Instituto Tecnológico de Aeronáutica Divisão de Engenharia Mecânica-Aeronáutica. Professora: Denise Beatriz T. P. do Areal Ferrari
|
|
- Vinícius Jardim Gomes
- 7 Há anos
- Visualizações:
Transcrição
1 Instituto Tecnológico de Aeronáutica Divisão de Engenharia Mecânica-Aeronáutica Professora: Denise Beatriz T. P. do Areal Ferrari
2 Distribuições Discretas Uniforme Bernoulli Binomial Poisson Distribuições Contínuas Uniforme Normal Exponencial Gama
3 Definição: Uma va discreta X definida nos pontos x 1, x 2,...,x n tem distribuição uniforme discreta se assume cada um dos n valores possíveis com igual probabilidade. Temos: f ( x i ) 1, n 0, para i 1,..., caso contrário n
4 Teorema: Seja X uma va discreta que se distribui uniformemente nos pontos definidos pela seqüência de números inteiros consecutivos 1,2,...,n. Então : E[ X ] n 2 1 Var[ X ] 2 n 12 1 m X ( t) E[ e tx ] i n 1 e ti 1 n
5 OBS: Se o espaço amostral é um conjunto enumerável e infinito ( +, por exemplo), então não é possível definir um experimento uniformemente distribuído neste conjunto. Se o espaço amostral for um conjunto não-enumerável, finito, tal como o intervalo real [0,1], utilizamos a distribuição uniforme contínua.
6 Exemplo 1:Geração de números aleatórios Seja X uma va com fdp dada por f(x), onde x pertence ao conjunto{x 1, x 2, x 3 } e f(x1) = 1/2, f(x2) = 1/3 e f(x3) = 1/6. Caso 1: Geração de números inteiros aleatórios num conjunto inteiro definido. conjunto {1, 2,...,6}: x 1 : se resultar 1,2 ou 3 x 2 : se resultar 4 ou 5 x 3 : se resultar 6 Caso 2: Geração de números reais aleatórios no intervalo [0,1]. r [0,1] R = 6r +1 {1,...6}
7 Conseqüência do chamado experimento de Bernoulli : 1. Um experimento aleatório em que há apenas dois possíveis resultados: sucesso e fracasso. 2. A probabilidade de ocorrer sucesso vale p, enquanto para fracasso, vale 1-p. X = resultado do experimento ~ Bernoulli (p).
8 Definição: Uma va discreta X tem distribuição de Bernoulli se sua fdp é dada por: f ( x) p 0, x q 1-x, para x 0,1 caso contrário onde 0 p 1 e q=(1-p)
9 Teorema: Seja X uma va discreta que tem distribuição de Bernoulli. Então: tx t E [ X ] p Var [ X ] pq m ( t) E[ e pe q X ]
10 Um medicamento cuja probabilidade de curar uma determinada doença é de 0,9 é administrado a um paciente. Os resultados possíveis são curado ou não-curado. Definindo X = resultado após medicação, então: X ~ Bernoulli (p=0,9)
11 Suponha que o experimento de Bernoulli seja repetido n vezes, de forma que sejam válidas: 1. Hipótese de Independência: Cada repetição do experimento é independente do anterior. 2. Hipótese de Estacionariedade: A probabilidade p de sucesso permanece constante para todos os experimentos. O mesmo vale para a probabilidade de fracasso, dada por q = 1-p. X = número de sucessos obtidos nos n experimentos, então: X ~ Binomial (n, p).
12 Definição: Uma va discreta X tem distribuição Binomial se sua fdp é dada por: f ( x) n x p x q n-x, para x 0,1,..., n 0, caso contrário onde 0 p 1 e q=(1-p)
13 Teorema: Seja X uma va discreta que tem distribuição binomial. Então: E [ X ] np Var [ X ] npq tx m X ( t) E[ e ] pe t q n
14 Alguns experimentos que podem ser modelados como uma va Binomial: Um medicamento cuja probabilidade de curar uma determinada doença é de 0,9 é administrado a 100 pacientes. Os resultados possíveis para cada paciente são curado ou não-curado. X = número de pacientes curados~ Binomial (100; 0,9). Pesquisas revelam que há 20% de chance de que uma pessoa adulta sofra de algum tipo de desordem psiquiátrica. Um grupo de 25 pessoas é selecionado aleatoriamente. X= no. de pessoas com desordem psiquiátrica ~ Binomial (25; 0,20). Um fabricante de chips de computador acredita que, em média, 5% dos itens produzidos são defeituosos. A fim de monitorar o processo de fabricação, toma uma amostra de 75 itens. Se a amostra contiver mais do que 5 chips defeituosos, o processo é interrompido. X = número de chips defeituosos encontrados ~ Binomial (75;0,05)
15 Pesquisas revelam que há 20% de chance de que uma pessoa adulta sofra de algum tipo de desordem psiquiátrica. Um grupo de 25 pessoas é selecionado aleatoriamente. Definindo: X = nº de pessoas que apresentam uma desordem psiquiátrica, temos que X ~ Binomial (25; 0,20). Qual a probabilidade de que no máximo 3 pessoas do grupo selecionado tenham a desordem?
16 Solução Manual: Queremos P(X 3): mas, p ( x) n x p x q n-x P( X 3) p(0) p(1) p(2) p(3) p(0) ,2 0.0,8 25 3, p(1) p(2) ,2.0, ,2.0, , , P(X 3) 0,234 p(3) ,2 3.0,8 22 0,136
17 Suponha que a aspirina comum seja usada como medicamento para curar dor de cabeça e seja eficiente em 60% dos casos. Um fabricante desenvolveu uma nova aspirina contendo um componente adicional, que alega aumentar a eficiência do medicamento. Teste para a veracidade da informação: Hipótese alternativa: afirmação do fabricante Hipótese nula: o componente adicional não aumenta eficiência
18 Temos, então: Ho: p = 0,6 Ha: p>0,6 (onde p é a probabilidade de que a nova aspirina seja eficiente). Queremos encontrar um número m (valor crítico) tal que rejeitamos Ho se pelo menos m pessoas forem curadas. Do contrário, não podemos rejeitar Ho. Como determinar m?
19 Binomial: contagem do número de sucessos em um nº determinado de experimentos. Outros experimentos em que uma contagem é envolvida: O número de erros tipográficos encontrados em uma página. O número de aeronaves que chegam a um aeroporto em um dia. O número de paradas de uma máquina em uma planta industrial num determinado intervalo de tempo. Contagem de ocorrências num determinado intervalo.
20 Suponha que estamos observando a ocorrência de um determinado fenômeno no tempo ou espaço: Ex: o recebimento de chamadas telefônicas em um call-center. Seja o evento: A = recebimento de x chamadas em um certo intervalo de tempo. X X X X X X X X 0 t 1 x
21 Vamos considerar: 1. A probabilidade de exatamente uma ocorrência em um pequeno intervalo de comprimento h é proporcional ao comprimento do intervalo: P[uma ocorrência no intervalo de comprimento h] = vh +o(h) 2. A probabilidade de mais de uma ocorrência no intervalo de comprimento h é desprezível, se comparada à probabilidade de apenas uma ocorrência no mesmo intervalo: P[duas ou mais ocorrências no intervalo de comprimento h] = o(h) 3. O número de ocorrências em intervalos não sobrepostos são independentes entre si. v = taxa média de ocorrências por unidade X = número de ocorrências num intervalo de comprimento t, então: X ~ Poisson ( = vt).
22 Definição: Uma va discreta X tem distribuição de Poisson se sua fdp é dada por: f ( x) e 0, x! x, para x 0,1,... caso contrário, onde >0
23 Teorema: Seja X uma va discreta que tem distribuição de Poisson. Então: t E [X ] Var [X ] tx ( e 1) m ( t) E[ e ] e X
24 Suponha que acidentes de trânsito ocorram em um determinado cruzamento de forma que satisfaça as condições de um processo de Poisson, com taxa de 2 acidentes por semana. Definindo: X = nº de acidentes em 2 semanas, temos que X ~ Poisson ( = 2.2 = 4). Qual a probabilidade de que no máximo 3 acidentes ocorram nas próximas 2 semanas?
25 Solução Manual: Queremos P(X 3): mas, (3) (2) (1) (0) 3) ( p p p p X P! ) ( x e x p x - 0, (3) 0, (2) 7, (1) 1, (0) e p e p e p e p 0,4335 3) P(X
26
27 Definição: Uma va contínua X definida no intervalo [a,b] tem distribuição uniforme se sua fdp é dada por: f ( x) b 1 a para a x b, onde - <a<b<
28 Teorema: Se X é uma va contínua que se distribui uniformemente no intervalo [a,b]. Então : E[ X ] b a 2 Var[ X ] ( b a) 12 2 m X ( t) tb e ( b ta e a) t
29 OBS: X ~ Uniforme (a,b): X = resultado do experimento em que um número real é aleatoriamente escolhido dentro do intervalo [a,b]. Embora a distribuição uniforme tenha sido definida no intervalo [a,b], também poderia ser igualmente definida nos intervalos (a,b], [a,b) ou (a,b), verificando-se a não unicidade da fdp de uma va contínua.
30 Processo de Poisson: P x>1 (h) = 0 P 1 (h) = vh +o(h) Independência. VA ~ Poisson: Contagem do número de ocorrências num determinado intervalo. VA ~ Exponencial: Tempo transcorrido entre duas ocorrências; Tempo de espera até a primeira ocorrência.
31 Suponha que estamos observando a ocorrência de um determinado fenômeno no tempo ou espaço: Ex: o recebimento de chamadas telefônicas em um call-center. Sejam o eventos: A = recebimento de x chamadas em um certo intervalo de tempo. X ~ Poisson B = tempo t transcorrido entre duas chamadas consecutivas. T ~ Exponencial X X X X X X X X 0 t 1 x
32 Definição: Uma va contínua X tem distribuição exponencial se sua fdp é dada por: f ( x) e x, para 0 x< e >0
33 Teorema: Se X é uma va contínua que se distribui exponencialmente, então: 1 1 E[X ] Var[X ] 2 m X ( t), t t
34 Suponha que ao comprar um computador com um determinado tipo de disco rígido, o vendedor afirmou que a durabilidade média de um disco destes é de 30 meses. Definindo: X = durabilidade (tempo de vida) do disco X ~ Exponencial ( = 1/30). Suponha que o computador já esteja funcionando há 15 meses e o disco rígido original continua funcionando. Quanto tempo espera-se que ele continue funcionando?
35 Quanto tempo espera-se que ele continue funcionando? Alguém poderia esperar que ele fosse durar, em média, mais 15 meses. O tempo de vida restante seria, então, representado por Y =X-15. Podemos simular valores de Y no computador...
36 Comentários: Valor médio simulado de Y = 29, 74 (mais próximo do valor médio original para o tempo de vida do disco rígido, X, ao invés dos 15 meses que se poderia imaginar) Distribuição do Y simulado é bem semelhante à de X. Na verdade, também Y ~ Exponencial ( =1/30). Esta é uma ilustração da chamada Propriedade de Ausência de Memória.
37 Teorema: (Propriedade de Ausência de Memória) Se X é uma va contínua que se distribui exponencialmente, então: P( X t h X t) P( X h) para t>0 e h>0
38 OBS: Se X = tempo de vida de um determinado componente P[durar t+h já durou t] = P[durar h] Isso significa que o tempo de vida de um componente velho tem a mesma distribuição de probabilidade de um novo ; o componente não se desgasta ou sofre fadiga. Essa propriedade não se verifica na prática, mas funciona como boa aproximação para va s que medem tempo de vida de vários produtos.
39 Teorema: Se as va s X 1,..., X n formam uma amostra aleatória de uma distribuição exponencial de parâmetro, então: Y = min{x 1,..., X n } ~ Exponencial (n )
40 Exemplo (Testes de Vida): Suponha que n lâmpadas sejam postas a funcionar num teste para determinar seu tempo de vida. As lâmpadas funcionam independentemente entre si. Seja: X i = tempo de vida da i-ésima lâmpada, i=1,...,n Xi ~ Exponencial ( ). Temos: Y 1 = intervalo de tempo até que a primeira lâmpada falhe Y 1 ~ Exponencial (n )
41 Processo de Poisson: P x>1 (h) = 0 P 1 (h) = vh +o(h) Independência. VA ~ Exponencial: Tempo transcorrido entre duas ocorrências; Tempo de espera até a primeira ocorrência. VA ~ Gama: Tempo de espera até a r-ésima ocorrência.
42 Definição: Uma va contínua X tem distribuição Gama se sua fdp é dada por: f ( x) r ( r) x r 1 e x, para 0 x<, r >0 e >0 r 1 x Onde: ( r) x e dx, para r >0 0 ( r) ( r 1)!, para r
43 Teorema: Se X é uma va contínua e apresenta distribuição Gama, então: E X ] r [ Var[ X ] 2 r mx ( t), t r t
44 OBS: Sejam X 1,...,X n v.a.i.i.d. com distribuição Exponencial. Y = X X n ~ Gama Se r Se r = 1 distribuição de Erlang. distribuição Exponencial. Se r = n + ½, para n e = ½ distribuição Quiquadrado
45 Definição: Uma va contínua X tem distribuição normal se sua fdp é dada por: f ( x) 2 1 e ( x ) 2 2 2, para - < < e >0
46 Teorema: Se X é uma va contínua e apresenta distribuição Normal, então: 2 E[X ] Var[X ] m X ( t) exp t 2 t Teorema: Se X ~ N(, 2 ) e Y = ax +b, então Y ~ N(a +b, a 2 2 ).
47 Se X ~ N( =0, 2 =1), então X é uma va normal padronizada. A fdp e FDA desta va são representadas como: x ( x ) e e ( x) ( u) du 2 x OBS: Os valores de probabilidade para a distribuição normal não podem ser obtidos analiticamente, apenas através de aproximações numéricas ou valores tabelados para (x).
48 Teorema: Se X ~ N(, 2 ), então: P [ a X b] b a OBS: (-x) = 1- (x)
49 Teorema: Se X ~ N(, 2 ), então P( X - k ) = g(k). OBS: k = 1: P( X - ) = 0,6826 k = 2: P( X - 2 ) = 0,9544 k = 3: P( X - 3 ) = 0,9974
50 Exemplo: Um professor acredita que as notas dos alunos sejam normalmente distribuídas com média e variância 2. O professor decide passar uma curva tal que as correspondências na tabela abaixo sejam válidas. Quais as proporções para cada conceito? D I R B MB L X< -2-2 <X< - - <X< <X< + + <X< +2 X> +2
51 Se para cada n +, X 1,..., X n são vaiid com média X e variância X2, então, para cada z: F Zn ( z) ( z) conforme n onde: Z n X n E[ X var[ X n n ] ] X n X X n pois: 2 E [ X n ] X e var[ X ] n n X
52 OBS: O TLC afirma que para uma série de vaiid X 1,..., X n,..., com média e variância connhecidas, temos ~ N(0,1) Corolário: Z n Sejam as vaiid X 1,..., X n,..., com média X e variância 2. Então: X n X P a b ( b) ( a) n X Nos dá valores aproximados para as probabilidades dos eventos.
53 Aplicações em Estatística: Pesquisas eleitorais são realizadas a fim de estimar a proporção de pessoas em uma certa população que votam a favor de um candidato A ou B.
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 maisAvaliação 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 maisProbabilidade. 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
Leia maisProbabilidade e Estatística
Probabilidade e Estatística Distribuições Discretas de Probabilidade Prof. Narciso Gonçalves da Silva www.pessoal.utfpr.edu.br/ngsilva Introdução Distribuições Discretas de Probabilidade Muitas variáveis
Leia maisPRINCIPAIS DISTRIBUIÇÕES DISCRETAS DE PROBABILIDADE
PRINCIPAIS DISTRIBUIÇÕES DISCRETAS DE PROBABILIDADE 3.1 INTRODUÇÃO Muitas variáveis aleatórias associadas a experimentos aleatórios têm propriedades similares e, portanto, podem ser descritas através de
Leia maisDistribuições Amostrais
Instituto Tecnológico de Aeronáutica Divisão de Engenharia Mecânica-Aeronáutica MOQ-13 Probabilidade e Estatística Profa. Denise Beatriz Ferrari www.mec.ita.br/ denise denise@ita.br 13/10/2011 Distribuições
Leia maisPROBABILIDADES E INTRODUÇÃO A PROCESSOS ESTOCÁSTICOS. Aula 7 11 e 12 abril MOQ-12 Probabilidades e Int. a Processos Estocásticos
PROBABILIDADES E INTRODUÇÃO A PROCESSOS ESTOCÁSTICOS Aula 7 11 e 12 abril 2007 1 Distribuições Discretas 1. Distribuição Bernoulli 2. Distribuição Binomial 3. Distribuição Geométrica 4. Distribuição Pascal
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 mais4. PRINCIPAIS MODELOS DISCRETOS
4. PRINCIPAIS MODELOS DISCRETOS 2011 Principais modelos probabilísticos discretos 4.1. Modelo Bernoulli Muitos eperimentos admitem apenas dois resultados. Eemplos: 1. Uma peça é classificada como defeituosa
Leia maisModelos Probabilisticos Discretos
Modelos Probabilisticos Discretos Ricardo Ehlers ehlers@icmc.usp.br Departamento de Matemática Aplicada e Estatística Universidade de São Paulo 1 / 30 A distribuição Uniforme Discreta Suponha um experimento
Leia maisEstatística: Aplicação ao Sensoriamento Remoto SER ANO Distribuições de Probabilidade (Extra)
Estatística: Aplicação ao Sensoriamento Remoto SER 04 - ANO 018 Distribuições de Probabilidade (Etra) Camilo Daleles Rennó camilo@dpi.inpe.br http://www.dpi.inpe.br/~camilo/estatistica/ Distribuição Uniforme
Leia maisModelos 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
Leia maisEST029 Cálculo de Probabilidade I Cap. 4: Variáveis Aleatórias Unidimensionais
EST029 Cálculo de Probabilidade I Cap. 4: Variáveis Aleatórias Unidimensionais Prof. Clécio da Silva Ferreira Depto Estatística - UFJF Introdução Considere o experimento: Lançamento de uma moeda. Resultados
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 maisProbabilidade I. Departamento de Estatística. Universidade Federal da Paraíba. Prof. Tarciana Liberal (UFPB) Aula Poisson 08/14 1 / 19
Probabilidade I Departamento de Estatística Universidade Federal da Paraíba Prof. Tarciana Liberal (UFPB) Aula Poisson 08/14 1 / 19 Modelo Poisson Na prática muitos experimentos consistem em observar a
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 maisRevisão de Probabilidade
05 Mat074 Estatística Computacional Revisão de Probabilidade Prof. Lorí Viali, Dr. viali@mat.ufrgs.br http://www.ufrgs.br/~viali/ Determinístico Sistema Real Causas Efeito Probabilístico X Causas Efeito
Leia maisProf. Fabrício Maciel Gomes Departamento de Engenharia Química Escola de Engenharia de Lorena EEL
Prof. Fabrício Maciel Gomes Departamento de Engenharia Química Escola de Engenharia de Lorena EEL Referências Bibliográficas Sistema de Avaliação Duas Provas teóricas Um Trabalho em Grupo MédiaFinal 0,4
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 maisMB-210 Probabilidade e Estatística
Instituto Tecnológico de Aeronáutica Divisão de Engenharia Mecânica-Aeronáutica MB-210 Probabilidade e Estatística Profa. Denise Beatriz Ferrari www.mec.ita.br/ denise denise@ita.br 2o. semestre/2013 Variáveis
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 maisDistribuição de Probabilidade Variáveis Aleatórias Discretas. Prof.: Joni Fusinato
Distribuição de Probabilidade Variáveis Aleatórias Discretas Prof.: Joni Fusinato joni.fusinato@ifsc.edu.br jfusinato@gmail.com Distribuição de Probabilidade Descreve a chance que uma variável pode assumir
Leia maisEstatística Aplicada
Estatística Aplicada Variável Aleatória Contínua e Distribuição Contínua da Probabilidade Professor Lucas Schmidt www.acasadoconcurseiro.com.br Estatística Aplicada DISTRIBUIÇÕES CONTÍNUAS DE PROBABILIDADE
Leia maisVariáveis Aleatórias
Variáveis Aleatórias Definição: Uma variável aleatória v.a. é uma função que associa elementos do espaço amostral a valores numéricos, ou seja, X : Ω A, em que A R. Esquematicamente As variáveis aleatórias
Leia maisDistribuição de Probabilidade. Prof. Ademilson
Distribuição de Probabilidade Prof. Ademilson Distribuição de Probabilidade Em Estatística, uma distribuição de probabilidade descreve a chance que uma variável pode assumir ao longo de um espaço de valores.
Leia maisProf. Lorí Viali, Dr.
Prof. Lorí Viali, Dr. viali@mat.ufrgs.br http://www.mat.ufrgs.br/~viali/ Uma variável aleatória X tem uma distribuição normal se sua fdp for do tipo: f(x) 1.e 1 2. x µ σ 2, x R 2π. σ com - < µ < e σ >
Leia maisH. Iglésias Pereira Revisões. RESOLUÇÃO: X-nº de clientes que chegam ao departamento do C.C./hora
Esta distribuição que aparece como caso limite da distribuição binomial em determinadas circunstâncias, é um bom modelo probabilístico de fenómenos aleatórios como número de clientes que chegam a um determinado
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 e Estatística
Probabilidade e Estatística Aula 5 Probabilidade: Distribuições de Discretas Parte 2 Leitura obrigatória: Devore, seções 3.4, 3.5 (hipergeométrica), 3.6 Aula 5-1 Objetivos Nesta parte 01 aprendemos a representar,
Leia maisMOQ-12 Cadeias de Markov
Instituto Tecnológico de Aeronáutica Divisão de Engenharia Mecânica-Aeronáutica MOQ-12 Cadeias de Markov Professora: Denise Beatriz T. P. do Areal Ferrari denise@ita.br Roteiro Introdução Processos Estocásticos
Leia mais1 Introdução. 2 Variáveis Aleatórias Discretas (VAD)
Prof. Janete Pereira Amador 1 1 Introdução Muitas situações cotidianas podem ser usadas como experimento que dão resultados correspondentes a algum valor, e tais situações podem ser descritas por uma variável
Leia mais1 Distribuição de Bernoulli
Centro de Ciências e Tecnlogia Agroalimentar - Campus Pombal Disciplina: Estatística Básica - 2013 Aula 6 Professor: Carlos Sérgio Distribuições Teóricas de Probabilidades de Variáveis Aleatórias Discretas
Leia maisVariáveis Aleatórias Discretas e Distribuição de Probabilidade
Variáveis Aleatórias Discretas e Distribuição de Probabilidades - parte II 29 de Março de 2011 Distribuição Uniforme Discreta Média Propriedade da falta de memória Objetivos Ao final deste capítulo você
Leia maisPrincípios de Estatística
Instituto Tecnológico de Aeronáutica Divisão de Engenharia Mecânica-Aeronáutica MOQ-13 Probabilidade e Estatística Profa. Denise Beatriz Ferrari www.mec.ita.br/ denise denise@ita.br 05/10/2011 Probabilidade
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 Modelos de distribuição Para utilizar a teoria
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 maisPRINCIPAIS MODELOS DISCRETOS
PRINCIPAIS MODELOS DISCRETOS 2012 Principais modelos probabilísticos discretos 4.1. Modelo Bernoulli Muitos eperimentos admitem apenas dois resultados. Eemplos: 1. Uma peça é classificada como defeituosa
Leia maisVARIÁVEIS ALEATÓRIAS e DISTRIBUIÇÃO BINOMIAL
VARIÁVEIS ALEATÓRIAS e DISTRIBUIÇÃO BINOMIAL 1 Variável Aleatória Uma função X que associa a cada elemento w do espaço amostral W um valor x R é denominada uma variável aleatória. Experimento: jogar 1
Leia maisDistribuições de Probabilidade
Distribuições de Probabilidade 1 Aspectos Gerais 2 Variáveis Aleatórias 3 Distribuições de Probabilidade Binomiais 4 Média e Variância da Distribuição Binomial 5 Distribuição de Poisson 1 1 Aspectos Gerais
Leia maisAula de Estatística 13/10 à 19/10. Capítulo 4 (pág. 155) Distribuições Discretas de Probabilidades
Aula de Estatística 13/10 à 19/10 Capítulo 4 (pág. 155) Distribuições Discretas de Probabilidades 4.1 Distribuições de probabilidades Variáveis Aleatórias Geralmente, o resultado de um experimento de probabilidades
Leia maisVARIÁVEL ALEATÓRIA e DISTRIBUIÇÃO BINOMIAL
VARIÁVEL ALEATÓRIA e DISTRIBUIÇÃO BINOMIAL 1 Variável Aleatória Uma função X que associa a cada elemento w do espaço amostral W um valor x R é denominada uma variável aleatória. Experimento: jogar 1 dado
Leia maisEstatística. Capítulo 4: Distribuições Teóricas de Probabilidades de Variáveis Aleatórias Discretas. Professor Fernando Porto
Estatística Capítulo 4: Distribuições Teóricas de Probabilidades de Variáveis Aleatórias Discretas Professor Fernando Porto Capítulo 4 Baseado no Capítulo 4 do livro texto, Distribuições Teóricas de Probabilidades
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 maisEstatística (MAD231) Turma: IGA. Período: 2018/2
Estatística (MAD231) Turma: IGA Período: 2018/2 Aula #03 de Probabilidade: 19/10/2018 1 Variáveis Aleatórias Considere um experimento cujo espaço amostral é Ω. Ω contém todos os resultados possíveis: e
Leia maisESTATÍSTICA. 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 maisProcessos Estocásticos
Processos Estocásticos Luiz Affonso Guedes Sumário Modelos Probabilísticos Discretos Uniforme Bernoulli Binomial Hipergeométrico Geométrico Poisson Contínuos Uniforme Normal Tempo de Vida Exponencial Gama
Leia maisMétodos Quantitativos para a Gestão Ambiental Probabilidades e Distribuições Estatísticas Parte 1 (4/13) Luiz Carlos Estraviz Rodriguez
Métodos Quantitativos para a Gestão Ambiental Probabilidades e Distribuições Estatísticas Parte 1 (4/13) Luiz Carlos Estraviz Rodriguez Distribuição de probabilidades Contexto O porquê desta aula Ao desenvolvermos
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 maisEstatística Planejamento das Aulas
29 de outubro de 2018 Distribuição Discreta Uniforme No experimento estatístico, os eventos são equiprováveis. A v.a. discreta X assume n valores discretos tem função de probabilidade: { 1 se x f x = i
Leia mais1 Distribuições Discretas de Probabilidade
1 Distribuições Discretas de Probabilidade A distribuição discreta descreve quantidades aleatórias (dados de interesse) que podem assumir valores particulares e os valores são finitos. Por exemplo, uma
Leia maisDaniel Queiroz VARIÁVEIS ALEATÓRIAS DISCRETAS
Daniel Queiroz VARIÁVEIS ALEATÓRIAS DISCRETAS INTRODUÇÃO O que é uma variável aleatória? Um tipo de variável que depende do resultado aleatório de um experimento aleatório. Diz-se que um experimento é
Leia maisCap. 8 - Variáveis Aleatórias
Variáveis Aleatórias Discretas: A de Poisson e Outras ESQUEMA DO CAPÍTULO 8.1 A DISTRIBUIÇÃO DE POISSON 8.2 A DISTRIBUIÇÃO DE POISSON COMO APROXIMAÇÃO DA DISTRIBUIÇÃO BINOMIAL 8.3 O PROCESSO DE POISSON
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 E ESTATÍSTICA DISTRIBUIÇÕES DE PROBABILIDADES
PROBABILIDADE E ESTATÍSTICA DISTRIBUIÇÕES DE PROBABILIDADES Bruno Baierle Maurício Furigo Prof.ª Sheila Regina Oro (orientadora) Edital 06/2013 - Produção de Recursos Educacionais Digitais Variável Aleatória
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 maisProf. Lorí Viali, Dr.
Prof. Lorí Viali, Dr. viali@mat.ufrgs.br http://www.mat.ufrgs.br/~viali/ s KKK CKK KKC KCK CCK CKC KCC CCC S X 0 1 2 3 R x X(s) X(S) Uma função X que associa a cada elemento de S (s S) um número real
Leia maisCapítulo 2. Variáveis Aleatórias e Distribuições
Capítulo 2 Variáveis Aleatórias e Distribuições Experimento Aleatório Não existe uma definição satisfatória de Experimento Aleatório. Os exemplos dados são de fenômenos para os quais modelos probabilísticos
Leia maisVariável Aleatória. O conjunto de valores. Tipos de variáveis. Uma função X que associa a cada
Variável Aleatória Uma função X que associa a cada Prof. Lorí Viali, Dr. viali@mat.ufrgs.br http://www.mat.ufrgs.br/~viali/ elemento de S (s S) um número real x X(s) é denominada variável aleatória. O
Leia maisAula 5. Variáveis Aleatórias Discretas
Aula 5. Variáveis Aleatórias Discretas Definição formal : Variável aleatória é qualquer função definida em espaço Ω. Ω função é uma regra que para cada valor de domínio corresponde um valor de R R Definição
Leia maisDistribuições Discretas
META: Estudar o comportamento das Variáveis Aleatórias Discretas, bem como das Distribuições Binomial e Poisson e suas aplicações. Entender o comportamento de uma Variável aleatória Contínua. OBJETIVOS:
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 maisVariável Aleatória Poisson. Número de erros de impressão em uma
EST029 Cálculo de Probabilidade I Cap. 7. Principais Variáveis Aleatórias Discretas Prof. Clécio da Silva Ferreira Depto Estatística - UFJF Variável Aleatória Poisson Caraterização: Usa-se quando o experimento
Leia maisProf. Eduardo Bezerra. 15 de setembro de 2017
Distribuições Amostrais Prof. Eduardo Bezerra Inferência Estatística 15 de setembro de 2017 Eduardo Bezerra (CEFET/RJ) Distribuições Amostrais 1 / 28 Roteiro Distribuições amostrais 1 Distribuições amostrais
Leia maisConforme o conjunto de valores X(S) uma variável aleatória poderá ser discreta ou contínua.
Prof. Lorí Viali, Dr. viali@pucrs.br http://www.pucrs.br/famat/viali/ s KKK CKK KKC KCK CCK CKC KCC CCC S X X(s) R X(S) Uma função X que associa a cada elemento de S (s S) um número real X(s) é denominada
Leia maisUniversidade Federal do Ceará
Universidade Federal do Ceará Faculdade de Economia Vicente Lima Crisóstomo Fortaleza, 2011 1 Sumário Introdução Estatística Descritiva Probabilidade Distribuições de Probabilidades Amostragem e Distribuições
Leia maisF (x) = P (X x) = Σ xi xp(x i ) E(X) = x i p(x i ).
Variável Aleatória Uma variável aleatória é uma variável numérica, cujo valor medido pode variar de uma réplica para outra do experimento. Exemplos: (i) Variáveis aleatórias contínuas: corrente elétrica,
Leia maisVariáveis Aleatórias Discretas
Variáveis Aleatórias Discretas Ricardo Ehlers ehlers@icmc.usp.br Departamento de Matemática Aplicada e Estatística Universidade de São Paulo Introdução Definição Uma variável aleatória é uma função definida
Leia maisModelos Binomial e Poisson
Modelos Binomial e Poisson Cristian Villegas clobos@usp.br Outubro de 2013 Apostila de Estatística (Cristian Villegas) 1 Distribuição Bernoulli Se um experimento possui dois possíveis resultados, sucesso
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 maisLista de Exercícios #2 Assunto: Variáveis Aleatórias Discretas
1. ANPEC 2018 Questão 3 Considere um indivíduo procurando emprego. Para cada entrevista de emprego (X) esse indivíduo tem um custo linear (C) de 10,00 Reais. Suponha que a probabilidade de sucesso em uma
Leia maisMAE 116 Distribuição Binomial FEA - 2º Semestre de 2018
MAE 116 Distribuição Binomial FEA - 2º Semestre de 2018 1 Vamos considerar alguns exemplos de experimentos aleatórios em que associamos a cada resultado possível um número 1. Lança-se uma moeda 10 vezes
Leia maisProcessos Estocásticos. Luiz Affonso Guedes
Processos Estocásticos Luiz Affonso Guedes Sumário Modelos Probabilísticos Discretos Uniforme Bernoulli Binomial Hipergeométrico Geométrico Poisson Contínuos Uniforme Normal Tempo de Vida Exponencial Gama
Leia maisExperimento Aleatório
Probabilidades 1 Experimento Aleatório Experimento aleatório (E) é o processo pelo qual uma observação é ob;da. Exemplos: ü E 1 : Jogar uma moeda 3 vezes e observar o número de caras ob;das; ü E 2 : Lançar
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 maisPROBABILIDADE RESUMO E EXERCÍCIOS* P1
PROBABILIDADE RESUMO E EXERCÍCIOS* P1 *Exercícios de provas anteriores escolhidos para você estar preparado para qualquer questão na prova. Resoluções grátis em Conceitos e Fundamentos Estudamos probabilidade
Leia maisUniversidade Federal da Paraíba Departamento de Estatística Lista 1 - Outubro de 2013
1. Seja X a duração de vida de uma válvula eletrônica e admita que X possa ser representada por uma variável aleatória contínua, com f.d.p. be bx, x 0. Seja p j = P (j X < j + 1). Verifique que p j é da
Leia maisLista 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 maisEstatística 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 Variáveis Aleatórias PMF, CDF Exemplos
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 maisSolução dos Exercícios - Capítulos 1 a 3
Capítulo 9 Solução dos Exercícios - Capítulos a 3 9. Capítulo. a Como o valor se refere aos pacientes estudados, e não a todos os pacientes, esse é o valor de uma estatística amostral. b Estatística amostral
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 mais4. PRINCIPAIS MODELOS DISCRETOS
4. PRINCIPAIS MODELOS DISCRETOS 2019 Principais modelos probabilísticos discretos 4.1. Modelo Bernoulli Muitos eperimentos admitem apenas dois resultados. Eemplos: 1. Uma peça é classificada como defeituosa
Leia mais1 Variáveis Aleatórias
Centro de Ciências e Tecnologia Agroalimentar - Campus Pombal Disciplina: Estatística Básica - 2013 Aula 5 Professor: Carlos Sérgio UNIDADE 3 - VARIÁVEIS ALEATÓRIAS DISCRETAS (Notas de aula) 1 Variáveis
Leia maisModelos básicos de distribuição de probabilidade
Capítulo 6 Modelos básicos de distribuição de probabilidade Muitas variáveis aleatórias, discretas e contínuas, podem ser descritas por modelos de probabilidade já conhecidos. Tais modelos permitem não
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 maisModelos Binomial e Poisson
Modelos Binomial e Poisson Cristian Villegas clobos@usp.br http://www.lce.esalq.usp.br/arquivos/aulas/2014/lce0216/ 1 Distribuição Bernoulli Se um experimento possui dois possíveis resultados, sucesso
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 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 maisEstatística 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 maisAULA 16 - Distribuição de Poisson e Geométrica
AULA 16 - Distribuição de Poisson e Geométrica Susan Schommer Introdução à Estatística Econômica - IE/UFRJ Distribuição de Poisson Em muitas situações nos deparamos com a situação em que o número de ensaios
Leia mais4. PRINCIPAIS MODELOS DISCRETOS
4. PRINCIPAIS MODELOS DISCRETOS 2010 Principais modelos probabilísticos discretos 4.1. Modelo Bernoulli Muitos eperimentos admitem apenas dois resultados. Eemplos: 3. Uma peça é classificada como defeituosa
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 maisProbabilidade e Estatística
Probabilidade e Estatística Aula 5 Probabilidade: Distribuições de Discretas Parte 1 Leitura obrigatória: Devore, 3.1, 3.2 e 3.3 Chap 5-1 Objetivos Nesta parte, vamos aprender: Como representar a distribuição
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 maisPROBABILIDADE E ESTATÍSTICA. Profa. Dra. Yara de Souza Tadano
PROBABILIDADE E ESTATÍSTICA Profa. Dra. Yara de Souza Tadano yaratadano@utfpr.edu.br Aula 7 11/2014 Variáveis Aleatórias Variáveis Aleatórias Probabilidade e Estatística 3/41 Variáveis Aleatórias Colete
Leia maisConceitos Básicos, Básicos,Básicos de Probabilidade
Conceitos Básicos, Básicos,Básicos de Probabilidade Espaço Amostral Base da Teoria de Probabilidades Experimentos são realizados resultados NÃO conhecidos previamente Experimento aleatório Exemplos: Determinar
Leia maisFACULDADE DE TECNOLOGIA DE GUARATINGUETÁ
FACULDADE DE TECNOLOGIA DE GUARATINGUETÁ ESTATÍSTICA II Nota de aula 1 Prof. MSc. Herivelto T Marcondes dos Santos Fevereiro /2009 1 Modelos de probabilidade 1.1 Variável aleatória Definição: Sejam ε um
Leia maisProbabilidade I. Departamento de Estatística. Universidade Federal da Paraíba. Prof. Tarciana Liberal (UFPB) Aula Distribuição Geométrica 08/14 1 / 13
Probabilidade I Departamento de Estatística Universidade Federal da Paraíba Prof. Tarciana Liberal (UFPB) Aula Distribuição Geométrica 08/14 1 / 13 Distribuição Geométrica Considere novamente uma sequência
Leia maisExercícios Funções Multivariadas, Exponencial e Outras
Turma 2017 Exercícios Funções Multivariadas, Exponencial e Outras Problema 1 (bivariada) Um bim de cinco transistores possui dois que são defeituosos. Os transistores são testados um a um, até que os defeituosos
Leia maisFundamentos de Estatística
Fundamentos de Estatística Clássica Workshop Análise de Incertezas e Validação Programa de Verão 2017 Marcio Borges 1 1LABORATÓRIO NACIONAL DE COMPUTAÇÃO CIENTÍFICA mrborges@lncc.br Petrópolis, 9 de Fevereiro
Leia mais