Exemplos. Experimento Aleatório. E 1 : Joga-se uma moeda quatro vezes e observa-se o número de caras;
|
|
- Linda Figueiroa Weber
- 7 Há anos
- Visualizações:
Transcrição
1 Prof. Lorí Viali, Dr. Eperimento Aleatório Eperiência para o qual o modelo probabilístico é adequado. Eemplos E : Joga-se uma moeda quatro vezes e observa-se o número de caras; E : Joga-se uma moeda quatro vezes e observa-se a seqüência de caras e coroas; E : Uma lâmpada nova é ligada e conta-se o tempo gasto até queimar; E 4 : Joga-se uma moeda até que uma cara seja obtida. Conta-se o número de lançamentos necessários; E 5 : Jogam-se dois dados e observase o par de valores obtido; E 6 : Jogam-se dois dados e observa-se a soma dos pontos obtido;
2 Espaço Amostra(l) Eemplos S {0,,,, 4} É o conjunto de todos os resultados possíveis de uma eperiência aleatória. S { cccc, ccck, cckc, ckcc, kccc, cckk, kkcc, ckkc, kcck, ckck, kckc, kkkc, kkck, kckk, ckkk, kkkk} S { t R / t 0} S 4 {,,,... } S 5 { (, ), (, ),(,), (, 4), (, 5), (, 6) (, ), (, ), (, ), (, 4), (, 5), (, 6) (, ), (, ), (, ), (, 4), (, 5), (, 6) (4, ), (4, ), (4, ), (4, 4), (4, 5), (4, 6) (5, ), (5, ), (5, ), (5, 4), (5, 5), (5, 6) (6, ), (6, ), (6, ), (6, 4), (6, 5), (6, 6) } S 6 {,, 4, 5, 6, 7, 8, 9, 0,, } Eventos Um evento é um subconjunto de um espaço amostra. Eemplo: Seja S {,,, 4, 5, 6 } o espaço amostra, obtido no lançamento de um dado. Então são eventos: A {,, 5} B { 6 } C { 4, 5, 6} D E S
3 Ocorrência de um Evento Seja E um eperimento com espaço amostra associado S. Diremos que o evento A ocorre se realizado E o resultado é um elemento de A. Combinação de Eventos Sejam A e B eventos de um espaço S. Diremos que ocorre o evento: A união B, A soma B ou A mais B, se e só se A ocorre ou B ocorre. A B Sejam A e B eventos de um espaço S. Diremos que ocorre o evento: A produto B, A vezes B ou A interseção B, se e só se A ocorre e B ocorre. A B Sejam A e B eventos de um espaço S. Diremos que ocorre o evento: A menos B, A diferença B, se e só se A ocorre e B não ocorre. A - B Eventos mutuamente ecludentes Sejam A e B eventos de um espaço S. Diremos que ocorre o evento: Complementar de A (não A) se e só se A não ocorre. Dois eventos A e B são mutuamente ecludentes se não puderem ocorrer juntos. A A C A
4 Conceitos de Probabilidade Clássico Clássico Freqüencial Número de casos favoráveis P(A) Número de casos possíveis Aiomático Eemplo: Solução: Qual a probabilidade de ganhar na Mega Sena com um cartão de seis dezenas? Casos favoráveis Casos possíveis: Freqüência Relativa P(Mega Sena) Número de favoráveis Número de possíveis ,00000% Número de vezes que A ocorre fr A Número de vezes que E é repetido 4
5 Eemplo: Um dado é lançado 0 vezes e apresenta FACE SEIS 8 vezes. Então, a freqüência relativa de FACE SEIS é: fr6 número de vezes que"f_seis" ocorre número de vezes que o dado é jogado 8 0 0,5 5% Conceito Freqüencial P(A) lim fr A n Conceito Aiomático P(A) é um número real que deve satisfazer as seguintes propriedades: () 0 P(A) () P(S) () P(AUB) P(A) + P(B) se A B Conseqüências dos Aiomas Probabilidade Condicionada () P( ) 0 () P( A) - P(A) () P(A - B) P(A) - P(A B) (4) P(AUB) P(A) + P(B) - P(A B) Motivação Considere uma urna com 50 fichas, onde 40 são pretas e 0 são brancas. 5
6 Suponha que desta urna são retiradas duas fichas, ao acaso e sem reposição: Sejam os eventos: A { a primeira ficha é branca} B { a segunda ficha é branca} Então: P(A) 0/50 0,0 0% P(B)?/49 Neste caso, não se pode avaliar P(B), pois para isto é necessário saber se A ocorreu ou não, isto é, se saiu ficha branca na primeira retirada. Nesse caso, pode-se calcular P(B/A), isto é, a probabilidade de B ocorrer dado que A ocorreu, ou a probabilidade de B condicionada a ocorrência de A. Essa probabilidade vale, então: P(B/A) 9/49, pois se A ocorreu então eistem 9 bolas brancas na urna, de um total de 49. Independência Dois eventos A e B são independentes se a probabilidade de um ocorrer não altera a probabilidade do outro ocorrer, isto é: Se: () P(A/B) P(A) ou () P(B/A) P(B) ou ainda () P(A B) P(A).P(B) 6
7 Variável Aleatória s KKK CKK KKC KCK CCK CKC KCC CCC S X 0 R X(s) X(S) Uma função X que associa a cada elemento de S (s S) um número real X(s) é denominada variável aleatória. Conjunto de Valores Tipos de Variável Aleatória O conjunto formado por todos os valores, isto é, a imagem da variável aleatória X, é denominado de conjunto de valores de X. X(S) { R/ X(s) } Conforme o conjunto de valores X(S) uma variável aleatória poderá ser discreta ou contínua. Variável Aleatória Discreta (VAD) Variável Aleatória Contínua (VAC) Se o conjunto de valores for finito ou então infinito enumerável (contável) a variável é dita discreta. Se o conjunto de valores for infinito não enumerável então a variável é dita contínua. 7
8 A função de Probabilidade (fp) A função de probabilidade (fp) de uma VAD é a função que associa a cada i X(S) o número f( i ) P(X i ) que satisfaz as seguintes propriedades: f( i ) 0, para todo i f( i ) A Distribuição de Probabilidade Eemplo: A coleção dos pares [ i, f( i )] para i,,,... é denominada de Suponha que uma moeda equilibrada é lançada três vezes. Seja distribuição de probabilidade VAD X. da X número de caras. Então a distribuição de probabilidade de X é: KKK CKK KKC KCK CCK CKC KCC CCC S X 0 R f f () /8 /8 /8 /8 [0;] Representação de uma Distribuição de Probabilidade Através de: uma tabela uma epressão analítica (fórmula) um diagrama 8
9 Tabela Epressão Analítica Seja X número de caras, obtidas no lançamento de 4 moedas honestas. Então a distribuição de X é a dada ao lado. 0 4 Σ f() /6 4/6 6/6 4/6 /6 Considere X soma do par, no lançamento de dois dados equilibrados, então: f : X(S) R ( - )/6 se 7 ( - +)/6 se > 7 Diagrama Caracterização de uma VAD 0,8 0,6 0,4 0, 0,0 0,08 0,06 0,04 0,0 0, (a) Epectância, valor esperado μ E(X) (b) Desvio padrão σ f ( ) ( μ).f ().P(X f ( ) μ ) Eemplo: Cálculos Calcular o valor esperado e a variabilidade da variável X número de caras no lançamento de quatro moedas honestas. 0 4 Σ f() /6 4/6 6/6 4/6 /6.f() 0 4/6 /6 /6 4/6 /6 f() 0 4/6 4/6 6/6 6/6 80/6 9
10 Resultados: (a) Epectância ou valor esperado μ E (X).f () caras 6 (b) Desvio padrão σ 80 f () μ Eperimento: Quando eistem apenas duas situações: A ocorre ou A não ocorre, pode-se determinar a probabilidade de A não ocorrer como sendo q p. A VAD definida por X número de vezes que A ocorreu nas n repetições de E é denominada BINOMIAL. Conjunto de Valores X(S) {0,,,,..., n} A Função de Probabilidade (fp) f () n P(X ) p q n A função de probabilidade 0,8 0,6 0,4 0, 0,0 0,08 0,06 0,04 0,0 0, Características: Epectância ou Valor Esperado n n E(X).f (). p q np Variância V(X) E(X n(n )p n p ) - E(X) + np (np) + np np( p) npq 0
11 Eemplo: Suponha que uma amostra de 0 pessoas é entrevistada (com reposição) para saber se comprariam um determinado produto que tem uma aceitação de 0%. Seja X o número de pessoas na amostra que compraria o produto. Determine a distribuição de X. Como se tratam de 0 pessoas a variável X é Binomial com p 0%, assim a distribuição é: 0 0 () P(X ) (0,).(0,9 para 0,,,...,0 f ) Seja X uma variável aleatória com conjunto de valores X(S). Se o conjunto de valores for infinito não enumerável então a variável é dita contínua. A função densidade de probabilidade É a função que associa a cada X(S) um número f() que deve satisfazer as seguintes propriedades: f() 0 f(). d A distribuição de probabilidade A coleção dos pares (, f()) é denominada de distribuição de probabilidade da VAC X.
12 Eemplo: Seja X uma VAC. Determine o valor de c para que f() seja uma função densidade de probabilidade (fdp). Para determinar o valor de c, devemos igualar a área total a um, isto é, devemos fazer: c. f() 0 se c.c. f()d - c. d - Tem-se: Graficamente: - c. d - c d,5 c - c - -,0 0,5 f() c c 0,0 -,5 -, -,0-0,8-0,5-0, 0,0 0, 0,5 0,8,0,,5 - X Cálculo da Probabilidade P ( a y < X < b ) b a f ( ) d P ( a < X < b ) Isto é, a probabilidade de que X a b f ( ) d assuma valores entre os números a e a b a < X < b b é a área sob o gráfico de f() entre os pontos a e b.
13 Observações: Se X é uma VAC, então: P ( X a ) a a f ( ) d P (a < X < b ) P (a X P (a < X b ) P (a 0 < b ) X b ) Eemplo: Seja X uma VAC. Determine a probabilidade de X assumir valores no intervalo [-0,5; 0,5]. f () 0 se c.c. A probabilidade solicitada é dada pela integral da função no intervalo, isto é: P ( 0,5 < 0,5-0,5 [(0,5) X < 0,5) d (-0,5) d ],50 % 0,5-0,5 0,5-05 Características: (a) Epectância, valor esperado μ E(X) (b) Desvio padrão σ f ()( μ) d.f () d f ()d μ Eemplo: A Epectância Determinar a epectância e o desvio padrão da variável X dada por: f () 0 se c. c. μ - E ( X ) f()d.d d
14 O Desvio Padrão σ E ( X ) E ( X ) E ( ). X d , d O desvio padrão de X será, então: σ E ( X ) E ( X ) 0,60 0 0,77 A Função de Distribuição (Acumulada) É a função F() definida por: F() P(X ) f(u)du A F() é a integral da f() até um ponto genérico. Eemplo: Considerando a função abaio como a fdp de uma VAC X, determinar F(). f () 0 se c.c. A F() é uma função definida em todo o intervalo real da seguinte forma: Vamos determinar o valor da integral em u : 0 F() u du se < - se se > F() u du u du u + ] [u 4
15 Assim a Função de Distribuição Acumulada (FDA) é: 0 se < - F() + se se > Gráfico: F() +,0 0,8 0,6 0,4 0, 0,0 -,5 -,0-0,5 0,0 0,5,0,5 Cálculo de Probabilidade com a FDA O uso da FDA é bastante prático no cálculo das probabilidades, pois não é necessário integrar, já que ela é uma função Integral. Usando a FDA, teremos sempre três casos possíveis: P(X ) F() P(X > ) F() P( < X< ) F( ) F( ) Normal (Gauss-Moivre-Laplace) t (Student) χ (Qui-quadrado) F (Snedecor - Fisher) 5
16 Uma variável aleatória X tem uma distribuição normal se sua fdp for do tipo: f () μ. σ.e, R π. σ com - < μ < e σ > 0 Gráficos: Cálculo da Probabilidade: 0,8 0,6 N(0; ) N(0; 0,5) N(0; ) N(; ) P(X ).e π. σ u μ. σ du? 0,4 0, 0, A normal não é integrável através do TFC (Teorema Fundamental do Cálculo), isto é, não eiste F() tal que F () f(). Solução: Utilizar integração numérica. Como não é possível fazer isto com todas as curvas, escolheu-se uma para ser tabelada (integrada numericamente). A Normal Padrão A curva escolhida é a N(0, ), isto é, com μ 0 e σ. Se X éuma N(μ, σ), então: Z X μ σ Será uma N(0; ). 6
17 A Distribuição N(0, ) A fdp da variável Z é dada por: ϕ(z).e π z., z R uma vez que μ 0 e σ. 0,4 0, 0, 0, 0,0-4,0 -,0 -,0 -,0 0,0,0,0,0 4,0 Tabelas ou Planilhas: O que é tabelado ou obtido na Planilha é a FDA da variável Z, isto é: P(Z z) z - z - ϕ(u)du u..e du Φ(z) F(z) π FDA da N(0; ) Φ(z),0 0,8 0,6 0,4 0, 0,0-4,0 -,0 -,0 -,0 0,0,0,0,0 4,0 z Utilização da Tabela (Planilha) Área à esquerda (abaio) de z P(Z z) Φ(z) Leitura direta Área à direita (acima) de z P(Z > z) -P(Z z) -Φ(z) Φ( z) Área entre dois valores de z P( < Z< z ) Φ( z ) ( z ) z Φ Planilha Ou um valor não padronizado. Nesse caso, a planilha padroniza o valor fornecido. É possível fornecer um valor padronizado z. 7
18 Eemplo: Uma VAC tem distribuição normal de média 50 e desvio padrão 8. Determinar: (a) P(X 40) (b) P(X > 65) (c) P(45 < X < 6) (a) P(X 40) X μ P(X 40) P( ) σ 8 P(Z,5) 0,56% Como a curva é simétrica, tem-se: (b) P(X > 65) Φ( z) Φ(z) X μ P(X > 65) P( > ) σ 8 P(Z >,88) P(Z <,88) Φ(,88) Φ(,88),0% (c) P(45 < X < 6) P(45 < X < 6) X μ 6 50 P( < < ) 8 σ 8 P( 0,6 < Z <,50) Φ(,50) Φ( 0,6) 9,% 6,76% 66,56% A função Inversa Uma VAC tem distribuição normal de média 50 e desvio padrão 8. Determinar: (a) P(X ) 5% (b) P(X > ) % Para resolver este tipo de eercício é preciso utilizar a função inversa, isto pode ser feito direto na Planilha. Só que agora devemos entrar com uma probabilidade para obter um valor de z ou. Lembrar que a planilha só fornece áreas (valores) à esquerda. Planilha Nesse caso, a planilha faz a mudança de z para, Acima fornece z, abaio. Nesse caso, é fornecido uma área, por eemplo, 99%. 8
19 Graficamente, tem-se: 0,05 0,04 0,0 0,0 5% 0,0 P(X ) 5% 0, Em (a) temos P(X ) 5%: X μ 50 P(X ) P( ) σ 8 P(Z z) Φ(z) 5% onde 50 z 8 Se Φ(z) 5%, então Φ z Φ [ Φ(z)] Φ (5%) (0,05) Função Inversa Obtendo na planilha, o valor (z) que corresponde a uma área à esquerda de 5% 0,05, tem-se: z -,645. Assim: 50 Como z, tem 8 50,645 z 8 50, ,84 se : Poderia ter sido utilizado a função INV.NORM(5%, 50; 8 ) que forneceria o valor de 6,84 diretamente. Em (b) temos P(X > ) %. Nesse caso, basta entrar com uma área de 99%, lembre-se, a planilha e a tabela, só fornecem a área à esquerda: 0,05 0,05 0,04 0,04 0,0 0,0 P(X > ) % 0,0 0,0 Entra com a área (branca) de 99%. 0, % 9
20 Uma variável aleatória X tem uma distribuição t ou de Student se sua fdp for do tipo: f ( ) υ + Γ + υ υ πυ. Γ para υ + R Gráficos: A função Γ é a uma generalização da função fatorial e poderá ser obtida com o recurso da planilha. No entanto, será necessário obter apenas valores da t e áreas que a planilha fornece sem a necessidade de utilizarmos essa fórmula. 0,40 0,0 0,0 0,0 fdp de t() t(5) t(5) 0, Caracterização: Epectância ou Valor esperado: μ E (X) Variância: Var(X) 0 υ υ- O valor υ é denominado de Grau de liberdade O que é tabelado é a função inversa (percentis), em relação a área à direita (unilateral) de cada curva (uma para cada linha), ou a soma das caudas (bilateral), isto é, a tabela retorna um valor t tal que P(Τ t) α (unilateral) ou P( T t) α (Bilateral). 0
21 As duas opções podem ser colocadas em uma mesma tabela. Podese ler uma área (α) de cima para baio e se ter um valor unilateral (P(T t) α) ou ler a área (α) de baio para cima e se ter um valor t tal que P(T t) α/. Na planilha, entrando com o valor, por eemplo, e um grau de liberdade (gl) de 0 obtém-se a área de 5,46%, soma das duas caudas. Se caudas for a resposta seria,7%. Na planilha, entrando com uma área de 5% e um gl de 0 a resposta é,04, isto é, P(-,04 < T <,04) 95%. Uma variável aleatória X tem uma distribuição Qui-Quadrado se sua fdp for do tipo: υ υ f ( ) 0 e υ Γ se se > 0 0 Epectância ou Valor esperado μ E(X) Variância σ υ Var(X) υ O valor υ é denominado de Grau de liberdade
22 χ () 0,60 χ () 0,40 χ () χ (5) 0,0 χ (5) 0,00 0,0,0,0,0 4,0 5,0 6,0 7,0 8,0 O que é tabelado é a função inversa, em relação a área à direita de cada curva (uma para cada linha), isto é, dado um valor de área na cauda direita (α), a tabela retorna um valor tal que P(χ ) α 0,995 0,990 0,975 0,950 0,900 0,000 0,000 0,00 0,004 0,06 0,00 0,00 0,05 0,0 0, 0,07 0,5 0,6 0,5 0, ,07 0,97 0,484 0,7, ,4 0,554 0,8,45,60 6 0,676 0,87,7,65,04 7 0,989 P[χ,9 () 0,],690 90%,67,8 8,44,647,80,7,490 9,75,088,700,5 4,68 0,56,558,47,940 4,865 Se formos calcular P[χ () > 4], teríamos com o uso da planilha: 4,55%. A função direta fornece a área à direita nesse caso, ao contrário, da normal que é à esquerda. Se fosse solicitado P[χ () > ] 5%, então, utilizando a função inversa, teríamos o valor de,84, isto é, P[χ () >,84] 5%.
23 Uma variável aleatória X tem uma distribuição F ou de Snedecor se sua fdp for do tipo: f () m n m m + n Γ m n m n Γ Γ 0 ( n + m) m+ n se > 0 se 0 Epectância ou Valor esperado m μ E(X) m Variância σ (m n - ) Var(X) m m(n- )(n- 4) + m é o grau de liberdade do numerador e n do denominador.,0 0,8 0,6 0,4 0, 0,0 F(, ) F(, 5) F(5, 0) F(0, 0) O que é tabelado é a percentil 95% ou 99% - área à direita de cada curva (uma para cada par de valores numerador, denominador) igual a 5% e %, isto é, tal que P[F(m, n) ] 5% ou P[F(m, n) ] % ,45 99,50 5,7 4,58 0,6,99 6,77 8,5 9,00 9,6 9,5 9,0 9, 9,5 0, 9,55 9,8 9, 9,0 8,94 8,89 P[F(5,7),97] 5% 4 7,7 6,94 6,59 6,9 6,6 6,6 6,09 5 6,6 5,79 5,4 5,9 5,05 4,95 4,88 6 5,99 5,4 4,76 4,5 4,9 4,8 4, 7 5,59 4,74 4,5 4,,97,87,79 8 5, 4,46 4,07,84,69,58,50 9 5, 4,6,86,6,48,7,9 0 4,96 4,0,7,48,,,4 4,84,98,59,6,0,09,0 4,75,89,49,6,,00, ,8 4999,4 540,5 564,6 576, ,95 598, 98,50 99,00 99,6 99,5 99,0 99, 99,6 4,P[F(5, 0,8 7) 9,467,46] 8,7 % 8,4 7,9 7,67 4,0 8,00 6,69 5,98 5,5 5, 4,98 5 6,6,7,06,9 0,97 0,67 0,46 6,75 0,9 9,78 9,5 8,75 8,47 8,6 7,5 9,55 8,45 7,85 7,46 7,9 6,99 8,6 8,65 7,59 7,0 6,6 6,7 6,8 9 0,56 8,0 6,99 6,4 6,06 5,80 5,6 0 0,04 7,56 6,55 5,99 5,64 5,9 5,0 9,65 7, 6, 5,67 5, 5,07 4,89 9, 6,9 5,95 5,4 5,06 4,8 4,64
24 Se formos calcular P[F(, ) > 4], teríamos com o uso da planilha: 8,5%. A função direta fornece, nesse caso, também a área à direita. Se fosse solicitado P[F(, ) > ] 8,5%, então, utilizando a função inversa, teríamos o valor de 4, isto é, P[F(, ) > 4] 8,5%. Pafnut(i/y) Lvovic(h) Tchebycheff (Tchebichev ou Chebyshev) (8 894) P( X - μ kσ) /k ou P( X - μ < kσ) - /k Esta desigualdade fornece a probabilidade de que os valores de uma VAD/VAC estejam em um intervalo simétrico em torno da média de amplitude igual a k desvios padrões. Assim se k, por eemplo, a desigualdade estabelece que o percentual de valores da variável aleatória que está compreendida no intervalo μ ± σ é de pelo menos - /4 75%. X - μ < σ - /4 75%. 4
Experiência para o qual o modelo probabilístico é adequado. Efeito. Causas. E 1 : Joga-se um dado e observase o número da face superior.
Determinístico Prof. Lorí Viali, Dr. viali@mat.ufrgs.br http://www. ufrgs.br/~viali/ Sistema Real Probabilístico Causas Efeito X Causas Efeito Eperiência para o qual o modelo probabilístico é adequado.
Leia maisEfeito. Causas. Determinístico. Sistema Real. Probabilístico. Experiência para o qual o. modelo probabilístico é adequado.
Sistema Real Determinístico Probabilístico Causas Efeito X Causas Efeito Eperiência para o qual o modelo probabilístico é adequado. ❶ Não é possível prever um resultado particular, mas pode-se enumerar
Leia maisÉ o conjunto de resultados de uma experiência aleatória. E 1 : Joga-se uma moeda quatro vezes e observa-se o número de caras e coroas;
Prof. Lorí Viali, Dr. viali@pucrs.br http://www.pucrs.br/famat/viali Eperiência na qual o resultado é incerto. E : Joga-se uma moeda quatro vezes e observa-se o número de caras e coroas; E : Joga-se uma
Leia maisProf. Lorí Viali, Dr.
Prof. Lorí Viali, Dr. viali@mat.ufrgs.br http://www.mat.ufrgs.br/~viali/ Tipos de Modelos Determinístico Sistema Real Probabilístico Modelo determinístico Causas Efeito Exemplos Gravitação F GM 1 M /r
Leia maisExperiência para o qual o modelo probabilístico é adequado. Efeito. Causas. Prof. Lorí Viali, Dr.
Prof. Lorí Viali, Dr. viali@pucrs.br http://www.pucrs.br/~viali Prof. Lorí Viali, Dr. viali@mat.ufrgs.br http://www.ufrgs.br/~viali/ Determinístico Sistema Real Causas Efeito Probabilístico X Causas Efeito
Leia maisTipos de Modelos. Exemplos. Efeito. Causas. Exemplos. Causas. Efeito. Modelo determinístico. Modelo probabilístico. Determinístico.
Tipos de Modelos Sistema Real Determinístico Probabilístico Modelo determinístico Exemplos Gravitação F GM M /r Causas Efeito Aceleração clássica v at Aceleração relativística v at + a t c Modelo probabilístico
Leia maisTipos de Modelos. Exemplos. Causas. Efeito. Exemplos. Causas. Efeito. Modelo determinístico. Modelo probabilístico. Determinístico.
5/9/07 Tipos de Modelos Sistema Real Determinístico Probabilístico Modelo determinístico Exemplos Gravitação F GM M /r Causas Efeito Aceleração clássica v at Aceleração relativística v at + a t c Modelo
Leia maisTipos de Modelos. Determinístico. Sistema Real. Probabilístico. Prof. Lorí Viali, Dr. FAculdade de Matemática - Departamento de Estatística - PUCRS
Tipos de Modelos Determinístico Sistema Real Probabilístico Modelo determinístico Causas Efeito Exemplos Gravitação F GM 1 M 2 /r 2 Aceleração clássica v at Aceleração relativística v 1 + at a 2 c t 2
Leia maisc.c. É a função que associa a cada x X(S) um número f(x) que deve satisfazer as seguintes propriedades:
Prof. Lorí Viali, Dr. viali@mat.ufrgs.br http://www.mat.ufrgs.br/~viali/ Seja X uma variável aleatória com conjunto de valores X(S). Se o conjunto de valores for infinito não enumerável então a variável
Leia maisUma variável aleatória X tem uma distribuição normal se sua fdp for do tipo:
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().e π. μ., R com - < μ < e > 0 0, 0,6 N(0; ) N(0;
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 maisEfeito. Causas. Determinístico. Sistema Real. Probabilístico. Gravitação F = GM 1 M 2 /r 2. Aceleração clássica. v = at. Aceleração relativística
Determinístico Sistema Real Prof. Lorí Viali, Dr. viali@mat.ufrgs.br http://www.mat.ufrgs.br/~viali/ Probabilístico Gravitação F GM 1 M 2 /r 2 Causas Efeito Aceleração clássica v at Aceleração relativística
Leia maisTipos de Modelo. Exemplos. Modelo determinístico. Causas. Efeito. Exemplos. Modelo probabilístico. Causas. Efeito. Determinístico.
Tipos de Modelo Sistema Real Determinístico Prof. Lorí Viali, Dr. viali@mat.ufrgs.br http://www.mat.ufrgs.br/~viali/ Probabilístico Modelo determinístico Exemplos Gravitação F GM 1 M 2 /r 2 Causas Efeito
Leia maisTipos de Modelos. Exemplos. Modelo determinístico. Exemplos. Modelo probabilístico. Causas Efeito. Determinístico. Sistema Real.
Tipos de Modelos Sistema Real Determinístico Prof. Lorí Viali, Dr. viali@mat.ufrgs.br http://www.mat.ufrgs.br/~viali/ Probabilístico Modelo determinístico Exemplos Gravitação F GM M /r Causas Efeito Aceleração
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 maisIntrodução à Bioestatística
Instituto Nacional de Cardiologia February 22, 2016 1 2 3 4 Existem dois tipos de variáveis aleatórias Variáveis aleatórias discretas Variáveis aleatórias contínuas discreta Assume um número nito ou innito
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 maisProf. Lorí Viali, Dr.
Prof. Lorí Viali, Dr. viali@mat.ufrgs.br http://www.mat.ufrgs.br/~viali/ Seja X uma variável aleatória com conjunto de valores X(S). Se o conjunto de valores for infinito não enumerável então a variável
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 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 maisGeração de Variáveis Aleatórias Contínuas. Mat02274 Estatística Computacional. A Normal. A Normal. Normal Log-Normal Gama Erlang Beta.
Estatística Computacional Geração de Variáveis Aleatórias Contínuas 6 Prof. Lorí Viali, Dr. viali@mat.ufrgs.br http://www.mat.ufrgs.br/~viali/ Normal Log-Normal Gama Erlang Beta Weibull Student (t) Qui-Quadrado
Leia maisSolução: A distribuição normal. Representação gráfica. Cálculo de probabilidades. A normal padrão. σ Será uma N(0; 1).
A distribuição normal Uma variável aleatória X tem uma distribuição normal se sua fdp for do tipo: f (x) =.e π. σ x µ. σ, x R Prof. Lorí Viali, Dr. viali@mat.ufrgs.br http://www.mat.ufrgs.br/~viali/ com
Leia maisTexto SII: ELEMENTOS DE PROBABILIDADE
SUMÁRIO 1. INTRODUÇÃO... 2 1.1. MODELOS... 2 1.2. EXPERIMENTO ALEATÓRIO (NÃO-DETERMINÍSTICO)... 2 1.3. O ESPAÇO AMOSTRAL... 3 1.4. EVENTOS... 4 1.5. COMBINAÇÃO DE EVENTOS... 4 1.6. EVENTOS MUTUAMENTE EXCLUDENTES...
Leia maisEstatística I Aula 6. Prof.: Patricia Maria Bortolon, D. Sc.
statística I Aula 6 Prof.: Patricia Maria Bortolon, D. Sc. VARIÁVIS ALATÓRIAS Variáveis Aleatórias xaminemos as seguintes situações: Um estudante que fez um teste do tipo verdadeiro ou falso está interessado
Leia maisSÉRIE: Probabilidade Texto 1: PROBABILIDADE UNIVARIADA 1. INTRODUÇÃO CONCEITOS DE PROBABILIDADE VARIÁVEIS ALEATÓRIAS...
SUMÁRIO 1. INTRODUÇÃO...3 1.1. MODELOS...3 1.1.1. Modelo determínistico...3 1.1.2. Modelo não-determinístico ou probabilístico...3 1.2. EXPERIMENTO ALEATÓRIO (NÃO-DETERMINÍSTICO)...4 1.2.1. Características
Leia maisUFRGS - UNIVERSIDADE FEDERAL DO RIO GRANDE DO SUL INSTITUTO DE MATEMÁTICA - DEPARTAMENTO DE ESTATÍSTICA
UFRGS - UNIVERSIDADE FEDERAL DO RIO GRANDE DO SUL INSTITUTO DE MATEMÁTICA - DEPARTAMENTO DE ESTATÍSTICA SUMÁRIO 1. COMBINATÓRIA... 3 1.1. CONJUNTOS... 3 1.2. OPERAÇÕES COM CONJUNTOS... 3 1.3. APLICAÇÕES
Leia maisSÉRIE: Probabilidade Univariada Parte 2: Variáveis Contínuas 2. PROPRIEDADES DA MÉDIA E DA VARIÂNCIA DE VARIÁVEIS ALEATÓRIAS EXERCÍCIOS...
SUMÁRIO 1. VARIÁVEIS ALEATÓRIAS CONTÍNUAS... 1.1. CÁLCULO DE PROBABILIDADE COM UMA VAC... 1.. A FUNÇÃO DE DISTRIBUIÇÃO ACUMULADA...3 1.3. VARIÁVEL ALEATÓRIA CONTÍNUA (CARACTERIZAÇÃO)...4 1.3.1. Expectância,
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 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 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 maisVariáveis Aleatórias. Probabilidade e Estatística. Prof. Dr. Narciso Gonçalves da Silva
Probabilidade e Estatística Prof. Dr. Narciso Gonçalves da Silva http://paginapessoal.utfpr.edu.br/ngsilva Variáveis Aleatórias Variável Aleatória Variável aleatória (VA) é uma função que associa a cada
Leia maisVARIÁVEIS ALEATÓRIAS E DISTRIBUIÇÕES DE PROBABILIDADE
VARIÁVEIS ALEATÓRIAS E DISTRIBUIÇÕES DE PROBABILIDADE.1 INTRODUÇÃO Admita que, de um lote de 10 peças, 3 das quais são defeituosas, peças são etraídas ao acaso, juntas (ou uma a uma, sem reposição). Estamos
Leia maisUniversidade Federal de Goiás Instituto de Matemática e Estatística
Universidade Federal de Goiás Instituto de Matemática e Estatística Prova de Probabilidade Prof.: Fabiano F. T. dos Santos Goiânia, 9 de setembro de 04 Aluno: Nota: Descreva seu raciocínio e desenvolva
Leia maisPRO 2271 ESTATÍSTICA I. 3. Distribuições de Probabilidades
PRO71 ESTATÍSTICA 3.1 PRO 71 ESTATÍSTICA I 3. Distribuições de Probabilidades Variáveis Aleatórias Variáveis Aleatórias são valores numéricos que são atribuídos aos resultados de um eperimento aleatório.
Leia maisExperimento aleatório: Lançamento de uma moeda honesta três vezes e observação das faces que ocorrem. c k c k c
7// UNIDADE III - Elementos de probabilidades.. Probabilidade no espaço básico...introdução...onceitos fundamentais...onceitos de probabilidade...teoremas para o cálculo de probabilidades...probabilidade
Leia maisTexto SII: ELEMENTOS DE PROBABILIDADE 3.1. INTRODUÇÃO...9
SUMÁRIO 1. INTRODUÇÃO...2 1.1. MODELOS...2 1.2. EXPERIMENTO ALEATÓRIO (NÃO-DETERMINÍSTICO)...2 1.3. O ESPAÇO AMOSTRAL...3 1.4. EVENTOS...4 1.5. COMBINAÇÃO DE EVENTOS...4 1.6. EVENTOS MUTUAMENTE EXCLUDENTES...5
Leia maisTeoria da Probabilidade
Teoria da Probabilidade Luis Henrique Assumpção Lolis 14 de fevereiro de 2014 Luis Henrique Assumpção Lolis Teoria da Probabilidade 1 Conteúdo 1 O Experimento Aleatório 2 Espaço de amostras 3 Álgebra dos
Leia mais3. VARIÁVEIS ALEATÓRIAS
3. VARIÁVEIS ALEATÓRIAS 011 Variável aleatória é o espaço amostral de um eperimento aleatório. Uma variável aleatória,, é uma função que atribui um número real a cada resultado em. Eemplo. Retira-, ao
Leia maisGeração de Variáveis Aleatórias Contínuas. Mat02274 Estatística Computacional. A função densidade de probabilidade. Exemplo
Estatística Computacional Geração de Variáveis Aleatórias Contínuas 06 Prof. Lorí Viali, Dr. viali@mat.ufrgs.br http://www.mat.ufrgs.br/~viali/ A função densidade de probabilidade Seja X uma variável aleatória
Leia maisDepartamento de Matemática Escola Superior de Tecnologia de Viseu
Distribuições contínuas Departamento de Matemática Escola Superior de Tecnologia de Viseu Distribuição Normal Diz-se que uma variável aleatória X tem distribuição normal, se a sua função densidade de probabilidade
Leia maisMOQ-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 maisTiago Viana Flor de Santana
ESTATÍSTICA BÁSICA DISTRIBUIÇÃO NORMAL DE PROBABILIDADE (MODELO NORMAL) Tiago Viana Flor de Santana www.uel.br/pessoal/tiagodesantana/ tiagodesantana@uel.br sala 07 Curso: MATEMÁTICA Universidade Estadual
Leia maisVariáveis Aleatórias - VA
Variáveis Aleatórias - VA cc ck kc kk 0 1 2 1/4 1/2 Prof. Adriano Mendonça Souza, Dr. Departamento de Estatística - PPGEMQ / PPGEP - UFSM - Introdução Se entende por VA ou V. indicadoras uma lista de valores
Leia maisProf.: Joni Fusinato
Variável Aleatória Prof.: Joni Fusinato joni.fusinato@ifsc.edu.br jfusinato@gmail.com Variável Aleatória Uma variável aleatória X representa um valor numérico associado a cada resultado de um experimento
Leia maisVariáveis aleatórias. Universidade Estadual de Santa Cruz. Ivan Bezerra Allaman
Variáveis aleatórias Universidade Estadual de Santa Cruz Ivan Bezerra Allaman DEFINIÇÃO É uma função que associa cada evento do espaço amostral a um número real. 3/37 Aplicação 1. Seja E um experimento
Leia maisDistribuições derivadas da distribuição Normal. Distribuição Normal., x real.
Distribuições derivadas da distribuição Normal Distribuição Normal Uma variável aleatória X tem distribuição normal com parâmetros µ e σ, quando sua densidade de probabilidade é f ( x) π σ e ( x µ ) σ,
Leia maisUnidade I ESTATÍSTICA APLICADA. Prof. Mauricio Fanno
Unidade I ESTATÍSTICA APLICADA Prof. Mauricio Fanno Estatística indutiva Estatística descritiva Dados no passado ou no presente e em pequena quantidade, portanto, reais e coletáveis. Campo de trabalho:
Leia maisESTATÍSTICA. aula 3. Insper Ibmec São Paulo. Prof. Dr. Marco Antonio Leonel Caetano
ESTATÍSTICA aula 3 Prof. Dr. Marco Antonio Leonel Caetano Insper Ibmec São Paulo Espaço Amostral Espaço amostral é o conjunto de todos os resultados possíveis de um experimento aleatório. Experimento aleatório
Leia maisProbabilidade II. Departamento de Estatística. Universidade Federal da Paraíba
Probabilidade II Departamento de Estatística Universidade Federal da Paraíba Prof. Tarciana Liberal (UFPB) Aula 02/14 1 / 1 A distribuição F de Snedecor também conhecida como distribuição de Fisher é frequêntemente
Leia maisMAT 461 Tópicos de Matemática II Aula 8: Resumo de Probabilidade
MAT 461 Tópicos de Matemática II Aula 8: Resumo de Probabilidade Edson de Faria Departamento de Matemática IME-USP 28 de Agosto, 2013 Probabilidade: uma Introdução / Aula 8 1 Desigualdades de Markov e
Leia maisDistribuição Normal. Diz-se que uma variável aleatória X tem distribuição normal, se a sua função densidade de probabilidade for dada por:
Distribuições contínuas Departamento de Matemática Escola Superior de Tecnologia de Viseu Distribuição Normal Diz-se que uma variável aleatória X tem distribuição normal, se a sua função densidade de probabilidade
Leia maisModelos Probabilísticos Teóricos Discretos e Contínuos. Bernoulli, Binomial, Poisson, Uniforme, Exponencial, Normal
Modelos Probabilísticos Teóricos Discretos e Contínuos Bernoulli, Binomial, Poisson, Uniforme, Exponencial, Normal Distribuição de Probabilidades A distribuição de probabilidades de uma variável aleatória:
Leia maisPEDRO A. BARBETTA Estatística Aplicada às Ciências Sociais 6ed. Editora da UFSC, 2006.
Como usar modelos de probabilidade para entender melhor os fenômenos aleatórios Capítulos 7 e 8. Estatística Aplicada às Ciências Sociais Sexta Edição Pedro Alberto Barbetta Florianópolis: Editora da UFSC,
Leia maisLEEC Probabilidades e Estatística 1 a Chamada 13/06/2005. Parte Prática C (C) M 1% 9% 10% (M) 4% 86% 90% 5% 95% 100%
. Definição dos acontecimentos: M T-shirt tem manchas C T-shirt tem costuras defeituosas D T-shirt é defeituosa A Preço da t-shirt é alterado a) PM) = % PC) = 5% PM C) = % LEEC Probabilidades e Estatística
Leia maisEstatística Aplicada II. } Revisão: Probabilidade } Propriedades da Média Amostral
Estatística Aplicada II } Revisão: Probabilidade } Propriedades da Média Amostral 1 Aula de hoje } Tópicos } Revisão: } Distribuição de probabilidade } Variáveis aleatórias } Distribuição normal } Propriedades
Leia 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 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 Variáveis Aleatórias Ao descrever um espaço
Leia maisTEORIA DAS PROBABILIDADES
TEORIA DAS PROBABILIDADES 1.1 Introdução Ao estudarmos um fenômeno coletivo, verificamos a necessidade de descrever o próprio fenômeno e o modelo matemático associado ao mesmo, que permita explicá-lo da
Leia maisALGUMAS DISTRIBUIÇÕES CONTÍNUAS DE PROBABILIDADE
ALGUMAS DISTRIBUIÇÕES CONTÍNUAS DE PROBABILIDADE 4. 1 INTRODUÇÃO Serão apresentadas aqui algumas distribuições de probabilidade associadas a v.a. s contínuas. A mais importante delas é a distribuição Normal
Leia maisProbabilidade e Modelos Probabilísticos
Probabilidade e Modelos Probabilísticos 1ª Parte: Conceitos básicos, variáveis aleatórias, modelos probabilísticos para variáveis aleatórias discretas, modelo binomial, modelo de Poisson 1 Probabilidade
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 maisModelos de Distribuições
7/5/017 Universidade Federal do Pará Instituto de Tecnologia Estatística Aplicada I Prof. Dr. Jorge Teófilo de Barros Lopes Campus de Belém Curso de Engenharia Mecânica 05/07/017 19: ESTATÍSTICA APLICADA
Leia maisAULA 08 Probabilidade
Cursinho Pré-Vestibular da UFSCar São Carlos Matemática Professora Elvira e Monitores Ana Carolina e Bruno AULA 08 Conceitos e assuntos envolvidos: Espaço amostral Evento Combinação de eventos Espaço Amostral
Leia maisEscola Superior de Agricultura "Luiz de Queiroz", Departamento de Ciências Exatas. Probabilidades. Cristian Villegas
Probabilidades Cristian Villegas clobos@usp.br Setembro de 2013 Apostila de Estatística (Cristian Villegas) 1 Introdução Escola Superior de Agricultura "Luiz de Queiroz", Departamento de Ciências Exatas
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 maisIntrodução à probabilidade e à estatística II. Prof. Alexandre G Patriota Sala: 298A Site:
Introdução à probabilidade e à estatística II Revisão Prof. Alexandre G Patriota Sala: 298A Email: patriota@ime.usp.br Site: www.ime.usp.br/ patriota Estatística Estatística: É uma ciência que se dedica
Leia maisDistribuições de probabilidade de variáveis aleatórias contínuas
Distribuições de probabilidade de variáveis aleatórias contínuas Universidade Estadual de Santa Cruz Ivan Bezerra Allaman Distribuição Exponencial Introdução É utilizada frequentemente como modelo para
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 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 maisTEORIA DA PROBABILIDADE
TEORIA DA PROBABILIDADE Lucas Santana da Cunha lscunha@uel.br http://www.uel.br/pessoal/lscunha/ Universidade Estadual de Londrina 22 de maio de 2017 Introdução Conceitos probabiĺısticos são necessários
Leia maisEstatística Empresarial. Fundamentos de Probabilidade
Fundamentos de Probabilidade A probabilidade de chuva é de 90% A probabilidade de eu sair é de 5% Conceitos Básicos Conceitos Básicos 1. Experiência Aleatória (E) Processo de obtenção de uma observação
Leia maisBioestatística e Computação I
Bioestatística e Computação I Distribuições Teóricas de Probabilidade Maria Virginia P Dutra Eloane G Ramos Vania Matos Fonseca Pós Graduação em Saúde da Mulher e da Criança IFF FIOCRUZ Baseado nas aulas
Leia maisVariáveis Aleatórias
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 maisEstatística. Probabilidade. Conteúdo. Objetivos. Definições. Probabilidade: regras e aplicações. Distribuição Discreta e Distribuição Normal.
Estatística Probabilidade Profa. Ivonete Melo de Carvalho Conteúdo Definições. Probabilidade: regras e aplicações. Distribuição Discreta e Distribuição Normal. Objetivos Utilizar a probabilidade como estimador
Leia maisESTATÍSTICA TÓPICO 7 VARIÁVEL ALEATÓRIA DISCRETA / DISTRIBUIÇÃO BINOMIAL / DISTRIBUIÇÃO NORMAL
ESTATÍSTICA TÓPICO 7 VARIÁVEL ALEATÓRIA DISCRETA / DISTRIBUIÇÃO BINOMIAL / DISTRIBUIÇÃO NORMAL VARIÁVEIS ALEATÓRIAS Como já vimos no estudo das probabilidades, o conjunto de todos os possíveis resultados
Leia maisProbabilidade. Probabilidade e Estatística. Prof. Dr. Narciso Gonçalves da Silva
Probabilidade e Estatística Prof. Dr. Narciso Gonçalves da Silva http://paginapessoal.utfpr.edu.br/ngsilva Probabilidade Probabilidade Experimento Aleatório Um experimento é dito aleatório quando satisfaz
Leia maisAula de hoje. administração. São Paulo: Ática, 2007, Cap. 3. ! Tópicos. ! Referências. ! Distribuição de probabilidades! Variáveis aleatórias
Aula de hoje! Tópicos! Distribuição de probabilidades! Variáveis aleatórias! Variáveis discretas! Variáveis contínuas! Distribuição binomial! Distribuição normal! Referências! Barrow, M. Estatística para
Leia maisProbabilidade. Ricardo Ehlers Departamento de Matemática Aplicada e Estatística Universidade de São Paulo
Probabilidade Ricardo Ehlers ehlers@icmc.usp.br Departamento de Matemática Aplicada e Estatística Universidade de São Paulo Experimento aleatório Definição. Qualquer experimento cujo resultado não pode
Leia maisEstatísticas Inferenciais Distribuições Amostrais. Estatística
Estatística Na descrição dos conjuntos de dados x 1,..., x n, não foi feita menção ao conceito de população. Estatísticas inferenciais: preocupadas com a fonte dos dados e em tentar fazer generalizações
Leia mais5. PRINCIPAIS MODELOS CONTÍNUOS
5. PRINCIPAIS MODELOS CONTÍNUOS 04 5.. Modelo uniforme Uma v.a. contínua X tem distribuição uniforme com parâmetros α e β (α β) se sua função densidade de probabilidade é dada por f ( ) β α 0, Notação:
Leia maisLucas Santana da Cunha 12 de julho de 2017
DISTRIBUIÇÃO NORMAL Lucas Santana da Cunha http://www.uel.br/pessoal/lscunha/ Universidade Estadual de Londrina 12 de julho de 2017 Distribuição Normal Dentre todas as distribuições de probabilidades,
Leia 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 mais5. PRINCIPAIS MODELOS CONTÍNUOS
5. RINCIAIS MODELOS CONTÍNUOS 04 5.. Modelo uniforme Uma v.a. contínua tem distribuição uniforme com parâmetros α e β α β se sua função densidade de probabilidade é dada por f, β α 0, Notação: ~ Uα, β.
Leia maisLucas Santana da Cunha de junho de 2018 Londrina
Distribuição Normal Lucas Santana da Cunha email: lscunha@uel.br http://www.uel.br/pessoal/lscunha/ 25 de junho de 2018 Londrina 1 / 17 Distribuição Normal Dentre todas as distribuições de probabilidades,
Leia maisPROBABILIDADE. ENEM 2016 Prof. Marcela Naves
PROBABILIDADE ENEM 2016 Prof. Marcela Naves PROBABILIDADE NO ENEM As questões de probabilidade no Enem podem cobrar conceitos relacionados com probabilidade condicional e probabilidade de eventos simultâneos.
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 maisAula 10 Variáveis aleatórias discretas
AULA 0 Aula 0 Variáveis aleatórias discretas Nesta aula você aprenderá um conceito muito importante da teoria de probabilidade: o conceito de variável aleatória. Você verá que as variáveis aleatórias e
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 maisI NTRODUÇÃO. SÉRIE: Probabilidade
SUMÁRIO 1. COMBINATÓRIA... 5 1.1. CONJUNTOS... 5 1.2. OPERAÇÕES COM CONJUNTOS... 5 1.3. APLICAÇÕES DOS DIAGRAMAS DE VENN... 6 1.4. FATORIAL... 6 1.5. PRINCÍPIO FUNDAMENTAL DA CONTAGEM (PRINCÍPIO MULTIPLICATIVO)...
Leia maisCap. 8 Distribuições contínuas e modelo normal
Estatística Aplicada às Ciências Sociais Seta Edição Pedro Alberto Barbetta Florianópolis: Editora da UFSC, 2006 Cap. 8 Distribuições contínuas e modelo normal Variável aleatória discreta variável aleatória
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. Aula : Probabilidade. Prof. Ademar
Estatística Aula : Probabilidade Prof. Ademar TEORIA DAS PROBABILIDADES A teoria das probabilidades busca estimar as chances de ocorrer um determinado acontecimento. É um ramo da matemática que cria, elabora
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 maisMAT 461 Tópicos de Matemática II Aula 5: Resumo de Probabilidade
MAT 461 Tópicos de Matemática II Aula 5: Resumo de Probabilidade Edson de Faria Departamento de Matemática IME-USP 26 de Agosto, 2013 Probabilidade: uma Introdução / Aula 5 1 Variáveis aleatórias Definição
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 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 mais