AULAS 6 e 7. ESPERANÇA, MOMENTOS E DISTRIBUIÇÕES DE PROBABILIDADES de VARIÁVEIS DISCRETAS 05/05/2017
|
|
- Cíntia Esteves de Paiva
- 6 Há anos
- Visualizações:
Transcrição
1 AULAS 6 e 7 ESPERANÇA, MOMENTOS E DISTRIBUIÇÕES DE PROBABILIDADES de VARIÁVEIS DISCRETAS 05/05/2017
2 Em aulas passadas vimos as funções de probabilidade de variáveis discretas e contínuas agora vamos ver propriedades e outras funções importantes dessas distribuições
3 O operador matemático VALOR ESPERADO ou ESPERANÇA
4 PARA VARIÁVEIS DISCRETAS =.
5 O valor esperado é a chamada MÉDIA Algumas propriedades:
6 E[X+Y]= E[X]+E[Y] E[cX]= c.e[x]
7 ESPERANÇA PARA VARIÁVEIS CONTÍNUAS
8 A esperança de uma variável aleatória X, com densidade de probabilidade é: =.. = µ E(X) = µ é a média da variável aleatória X
9 Calcular a média de X cuja função densidade de probabilidade é dada por: f x (x) = 2x para 0 0,5 f x (x) = +!"! 0,5 2 f x (x) = 0 no complementar Resposta : E(x) = 0,8333
10 VARIÂNCIA DE UMA VARIÁVEL ALEATÓRIA var(x)
11 $ = ( ). =!"!(! )*+",-! $ =...!"! (! +/0-í02!
12 Demonstra-se que: A variância fornece uma medida de dispersão dos valores da v.a. em relação à sua esperança. Enquanto que a média pode ser relacionada com o Centro de Gravidadeda distribuição da massa de probabilidades, a variância coincide com o valor do Momento de Inérciadessa distribuição em torno do seu centro de gravidade.
13 A raiz quadrada positiva da variância é o desvio padrão
14 Momentos
15 3 3 =. 3. A média E(x) é o momento de ordem k=1
16 Podemos também definir o momento centrado de ordem k como sendo: 3 = 3 O momento centrado de ordem 2 é a variância de x: $ =(!"()
17 A chamada Função Geradora de Momentos é dada por: - =, 5 =, 5. Para todo t, com <-<+ em que a esperança seja finita
18 Os Momentos são calculados para todas Distribuições de Probabilidade e esses Momentos serão muito importantes na Estatística
19 Mas nem sempre eles existem, exemplo.
20 Seja X uma v.a. com distribuição de Cauchy padrão, cuja densidade de probabilidade é dada por: = 8. ( 9 )!"! - < < + Calcular E(x) para qualquer valor de a, esta integral é igual a : : =.... ().+.., as duas integrais são iguais tendem a, portanto a integral diverge Ou seja, a distribuição de Cauchy não possui momentos!
21 Coeficientede Assimetria(Skewness) de Pearson ; =[( = > ) ]= Assimetria pode ser igual a zero, positiva ou negativa
22 REGRA Média Mediana(percentil 50%) Moda(maior probabilidade) Média < Mediana < Moda Assimetria Negativa Média > Mediana > Moda Assimetria Positiva
23 Curtose(Kurtosis) A = B[ = C ] (B[(=) 9 ]) 9 = = C > C Normal K=3 (as formas são definidas em relação à Distribuição Normal) Mesocúrtica(Normal) Leptocúrtica(Maior que a Normal) Platicúrtica(Menor que a Normal)
24 Função de ProbabilidadeBivariada (Bi dimensional) Vamos suporagora que temosduasvariáveisaleatóriasx e Y Função Densidade de Probabilidade Conjunta:,D,E (!F,G -//* /* +")-é")/*!0-,")/"g,0-, ()*-/*!,D,E..E =1! K,+ L =..,D.E. : O N M
25 Podemosentãodefiniragora as chamadas FunçõesMarginaisde Probabilidade Dada uma Função de Probabilidade Bivariada as Funções Marginais de X e Y serãodadaspor: =,D,E.E!"! < <+ D E =,D,E.!"! <E<+
26 Se X e Y foremindependentesa bivariada será:,d D AFunção deprobabilidadecondicionalde y dado x será dada por: D / E / = Q R,S(,D) Q R () <E<+
27 COVARIÂNCIA Quando temosduasvariáveisaleatóriasx e y podemosavaliaro quão forte é estarelação, define-se entãoa cov(x,y)dadapor: +/(,E = T. E T D Cov(x,y) = T. E T D.,D,E..E
28 COEFICIENTE DE CORRELAÇÃO ENTRE X E Y R S Se x e Y são independentes então ρ = 0 mas isso não implica em independência!!! Podem serem muito dependentes!!! Se ρ = 1 ou -1 então Y=aX+b (correlação linear perfeita)
29 DISTRIBUIÇÕES DE PROBABILIDADE DE V.A. DISCRETAS
30 Distribuiçãode Bernoulli Experimento: pode uma única vez sucesso ou fracasso: x=1 sucesso x=0 fracasso P(x=1)=peP(x=0)=1-p=q QualovalordeE(x)? EqualéaVar(x)? E(x)= p Var(x)=pq
31 Qual é o parâmetro que define a Bernoulli? Uma vez definido p, a distribuição esta definida, ou seja, a Bernoulli possui um parâmetro, p
32 Agora vamos ver uma Distribuição de Probabilidades de n eventos de Bernoulli: a Distribuição Binomial qual a probabilidade de ocorrer k sucessos em n tentativas de eventos de Bernoulli?
33 Probabilidade de ocorrer k sucessos em n tentativas de eventos de Bernoulli Distribuição Massa de Probabilidade Binomial =U = V 3. 3.W V3 /0, W =1, p é a probabilidade de sucesso Calcular E(x) e Var(x)? E(x) = np e Var(x) = np(1-p)
34 Quantos parâmetros tem a Binomial? Que parâmetros são esses? Dois: n e p Notação: B (n,p)
35 Distribuição Geométrica
36 Seja a V.A. xcorrespondente ao número de tentativas para ocorrer o primeiro sucesso de um evento de Bernoulli, a probabilidade de x é dada por: Admite-se que p é a probabilidade de sucesso e (1-p) é a probabilidade de fracasso, a Função Massa de Probabilidade é dada por: P(X=1) = p P(X=2) = (1-p).p P(X=3)= (1-p).(1-p).p.. P(X=n) = (1 ) V. com n=1,2. Qualé o valor de E[x] e de Var(x)? = ] ^!" = (]) ] 9
37 Distribuições Geométricas À esquerda para o número de tentativas até o primeiro sucesso (começa em 1) À direita para o número de falhas até o primeiro sucesso (começa em zero) ometric_distribution
38 Exemplo de Aplicação: Um pesquisador está produzindo um novo tipo de vacina para ser usada em seres humanos. Através de testes em animais ele chegou à conclusão de que esta vacina tem probabilidade de matar o usuário em 0,1% dos casos. Por causa das leis do país onde será aplicada, a vacina deve ter sua produção suspensa após ocorrer sua primeira morte. Se admitirmos como sendo a ocorrência da morte do paciente como um sucesso então p=0,001. Assim, se x é o número de pessoas que tomarão a vacina até a ocorrência da primeira morte, temos que x tem uma distribuição geométrica com parâmetro p, isto é, x tem Distribuição Geométrica e a probabilidade de que a primeira morte ocorra na k-ésima aplicação da vacina é: P(x=k) =(1 0,001) 3.0,001 Em média 1000 pessoas serão vacinadas sem ocorrência de morte, na medida que aumenta k aumenta a probabilidade de ocorrer a primeira morte
39 Exercício Estima-se que um terremoto de probabilidade 1/ a cada ano pode destruir uma cidade. Qual a probabilidade de que este terremoto só ocorra daqui a 100 anos? Qual a probabilidade de que este terremoto só ocorra daqui a anos? 10, 0, Qual a média de ocorrência deste terremoto?
40 Exercício Qual a probabilidade de ocorrer uma ou mais vezes este terremoto em 100 anos? Qual a probabilidade de ocorrer uma ou mais vezes este terremoto em anos?
41 Distribuição de Poisson
42 Poisson é uma das mais importantes distribuições, pois ela é própria para avaliar probabilidades que ocorrem no tempo e no espaço.ela tem relação com a Binomial e a Exponencial, como veremos adiante
43 Considerando a Binomial com: n tendendo a infinito e Média np(binomial) tendendo a um valor constante (número médio de sucessos) igual a λ, obtém-se a seguinte Função Massa de Probabilidade: = U =,b c 3 +/G 0 U! λé a taxa de ocorrência(no espaçooutempo) Importante: E[x]=λ e var(x) = λ
44 Exemplos de Aplicação: Número de usuários de computador ligados à Internet ou acesso a um site Número de clientes chegando ao caixa de um supermercado Acidentes com automóveis em uma determinada estrada Número de carros que chega num posto de gasolina Número de aviões sequestrados num dia Número de falhas em componentes eletrônicos por unidade de tempo Número de requisições num servidor em um intervalo de tempo t Número de peças defeituosas substituídas num veículo durante o primeiro ano de vida, etc...
45 Condições para considerar o experimento como sendo Poisson: Em todas os exemplos anteriores deveremos ter um conjunto de ocorrências que satisfazem as seguintes condições: o número de ocorrências de um evento em um intervalo de tempo (espaço) é independente do número de ocorrências do evento em qualquer outro intervalo disjunto, ou seja, as ocorrências são independentes a probabilidade de duas ou mais ocorrências simultâneas é praticamente zero o número médio de ocorrências por unidade de tempo (espaço) é constante ao longo do tempo (espaço) as ocorrências são distribuídas uniformemente sobre o intervalo considerado o número de ocorrências durante qualquer intervalo depende somente da duração ou tamanho do intervalo; quanto maior o intervalo, maior o número de ocorrência
46 As diversasformasda Poisson
47 Diferentes Distribuições Massa de Poisson, de acordo com o valor do seu parâmetro λ m%c3%a9on_denis_poisson
48 Diferentes Distribuições Acumuladas de Poisson, de acordo com o valor do seu parâmetro λ m%c3%a9on_denis_poisson
49 Exercício O número de imperfeições em cabo de fibra ótica segue a Poisson. A taxa de imperfeições é de 1,2 por 50 metros de cabo. Pergunta-se: a) qual a probabilidade de 3 falhas em 150 m de cabo. b) pelo menos 2 falhas em 100 m de cabo e c) 1 falha nos primeiros 50 m de cabo e exatamente 1 falha nos 50 m seguintes. P(k=3) = ef@,g 3,6 =0,2125! P(k 2) = 1-P(k=0)-P(k=1) = 0,691 P(k=1) = efh,9! 1,2 =0, !* (,j,*: 0,3614 =0,1306
50 Exercício O número de acessos a um website segue Poisson, são 4 pessoas por minuto em média. Pergunta-se: a) qual a probabilidade de 2 ou menos acessos em 1 minuto? b) qual a probabilidade exata de 2 acessos em 30 segundos? P(k 2) = P(k=0)+P(k=1)+P(k=2) = efc l! 0,0183+0, ,1465= 0,2381 P(k=2) = ef9! 2 =0, l + efc! 4 + efc! (4 )=
51 Exercício Acredita-se que o número de reservas numa agência segue Poisson. Os dados indicam que são feitas em média 15 reservas por hora, com desvio padrão igual a 2,5. Verifique se Poisson é um modelo aceitável para este caso. Resposta: não. Porque??? Verificar média e variância
52 Rule of Thumb: Podemos aproximar a Binomial pela Poisson quando n 20 e p 0,05 Se n 100 e np 10 esta aproximação é excelente!
53 Exercício Sabe-se que 3% de placas (circuitos) de uma indústria apresenta defeito. Escolhem-se 120 placas ao acaso, usando a aproximação de Poisson estimar as seguintes probabilidades: a) exatamente duas placas com defeito. b) pelo menos duas placas com defeito. sucesso = 3% (com defeito) fracasso = 97% (sem defeito): Binomial(120,3%), mas vamos empregar Poisson com λ=120.3%=3,6: U =2 = ef@,g 3,6 =0,1771(se for via Binomial = 0,1766)! P(k 2)=1-P(k=0)-P(k=1) = 0,876 (se for via Binomial = 0,878)
54 Exercício para a próximaaula
55 Uma empresa de aluguel de automóveis tem 5 carros, dos quais 3 têm rádio. O proprietário estima que a metade dos clientes prefere alugar carro com rádio. Os carros são alugados por dia e a procura é sempre maior que 5, de modo que todos os carros estão sempre ocupados. Pergunta-se: A) que fração do tempo a procura de carros com rádio é superior ao número de carros com rádio? B) se o custo por dia do rádio é C, que sobretaxa mínima A deve ser cobrada para não haver prejuízo a longo prazo? Se o cliente não quer o rádio este é desligado a não é cobrada a sobretaxa.
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 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 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 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 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 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 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 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 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 maisWWW.RENOVAVEIS.TECNOPT.COM
Energia produzida Para a industria eólica é muito importante a discrição da variação da velocidade do vento. Os projetistas de turbinas necessitam da informação para otimizar o desenho de seus geradores,
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 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 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 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 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 maisSe inicialmente, o tanque estava com 100 litros, pode-se afirmar que ao final do dia o mesmo conterá.
ANÁLISE GRÁFICA QUANDO y. CORRESPONDE A ÁREA DA FIGURA Resposta: Sempre quando o eio y corresponde a uma taa de variação, então a área compreendida entre a curva e o eio do será o produto y. Isto é y =
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 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 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 maisÁrvores. ! utilizada em muitas aplicações. ! modela uma hierarquia entre elementos. ! O conceito de árvores está diretamente ligado à recursão
Árvores 1 Árvores! utilizada em muitas aplicações! modela uma hierarquia entre elementos! árvore genealógica! diagrama hierárquico de uma organização! modelagem de algoritmos! O conceito de árvores está
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 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 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 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 maisEXERCÍCIOS DE ÁLGEBRA LINEAR E GEOMETRIA ANALÍTICA (sistemas de equações lineares e outros exercícios)
UNIVERSIDADE DO ALGARVE ESCOLA SUPERIOR DE TECNOLOGIA EXERCÍCIOS DE ÁLGEBRA LINEAR E GEOMETRIA ANALÍTICA (sistemas de equações lineares e outros eercícios) ÁREA DEPARTAMENTAL DE ENGENHARIA CIVIL Eercícios
Leia maisModelos Lineares Generalizados - Verificação do Ajuste do Modelo
Modelos Lineares Generalizados - Verificação do Ajuste do Modelo Erica Castilho Rodrigues 21 de Junho de 2013 3 Uma outra medida usada para verificar o ajuste do modelo. Essa estatística é dada por X
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 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 maisAula 03. Processadores. Prof. Ricardo Palma
Aula 03 Processadores Prof. Ricardo Palma Definição O processador é a parte mais fundamental para o funcionamento de um computador. Processadores são circuitos digitais que realizam operações como: cópia
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 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 maisé 4. Portanto, o desvio padrão é 2. Neste caso 100% dos valores da população estão a um desvio padrão da média.
Desvio Padrão From Wikipedia, the free encyclopedia probabilidade e estatística, o desvio padrão de uma distribuição de probabilidade, de uma variável aleatória, ou população é uma medida do espalhamento
Leia maisAula 15 Amplificadores Operacionais (pág. 453 a 459)
Aula 15 Amplificadores Operacionais (pág. 453 a 459) Prof. Dr. Aparecido Nicolett PUC-SP Slide 1 Considerações gerais: Amplificadores Operacionais são amplificadores diferencias com ganho muito alto, impedância
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 maisLógica de Predicados
Lógica de Predicados Conteúdo Correção dos Exercícios (Rosen 47) Prioridade dos Quantificadores (Rosen 38) Ligando Variáveis (Rosen 38) Predicados com duas variáveis. Equivalências lógicas (Rosen 39) Negando
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 maisComandos de Eletropneumática Exercícios Comentados para Elaboração, Montagem e Ensaios
Comandos de Eletropneumática Exercícios Comentados para Elaboração, Montagem e Ensaios O Método Intuitivo de elaboração de circuitos: As técnicas de elaboração de circuitos eletropneumáticos fazem parte
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 maisModelos de Regressão Linear Simples - Erro Puro e Falta de Ajuste
Modelos de Regressão Linear Simples - Erro Puro e Falta de Ajuste Erica Castilho Rodrigues 2 de Setembro de 2014 Erro Puro 3 Existem dois motivos pelos quais os pontos observados podem não cair na reta
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 maisCAPÍTULO 4 Exercícios Resolvidos
CAPÍTULO 4 Exercícios Resolvidos R4.1) Condição para concretização de uma venda Um certo tipo de componente é vendido em lotes de 1000 itens. O preço de venda do lote é usualmente de 60 u.m. Um determinado
Leia maisOndas EM no Espaço Livre (Vácuo)
Secretaria de Educação Profissional e Tecnológica Instituto Federal de Santa Catarina Campus São José Área de Telecomunicações ELM20704 Eletromagnetismo Professor: Bruno Fontana da Silva 2014-1 Ondas EM
Leia maisExercícios Resolvidos da Distribuição de Poisson
. a. Qual é a diferença entre as distribuições de Poisson e inomial? b. Dê alguns exemplos de quando podemos aplicar a distribuição de Poisson. c. Dê a fórmula da distribuição de Poisson e o significado
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 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 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 maisFigura 4.1: Diagrama de representação de uma função de 2 variáveis
1 4.1 Funções de 2 Variáveis Em Cálculo I trabalhamos com funções de uma variável y = f(x). Agora trabalharemos com funções de várias variáveis. Estas funções aparecem naturalmente na natureza, na economia
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 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 maisUnidade 3 Função Afim
Unidade 3 Função Afim Definição Gráfico da Função Afim Tipos Especiais de Função Afim Valor e zero da Função Afim Gráfico definidos por uma ou mais sentenças Definição C ( x) = 10. x + Custo fixo 200 Custo
Leia maisCusto de Oportunidade do Capital
Custo de Oportunidade do Capital É o custo de oportunidade de uso do fator de produção capital ajustado ao risco do empreendimento. Pode ser definido também como a taxa esperada de rentabilidade oferecida
Leia maisESTATÍSTICA DESCRITIVA:
UNIVERSIDADE FEDERAL DE MATO GROSSO Campus Universitário de Sinop(CUS) ESTATÍSTICA DESCRITIVA: Medidas de forma: Assimetria e Curtose Profº Evaldo Martins Pires SINOP -MT TEMAS TRABALHADOS ATÉ AGORA Aula
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 maisProfessora Bruna FÍSICA A. Aula 13 Aceleração escalar média classificação dos movimentos. Página - 181
FÍSICA A Aula 13 Aceleração escalar média classificação dos movimentos Página - 181 PARA COMEÇAR Você sabe o que é um porta-aviões? Você sabia que a pista de um porta-aviões tem cerca de 100 metros de
Leia maisGerenciamento do Escopo do Projeto (PMBoK 5ª ed.)
Gerenciamento do Escopo do Projeto (PMBoK 5ª ed.) De acordo com o PMBok 5ª ed., o escopo é a soma dos produtos, serviços e resultados a serem fornecidos na forma de projeto. Sendo ele referindo-se a: Escopo
Leia maisFunção. Adição e subtração de arcos Duplicação de arcos
Função Trigonométrica II Adição e subtração de arcos Duplicação de arcos Resumo das Principais Relações I sen cos II tg sen cos III cotg tg IV sec cos V csc sen VI sec tg VII csc cotg cos sen Arcos e subtração
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 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 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 maisCOMENTÁRIO DA PROVA DO BANCO DO BRASIL
COMENTÁRIO DA PROVA DO BANCO DO BRASIL Prezados concurseiros, segue abaixo os comentários das questões de matemática propostas pela CESPE no último concurso para o cargo de escriturário do Banco do Brasil
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 maisEstatística Analítica
Teste de Hipótese Testes Estatísticos 2 Teste de Hipótese Testes Estatísticos 3 1 Teste de Hipótese Testes Estatísticos 4 Principais Testes: Teste Qui-quadrado Teste T de Student Teste ANOVA Teste de Correlação
Leia maisLISTA DE EXERCÍCIOS VARIÁVEIS ALEATÓRIAS
LISTA DE EXERCÍCIOS VARIÁVEIS ALEATÓRIAS 1. Construir um quadro e o gráfico de uma distribuição de probabilidade para a variável aleatória X: número de coroas obtidas no lançamento de duas moedas. 2. Fazer
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 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 maisDistribuição Uniforme Discreta. Modelos de distribuições discretas. Distribuição de Bernoulli. Distribuição Uniforme Discreta
Distribuição Uniforme Discreta Modelos de distribuições discretas Notas de Aula da Profa. Verónica González-López e do Prof. Jesús Enrique García, digitadas por Beatriz Cuyabano. Acréscimos e modicações:
Leia maisExercícios e questões de Álgebra Linear
CEFET/MG Exercícios e questões de Álgebra Linear Versão 1.2 Prof. J. G. Peixoto de Faria Departamento de Física e Matemática 25 de outubro de 2012 Digitado em L A TEX (estilo RevTEX). 2 I. À GUISA DE NOTAÇÃO
Leia maisUNIVERSIDADE FEDERAL DA BAHIA ESCOLA POLITÉCNICA DEPARTAMENTO DE ENGENHARIA QUÍMICA ENG 008 Fenômenos de Transporte I A Profª Fátima Lopes
Equações básicas Uma análise de qualquer problema em Mecânica dos Fluidos, necessariamente se inicia, quer diretamente ou indiretamente, com a definição das leis básicas que governam o movimento do fluido.
Leia maisSistema Trifásico Prof. Ms. Getúlio Teruo Tateoki
Sistema Trifásico Prof Ms Getúlio Teruo Tateoki Em um gerador trifásico, existem três enrolamentos separados fisicamente de 0 entre si, resultando em três tensões induzidas defasadas de 0 figura abaixo
Leia maise-mail: ederaldoazevedo@yahoo.com.br
Assunto: Cálculo de Lajes Prof. Ederaldo Azevedo Aula 3 e-mail: ederaldoazevedo@yahoo.com.br 3.1. Conceitos preliminares: Estrutura é a parte ou o conjunto das partes de uma construção que se destina a
Leia maisAula 8 Variações da Eliminação de Gauss/Fatoração LU.
Aula 8 Variações da Eliminação de Gauss/Fatoração LU. MS211 - Cálculo Numérico Marcos Eduardo Valle Departamento de Matemática Aplicada Instituto de Matemática, Estatística e Computação Científica Universidade
Leia maisProbabilidade II. Departamento de Estatística. Universidade Federal da Paraíba. Prof. Tarciana Liberal (UFPB) Aula Distribuição Uniforme 11/13 1 / 19
Probabilidade II Departamento de Estatística Universidade Federal da Paraíba Prof. Tarciana Liberal (UFPB) Aula Distribuição Uniforme 11/13 1 / 19 Distribuições Contínuas Apresentaremos agora alguns dos
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 maisTESTES SOCIOMÉTRICOS
TESTES SOCIOMÉTRICOS Docente: Mestre Mª João Marques da Silva Picão Oliveira TESTES SOCIOMÉTRICOS * O Teste Sociométrico ajuda-nos a avaliar o grau de integração duma criança/jovem no grupo; a descobrir
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 maisConteúdo programático por disciplina Matemática 6 o ano
60 Conteúdo programático por disciplina Matemática 6 o ano Caderno 1 UNIDADE 1 Significados das operações (adição e subtração) Capítulo 1 Números naturais O uso dos números naturais Seqüência dos números
Leia maisRedes de Computadores
Nível de rede Inst tituto de Info ormátic ca - UF FRGS Redes de Computadores Nível de rede Aula 6 Aplicação Apresentação Sessão Transporte Rede Enlace Físico Protocolo nível de aplicação Protocolo nível
Leia maisModelo Entidade Relacionamento (MER) Professor : Esp. Hiarly Alves
Tópicos Apresentação Entidade, Atributo e Relacionamento Cardinalidade Representação simbólica Generalizações / Especializações Agregações Apresentação O Modelo Entidade-Relacionamento tem o objetivo de
Leia maisLei de Gauss. 2.1 Fluxo Elétrico. O fluxo Φ E de um campo vetorial E constante perpendicular Φ E = EA (2.1)
Capítulo 2 Lei de Gauss 2.1 Fluxo Elétrico O fluxo Φ E de um campo vetorial E constante perpendicular a uma superfície é definido como Φ E = E (2.1) Fluxo mede o quanto o campo atravessa a superfície.
Leia maisÁLGEBRA. Aula 5 _ Função Polinomial do 1º Grau Professor Luciano Nóbrega. Maria Auxiliadora
1 ÁLGEBRA Aula 5 _ Função Polinomial do 1º Grau Professor Luciano Nóbrega Maria Auxiliadora 2 FUNÇÃO POLINOMIAL DO 1º GRAU Uma função polinomial do 1º grau (ou simplesmente, função do 1º grau) é uma relação
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 maisMedidas de dispersão e assimetria
Metodologia de Diagnóstico e Elaboração de Relatório FASHT Medidas de dispersão e assimetria Profª Cesaltina Pires cpires@uevora.pt Plano da Apresentação Medidas de dispersão Variância Desvio padrão Erro
Leia maisAula 2: Variáveis Aleatórias Discretas e Contínuas e suas Principais Distribuições.
Aula 2: Variáveis Aleatórias Discretas e Contínuas e suas Principais Distribuições. Prof. Leandro Chaves Rêgo Programa de Pós-Graduação em Engenharia de Produção - UFPE Recife, 14 de Março de 2012 Tipos
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 maisTEORIA 5: EQUAÇÕES E SISTEMAS DO 1º GRAU MATEMÁTICA BÁSICA
TEORIA 5: EQUAÇÕES E SISTEMAS DO 1º GRAU MATEMÁTICA BÁSICA Nome: Turma: Data / / Prof: Walnice Brandão Machado Equações de primeiro grau Introdução Equação é toda sentença matemática aberta que exprime
Leia maisa) 2 b) 3 c) 4 d) 5 e) 6
Recordando operações básicas 01. Calcule as expressões abaixo: a) 2254 + 1258 = b) 300+590 = c) 210+460= d) 104+23 = e) 239 54 = f) 655-340 = g) 216-56= h) 35 x 15 = i) 50 x 210 = j) 366 x 23 = k) 355
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 maisMODELOS PROBABILÍSTICOS MAIS COMUNS VARIÁVEIS ALEATÓRIAS DISCRETAS
MODELOS PROBABILÍSTICOS MAIS COMUNS VARIÁVEIS ALEATÓRIAS DISCRETAS Definições Variáveis Aleatórias Uma variável aleatória representa um valor numérico possível de um evento incerto. Variáveis aleatórias
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 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 maisCAPÍTULO 5 Exercícios Resolvidos
CAPÍTULO 5 Exercícios Resolvidos R5.) Casais com no máximo filhos Consideremos o conjunto dos casais que têm no máximo dois filhos. Admitamos que dentro desse contexto, cada uma das possibilidades em termos
Leia mais0.1 Introdução Conceitos básicos
Laboratório de Eletricidade S.J.Troise Exp. 0 - Laboratório de eletricidade 0.1 Introdução Conceitos básicos O modelo aceito modernamente para o átomo apresenta o aspecto de uma esfera central chamada
Leia maisUso de escalas logaritmicas e linearização
Uso de escalas logaritmicas e linearização Notas: Rodrigo Ramos 1 o. sem. 2015 Versão 1.0 Obs: Esse é um texto de matemática, você deve acompanhá-lo com atenção, com lápis e papel, e ir fazendo as coisas
Leia maisUNIVERSIDADE FEDERAL DO ESPÍRITO SANTO PROGRAMA DE EDUCAÇÃO TUTORIAL - MATEMÁTICA PROJETO FUNDAMENTOS DE MATEMÁTICA ELEMENTAR
UNIVERSIDADE FEDERAL DO ESPÍRITO SANTO PROGRAMA DE EDUCAÇÃO TUTORIAL - MATEMÁTICA PROJETO FUNDAMENTOS DE MATEMÁTICA ELEMENTAR Assuntos: Produtos Notáveis; Equações; Inequações; Função; Função Afim; Paridade;
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 maisFundamentos de Teste de Software
Núcleo de Excelência em Testes de Sistemas Fundamentos de Teste de Software Módulo 1- Visão Geral de Testes de Software Aula 2 Estrutura para o Teste de Software SUMÁRIO 1. Introdução... 3 2. Vertentes
Leia maisARQUITETURA DE COMPUTADORES. Professor: Clayton Rodrigues da Siva
ARQUITETURA DE COMPUTADORES Professor: Clayton Rodrigues da Siva OBJETIVO DA AULA Objetivo: Conhecer a estrutura da arquitetura da Máquina de Von Neumann. Saber quais as funcionalidades de cada componente
Leia mais4.4 Limite e continuidade
4.4 Limite e continuidade Noções Topológicas em R : Dados dois pontos quaisquer (x 1, y 1 ) e (x, y ) de R indicaremos a distância entre eles por då(x 1, y 1 ), (x, y )è=(x 1 x ) + (y 1 y ). Definição
Leia mais