Probabilidade Revisão de Conceitos
|
|
- João Gabriel João Henrique Lagos Rodrigues
- 6 Há anos
- Visualizações:
Transcrição
1 Probabilidade Revisão de Conceitos Espaço de Amostras A totalidade dos possíveis resultados de um experimento aleatório. Exemplo: jogar dados S = {(1,1),(1,),... (,1),(,)... (6,6)} S é dito o número de elementos de S Propriedades: pode ser finito, contável infinito (pode-se fazer uma relação com números naturais), não contável (não enumerável ou contínuo). Evento Um evento é uma coleção de pontos de amostra. Exemplo: as jogadas de dois dados cuja soma é 7 (evento E) Probabilidades associadas a eventos Dado um evento E, P(E) é a medida de probabilidade associada ao evento E. Para E equivalendo a um ponto de amostra (s): P(E) = P(s) Para E equivalendo a vários pontos de amostra: Exemplo: E acima é {(1,6),(,5),(3,4),(4,3),(5,),(6,1)} P(E)=6/36=1/6 Amostras ordenadas e reposição P ( E) = P( s ) O exemplo acima supõe amostras ordenadas, com reposição. Ordenada significa que a ordem importa, por exemplo: (,5) é diferente de (5,), sendo dois pontos amostrais. Reposição significa que o mesmo elemento do alfabeto pode constar na amostra: (,). No entanto temos situações onde amostras são desordenadas e onde não há reposição. Amostras ordenadas sem reposição: Exemplo: Qual a probabilidade de uma seqüência aleatória de 3 letras não ter nenhuma repetida? Para tal temos que saber o número total de seqüências aleatórias de 3 letras ( S ) e saber o número de seqüências aleatória de 3 letras sem repetição ( E ). Sendo o alfabeto de 6 (n=6) e o tamanho da amostra 3 (k=3) letras: 3 S = n k = 6 s E i i
2 O número de amostras sem repetição é: n! E = 6 * 5 * 4 = n * ( n 1) * ( n ) = ( n k )! (ou a permutação de n elementos k a k) E Finalmente, P ( E) = S Amostras não ordenadas sem reposição: Para alguns experimentos, a ordem da amostra não importa. Exemplo: Uma caixa tem 75 chips bons e 5 defeituosos. 1 chips são selecionados de maneira aleatória. Qual a probabilidade de ao menos um chip selecionado ser defeituoso? Nem sempre os dados do problema são mapeados diretamente para um modelo matemático. Neste caso é mais fácil pensar na probabilidade de nenhum chip escolhido ser E defeituoso ( E ) e calcular o complemento, onde P ( E) = S S é o número de combinações de 100 elementos 1 a 1 E é o número de combinações de 75 elementos 1 a 1 n n! A combinação de n elementos, k a k, é dada por = k k!*( n k )! Por fim, P( E) = 1 P( E) Exercício: Qual a probabilidade de ao menos pessoas fazerem aniversário no mesmo dia, em um universo de n pessoas? Quer-se uma resposta matemática que sirva para qualquer n positivo. Sabe-se que: se n<, P=0 se n>365 P=1 e para os outros casos? Novamente, Solução deixada é mais para fácil o aluno! calcular a probabilidade de pessoas não fazerem aniversário no mesmo dia e então aplicar o complemento. Esta é dada por: P( E) = (1* * * n i = i= Por fim, P( E) = 1 P( E) *... * 365 ( n 1) ) = 365
3 Probabilidade Condicional Considere que uma caixa tem 5000 chips feitos pela cia. e o resto por cia. Y. 10% dos chips feitos por são defeituosos e 5% dos feitos por Y são defeituosos. Suponha que você aleatoriamente tira um chip da caixa e que o mesmo é defeituoso, qual a probabilidade deste chip ter sido fabricado pela cia.? Este problema fica bem modelado com probabilidades condicionais. Defina-se o evento A como sendo chip feito por e evento B como sendo chip defeituoso e calcule-se a P(A B). A solução é deixada ao aluno. Ver [Tri0], pág 5. Independência de Eventos Se a probabilidade de um evento A não muda caso um evento B tenha acontecido (ou não), os eventos são ditos independentes: P(A B)=P(A) Variáveis Aleatórias Tratar o espaço de amostras de um experimento pode ser trabalhoso. Muitas vezes se faz necessária uma forma mais compacta de descrever um experimento. Além disso, para o tratamento matemático do problema, é interessante poder associar valores com os possíveis resultados de um experimento. Variáveis aleatórias são então introduzidas. Seja S o espaço associado ao experimento. Uma função, que associe a cada elemento s S um número real (s) é denominada variável aleatória. Ou seja, uma variável aleatória é uma função. s Variável aleatória (s) Exemplo 1: seja o experimento o lançamento de duas moedas; : nº de caras obtidas nas duas moedas; S={(c,c), (c,r), (r,c),(r,r)} =0 corresponde ao evento (r,r) com probabilidade ¼ = 1 corresponde aos eventos (r,c), (c,r) com probabilidade /4 = corresponde ao evento (c,c) com probabilidade ¼.
4 Assim, uma variável aleatória mapeia um espaço de amostras em um conjunto de eventos mutuamente exclusivos (um ponto amostral não pertence a dois eventos distintos) e coletivamente exaustivo (todo conjunto S é mapeado). Variáveis Aleatórias Discretas Uma função, definida sobre o espaço amostral e assumindo valores num conjunto enumerável de pontos do conjunto real, é dita uma variável aleatória discreta. Uma variável aleatória do tipo discreto estará bem caracterizada se indicarmos os possíveis valores x 1, x,, x k que ela pode assumir e as respectivas probabilidades p(x 1 ), p(x ),, p(x k ), ou seja, se conhecemos a sua função de probabilidade (x; p(), onde p( = P( = = ( s ) = x P( s) Dada a função de probabilidade, chamamos de função de distribuição de probabilidade ou função cumulativa de probabilidade a: F ( t) = P( x t Esta função ajuda a calcular a probabilidade de um conjunto de eventos de interesse. Por exemplo, a probabilidade de obter uma ou menos caras no lançamento de duas moedas é dado por: 3 F (1) = P( = P( = 0) + P( = 1) = x 1 4 Assim, informalmente, t é o ponto até onde se acumula a probabilidade. Com isto pode-se calcular probabilidades para intervalos: P( a p b) = P( b) P( a) = F ( b) F ( a) Relembrando: Dada a v.a. discreta, assumindo os valores x 1, x,, x k, chamamos esperança matemática de ao valor: Chamamos variância de ao valor: e de desvio padrão de a E( ) = x p( Var( ) = E( onde E( ) [ E( )] ) = x p( DP ( ) = Var( )
5 Variáveis Aleatórias Contínuas Uma variável aleatória cujos valores são expressos em uma escala contínua é dita uma variável aleatória contínua. Podemos construir modelos teóricos para v.a. s contínuas escolhendo adequadamente a função de densidade de probabilidade (f.d.p.), que é uma função indicadora da probabilidade nos possíveis valores de. Teoricamente, qualquer função f( que seja não negativa e cuja área total sob a curva seja igual à unidade, ou seja, f ( dx =1 caracterizará uma v.a. contínua. Assim, a área sob a f.d.p. entre dois pontos a e b nos dá a probabilidade da variável assumir valores entre a e b, conforme ilustrado na figura 1 a seguir. P(a<<b) Figura 1 Probabilidade como área sob a curva entre dois pontos Portanto, podemos escrever: Se é uma v.a. contínua com f.d.p. f( definimos a sua função de distribuição acumulada F( como: Relembrando: Dada a v.a. contínua, assumindo os valores no intervalo entre a e b, chamamos valor médio ou esperança matemática de ao valor b a E ( ) = x f ( dx a b P ( a < < b) = f ( dx x F ( = P( = f ( t) dt b a
6 Chamamos variância de ao valor Var( ) = E( onde E( e de desvio padrão de a b ) [ E( )] ) = x f ( dx a DP ( ) = Var( ) Distribuições Discretas de Probabilidade Distribuição de Binomial Um experimento de Bernoulli é um experimento aleatório onde o resultado pode ser um Sucesso (s) (se acontecer o evento que nos interessa) ou um Fracasso ( f) (o evento não se realiza). Seja a variável aleatória: Sucesso (1) ou Fracasso (0), p = P( = 1) q = 1 p = P( q p = 0) x < 0 0 F( = 0 x p 1 1 x 1 1 p+q=1 q q 0 1 Função de probabilidade 0 1 Função de distribuição de probabilidade Considere o experimento de Bernoulli repetido n vezes de maneira independente, tendo probabilidade de sucesso p em cada tentativa. A distribuição binomial diz a probabilidade de k sucessos, k de 1 a n. Como exemplo, temos a seguinte função de probabilidade (para n=10 e p=0,75) e distribuição de probabilidade consequente:
7 1, 1 0,8 CDF 0,6 0,4 0, x Distribuição Geométrica Considere que você está fazendo tentativas de Bernoulli, mas quer medir o número de tentativas necessárias para obter o primeiro sucesso. S é contável infinito. Esta é a distribuição geométrica. Dada a independência das tentativas, a probabilidade de cada tentativa ter resultado sucesso ou fracasso é a mesma. Desta forma: a probabilidade da tentativa 0 ter sucesso é p; a probabilidade de obter sucesso na tentativa 1 é q.p (ou seja a probabilidade de um fracasso * a probabilidade de um sucesso), a probabilidade de obter sucesso na tentativa é q.q.p (ou seja a probabilidade de dois fracassos * a probabilidade de um sucesso), a probabilidade de obter sucesso na i-ésima tentativa é q i p (ou seja a probabilidade de i fracassos * a probabilidade de um sucesso),
8 Assim, fica definida a função de probabilidade e a função de distribuição de probabilidade como: O atrativo da distribuição geométrica é que ela é a única distribuição discreta com a característica sem memória ( memoryless ). Isto quer dizer que o resultado futuro é independente de eventos passados. Exemplos de aplicações: A probabilidade de um produto ser gerado com defeito é p, independentemente de resultados anteriores. A probabilidade do i-ésimo produto ter defeito é regida pela fórmula px(i) acima. Ao final de um time-slice a probabilidade de um processo ter acabado sua execução é p. A função de probabilidade indica o número de time-slices adicionais necessários para acabar a execução. O número de consultas locais a um banco de dados entre acessos sucessivos a uma base de dados remota. O número de pacotes transmitidos com sucesso entre os pacotes que necessitem retransmissão. O número de bits sem erros entre bits com erro em um pacote recebido de um enlace com ruído. 0,5 P=0,50 0,4 0,3 0, 0, Função de probabilidade Distribuições Contínuas de Probabilidade Distribuição exponencial A distribuição exponencial é de especial interesse nesta disciplina pois, assim como a distribuição geométrica (discreta), apresenta também a característica de ser memoryless. Esta distribuição é comum em cálculos de confiabilidade e teoria das filas. Exemplos de variáveis aleatórias modeladas com distribuição exponencial são: Tempo entre chegadas de jobs sucessivos a um servidor;
9 Tempo de serviço em uma fila de espera; Tempo para uma falha de um componente. Como estamos tratando em um universo contínuo, não podemos, a exemplo da distribuição exponencial, pensar em probabilidade de sucesso na próxima tentativa, mas sim podemos pensar em unidades, de uma escala contínua, necessárias para que o evento ocorra. Isto é mais naturalmente associado aa escala de tempo (exemplos acima). Assim, as funções densidade de probabilidade e de distribuição acumulada são, respectivamente: Onde 1 / λ é a média de tempo entre eventos de interesse. Ou seja, a medida que λ aumenta, aumenta a freqüência de ocorrências do evento. Se aumenta a freqüência de ocorrência de evento, aumenta a possibilidade do evento acontecer em pouco tempo. Assim, no gráfico abaixo, para curvas com λ maior nota-se o aumento da área da curva nos valores iniciais de x, que representa o tempo para um próximo evento de interesse.
10 Processos Estocásticos Um processo estocástico é uma família de variáveis aleatórias {(t) t E T}, onde T é um conjunto índice, podendo ser contínuo. Os valores assumidos por (t) são os estados. A totalidade destes estados forma o espaço de estados. Uma variável aleatória é uma função definida no espaço de amostras S. Assim, a família de variáveis aleatórias é uma família de funções {(t,s) s E S, t E T}. A cada instante ti temos ti(s)=(ti,s) uma variável aleatória. Espaço de estados e tempo podem ser discretos ou contínuos. Estado discreto: processo também é chamado cadeia ( cadeias de Markov). Exemplo: Considere um sistema computacional com jobs chegando aleatoriamente no tempo, sendo enfileirados para serviço, e saindo do sistema depois de serem servidos. Random arrivals Inter arrival time distribution fn. F Y Queue (waiting station) m servers Service time distribution fn. F S
11 1) seja Nk o número de jobs no sistema no tempo da saída do k-ésimo job, o processo estocástico Nk tem tempo e espaço discretos. ) Seja (t) o número de jobs no sistema ao longo do tempo t. Este processo estocástico é espaço discreto e tempo contínuo.
12 3) Seja Wn o tempo que o n-ésimo job espera no sistema antes de receber o serviço. Este processo é tempo discreto e espaço contínuo. 4) Seja Y(t) denotando a totalidade de recursos necessários (exemplo, tempo de cpu) de todos os jobs no tempo t, este processo é dito estado contínuo e tempo contínuo. Classificação de Processos Estocásticos Processo estacionário: quanto não muda com o avançar do tempo t. Processo de Markov: Ou seja, se o próximo estado do processo depende somente do estado atual, i.e., os estados passados não importam na determinação do estado futuro. Bibliografia [Tri0] Trivedi, Kishor S. Probability and Statistics with Reliability, Queuing and Computer Science Applications. a Edição. New York. John Wiley & SONS, INC. 00.
13 [TriAp] Material de apresentações de Kishor S. Trivedi disponíveis na Internet. acessado em 03/08/04. [Lucio] Material de aula cedido por Lucio Duarte. [Sonia] Notas de aula de Sonia Maria Barros Barbosa Correa, PUC Minas, disponíveis na Internet., acessado em 0/03/04
DISTRIBUIÇÕES ESPECIAIS DE PROBABILIDADE DISCRETAS
VARIÁVEIS ALEATÓRIAS E DISTRIBUIÇÕES DE PROBABILIDADES 1 1. VARIÁVEIS ALEATÓRIAS Muitas situações cotidianas podem ser usadas como experimento que dão resultados correspondentes a algum valor, e tais situações
Leia maisAULA 07 Distribuições Discretas de Probabilidade
1 AULA 07 Distribuições Discretas de Probabilidade Ernesto F. L. Amaral 31 de agosto de 2010 Metodologia de Pesquisa (DCP 854B) Fonte: Triola, Mario F. 2008. Introdução à estatística. 10 ª ed. Rio de Janeiro:
Leia maisCap. II EVENTOS MUTUAMENTE EXCLUSIVOS E EVENTOS NÃO- EXCLUSIVOS
Cap. II EVENTOS MUTUAMENTE EXCLUSIVOS E EVENTOS NÃO- EXCLUSIVOS Dois ou mais eventos são mutuamente exclusivos, ou disjuntos, se os mesmos não podem ocorrer simultaneamente. Isto é, a ocorrência de um
Leia maisDEPARTAMENTO DE MATEMÁTICA
FACULDADE DE CIÊNCIAS NATURAIS E MATEMÁTICA DEPARTAMENTO DE MATEMÁTICA Campus de Lhanguene, Av. de Moçambique, km 1, Tel: +258 21401078, Fax: +258 21401082, Maputo Cursos de Licenciatura em Ensino de Matemática
Leia maisProbabilidade. Luiz Carlos Terra
Luiz Carlos Terra Nesta aula, você conhecerá os conceitos básicos de probabilidade que é a base de toda inferência estatística, ou seja, a estimativa de parâmetros populacionais com base em dados amostrais.
Leia maisProbabilidade e Estatística 2008/2. Regras de adicão, probabilidade condicional, multiplicação e probabilidade total.
Probabilidade e Estatística 2008/2 Prof. Fernando Deeke Sasse Problemas Resolvidos Regras de adicão, probabilidade condicional, multiplicação e probabilidade total. 1. Um fabricante de lâmpadas para faróis
Leia maisEntropia, Entropia Relativa
Entropia, Entropia Relativa e Informação Mútua Miguel Barão (mjsb@di.uevora.pt) Departamento de Informática Universidade de Évora 13 de Março de 2003 1 Introdução Suponhamos que uma fonte gera símbolos
Leia maisAula de Exercícios - Teorema de Bayes
Aula de Exercícios - Teorema de Bayes Organização: Rafael Tovar Digitação: Guilherme Ludwig Primeiro Exemplo - Estagiários Três pessoas serão selecionadas aleatóriamente de um grupo de dez estagiários
Leia maisProbabilidade. Evento (E) é o acontecimento que deve ser analisado.
Probabilidade Definição: Probabilidade é uma razão(divisão) entre a quantidade de eventos e a quantidade de amostras. Amostra ou espaço amostral é o conjunto formado por todos os elementos que estão incluídos
Leia maisDistribuição Normal de Probabilidade
Distribuição Normal de Probabilidade 1 Aspectos Gerais 2 A Distribuição Normal Padronizada 3 Determinação de Probabilidades 4 Cálculo de Valores 5 Teorema Central do Limite 1 1 Aspectos Gerais Variável
Leia maisTécnicas de Contagem I II III IV V VI
Técnicas de Contagem Exemplo Para a Copa do Mundo 24 países são divididos em seis grupos, com 4 países cada um. Supondo que a escolha do grupo de cada país é feita ao acaso, calcular a probabilidade de
Leia maisFACULDADE DE CIÊNCIAS E TECNOLOGIA. Redes de Telecomunicações (2006/2007)
FACULDADE DE CIÊNCIAS E TECNOLOGIA Redes de Telecomunicações (2006/2007) Engª de Sistemas e Informática Trabalho nº4 (1ª aula) Título: Modelação de tráfego utilizando o modelo de Poisson Fundamentos teóricos
Leia maisAvaliação de Empresas Profa. Patricia Maria Bortolon
Avaliação de Empresas RISCO E RETORNO Aula 2 Retorno Total É a variação total da riqueza proporcionada por um ativo ao seu detentor. Fonte: Notas de Aula do Prof. Claudio Cunha Retorno Total Exemplo 1
Leia maisAdição de probabilidades. O número de elementos da união dos conjuntos A e B n(aub) = n(a B) Dividindo os dois membros por n(e):
Adição de probabilidades O número de elementos da união dos conjuntos A e B n(aub) = n(a B) Dividindo os dois membros por n(e): Dois eventos A e B são ditos mutuamente exclusivos se, e somente se, A B
Leia maisAvaliação e Desempenho Aula 1 - Simulação
Avaliação e Desempenho Aula 1 - Simulação Introdução à simulação Geração de números aleatórios Lei dos grandes números Geração de variáveis aleatórias O Ciclo de Modelagem Sistema real Criação do Modelo
Leia maisMicroeconomia. Prof.: Antonio Carlos Assumpção
Microeconomia Efeitos Renda e Substituição Prof.: Antonio Carlos Assumpção Efeito Renda e Efeito Substituição Uma queda no preço de um bem ou serviço tem dois efeitos: Substituição e Renda Efeito Substituição
Leia mais1.1 Exemplo da diferença da média da população para a média amostral.
1 Estatística e Probabilidades Inferência Estatística consiste na generalização das informações a respeito de uma amostra, para a sua população. A Probabilidade considera modelos para estimar informações
Leia maisM =C J, fórmula do montante
1 Ciências Contábeis 8ª. Fase Profa. Dra. Cristiane Fernandes Matemática Financeira 1º Sem/2009 Unidade I Fundamentos A Matemática Financeira visa estudar o valor do dinheiro no tempo, nas aplicações e
Leia maisPESQUISA OPERACIONAL -PROGRAMAÇÃO LINEAR. Prof. Angelo Augusto Frozza, M.Sc.
PESQUISA OPERACIONAL -PROGRAMAÇÃO LINEAR Prof. Angelo Augusto Frozza, M.Sc. ROTEIRO Esta aula tem por base o Capítulo 2 do livro de Taha (2008): Introdução O modelo de PL de duas variáveis Propriedades
Leia maisMatemática Discreta - 08
Universidade Federal do Vale do São Francisco urso de Engenharia da omputação Matemática Discreta - 08 Prof. Jorge avalcanti jorge.cavalcanti@univasf.edu.br www.univasf.edu.br/~jorge.cavalcanti www.twitter.com/jorgecav
Leia maisProbabilidade e Estatística
Probabilidade e Estatística TESTES DE HIPÓTESES (ou Testes de Significância) Estimação e Teste de Hipóteses Estimação e teste de hipóteses (ou significância) são os aspectos principais da Inferência Estatística
Leia maisModelo Uniforme. como eu e meu colega temos 5 bilhetes, temos a mesma probabilidade de ganhar a rifa:
Modelo Uniforme Exemplo: Uma rifa tem 100 bilhetes numerados de 1 a 100. Tenho 5 bilhetes consecutivos numerados de 21 a 25, e meu colega tem outros 5 bilhetes, com os números 1, 11, 29, 68 e 93. Quem
Leia maisFunção Seno. Gráfico da Função Seno
Função Seno Dado um número real, podemos associar a ele o valor do seno de um arco que possui medida de radianos. Desta forma, podemos definir uma função cujo domínio é o conjunto dos números reais que,
Leia maisISEG - ESTATÍSTICA I - EN, Economia/Finanças - 1 de Junho de 2010 Tópicos de correcção. 1ª Parte. > 0. Justifique a igualdade: P(( A B)
ISEG - ESTATÍSTICA I - EN, Economia/Finanças - de Junho de 00 Tópicos de correcção ª Parte. Sejam os acontecimentos A, B, C tais que P ( A B) > 0. Justifique a igualdade: ( A B) C) = B A). A). C ( A B)).
Leia maisResolução da Lista de Exercício 6
Teoria da Organização e Contratos - TOC / MFEE Professor: Jefferson Bertolai Fundação Getulio Vargas / EPGE Monitor: William Michon Jr 10 de novembro de 01 Exercícios referentes à aula 7 e 8. Resolução
Leia maisUM JOGO BINOMIAL 1. INTRODUÇÃO
1. INTRODUÇÃO UM JOGO BINOMIAL São muitos os casos de aplicação, no cotidiano de cada um de nós, dos conceitos de probabilidade. Afinal, o mundo é probabilístico, não determinístico; a natureza acontece
Leia maisIBM1018 Física Básica II FFCLRP USP Prof. Antônio Roque Aula 7
Potencial Elétrico Quando estudamos campo elétrico nas aulas passadas, vimos que ele pode ser definido em termos da força elétrica que uma carga q exerce sobre uma carga de prova q 0. Essa força é, pela
Leia maisProbabilidade. Distribuição Binomial
Probabilidade Distribuição Binomial Distribuição Binomial (Eperimentos de Bernoulli) Considere as seguintes eperimentos/situações práticas: Conformidade de itens saindo da linha de produção Tiros na mosca
Leia maisModelos de Probabilidade e Inferência Estatística
Modelos de Probabilidade e Inferência Estatística Departamento de Estatística Universidade Federal da Paraíba Prof. Tarciana Liberal (UFPB) Aula Distribuições Qui-quadrado, t-student e F de Snedecor 04/14
Leia maisSe A =, o evento é impossível, por exemplo, obter 7 no lançamento de um dado.
PROBABILIDADE Espaço amostral Espaço amostral é o conjunto universo U de todos os resultados possíveis de um experimento aleatório. O número de elementos desse conjunto é indicado por n(u). Exemplos: No
Leia maisAula 8 21/09/2009 - Microeconomia. Demanda Individual e Demanda de Mercado. Bibliografia: PINDYCK (2007) Capítulo 4
Aula 8 21/09/2009 - Microeconomia. Demanda Individual e Demanda de Mercado. Bibliografia: PINDYCK (2007) Capítulo 4 Efeito de modificações no preço: Caso ocorram modificações no preço de determinada mercadoria
Leia maisCódigos de bloco. Instituto Federal de Santa Catarina Curso superior de tecnologia em sistemas de telecomunicação Comunicações móveis 2
Instituto Federal de Santa Catarina Curso superior de tecnologia em sistemas de telecomunicação Comunicações móveis 2 Códigos de bloco Prof. Diego da Silva de Medeiros São José, maio de 2012 Codificação
Leia maisIntrodução aos Processos Estocásticos - Independência
Introdução aos Processos Estocásticos - Independência Eduardo M. A. M. Mendes DELT - UFMG Programa de Pós-Graduação em Engenharia Elétrica Universidade Federal de Minas Gerais emmendes@cpdee.ufmg.br Eduardo
Leia maisRESOLUÇÃO DAS ATIVIDADES E FORMALIZAÇÃO DOS CONCEITOS
CENTRO UNIVERSITÁRIO FRANCISCANO Curso de Administração Disciplina: Estatística I Professora: Stefane L. Gaffuri RESOLUÇÃO DAS ATIVIDADES E FORMALIZAÇÃO DOS CONCEITOS Sessão 1 Experimentos Aleatórios e
Leia mais2 Conceitos Básicos. onde essa matriz expressa a aproximação linear local do campo. Definição 2.2 O campo vetorial v gera um fluxo φ : U R 2 R
2 Conceitos Básicos Neste capítulo são apresentados alguns conceitos importantes e necessários para o desenvolvimento do trabalho. São apresentadas as definições de campo vetorial, fluxo e linhas de fluxo.
Leia maisSeu pé direito nas melhores Faculdades
10 Insper 01/11/009 Seu pé direito nas melhores Faculdades análise quantitativa 40. No campeonato brasileiro de futebol, cada equipe realiza 38 jogos, recebendo, em cada partida, 3 pontos em caso de vitória,
Leia maisTestes Qui-Quadrado - Teste de Aderência
Testes Qui-Quadrado - Teste de Aderência Consideremos uma tabela de frequências com k frequências, k 2 k: total de categorias frequências observadas: O 1,, O k seja p 1 = p 01,, p k = p 0k as probabilidades
Leia mais8 - PROBABILIDADE. 8.1 - Introdução
INE 7002 - Probabilidade 1 8 - PROBABILIDADE 8.1 - Introdução No capítulo anterior foi utilizado um raciocínio predominantemente indutivo: os dados eram coletados, e através da sua organização em distribuições
Leia maisGUIA DE FUNCIONAMENTO DA UNIDADE CURRICULAR
GUIA DE FUNCIONAMENTO DA UNIDADE CURRICULAR Estatística Biologia Ano lectivo: 2011 /2012 Docentes Responsável Júri Vogal Vogal Responsável pela pauta Docentes que leccionam a UC Ana Maria Caeiro Lebre
Leia maisComecemos por relembrar as propriedades das potências: = a x c) a x a y = a x+y
. Cálculo Diferencial em IR.1. Função Exponencial e Função Logarítmica.1.1. Função Exponencial Comecemos por relembrar as propriedades das potências: Propriedades das Potências: Sejam a e b números positivos:
Leia maisConceitos Básicos de Probabilidade
Conceitos Básicos de Probabilidade Como identificar o espaço amostral de um experimento. Como distinguir as probabilidades Como identificar e usar as propriedades da probabilidade Motivação Uma empresa
Leia maisMétodos Estatísticos Avançados em Epidemiologia
Métodos Estatísticos Avançados em Epidemiologia Análise de Sobrevivência - Conceitos Básicos Enrico A. Colosimo Departamento de Estatística Universidade Federal de Minas Gerais http://www.est.ufmg.br/
Leia maisPressuposições à ANOVA
UNIVERSIDADE FEDERAL DE RONDÔNIA CAMPUS DE JI-PARANÁ DEPARTAMENTO DE ENGENHARIA AMBIENTAL Estatística II Aula do dia 09.11.010 A análise de variância de um experimento inteiramente ao acaso exige que sejam
Leia maisActivALEA. ative e atualize a sua literacia
ActivALEA ative e atualize a sua literacia N.º 26 A FREQUÊNCIIA RELATIIVA PARA ESTIIMAR A PROBABIILIIDADE Por: Maria Eugénia Graça Martins Departamento de Estatística e Investigação Operacional da FCUL
Leia maisIntrodução. Ou seja, de certo modo esperamos que haja uma certa
UNIVERSIDADE FEDERAL DA PARAÍBA Teste de Independência Luiz Medeiros de Araujo Lima Filho Departamento de Estatística Introdução Um dos principais objetivos de se construir uma tabela de contingência,
Leia maisInteligência Artificial
Inteligência Artificial Aula 7 Programação Genética M.e Guylerme Velasco Programação Genética De que modo computadores podem resolver problemas, sem que tenham que ser explicitamente programados para isso?
Leia maisAula 5. Uma partícula evolui na reta. A trajetória é uma função que dá a sua posição em função do tempo:
Aula 5 5. Funções O conceito de função será o principal assunto tratado neste curso. Neste capítulo daremos algumas definições elementares, e consideraremos algumas das funções mais usadas na prática,
Leia maisCorrente elétrica, potência, resistores e leis de Ohm
Corrente elétrica, potência, resistores e leis de Ohm Corrente elétrica Num condutor metálico em equilíbrio eletrostático, o movimento dos elétrons livres é desordenado. Em destaque, a representação de
Leia maisAula 6 Propagação de erros
Aula 6 Propagação de erros Conteúdo da aula: Como estimar incertezas de uma medida indireta Como realizar propagação de erros? Exemplo: medimos A e B e suas incertezas. Com calcular a incerteza de C, se
Leia maisCurso de Formação de Oficiais Conhecimentos Específicos ENGENHARIA DE COMPUTAÇÃO CADERNO DE QUESTÕES
Curso de Formação de Oficiais Conhecimentos Específicos ENGENHARIA DE COMPUTAÇÃO CADERNO DE QUESTÕES 2014 1 a QUESTÃO Valor: 1,00 a) (0,30) Defina gramáticas livre de contexto. b) (0,30) Crie uma gramática
Leia maisMódulo de Equações do Segundo Grau. Equações do Segundo Grau: Resultados Básicos. Nono Ano
Módulo de Equações do Segundo Grau Equações do Segundo Grau: Resultados Básicos. Nono Ano Equações do o grau: Resultados Básicos. 1 Exercícios Introdutórios Exercício 1. A equação ax + bx + c = 0, com
Leia maisPós-Graduação em Computação Distribuída e Ubíqua
Pós-Graduação em Computação Distribuída e Ubíqua INF612 - Aspectos Avançados em Engenharia de Software Engenharia de Software Experimental [Head First Statistics] Capítulos 10, 11, 12 e 13 [Experimentation
Leia mais[RESOLUÇÃO] Economia I; 2012/2013 (2º semestre) Prova da Época Recurso 3 de Julho de 2013
Economia I; 01/013 (º semestre) Prova da Época Recurso 3 de Julho de 013 [RESOLUÇÃO] Distribuição das respostas correctas às perguntas da Parte A (6 valores) nas suas três variantes: ER A B C P1 P P3 P4
Leia mais3º Ano do Ensino Médio. Aula nº06
Nome: Ano: º Ano do E.M. Escola: Data: / / 3º Ano do Ensino Médio Aula nº06 Assunto: Noções de Estatística 1. Conceitos básicos Definição: A estatística é a ciência que recolhe, organiza, classifica, apresenta
Leia maisMódulo de Princípios Básicos de Contagem. Segundo ano
Módulo de Princípios Básicos de Contagem Combinação Segundo ano Combinação 1 Exercícios Introdutórios Exercício 1. Numa sala há 6 pessoas e cada uma cumprimenta todas as outras pessoas com um único aperto
Leia maisConteúdo programático
Introdução à Linguagem C Conteúdo programático Introdução à Linguagem C Estrutura de Programas Variáveis, Constantes Operadores, Entrada e Saída de Dados Estruturas de Desvio Estrutura de Múltipla Escolha
Leia maisP R O G R A M A TERCEIRA FASE. DISCIPLINA: Estatística Aplicada à Pesquisa Educacional Código: 3EAPE Carga Horária: 54h/a (crédito 03)
UNIVERSIDADE DO ESTADO DE SANTA CATARINA - UDESC CENTRO DE CIÊNCIAS DA SAÚDE E DO ESPORTE - CEFID DEPARTAMENTO DE EDUCAÇÃO FÍSICA - DEF CURSO: LICENCIATURA EM EDUCAÇÃO FÍSICA CURRÍCULO: 2008/2 P R O G
Leia maisEstatística e Probabilidade. Aula 5 Cap 03 Probabilidade
Estatística e Probabilidade Aula 5 Cap 03 Probabilidade Na aula anterior vimos... Conceito de Probabilidade Experimento Probabilístico Tipos de Probabilidade Espaço amostral Propriedades da Probabilidade
Leia maisMOQ-14 Projeto e Análise de Experimentos
Instituto Tecnológico de Aeronáutica Divisão de Engenharia Mecânica-Aeronáutica MOQ-14 Projeto e Análise de Experimentos Profa. Denise Beatriz Ferrari www.mec.ita.br/ denise denise@ita.br Regressão Linear
Leia maisAula 10: Escalonamento da CPU
Aula 10: Escalonamento da CPU O escalonamento da CPU é a base dos sistemas operacionais multiprogramados. A partir da redistribuição da CPU entre processos, o sistema operacional pode tornar o computador
Leia maisAula 02: Probabilidade
ITA - Laboratório rio de Guerra Eletrônica EENEM 2008 Estatística stica e Probabilidade Aula 02: Probabilidade população probabilidade (dedução) inferência estatística stica (indução) amostra Definições
Leia maisSeqüências. George Darmiton da Cunha Cavalcanti CIn - UFPE
Seqüências George Darmiton da Cunha Cavalcanti CIn - UFPE Introdução Uma seqüência é uma estrutura discreta usada para representar listas ordenadas. Definição 1 Uma seqüência é uma função de um subconjunto
Leia maisDISTRIBUIÇÕES DE PROBABILIDADE
DISTRIBUIÇÕES DE PROBABILIDADE i1 Introdução Uma distribuição de probabilidade é um modelo matemático que relaciona um certo valor da variável em estudo com a sua probabilidade de ocorrência. Há dois tipos
Leia maisTestes em Laboratório - Análise
Introdução à Interação Humano-Computador Testes com Usuários Professora: Raquel Oliveira Prates http://www.dcc.ufmg.br/~rprates/ihc \ Aula 8: 09/10 Testes em Laboratório - Análise Análise dos dados coletados
Leia maisMedidas de Tendência Central. Introdução Média Aritmética Moda Mediana
Medidas de Tendência Central Introdução Média Aritmética Moda Mediana Introdução A maioria dos dados apresenta uma tendência de se concentrar em torno de um ponto central Portanto, é possível selecionar
Leia maisExpressões de sequencias
Expressões de sequencias Semana Olímpica/01 Prof. Armando 01 de fevereiro de 01 1 Introdução Um assunto que cai com frequência em olimpíada são as sequências. Sequências são listas ordenadas de números
Leia maisDistribuição Binomial e Normal
Distribuição Binomial e Normal O que se pretende, neste módulo, é apresentar dois modelos teóricos de distribuição de probabilidade, aos quais um experimento aleatório estudado possa ser adaptado, o que
Leia maisEstimação. Como definir um estimador. Como obter estimativas pontuais. Como construir intervalos de confiança
Estimação Como definir um estimador. Como obter estimativas pontuais. Como construir intervalos de confiança Motivação A partir da média de uma a amostra em uma colheita recente, o conselho de qualidade
Leia maisÁlgebra Linear Aplicada à Compressão de Imagens. Universidade de Lisboa Instituto Superior Técnico. Mestrado em Engenharia Aeroespacial
Álgebra Linear Aplicada à Compressão de Imagens Universidade de Lisboa Instituto Superior Técnico Uma Breve Introdução Mestrado em Engenharia Aeroespacial Marília Matos Nº 80889 2014/2015 - Professor Paulo
Leia maisESCOLA SUPERIOR DE TECNOLOGIA
Departamento Matemática Curso Engenharia Civil 1º Semestre 2º Folha Nº1 1. Ao dar ordem de compra de um computador é necessário especificar, em relação ao seu sistema, a memória (1, 2 ou 3Gb) e capacidade
Leia maisUNESP - Faculdade de Engenharia de Guaratinguetá 1
ANÁLISE GRÁFICA UNESP - Faculdade de Engenharia de Guaratinguetá 0.. Introdução Neste capítulo abordaremos princípios de gráficos lineares e logarítmicos e seu uso em análise de dados. Esta análise possibilitará
Leia maisRevisão estatística e probabilidade. Prof. Anderson Almeida Ferreira
Revisão estatística e probabilidade Prof. Anderson Almeida Ferreira População População é o conjunto de elementos (indivíduos, objetos, etc.) que formam o universo de nosso estudo e que são passíveis de
Leia maisLógica e Raciocínio. Decisão sob Risco Utilidade. Universidade da Madeira. http://dme.uma.pt/edu/ler/
Lógica e Raciocínio Universidade da Madeira http://dme.uma.pt/edu/ler/ Decisão sob Risco Utilidade 1 Valor Monetário Esperado Assumamos que sempre podemos medir o valor das consequencias em termos monetarios
Leia maisAULA 19 Análise de Variância
1 AULA 19 Análise de Variância Ernesto F. L. Amaral 18 de outubro de 2012 Metodologia de Pesquisa (DCP 854B) Fonte: Triola, Mario F. 2008. Introdução à estatística. 10 ª ed. Rio de Janeiro: LTC. Capítulo
Leia maisUniversidade Federal de Goiás Campus Catalão Departamento de Matemática
Universidade Federal de Goiás Campus Catalão Departamento de Matemática Disciplina: Álgebra Linear Professor: André Luiz Galdino Aluno(a): 4 a Lista de Exercícios 1. Podemos entender transformações lineares
Leia maisConceitos de Gestão de Estoques. Prof. Ruy Alexandre Generoso
Conceitos de Gestão de Estoques Análise Numérica Prof. Ruy Alexandre Generoso Cálculo do Nível N de Serviço Ótimo Nível de Serviço o (NS): Determinado nível n de estoque E. É a probabilidade de que a demanda
Leia maisAULA 1 INTRODUÇÃO A BANCO DE DADOS E VISÃO GERAL DO SQL CONCEITUANDO BANCO DE DADOS MODELO RELACIONAL
BANCO DE DADOS GERENCIAL 1 AULA 1 INTRODUÇÃO A BANCO DE DADOS E VISÃO GERAL DO SQL CONCEITUANDO BANCO DE DADOS Um banco de dados é uma coleção de dados (ou informações) organizadas de forma lógica, e que
Leia maisMódulo 1 - Mês 1- Aula 3
PLANEJAMENTO BÁSICO Módulo 1 - Mês 1- Aula 3 PLANEJAMENTO BÁSICO Como construir renda estável em cada etapa 1. Etapas de Faturamento Para construir um rendimento estável, existe uma ordem a seguir. Na
Leia maisMétricas de Software
Métricas de Software Plácido Antônio de Souza Neto 1 1 Gerência Educacional de Tecnologia da Informação Centro Federal de Educação Tecnologia do Rio Grande do Norte 2006.1 - Planejamento e Gerência de
Leia maisProcessos Estocásticos
Processos Estocásticos Hélio Lopes INF2035 - Introdução à Simulação Estocástica 1 Introdução Um processo estocástico é uma família de variáveis aleatórias {X(t), t T } definidas em um espaço de probabilidade,
Leia maisVariáveis Aleatórias Contínuas
Variáveis aleatórias contínuas: vamos considerar agora uma lista de quantidades as quais não é possível associar uma tabela de probabilidades pontuais ou frequências tempo de duração de uma chamada telefônica
Leia maisIntrodução à orientação a objetos
Universidade Federal de Juiz de Fora PET Elétrica Introdução à orientação a objetos Tutor: Francisco José Gomes Aluno: João Tito Almeida Vianna 18/05/2013 1 Programação Estruturada x Orientação a objetos
Leia maisTeste de hipótese em modelos normais lineares: ANOVA
Teste de hipótese em modelos normais lineares: ANOVA Prof Caio Azevedo Prof Caio Azevedo Exemplo 1 No primeiro modelo, o interesse primário, de certa forma, é testar se a carga não contribui para explicar
Leia mais2.2 Estruturar ação de oficina de integração com gestores, trabalhadores, usuários e familiares da RAPS, redes de saúde e rede intersetorial.
Ministério da Saúde Secretaria de Atenção à Saúde Departamento de Ações Programáticas e Estratégicas Coordenação Geral de Saúde Mental, Álcool e Outras Drogas. II Chamada para Seleção de Redes Visitantes
Leia maisFundamentos de Bancos de Dados 3 a Prova Caderno de Questões
Fundamentos de Bancos de Dados 3 a Prova Caderno de Questões Prof. Carlos A. Heuser Dezembro de 2009 Duração: 2 horas Prova com consulta Questão 1 (Construção de modelo ER) Deseja-se projetar a base de
Leia maisANÁLISE DE CIRCUITOS I ( AULA 03)
ANÁLISE DE CIRCUITOS I ( AULA 03) 1.0 O CAPACÍMETRO É o instrumento usado para medir o valor dos capacitores comuns e eletrolíticos. Há dois tipos de capacímetro: o analógico (de ponteiro) e o digital
Leia maisImpressora Latex série 300. Garantia limitada
Impressora Latex série 300 Garantia limitada 2013 Hewlett-Packard Development Company, L.P. 1 Avisos legais As informações contidas neste documento estão sujeitas a alteração sem aviso prévio. As únicas
Leia maisRecorrendo à nossa imaginação podemos tentar escrever números racionais de modo semelhante: 1 2 = 1 + 3 + 32 +
1 Introdução Comecemos esta discussão fixando um número primo p. Dado um número natural m podemos escrevê-lo, de forma única, na base p. Por exemplo, se m = 15 e p = 3 temos m = 0 + 2 3 + 3 2. Podemos
Leia maisMANUAL e-sic GUIA DO SERVIDOR. Governo do Estado do Piauí
MANUAL e-sic GUIA DO SERVIDOR Governo do Estado do Piauí 1 Conteúdo Introdução... 3 Sistema Eletrônico de Informação ao Cidadão (e-sic)... 4 Primeiro Acesso... 5 Cadastro...Erro! Indicador não definido.
Leia maisCoeficiente de Assimetria e Curtose. Rinaldo Artes. Padronização., tem as seguintes propriedades: Momentos
Coeficiente de Assimetria e Curtose Rinaldo Artes 2014 Padronização Seja X uma variável aleatória com E(X)=µ e Var(X)=σ 2. Então a variável aleatória Z, definida como =, tem as seguintes propriedades:
Leia maisEmparelhamentos Bilineares Sobre Curvas
Emparelhamentos Bilineares Sobre Curvas Eĺıpticas Leandro Aparecido Sangalli sangalli@dca.fee.unicamp.br Universidade Estadual de Campinas - UNICAMP FEEC - Faculdade de Engenharia Elétrica e de Computação
Leia maisPlano Pós-Pago Alternativo de Serviço
1 - Aplicação Plano Pós-Pago Alternativo de Serviço Plano Nº 030 - Plano Online 500MB Requerimento de Homologação Nº 8886 Este Plano Pós-Pago Alternativo de Serviço é aplicável pela autorizatária CLARO
Leia maisTeste de Hipótese e Intervalo de Confiança. Parte 2
Teste de Hipótese e Intervalo de Confiança Parte 2 Questões para discutirmos em sala: O que é uma hipótese estatística? O que é um teste de hipótese? Quem são as hipóteses nula e alternativa? Quando devemos
Leia maisAnálise Qualitativa no Gerenciamento de Riscos de Projetos
Análise Qualitativa no Gerenciamento de Riscos de Projetos Olá Gerente de Projeto. Nos artigos anteriores descrevemos um breve histórico sobre a história e contextualização dos riscos, tanto na vida real
Leia maisMatemática Básica Intervalos
Matemática Básica Intervalos 03 1. Intervalos Intervalos são conjuntos infinitos de números reais. Geometricamente correspondem a segmentos de reta sobre um eixo coordenado. Por exemplo, dados dois números
Leia maisUnidade 1: O Computador
Unidade : O Computador.3 Arquitetura básica de um computador O computador é uma máquina que processa informações. É formado por um conjunto de componentes físicos (dispositivos mecânicos, magnéticos, elétricos
Leia maisFísica Experimental III
Física Experimental III Unidade 4: Circuitos simples em corrente alternada: Generalidades e circuitos resistivos http://www.if.ufrj.br/~fisexp3 agosto/26 Na Unidade anterior estudamos o comportamento de
Leia maisA vida sem reflexão não merece ser vivida Sócrates Disciplina: ESTATÍSTICA e PROBABILIDADE
Notas de aula 07 1 A vida sem reflexão não merece ser vivida Sócrates Disciplina: ESTATÍSTICA e PROBABILIDADE 1. Medidas de Forma: Assimetria e Curtose. A medida de assimetria indica o grau de distorção
Leia maisTópicos Avançados em Banco de Dados Dependências sobre regime e controle de objetos em Banco de Dados. Prof. Hugo Souza
Tópicos Avançados em Banco de Dados Dependências sobre regime e controle de objetos em Banco de Dados Prof. Hugo Souza Após vermos uma breve contextualização sobre esquemas para bases dados e aprendermos
Leia mais