Análise de Dados e Simulação
|
|
- Raphaella Coelho de Sousa
- 6 Há anos
- Visualizações:
Transcrição
1 Universidade de São Paulo Instituto de Matemática e Estatística mbranco Simulação de Variáveis Aleatórias Contínuas.
2 O método da Transformada Inversa Teorema Seja U U (0,1). Para qualquer função de distribuição acumulada F contínua, a v.a. X definida por tem distribuição F. Prova: (em aula). X = F 1 (U) Exemplo 1: F(x) = x a, 0 < x < 1, com a um número natural. Então tem distribuição F. X = F 1 (U) = U 1/a
3 O método da Transformada Inversa Exemplo 2: Distribuição exponencial X Exp(λ) Sua f.d.p. é dada por Sua f.d.acumulada é f(x) = λe λx, x > 0, λ > 0. Portanto, x F(x) = λe λt dt = 1 e λx. 0 com U U (0,1). X = ln(1 U) λ = lnu λ
4 O método da Transformada Inversa Exemplo 3: Simular da Poisson a partir da Exponencial N(t) número de eventos até o instante t. X i tempo entre os eventos (i 1) e i. Se N(t) é Poisson então X 1, X 2,... são ind. Exponenciais. Faça t = 1 e N(1) = max{n : n X i 1}. i=1 Usando o exemplo anterior temos que N(1) = max{n : n ln(u i ) λ} i=1 N(1) = max{n : U 1 U 2 U n e λ }
5 O método da Transformada Inversa Exemplo 4: Distribuição Gama X Gama(n, λ). Sua f.d.p. é λ n Γ(n) xn 1 e λx. A f.d.a. da Gama não pode ser obtida analiticamente. Se n é um número natural temos que X pode ser escrita como uma soma de exponencias. Então, X = n 1 λ ln(u i) = 1 λ ln(u 1..., U n ). i=1
6 O método da Rejeição/aceitação Sejam f(x) uma f.d.p. de interesse e g(x) uma f.d.p. proposta. Considere que exista uma constante C tal que O algoritmo consiste em: f(x) g(x) C, x. (i) Simular x da densidade g(x). (ii) Simular um número aleatório u. (iii) Se u f(x) Cg(x) então faça x = x. Caso contrário, volte a (i).
7 O método da Rejeição/aceitação Observações: A probabilidade de aceitação de um particular valor x de X é f(x) Cg(x). É importante garantir a existência da constante C. Pode não existir e então o método não deverá ser aplicado. Os valores simulados usando o algoritmo formam uma amostra da distribuição de X (provar!). O número de iterações necessárias para a simulação de uma unidade amostral é uma v.a. com distribuição geométrica com média C (provar!). 1 C é denominada probabilidade de aceitação do algoritmo (média ).
8 O método da Rejeição/aceitação Exemplo 5: Distribuição Gama com parâmetro não natural X Gama(3/2, 1). Sua f.d.p. é f(x) = 2 π x 3/2 1 e x, x > 0. Vamos considerar com proposta uma Exp( 2 3 ) com Note que g(x) = 2 3 e 2x 3, x > 0. f(x) g(x) = 3 π x 1/2 e x/3. Existe C? Maximizando a razão acima obtemos C =
9 O método da Rejeição/aceitação No exemplo 5, a probabilidade de aceitação é e o algorítmo consiste em (i) Simular dois números aleatórios u 1 e u 2. (ii) Faça x = 3 2 ln(u 1) e α = f(x ) g(x ) (iii) Se u 2 < α faça x = x e pare. Caso contrário, volte a (i). O número médio de iterações necessarias para obtenção de um valor de X é
10 O método da Rejeição/aceitação Exemplo 6: Simulando da Normal via algoritmo de rejeição. Considere Z N(0, 1) com f.d.p. Se X = Z (modulo) então f(z) = 1 2π e x2 /2 f(x) = 2 2π e x2 /2, x > 0. Essa distribuição é denominada normal positiva ou half-normal. Se soubermos simular de X usamos o esquema abaixo para obter amostras de Z Z = X com probabilidade 1/2 Z = X com probabilidade 1/2
11 O método da Rejeição/aceitação Usamos o algoritmo de rejeição para simular de X com proposta Exponencial com média 1, então e g(x) = e x f(x) 2 g(x) = /2 π ex x2. O ponto de máximo é obtido quando x = 1 e C = f(1) 2e g(1) = π = 1.31.
12 O método da Rejeição/aceitação Algoritmo (i) Simule u 1 e u 2 da U (0,1) (ii) Calcule x = lnu 1. Se u 2 > e 1 2 (x 1) 2 volte para (i). Caso contrário, faça x = x e siga. (iii) Simule u 3 da U (0,1). Se u 3 < 1/2 faça z = x. Caso contrário, faça z = x. A probabilidade de aceitação do algoritmo é 0.76 e o número esperado de iterações é 1.31.
13 O método de Box-Muller para simular da Normal O método usa a idéia de transformação de variáveis bidimensional. Considere duas v.a. X e Y com distribuição normal padrão N(0, 1) e a seguinte transformação de variáveis: ( ) Y D = X 2 + Y 2 e θ = arctg. X Usando o método Jacobiano obtemos a f.d.p. de (D, θ) f(d, θ) = 1 2 e d/2 1 2π I (0,2π)(θ) d > 0, em que I A representa a função indicadora. Portanto, θ tem distribuição Uniforme em (0, 2π) e D tem distribuição exponencial com λ = 1/2.
14 O método de Box-Muller para simular da Normal Lembrando que D = 2lnU 1 e θ = 2πU 2 com U 1 e U 2 v.a. Uniformes no (0, 1). O algoritmo consiste em (i) Simular u 1, u 2 números aleatórios independentes. (ii) Calcular x = 2lnu 1 Cos(2πu 2 ) e y = 2lnu 1 Sen(2πu 2 ) Se desejamos simular de uma normal qualquer com média µ e variância σ 2 basta considerar a transformação W = µ + σx.
15 O método da Composição 1. Mistura Finita Suponha que seja possível decompor uma f.d.a. como uma mistura finita de outras f.d.a com n p i = 1. i=1 F(x) = n p i F i (x) Podemos então considerar o seguinte esquema de simulação: i=1 (i) Ordenar os p i s tal que p (1) p (2) p (n). (ii) Simular um número aleatório u. Se u < p (1) simula X de F 1 e para. Caso contrário, se p (1) + + p (j 1) u < p (1) + + p (j) simula X de F j e para.
16 O método da Composição 2. Mistura Infinita F(x) = F X Y =y (x y)f Y (y)dy Com f Y a f.d.p. de uma v.a. Y e F X Y =y a f.d.a. condicional da v.a. X dado Y = y O algoritmo consiste em simular y de Y e depois simular x de X Y = y. A relação acima pode ser escrita em função das funções densidades. f(x) = f X Y =y (x y)f Y (y)dy.
Ricardo Ehlers Departamento de Matemática Aplicada e Estatística Universidade de São Paulo
Geração de Números Aleatórios Ricardo Ehlers ehlers@icmc.usp.br Departamento de Matemática Aplicada e Estatística Universidade de São Paulo 1 / 61 Simulando de Distribuições Discretas Assume-se que um
Leia maisAnálise de Dados e Simulação
Universidade de São Paulo Instituto de Matemática e Estatística http:www.ime.usp.br/ mbranco Processo de Poisson. Processo de Poisson Homogêneo Considere N(t) o número de ocorrências de um determinado
Leia maisFunções 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 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 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 maisNoções de Simulação. Ciências Contábeis - FEA - Noturno. 2 o Semestre MAE0219 (IME-USP) Noções de Simulação 2 o Semestre / 23
Noções de Simulação Ciências Contábeis - FEA - Noturno 2 o Semestre 2013 MAE0219 (IME-USP) Noções de Simulação 2 o Semestre 2013 1 / 23 Objetivos da Aula Sumário 1 Objetivos da Aula 2 Motivação 3 Geração
Leia mais1) Deseja-se usar o algoritmo de rejeição para simular de uma v.a. normal positiva, cuja densidade é dada por. 2 x > 0.
MAE0399 - Análise de Dados e Simulação - o semestre de 208 - IME - USP 2 a Lista de Exercícios ) Deseja-se usar o algoritmo de rejeição para simular de uma v.a. normal positiva, cuja densidade é dada por
Leia maisTeorema do Limite Central
Teorema do Limite Central Bacharelado em Economia - FEA - Noturno 1 o Semestre 2014 MAE0219 (IME-USP) Teorema do Limite Central 1 o Semestre 2014 1 / 47 Objetivos da Aula Sumário 1 Objetivos da Aula 2
Leia maisVariáveis Aleatórias Contínuas
Variáveis Aleatórias Contínuas Bacharelado em Administração - FEA - Noturno 2 o Semestre 2017 MAE0219 (IME-USP) Variáveis Aleatórias Contínuas 2 o Semestre 2017 1 / 35 Objetivos da Aula Sumário 1 Objetivos
Leia 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 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 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 maisModelagem e Análise de Sistemas de Computação Aula 19
Modelagem e Análise de Sistemas de Computação Aula 19 Aula passada Intro a simulação Gerando números pseudo-aleatórios Aula de hoje Lei dos grandes números Calculando integrais Gerando outras distribuições
Leia maisSimulação com Modelos Teóricos de Probabilidade
Simulação com Modelos Teóricos de Probabilidade p. 1/21 Algumas distribuições teóricas apresentam certas características que permitem uma descrição correta de variáveis muito comuns em processos de simulação.
Leia maisESTATÍSTICA COMPUTACIONAL
ESTATÍSTICA COMPUTACIONAL Ralph dos Santos Silva Departamento de Métodos Estatísticos Instituto de Matemática Universidade Federal do Rio de Janeiro Sumário Simulação O que é simulação? Reprodução de um
Leia maisrio de Guerra Eletrônica EENEM 2008 Estatística stica e Probabilidade Aleatórias nuas
ITA - Laboratório rio de Guerra Eletrônica EENEM 2008 Estatística stica e Probabilidade Aula 04: Variáveis Aleatórias Contínuas nuas Função densidade de probabilidade contínua nua f(x) a b f(x) 0 para
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 maisEstatística 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 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 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 maisUm modelo estocástico para o fluxo de caixa de um plano de previdência de um indivíduo 15
2 Simulação estocástica A simulação computacional consiste em empregar técnicas matemáticas em computadores com o propósito de gerar ensaios que tentam reproduzir de maneira análoga um processo ou operação
Leia maisMais sobre Modelos Continuos
Mais sobre Modelos Continuos Ricardo Ehlers ehlers@icmc.usp.br Departamento de Matemática Aplicada e Estatística Universidade de São Paulo 1 / 41 Transformação Linear da Uniforme Seja X uma variável aleatória
Leia mais3. Considere uma amostra aleatória de tamanho 7 de uma normal com média 18. Sejam X e S 2, a média e a variância amostral, respectivamente.
1 Universidade de São Paulo Escola Superior de Agricultura Luiz de Queiroz Departamento de Ciências Exatas Professores: Clarice Demétrio, Roseli Leandro e Mauricio Mota Lista 3- Distribuições Amostrais-
Leia maisEstatística 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 maisInversão. Introdução à Simulação Estocás5ca usando R INF2035 PUC- Rio, Hélio Lopes Departamento de InformáAca PUC- Rio 4/25/13
Introdução à Simulação Estocás5ca usando R INF2035 PUC- Rio, 2013.1 Departamento de InformáAca - PUC- Rio Hélio Lopes Departamento de InformáAca PUC- Rio Inversão Teorema: Sejam F : IR [0, 1] a função
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 maisMódulo III: Processos de Poisson, Gaussiano e Wiener
Módulo III: Processos de Poisson, Gaussiano e Wiener Wamberto J. L. Queiroz Universidade Federal de Campina Grande-UFCG Departamento de Engenharia Elétrica Processos Estocásticos Campina Grande - PB Módulo
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 maisTécnicas Computacionais em Probabilidade e Estatística I
c Técnicas Computacionais em Probabilidade e Estatística I Aula Chang Chiann MAE 5704- IME/SP º Sem/008 Slide c chang; /4/008 Simulação Estática Obetivo: Em análise estatística de dados, modelos estocásticos
Leia maisDistribuições Contínuas. Estatística. 7 - Distribuição de Probabilidade de Variáveis Aleatórias Contínuas UNESP FEG DPD
Estatística 7 - Distribuição de Probabilidade de Variáveis Aleatórias Contínuas 7- Distribuição Uniforme A variável aleatória contínua pode ser qualquer valor no intervalo [a,b] A probabilidade da variável
Leia mais5. PRINCIPAIS MODELOS CONTÍNUOS
5. PRINCIPAIS MODELOS CONTÍNUOS 2019 5.1. Modelo uniforme Uma v.a. contínua X tem distribuição uniforme com parâmetros e ( < ) se sua função densidade de probabilidade é dada por f ( x )={ 1 β α, α x β
Leia 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 maisVARIÁVEIS ALEATÓRIAS
UNIVERSIDADE FEDERAL DE JUIZ DE FORA INSTITUTO DE CIÊNCIAS EXATAS DEPARTAMENTO DE ESTATÍSTICA VARIÁVEIS ALEATÓRIAS Joaquim H Vianna Neto Relatório Técnico RTE-03/013 Relatório Técnico Série Ensino Variáveis
Leia maisProcessos Estocásticos. Variáveis Aleatórias. Variáveis Aleatórias. Luiz Affonso Guedes. Como devemos descrever um experimento aleatório?
Processos Estocásticos Luiz Affonso Guedes Sumário Probabilidade Funções de Uma Variável Aleatória Funções de Várias Momentos e Estatística Condicional Teorema do Limite Central Processos Estocásticos
Leia maisProbabilidade Aula 08
332 Probabilidade Aula 8 Magno T. M. Silva Escola Politécnica da USP Maio de 217 A maior parte dos exemplos dessa aula foram extraídos de Jay L. Devore, Probabilidade e Estatística para engenharia e ciências,
Leia maisESTATÍSTICA COMPUTACIONAL
ESTATÍSTICA COMPUTACIONAL Ralph dos Santos Silva Departamento de Métodos Estatísticos Instituto de Matemática Universidade Federal do Rio de Janeiro Sumário Se a integração analítica não é possível ou
Leia maisObjetivos. fim de servir de entrada na simulação de um modelo.
Geração de variáveis aleatórias Objetivos Geração de amostras para uma distribuição em específico a fim de servir de entrada na simulação de um modelo. Ilustrar algumas técnicas usadas para geração de
Leia maisProcessos Estocásticos. Variáveis Aleatórias. Variáveis Aleatórias. Variáveis Aleatórias. Variáveis Aleatórias. Luiz Affonso Guedes
Processos Estocásticos Luiz Affonso Guedes Sumário Probabilidade Funções de Uma Variável Aleatória Funções de Várias Momentos e Estatística Condicional Teorema do Limite Central Processos Estocásticos
Leia maisProcessos Estocásticos. Luiz Affonso Guedes
Processos Estocásticos Luiz Affonso Guedes Sumário Probabilidade Variáveis Aleatórias Funções de Uma Variável Aleatória Funções de Várias Variáveis Aleatórias Momentos e Estatística Condicional Teorema
Leia maisCap. 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 maisProbabilidade 2 - ME310 - Lista 0
Probabilidade 2 - ME310 - Lista 0 17 de agosto de 2018 Lembrando: 1) Conjuntos disjuntos: A B = = P (A B) = 0 2) Conjuntos independentes: P (A B) = P (A) P (B) A = (A B). (A B c ) só uma forma de deixar
Leia maisRevisão de distribuições de probabilidades contínuas (Capítulo 6 Levine)
Revisão de distribuições de probabilidades contínuas (Capítulo 6 Levine) Statistics for Managers Using Microsoft Excel, 5e 2008 Pearson Prentice-Hall, Inc. Chap 6-1 Objetivos: Neste capítulo, você aprenderá:
Leia maisEstatística I Aula 8. Prof.: Patricia Maria Bortolon, D. Sc.
Estatística I Aula 8 Prof.: Patricia Maria Bortolon, D. Sc. MODELOS PROBABILÍSTICOS MAIS COMUNS VARIÁVEIS ALEATÓRIAS CONTÍNUAS Lembram o que vimos sobre V.A. contínua na Aula 6? Definição: uma variável
Leia maisProbabilidade II. Departamento de Estatística. Universidade Federal da Paraíba
Probabilidade II Departamento de Estatística Universidade Federal da Paraíba Prof. Tarciana Liberal (UFPB) Aula Distribuição Qui-quadrado 02/14 1 / 1 Definição 14.1: Uma variável aleatória contínua X tem
Leia maisAmostra Aleatória. Tiago Viana Flor de Santana
ESTATÍSTICA BÁSICA Amostra Aleatória Tiago Viana Flor de Santana www.uel.br/pessoal/tiagodesantana/ tiagodesantana@uel.br sala 07 Curso: MATEMÁTICA Universidade Estadual de Londrina UEL Departamento de
Leia maisIND 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 maisDistribuições de Probabilidade Contínuas 1/19
all Distribuições de Probabilidade Contínuas Professores Eduardo Zambon e Magnos Martinello UFES Universidade Federal do Espírito Santo DI Departamento de Informática CEUNES Centro Universitário Norte
Leia maisME-310 Probabilidade II Lista 0
ME-310 Probabilidade II Lista 0 1. Sejam A e B eventos disjuntos tais que P(A) = 0.1 e P(B) = 0.. Qual é a probabilidade que (a) A ou B ocorra; (b) A ocorra, mas B não ocorra; (c) repita (a) e (b) se os
Leia maisALGUNS MODELOS DE VARIÁVEIS ALEATÓRIAS UNIDIMENSIONAIS. Prof.: Idemauro Antonio Rodrigues de Lara
1 ALGUNS MODELOS DE VARIÁVEIS ALEATÓRIAS UNIDIMENSIONAIS Prof.: Idemauro Antonio Rodrigues de Lara 2 Modelos de variáveis aleatórias discretas 1. Distribuição Uniforme Discreta 2. Distribuição Binomial
Leia maisEstatística e Modelos Probabilísticos - COE241
Estatística e Modelos Probabilísticos - COE241 Aula passada Algoritmo para simular uma fila Medidas de interesse Média amostral Aula de hoje Teorema do Limite Central Intervalo de Confiança Variância amostral
Leia maisDepartamento de InformáAca - PUC- Rio. Hélio Lopes Departamento de InformáAca PUC- Rio. A plataforma R
Introdução à Simulação Estocás5ca usando R INF2035 PUC- Rio, 2013.1 Departamento de InformáAca - PUC- Rio Hélio Lopes Departamento de InformáAca PUC- Rio A plataforma R R é uma linguagem de programação
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 maisDistribuies de Probabilidade
Distribuies de Probabilidade Roberto Imbuzeiro M. F. de Oliveira 23 de Março de 2009 Resumo Exerçícios sobre as distribuições de v.a. s. 1 Toda variável aleatória real é uniforme Seja X : Ω R com função
Leia maisPar de Variáveis Aleatórias
Par de Variáveis Aleatórias Luis Henrique Assumpção Lolis 7 de abril de 2014 Luis Henrique Assumpção Lolis Par de Variáveis Aleatórias 1 Conteúdo 1 Introdução 2 Par de Variáveis Aleatórias Discretas 3
Leia maisCap. 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 maisModelagem e Análise de Sistemas - COS767
Modelagem e Análise de Sistemas - COS767 Aula de hoje Introdução à simulação Geração de números aleatórios Lei dos Grandes Números Geração de variáveis aleatórias: método da transformada inversa Simulação
Leia maisCálculo das Probabilidades I
Cálculo das Probabilidades I Departamento de Estatística Universidade Federal da Paraíba Prof. Tarciana Liberal (UFPB) Aula Função Geradora de Momentos 10/13 1 / 19 Calculamos algumas características da
Leia maisReviso de Teoria da Medida e Elementos Bsicos de Probabilidade
Reviso de Teoria da Medida e Elementos Bsicos de Probabilidade Roberto Imbuzeiro Oliveira 9 de Março de 2009 Resumo Esta lista cobre o básico do básico sobre espaços e distribuições de probabilidade. Pouco
Leia maisLucas Santana da Cunha de junho de 2018 Londrina
Variável aleatória contínua: Lucas Santana da Cunha email: lscunha@uel.br http://www.uel.br/pessoal/lscunha/ 13 de junho de 2018 Londrina 1 / 26 Esperança e variância de Y Função de distribuição acumulada
Leia maisPr = 6 = = = 0.8 =
IND 5 Inferência Estatística Semestre 004.0 Teste 05/0/004 GABARITO Problema (5 pontos) Uma gulosa professora de estatística é fissurada por trufas de chocolate. Em busca da trufa ideal, ela vai provando
Leia mais{ C(1 x 2 ), se x ( 1, 1), f(x) = Cxe x/2, se x > 0, x + k, se 0 x 3; 0, c.c. k, se 1 < x 2; kx + 3k, se 2 < x 3;
Universidade de Brasília Departamento de Estatística 4 a Lista de PE 1. Seja X uma variável aleatória com densidade { C(1 x 2 ), se x ( 1, 1), 0, se x / ( 1, 1). a) Qual o valor de C? b) Qual a função
Leia 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 maisAnálise de Dados em Astronomia. 3. Distribuições de Probabilidades
1 / 24 3. Distribuições de Probabilidades Análise de Dados em Astronomia 3. Distribuições de Probabilidades Laerte Sodré Jr. AGA0505, 1o. semestre 2019 introdução aula de hoje 1 2 a distribuição uniforme
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 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 maisSUMÁRIOS DE VARIÁVEIS ALEATÓRIAS CONTINUAS
4 SUMÁRIOS DE VARIÁVEIS ALEATÓRIAS CONTINUAS Em muitos problemas de probabilidade que requerem o uso de variáveis aleatórias, uma completa especificação da função de densidade de probabilidade ou não está
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 maisProbabilidades e Estatística MEEC, LEIC-A, LEGM
Departamento de Matemática Probabilidades e Estatística MEEC, LEIC-A, LEGM Exame a Época / o Teste (Grupos III e IV) o semestre 009/00 Duração: 80 / 90 minutos /06/00 9:00 horas Grupo I Exercício 5 valores
Leia maisTécnicas computacionais em probabilidade e estatística II
Técnicas computacionais em probabilidade e estatística II Universidade de São Paulo Instituto de Matemática e Estatística http:www.ime.usp.br/ mbranco Métodos de Monte Carlo baseados em Cadeias de Markov:
Leia mais4.1. ESPERANÇA x =, x=1
4.1. ESPERANÇA 139 4.1 Esperança Certamente um dos conceitos mais conhecidos na teoria das probabilidade é a esperança de uma variável aleatória, mas não com esse nome e sim com os nomes de média ou valor
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 maisTE802 Processos Estocásticos em Engenharia. Processo Aleatório. TE802 Processos Aleatórios. Evelio M. G. Fernández. 18 de outubro de 2017
TE802 Processos Estocásticos em Engenharia Processos Aleatórios 18 de outubro de 2017 Processo Aleatório Processo Aleatório (ou Estocástico), X(t): Função aleatória do tempo para modelar formas de onda
Leia maisDistribuições Truncadas e Aplicações
Distribuições Truncadas e Aplicações Raydonal Ospina Departamento de Estatística - CCEN/UFPE Gustavo H. Esteves Departamento de Estatística - CCT/UEPB 58ª RBRAS - 15º SEAGRO Campina Grande - Paraíba -
Leia maisTécnicas computacionais em probabilidade e estatística II
Técnicas computacionais em probabilidade e estatística II Universidade de São Paulo Instituto de Matemática e Estatística http:www.ime.usp.br/ mbranco AULA 1: Problemas Computacionais em Inferência Estatística.
Leia maisUNIDADE II. José J. C. Hernández. April 9, 2017 DE - UFPE. José J. C. Hernández (DE - UFPE) Estatística I April 9, / 60
INTRODUÇÃO À ESTATÍSTICA UNIDADE II José J. C. Hernández DE - UFPE April 9, 2017 José J. C. Hernández (DE - UFPE) Estatística I April 9, 2017 1 / 60 Variável aleatória Seja X : Ω R uma função real de Ω
Leia maisDistribuição Normal. Prof. Eduardo Bezerra. (CEFET/RJ) - BCC - Inferência Estatística. 25 de agosto de 2017
padrão - padronização Distribuição Normal Prof. Eduardo Bezerra (CEFET/RJ) - BCC - Inferência Estatística 25 de agosto de 2017 Eduardo Bezerra (CEFET/RJ) Distribuição Normal Março/2017 1 / 32 Roteiro Distribuições
Leia maisIND 1115 Inferência Estatística Aula 7
Conteúdo IND 1115 Inferência Estatística Aula 7 Setembro 2004 Por que a revisão de probabilidades até agora? A importância da distribuição Normal O Mônica Barros mbarros.com 1 mbarros.com 2 Por que uma
Leia maisProbabilidade 2 - ME310 - Lista 0
Probabilidade 2 - ME310 - Lista 0 August 30, 2012 Lembrando: 1) Conjuntos disjuntos: A B = = P (A B) = 0 2) Conjuntos independentes: P (A B) = P (A) P (B) 3) Podemos dividir qualquer conjunto em dois conjuntos
Leia maisESTATÍSTICA COMPUTACIONAL
ESTATÍSTICA COMPUTACIONAL Ralph dos Santos Silva Departamento de Métodos Estatísticos Instituto de Matemática Universidade Federal do Rio de Janeiro Sumário Escolha de modelos Até aqui assumimos que z
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 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 maisEstatística Matemática I
Estatística Matemática I Roseli Aparecida Leandro e Clarice G.B. Demétrio Março de 2011 Depto. de Ciências Exatas, ESALQ/USP e-mail: raleandr@esalq.usp.br 1 Variáveis aleatórias Sejam E um experimento
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 maisPROCESSO DE POISSON. Processo Estocástico Prof, Ms. Eliana Carvalho
Processo Estocástico Prof, Ms. Eliana Carvalho Este processo estocástico deve o seu nome ao matemático francês Simion-Denis Poisson (1781-1840). Espaço de estados discreto (cadeia) Variável tempo é contínua
Leia maisMOQ 13 PROBABILIDADE E ESTATÍSTICA. Professor: Rodrigo A. Scarpel
MOQ 3 PROBABILIDADE E ESTATÍSTICA Professor: Rodrigo A. Scarpel rodrigo@ita.br 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 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 maisDistribuições de Probabilidade. Distribuição Uniforme Distribuição Exponencial Distribuição Normal
Distribuições de Probabilidade Distribuição Uniforme Distribuição Exponencial Distribuição Normal 1 Distribuição Uniforme A distribuição Uniforme atribui uma densidade igual ao longo de um intervalo (a,b).
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 maisAula 5. Processo de Poisson. Exemplos.
Aula 5. Processo de Poisson. Exemplos. Exemplo 1. Processo de Poisson com diferentes tipos de eventos. Consideramos um processo de Poisson com intensidade λ. Suponha que em cada instante de ocorrência
Leia mais2 Conceitos de Teoria da Probabilidade
2 Conceitos de Teoria da Probabilidade Neste capítulo, enunciaremos algumas denições e resultados de teoria de probabilidade. justicativa deste capítulo reside no fato que u objetivo nal é estimar momentos
Leia maisModelos Lineares Distribuições de Probabilidades Distribuição Normal Teorema Central do Limite. Professora Ariane Ferreira
Distribuições de Probabilidades Distribuição Normal Teorema Central do Limite Professora Ariane Ferreira Modelos Probabilísticos de v.a. continuas Distribuição de Probabilidades 2 IPRJ UERJ Ariane Ferreira
Leia maisProbabilidade II. Departamento de Estatística. Universidade Federal da Paraíba. Prof. Tarciana Liberal (UFPB) Aula Desigualdades 02/14 1 / 31
Probabilidade II Departamento de Estatística Universidade Federal da Paraíba Prof. Tarciana Liberal (UFPB) Aula Desigualdades 02/14 1 / 31 Um teorema de grande importância e bastante utilidade em probabilidade
Leia maisSeja (X,Y) uma v.a. bidimensional contínua ou discreta. Define-se valor esperado condicionado de X para um dado Y igual a y da seguinte forma:
46 VALOR ESPERADO CONDICIONADO Seja (X,Y) uma v.a. bidimensional contínua ou discreta. Define-se valor esperado condicionado de X para um dado Y igual a y da seguinte forma: Variável contínua E + ( X Y
Leia maisMétodos para geração de variáveis aleatórias
Métodos para geração de variáveis aleatórias Cristiano de Carvalho Santos cristcarvalhosan@gmail.com Departamento de Estatística, Universidade Federal de Minas Gerais (UFMG) Introdução Por que é necessário
Leia maisProcessos Estocásticos
Processos Estocásticos Luis Henrique Assumpção Lolis 26 de maio de 2014 Luis Henrique Assumpção Lolis Processos Estocásticos 1 Conteúdo 1 Introdução 2 Definição 3 Especificando um processo aleatório 4
Leia mais= 2 sen(x) (cos(x) (b) (7 pontos) Pelo item anterior, temos as k desigualdades. sen 2 (2x) sen(4x) ( 3/2) 3
Problema (a) (3 pontos) Sendo f(x) = sen 2 (x) sen(2x), uma função π-periódica, temos que f (x) = 2 sen(x) cos(x) sen(2x) + sen 2 (x) 2 cos(2x) = 2 sen(x) (cos(x) sen(2x) + sen(x) cos(2x) ) = 2 sen(x)
Leia maisProcessos de Poisson
Processos de Poisson Ricardo Ehlers ehlers@icmc.usp.br Departamento de Matemática Aplicada e Estatística Universidade de São Paulo Capitulo 5 Taylor & Karlin 1 / 37 Distribuição de Poisson Seja a variável
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 maisMétodos Estatísticos
Métodos Estatísticos Cristina Maria Martins Maria da Graça Temido Departamento de Matemática Universidade de Coimbra Hidrologia Urbana Módulo I Conceitos básicos Probabilidade Experiência aleatória Acontecimentos
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 mais