUNICAÇÕES ENGENHARIA DE TELECOMUNICAÇÕES COM98 LISTA DE EXERCÍCIOS # 8. Exercícios. [, 9.5] Um processo estocástico gaussiano,

Leia mais

MOQ 13 PROBABILIDADE E ESTATÍSTICA. Professor: Rodrigo A. Scarpel

MOQ 13 PROBABILIDADE E ESTATÍSTICA. Professor: Rodrigo A. Scarpel MOQ 3 PROBABILIDADE E ESTATÍSTICA Professor: Rodrigo A. Scarpel [email protected] www.mec.ita.br/~rodrigo Programa do curso: Semanas 2 3 4 5 6 7 8 9 0 2 3 4 5 e 6 Introdução à probabilidade (eventos, espaço

Leia mais

Distribuição de Probabilidade Conjunta

Distribuição de Probabilidade Conjunta . DISTRIBUIÇÃO DE ROBABILIDADE CONJUNTA O nosso estudo de variável aleatória e de suas funções de probabilidade até agora se restringiram a espaços amostrais unidimensionais nos quais os valores observados

Leia mais

Exercícios sobre Polinômios

Exercícios sobre Polinômios uff Universidade Federal Fluminense Campus do Valonguinho Instituto de Matemática e Estatística Departamento de Matemática Aplicada - GMA Eercícios sobre Polinômios Prof Saponga Rua Mário Santos Braga

Leia mais

Excel INTERMEDIÁRIO Estatística. Prof. Cassiano Isler Turma 3

Excel INTERMEDIÁRIO Estatística. Prof. Cassiano Isler Turma 3 Excel INTERMEDIÁRIO Prof. Cassiano Isler 2017.1 - Turma 3 s s Prof. Cassiano Isler Excel INTERMEDIÁRIO - Aula 4 2 / 29 s COSTA NETO, P. L. O.. 2. ed. São Paulo: Edgard Blücher (2002). GÓMEZ, Luis Alberto.

Leia mais

Estatística e Probabilidade Aula 06 Distribuições de Probabilidades. Prof. Gabriel Bádue

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

Leia mais

AULAS 6 e 7. ESPERANÇA, MOMENTOS E DISTRIBUIÇÕES DE PROBABILIDADES de VARIÁVEIS DISCRETAS 05/05/2017

AULAS 6 e 7. ESPERANÇA, MOMENTOS E DISTRIBUIÇÕES DE PROBABILIDADES de VARIÁVEIS DISCRETAS 05/05/2017 AULAS 6 e 7 ESPERANÇA, MOMENTOS E DISTRIBUIÇÕES DE PROBABILIDADES de VARIÁVEIS DISCRETAS 05/05/2017 Em aulas passadas vimos as funções de probabilidade de variáveis discretas e contínuas agora vamos ver

Leia mais

ESTATÍSTICA. x(s) W Domínio. Contradomínio

ESTATÍSTICA. x(s) W Domínio. Contradomínio Variáveis Aleatórias Variáveis Aleatórias são funções matemáticas que associam números reais aos resultados de um Espaço Amostral. Uma variável quantitativa geralmente agrega mais informação que uma qualitativa.

Leia mais

Probabilidade e Estatística

Probabilidade e Estatística Plano de Curso Probabilidade e Estatística UAEst/CCT/UFCG Ementa Fenômeno aleatório versus fenômeno determinístico. Espaço amostral e eventos. Introdução à teoria das probabilidades. Abordagem axiomática

Leia mais

Cálculo das Probabilidades I - Sexta Lista - Rio, 13/09/2014

Cálculo das Probabilidades I - Sexta Lista - Rio, 13/09/2014 Cálculo das Probabilidades I - Sexta Lista - Rio, 13/09/2014 1. O diâmetro X de{ um cabo elétrico é uma variável aleatória com densidade de probabilidade K(2x x dada por 2 ), 0 x 1 0, x < 0 ou x > 1. (a)

Leia mais

Lista de exercícios 2 Métodos Estatísticos Básicos

Lista de exercícios 2 Métodos Estatísticos Básicos Lista de exercícios 2 Métodos Estatísticos Básicos Prof. Regis Augusto Ely 1 de julho de 2014 1 Variáveis aleatórias unidimensionais 1. Suponha que a variável aleatória X tenha os valores possíveis 1,

Leia mais

MOQ-12: PROBABILIDADES E PROCESSOS ESTOCÁSTICOS. VA s e Distribuições

MOQ-12: PROBABILIDADES E PROCESSOS ESTOCÁSTICOS. VA s e Distribuições Motivação: MOQ-2: PROBABILIDADES E PROCESSOS ESTOCÁSTICOS VA s e Distribuições Definimos anteriormente Espaço de Probabilidades como sendo a tripla (W,, P(.)), em que, dado um eperimento, W representa

Leia mais

Introdução aos Proc. Estocásticos - ENG 430

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

Leia mais

a) o time ganhe 25 jogos ou mais; b) o time ganhe mais jogos contra times da classe A do que da classe B.

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

Leia mais

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

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

Leia mais

Estatística Aplicada I

Estatística Aplicada I Estatística Aplicada I ESPERANCA MATEMATICA AULA 1 25/04/17 Prof a Lilian M. Lima Cunha Abril de 2017 EXPERIMENTO RESULTADOS EXPERIMENTAIS VARIÁVEL ALEATÓRIA X = variável aleatória = descrição numérica

Leia mais

AULA 9 - Variável aleatória bidimensional discreta

AULA 9 - Variável aleatória bidimensional discreta AULA 9 - Variável aleatória bidimensional discreta Susan Schommer Introdução à Estatística Econômica - IE/UFRJ Variáveis aleatórias bidimensionais Definition Sejam ɛ um experimento e S um espaço amostral

Leia mais

Segunda Lista de Exercícios Cálculo de Probabilidades II Prof. Michel H. Montoril

Segunda Lista de Exercícios Cálculo de Probabilidades II Prof. Michel H. Montoril Exercício 1. Uma urna contém 4 bolas numeradas: {1, 2, 2, 3}. Retira-se dessa urna duas bolas aleatoriamente e sem reposição. Sejam 1 : O número da primeira bola escolhida; 2 : O número da segunda bola

Leia mais

Exercícios propostos:

Exercícios propostos: INF 16 Exercícios propostos: 1. Sabendo-se que Y=X-5 e que E(X)= e V(X)=1, calcule: a)e(y); b)v(y); c)e(x+y); d)e(x + Y ); e)v(x+y); Resp.: 1; 9; 5; 15; 81. Uma urna contém 5 bolas brancas e 7 bolas pretas.

Leia mais

PROBABILIDADE & ESTATÍSTICA

PROBABILIDADE & ESTATÍSTICA PROBABILIDADE & ESTATÍSTICA Lilian de Souza Vismara Mestre Eng. Elétrica ESSC / USP Licenciada em Matemática UFSCar PROBABILIDADE & ESTATÍSTICA VARIÁVEIS ALEATÓRIAS DISTRIBUIÇÕES DE PROBABILIDADE Lilian

Leia mais

M. 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 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 mais

AULA 15 - Distribuição de Bernoulli e Binomial

AULA 15 - Distribuição de Bernoulli e Binomial AULA 15 - Distribuição de Bernoulli e Binomial Susan Schommer Introdução à Estatística Econômica - IE/UFRJ Variável Aleatória de Bernoulli Podemos dizer que as variáveis aleatórias mais simples entre as

Leia mais

Modelos Probabilísticos Teóricos Discretos e Contínuos. Bernoulli, Binomial, Poisson, Uniforme, Exponencial, Normal

Modelos Probabilísticos Teóricos Discretos e Contínuos. Bernoulli, Binomial, Poisson, Uniforme, Exponencial, Normal Modelos Probabilísticos Teóricos Discretos e Contínuos Bernoulli, Binomial, Poisson, Uniforme, Exponencial, Normal Distribuição de Probabilidades A distribuição de probabilidades de uma variável aleatória:

Leia mais

Cálculo III-A Módulo 1

Cálculo III-A Módulo 1 Universidade Federal Fluminense Instituto de Matemática e Estatística epartamento de Matemática Aplicada Prezado aluno, Cálculo III-A Módulo Seja bem-vindo à nossa disciplina. Este teto possui - salvo

Leia mais

Estatística e Modelos Probabilísticos - COE241

Estatística e Modelos Probabilísticos - COE241 Estatística e Modelos Probabilísticos - COE241 Aula passada Introdução à simulação Geração de números aleatórios Lei dos Grandes Números Aula de hoje Geração de variáveis aleatórias: Transformada Inversa

Leia mais

Lista de Exercícios - Modelos Probabilísticos 1 INE 7002 GABARITO LISTA DE EXERCÍCIOS MODELOS PROBABILÍSTICOS

Lista de Exercícios - Modelos Probabilísticos 1 INE 7002 GABARITO LISTA DE EXERCÍCIOS MODELOS PROBABILÍSTICOS Lista de Exercícios - Modelos Probabilísticos INE 72 GABARITO LISTA DE EERCÍCIOS MODELOS PROBABILÍSTICOS 35) a) Binomial: cada realização tem apenas 2 resultados possíveis, o número de realizações é conhecido,

Leia mais

Funções Geradoras de Variáveis Aleatórias. Simulação Discreta de Sistemas - Prof. Paulo Freitas - UFSC/CTC/INE

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

Leia mais

Compressão e Codificação de Dados. Primeiro Exame e Segundo Teste

Compressão e Codificação de Dados. Primeiro Exame e Segundo Teste Compressão e Codificação de Dados. Primeiro Exame e Segundo Teste Mestrado em Engenharia Electrotécnica e de Computadores, IST 7 de Janeiro de 2012 Nome: Número: NOTAS: Exame (3 horas): tudo. Segundo teste

Leia mais

Programa Analítico de Disciplina EST106 Estatística I

Programa Analítico de Disciplina EST106 Estatística I Programa Analítico de Disciplina Departamento de Estatística - Centro de Ciências Exatas e Tecnológicas Número de créditos: 4 Teóricas Práticas Total Duração em semanas: 15 Carga horária semanal 4 0 4

Leia mais

Algoritmos Probabilísticos

Algoritmos Probabilísticos Algoritmos Probabilísticos Gilson Evandro Fortunato Dias Orientador: José Coelho de Pina Universidade de São Paulo Instituto de Matemática e Estatística Departamento de Ciência da Computação MAC0499 p.

Leia mais

Análise e Previsão de Séries Temporais Aula 1: Introdução às séries temporais. Eraylson Galdino

Análise e Previsão de Séries Temporais Aula 1: Introdução às séries temporais. Eraylson Galdino Análise e Previsão de Séries Temporais Aula 1: Introdução às séries temporais [email protected] Agenda Séries Temporais: Definições Exemplos Modelos simples com média zero: Ruído I.I.D Processo Binário Random

Leia mais

Aula 11. Variáveis Aleatórias Contínuas Bidimensionais

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

Leia mais

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

Disciplina: Processamento Estatístico de Sinais (ENGA83) - Aula 02 / Processos Aleatórios Disciplina: Processamento Estatístico de Sinais (ENGA83) - Aula 02 / Processos Aleatórios Prof. Eduardo Simas ([email protected]) Programa de Pós-Graduação em Engenharia Elétrica/PPGEE Universidade

Leia mais

2. Tipos de funções. Funções pares e ímpares Uma função f é par se é simétrica em relação ao eixo y, isto é, f( x) = f(x).

2. Tipos de funções. Funções pares e ímpares Uma função f é par se é simétrica em relação ao eixo y, isto é, f( x) = f(x). 1. Algumas funções básicas 2. Tipos de funções Funções pares e ímpares Uma função f é par se é simétrica em relação ao eio y, isto é, f( ) = f(). Eemplos: A função f() = n onde n inteiro positivo é par?

Leia mais

2. EXERCÍCIOS PROPOSTOS SOBRE V.A. E DISTRIB.PROBAB.

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 :

Leia mais