Bioestatística e Computação I
|
|
- Levi de Sequeira Espírito Santo
- 6 Há anos
- Visualizações:
Transcrição
1 Bioestatística e Computação I Distribuições Teóricas de Probabilidade Maria Virginia P Dutra Eloane G Ramos Vania Matos Fonseca Pós Graduação em Saúde da Mulher e da Criança IFF FIOCRUZ Baseado nas aulas de M. Pagano e Gravreau e Geraldo Marcelo da Cunha
2 Distribuições Teóricas de Probabilidade Variável Aleatória Pode assumir valores diferentes e qualquer resultado particular é determinado pelo acaso. Distribuição de probabilidade Especifica todos os resultados possíveis e a probabilidade de ocorrência de cada um. Para variáveis discretas, equivale à frequência relativa após um número grande de repetições. Para variáveis contínuas, especifica as probabilidades associadas com intervalos de valores.
3 Distribuição empírica de probabilidade Probabilidades calculadas a partir de uma quantidade finita de dados Probabilidade 0,4000 0,3597 DMOS Fr (%) 0, ,97 0, ,24 0,2000 0, , ,04 0,1000 0, ,97 0, ,43 0,0343 0, ,64 0, Total 100,00 DMOS
4 Distribuição teórica de probabilidade Algumas variáveis podem ter sua distribuição de probabilidade determinada com base em considerações teóricas. As distribuições teóricas de probabilidade são definidas a partir de uma equação matemática. Exemplos: variáveis dicotômicas seguem distribuição binomial de contagem seguem distribuição de Poisson algumas variáveis fisiológicas contínuas seguem distribuição normal
5 Função de distribuição de probabilidade Além da tabela e do gráfico a distribuição teórica de probabilidade pode ser descrita por sua equação. Função de distribuição de probabilidade Função de densidade de probabilidade Para variáveis discretas é denotada por P(X=x) X o nome da variável aleatória x um valor que a variável pode assumir ٠ P X =x ١ todo x [ P X =x ]=١
6 Distribuição de Probabilidade Binomial Seja uma variável aleatória dicotômica Y variável de Bernoulli fracasso e sucesso probabilidade de sucesso = p Exemplo Probabilidade de um indivíduo qualquer ser fumante p = 29% P(Y = fumante) = p = 0,29 P(Y = ñ fumante) = 1 p = 0,71
7 Distribuição de Probabilidade Binomial Seja uma variável aleatória X De n indivíduos escolhidos ao acaso X número de indivídulos fumantes X variável numérica discreta Dado que a probabilidade de ser fumante = p P(X=x) =? Qual o tipo da variável X? Quais os valores possíveis?
8 Distribuição Binomial n = 3 Como os resultados de cada indivíduo são independentes. Indivíduo 1 Indivíduo 2 Indivíduo 3 Probabilidade (1-p) (1-p) (1-p) (1-p) (1-p) p (1-p) p (1-p) (1-p) p p p (1-p) (1-p) p (1-p) p p p (1-p) p p p 3 x x P(X=x) 0 (1-p) (1-p) (1-p) 1 3 p (1-p) p 2 (1-p) 3 p 3 0=ñ fumante; 1=fumante
9 Distribuição Binomial De forma geral Um mesmo experimento ocorre n vezes Os experimentos são independentes Probabilidade de sucesso p em cada experimento X variável que representa o número de sucessos: X sucessos em n tentativas X numérica discreta P X =x = n P X =x = x px 1 p n x n! x! n x! p x 1 p n x Combinação de n objetos escolhidos x por vez
10 Distribuição Binomial n! = n fatorial n!=n n 1 n !=1 por definição Combinação Número de vezes que x objetos podem ser selecionados de um total de n objetos sem importar a ordem n x = n! x! n x!
11 Distribuição Binomial Dado que a probabilidade de um indivíduo ser fumante é 29%, de 3 indivíduos escolhidos ao acaso, qual a probabilidade de 2 serem fumantes? Cada experimento é independente e envolve a mesma variável dicotômica n! P X =x = x! n x! p x 1 p n x p=0,29; n=3; x=2 P X =2 = 3! 2! 3 2! 0, , P X =2 = ! 0, ,29 1
12 Distribuição Binomial Dado que a prevalência de obesidade é 22%, de 15 indivíduos escolhidos ao acaso, qual a probabilidade de encontrarmos 5 obesos? p=0,29; n=15; x=5 P X =x = n! x! n x! p x 1 p n x P X =5 = 15! 5! 10! 0, ,22 10 P X =5 = ! 5! 10! 0, ,22 10
13 Distribuição Binomial DMOS segue distribuição binomial?
14 Distribuição Binomial Média np Variância np 1 p Desvio-padrão np 1 p P(X=x) 0,25 0,20 0,15 0,10 0,05 0,00 0,25 0,20 Distribuição Binomial, para n=15 e p=0,29 0,22 0,20 0,18 0,14 0,10 0,07 0,04 0,03 0,01 0,01 0,00 0,00 0,00 0,00 0,00 0, x Distribuição Binomial, para n=15 e p=0,71 0,22 0,20 0,18 P(X=x) 0,15 0,10 0,07 0,14 0,10 0,05 0,00 0,04 0,03 0,00 0,00 0,00 0,00 0,00 0,00 0,01 0, Programa de Pós-Graduação em Saúde da Mulher e da Criança Bioestatística x e Computação I
15 Distribuição Binomial 0,25 Distribuição Binomial, para n=15 e p=0,5 0,20 0,20 0,20 0,15 0,15 0,15 P(X=x) 0,10 0,09 0,09 0,05 0,04 0,04 0,00 0,01 0,01 0,00 0,00 0,00 0,00 0,00 0, x
16 Distribuição de Poisson Variáveis aleatórias numéricas discretas Número de vezes que um evento raro ocorre num grande número de repetições Dados de Contagem Exemplos Número de chegadas em um pronto-socorro durante a madrugada Número de pessoas com leucemia numa cidade Número de acidentes de carro na ponte Rio-Niterói Número de metamielócitos no sangue de pessoas sadias
17 Distribuição de Poisson P X =x = e x x! X número de ocorrências de um evento num intervalo λ (lambda) número médio de ocorrências do evento no intervalo considerado e constante de Euler = 2,71828
18 Distribuição de Poisson P X =x = e x x! Exemplo. A probabilidade de um indivíduo estar envolvido num acidente nos Estados Unidos por ano é 0, Numa comunidade de pessoas, qual a probabilidade de não haver nenhum acidente em um período de 1 ano? X número de pessoas acidentadas por ano P(X=0) =? λ média de pessoas acidentadas por ano = x 0,00024 = 2,4 P X =0 = e 2,4 2,4 0 =e 2,4 =0,091 0!
19 Distribuição de Poisson Exemplo. A probabilidade de um indivíduo estar envolvido num acidente nos Estados Unidos por ano é 0, Numa comunidade de pessoas, qual a probabilidade de não haver nenhum acidente em um período de 1 ano? Poderíamos ter utilizado a distribuição binomial com p=0,00024 e n=10.000, mas calcular n! seria impraticável. Quando o evento dicotômico é raro e o número de repetições é muito grande a distribuição binomial pode ser bem aproximada pela Poisson.
20 Distribuição de Poisson Exemplo. Um hospital recebe em média 4 chamadas de urgência por dia. Qual a probabilidade de que o hospital receba: a) Oito chamadas X número de chamadas de urgência em um dia λ média do número de chamadas de urgência por dia P(X=8)=? P X =8 = e b) 3 chamadas ou menos P(X 3) = P(X=0) + P(X=1) + P(X=2) + P(X=3) 8! = 0, =0,0297 P(X 3) = 0, , , ,195 = 0,433
21 Distribuição de Poisson Exemplo. Um hospital recebe em média 4 chamadas de urgência por dia. Qual a probabilidade de que o hospital receba 10 chamadas ou menos no mesmo dia? Usar as tabelas de probabilidade (Tabela A.2) ou um software de estatística
22 Distribuição de Poisson Média λ Variância λ Desviopadrão P(X=x) 0,40 0,35 0,30 0,25 0,20 0,15 Distribuições de Poisson lambda = 1 lambda = 4 lambda = 7 lambda = 10 0,10 0,05 0, x
23 Distribuição Normal Distribuição Gaussiana Variáveis contínuas É frequentemente associada com variáveis biológicas mensuráveis Peso Altura Pressão sanguínea Glicemia Intervalo R-R
24 Distribuição Normal Não é definida para valores específicos e sim para um intervalo de valores. Função densidade de probabilidade f(x) e não mais P(X=x). A probabilidade associada a cada intervalo é representada pela área abaixo da curva de densidade de probabilidade. A probabilidade de observarmos um valor específico é zero.
25 Distribuição Normal f(x) = densidade de probabilidade P(X 1) = área abaixo de f(x), para x 1 0,045 0,040 0,035 0,030 f(x) 0,025 0,020 0,015 0,010 0,005 0, x
26 Distribuição Normal f(x) = densidade de probabilidade P(X 1) = área abaixo de f(x), para x 1 0,045 0,040 0,035 0,030 f(x) 0,025 0,020 0,015 0,010 0,005 0, x
27 Distribuição Normal f(x) = densidade de probabilidade f x = 1 2 e π (pi) = 3,14159 μ (mu) = média σ (sigma) = desvio-padrão Distribuição normal pode ser denotada por N(μ, σ) 1 2 x N(μ=0, σ=1) = N(0,1) 2 f(x) 0,045 0,040 0,035 0,030 0,025 0,020 0,015 0,010 0,005 0, x
28 Distribuição Normal Média = 0, variando o desvio-padrão 0,900 0,800 0,700 0,600 N(0,1) N(0,2) N(0,0.5) f(x) 0,500 0,400 0,300 0,200 0,100 0, x
29 Distribuição Normal Desvio-padrão = 1, variando a média 0,450 0,400 0,350 0,300 N(-1,1) N(0,1) N(2,1) f(x) 0,250 0,200 0,150 0,100 0,050 0, x
30 Distribuições de probabilidade contínuas No caso de variáveis contínuas só é possível calcular a probabilidade de X estar contido em algum intervalo de valores. Exemplo. Qual a probabilidade da altura de uma criança atendida no ambulatório assumir o exato valor de 1,00312m? A resposta é zero. A pergunta correta poderia ser: Qual a probabilidade da criança atendida no ambulatório ter entre 1m e 1,10m de altura?
31 Distribuições de probabilidade contínuas A curva que representa a densidade de probabilidade de uma VA contínua X, denotada por f(x), deve satisfazer as condições: Deve ser positiva: f(x) > 0 para todo o x. A área total sob a curva deve ser igual a 1. Uma curva ou função que atenda os critérios acima é conhecida como distribuição de probabilidade função de probabilidade função de densidade de probabilidade (fdp) curva de densidade
32 Distribuições de probabilidade contínuas Existem diversas fdp teóricas usadas frequentemente para modelar estatísticamente variáveis contínuas Uniforme Exponencial Gaussiana ou Normal
33 Distribuições de probabilidade contínuas Para quaisquer números reais a e b, P(a X b) é dada pela área sob a curva de densidade entre os pontos a e b. Utiliza-se tabelas de probabilidades Para o caso da distribuição normal: 0,045 0,040 0,035 0,030 f(x) 0,025 0,020 0,015 0,010 0,005 0, x
34 Distribuição Normal Distribuição contínua mais importante Forma de sino Simétrica em torno da média Média = Mediana = Moda = μ Desvio padrão (σ) distância horizontal entre a média e o ponto de inflexão da curva, onde ela muda de convexa para côncava. Área sob a curva = 1
35 Distribuição Normal x
36 Distribuição Normal Qual a probabilidade de: X estar acima de 1σ Abaixo de 1σ Acima de 2σ Abaixo de 2σ Entre 1σ e +1σ Entre 2σ e +2σ
37 Distribuição Normal Padrão Possui média=0 e desvio-padrão=1 N(0,1) Uma VA que segue distribuição normal padrão é denotada por Z Z ~ N(0,1) O cálculo das áreas abaixo da curva gaussiana é complicado. 0, x Tabelas com as áreas abaixo da curva de densidade de probabilidade normal padrão são utilizadas. f(x) 0,045 0,040 0,035 0,030 0,025 0,020 0,015 0,010 0,005
38 Distribuição Normal Padrão Tabela A.3, página 473 Áreas na cauda superior da distribuição normal padrão Z 0,00 0,01 0,02 0,03 0,0 0,500 0,496 0,492 0,488 0,1 0,460 0,456 0,452 0,448 0,2 0,421 0,417 0,413 0,409 1,0 0,159 0,156 0,154 0,152 P(Z 1)= P(Z < 1)= P(- 0,5 < Z 1)= P(Z < 2,85)= 0, x f(x) 0,045 0,040 0,035 0,030 0,025 0,020 0,015 0,010 0,005
39 Distribuição Normal Padrão A maioria das variáveis biológicas não seguem distribuição normal padrão. A glicemia de pessoas adultas pode ser considerada normalmente distribuída com média 100mg/100ml e desvio padrão de 10mg/100ml. Qual a probabilidade de um adulto escolhido ao acaso ser diabético (glicemia 120mg/100ml)? Como calcular a área sob a curva?
40 Padronização de variáveis normais Permite utilizar a tabela de probabilidades da normal padrão para qualquer distribuição normal. X ~ N(μ,σ) X Z ~ N(0,1) Z= X A glicemia de pessoas adultas pode ser considerada normalmente distribuída com média 100mg/100ml e desvio padrão de 10 mg/ 100ml. Qual a probabilidade de um adulto escolhido ao acaso ser diabético (glicemia 120mg/100ml)?
41 Padronização de variáveis normais X ~ N(100,10) μ=100, σ=10 P(X 120) =? Z = X ~N 0,1 Normal Padrão Para X = 120: z= P(X 120) = P(Z 2) = =2 Pela tabela A.3, P(Z 2) = 0,023 P(X 120) = 0,023 = 2,3% f(x) 0,045 Distribuição Normal Padrão 0,040 0,035 0,030 0,025 0,020 0,015 0,010 0,005 0,977 0,023 0, x
42 Padronização de variáveis normais A pressão sistólica de indivíduos normais adultos pode ser considerada normalmente distribuída com média 120mmHg e desvio padrão de 10 mmhg. Qual a probabilidade de alguém possuir pressão sistólica acima de 140mmHg? Abaixo de 80mmHg? Entre 100 e 140mmHg? Abaixo de 80mmHg ou acima de 140mmHg? Quais valores de pressão sistólica limitam o intervalo dos 90% mais frequentes? Qual valor de pressão sistólica divide a área sob a curva em 95% inferior 5% superior?
43 Resumindo Discretas Contínuas Variáveis Distribuição Equação Número x de sucessos em n tentativas, onde a probabilidade de sucesso em cada tentativa é p. Número x de ocorrências de um evento raro em determinado intervalo, onde a média de ocorrência é λ por intervalo. Maioria das variáveis biológicas mensuráveis onde se espera uma variabilidade simétrica em torno da média. Outras variáveis contínuas Binomial Poisson Normal, média: μ, desviopadrão: σ Exponencial Uniforme P X =x = n! x! n x! p x 1 p n x P X =x = e x x! P(X a) = área sob a curva da fdp para x a. z= a P(X a) = P(Z z)
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 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 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 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 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 maisDISTRIBUIÇÃO DE FREQUÊNCIA DE VARIÁVEIS QUALITATIVAS E QUANTITATIVAS DISCRETAS (TABELAS E GRÁFICOS)
DISTRIBUIÇÃO DE FREQUÊNCIA DE VARIÁVEIS QUALITATIVAS E QUANTITATIVAS DISCRETAS (TABELAS E GRÁFICOS) O QUE É ESTATÍSTICA Estatística é a ciência de obter conclusões a partir de dados. Envolve métodos para
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 de Hipóteses Estatísticas
Capítulo 5 Slide 1 Testes de Hipóteses Estatísticas Resenha Hipótese nula e hipótese alternativa Erros de 1ª e 2ª espécie; potência do teste Teste a uma proporção; testes ao valor médio de uma v.a.: σ
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 maisCapítulo 3 Modelos Estatísticos
Capítulo 3 Modelos Estatísticos Slide 1 Resenha Variáveis Aleatórias Distribuição Binomial Distribuição de Poisson Distribuição Normal Distribuição t de Student Distribuição Qui-quadrado Resenha Slide
Leia maisDISTRIBUIÇÃO NORMAL 1
DISTRIBUIÇÃO NORMAL 1 D ensid ade Introdução Exemplo : Observamos o peso, em kg, de 1500 pessoas adultas selecionadas ao acaso em uma população. O histograma por densidade é o seguinte: 0.04 0.03 0.02
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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 maisDistribuições de Probabilidade Distribuição Normal
PROBABILIDADES Distribuições de Probabilidade Distribuição Normal BERTOLO PRELIMINARES Quando aplicamos a Estatística na resolução de situações-problema, verificamos que muitas delas apresentam as mesmas
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 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 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 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 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 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 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 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 maisVariáveis Frequências Gráficos Medidas de Posição Medidas de Dispersão Medidas Complementares Inferência
Tipos de Variáveis Problema Motivador: Um pesquisador está interessado em fazer um levantamento sobre aspectos sócio-econômicos dos empregados da seção de orçamentos de uma companhia (vide tabela). Algumas
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 maisMASSA ATÔMICA, MOLECULAR, MOLAR, NÚMERO DE AVOGADRO E VOLUME MOLAR.
MASSA ATÔMICA, MOLECULAR, MOLAR, NÚMERO DE AVOGADRO E VOLUME MOLAR. UNIDADE DE MASSA ATÔMICA Em 1961, na Conferência da União Internacional de Química Pura e Aplicada estabeleceu-se: DEFINIÇÃO DE MASSA
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 maisAula 1 Assimetria e Curtose
2º Bimestre 1 Estatística e Probabilidade Aula 1 Assimetria e Curtose Professor Luciano Nóbrega Medidas de assimetria As medidas de assimetria e curtose (esta última veremos na próxima aula) são as que
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 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 maisSITUAÇÃO DE APRENDIZAGEM 4 PROBABILIDADE E GEOMETRIA
SITUAÇÃO DE APRENDIZAGEM 4 PROBABILIDADE E GEOMETRIA Leitura e Análise de Texto O π e a agulha de Buffon O estudo da probabilidade, aparentemente, não tem uma ligação direta com a Geometria. A probabilidade
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 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 maisProf. Daniela Barreiro Claro
O volume de dados está crescendo sem parar Gigabytes, Petabytes, etc. Dificuldade na descoberta do conhecimento Dados disponíveis x Análise dos Dados Dados disponíveis Analisar e compreender os dados 2
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 mais2 Workshop processamento de artigos em serviços de saúde Recolhimento de artigos esterilizados: é possível evitar?
2 Workshop processamento de artigos em serviços de saúde Recolhimento de artigos esterilizados: é possível evitar? 3 Farm. André Cabral Contagem, 19 de Maio de 2010 Rastreabilidade É definida como a habilidade
Leia maisTipos de Modelos. Exemplos. Modelo determinístico. Exemplos. Modelo probabilístico. Causas Efeito. Determinístico. Sistema Real.
Tipos de Modelos Sistema Real Determinístico Prof. Lorí Viali, Dr. viali@mat.ufrgs.br http://www.mat.ufrgs.br/~viali/ Probabilístico Modelo determinístico Exemplos Gravitação F GM M /r Causas Efeito Aceleração
Leia 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 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 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 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 maisPRINCÍPIOS DA MULTIPLICAÇÃO, DA ADIÇÃO E DA INCLUSÃO-
Matemática Discreta 2009.10 Exercícios CAP2 pg 1 PRINCÍPIOS DA MULTIPLICAÇÃO, DA ADIÇÃO E DA INCLUSÃO- EXCLUSÃO 1. Quantas sequências com 5 letras podem ser escritas usando as letras A,B,C? 2. Quantos
Leia maisSimulação Estocástica
Simulação Estocástica O que é Simulação Estocástica? Simulação: ato ou efeito de simular Disfarce, fingimento,... Experiência ou ensaio realizado com o auxílio de modelos. Aleatório: dependente de circunstâncias
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 maisDistribuições de Probabilidade Distribuição Poisson
PROBABILIDADES Distribuições de Probabilidade Distribuição Poisson BERTOLO PRELIMINARES Quando aplicamos a Estatística na resolução de situações-problema, verificamos que muitas delas apresentam as mesmas
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 maisADMINISTRAÇÃO DE BANCOS DE DADOS MÓDULO 8
ADMINISTRAÇÃO DE BANCOS DE DADOS MÓDULO 8 Índice 1. Modelagem de Dados - Continuação...3 1.1. Modelo Entidade-Relacionamento (MER) - II... 3 1.1.1. Entidades fortes e entidades fracas... 3 1.2. Dicionário
Leia maisEspecificação do Código de Barras para Bloquetos de Cobrança Sem Registro e Registrada no SIGCB
1 INTRODUÇÃO... 2 2 ESPECIFICAÇÕES GERAIS... 2 2.1 FORMATO... 2 2.2 GRAMATURA DO PAPEL... 2 2.3 DIMENSÃO... 2 2.4 NÚMERO DE VIAS OU PARTES... 2 2.5 DISPOSIÇÃO DAS VIAS OU PARTES... 2 2.6 COR DA VIA/IMPRESSÃO...
Leia mais2.1 - Triângulo Equilátero: é todo triângulo que apresenta os três lados com a mesma medida. Nesse caso dizemos que os três lados são congruentes.
Matemática Básica 09 Trigonometria 1. Introdução A palavra Trigonometria tem por significado do grego trigonon- triângulo e metron medida, associada diretamente ao estudo dos ângulos e lados dos triângulos,
Leia maisCurso: Logística e Transportes Disciplina: Estatística Profa. Eliane Cabariti. Distribuição Normal
Curso: Logística e Transportes Disciplina: Estatística Profa. Eliane Cabariti Distribuição Normal 1. Introdução O mundo é normal! Acredite se quiser! Muitos dos fenômenos aleatórios que encontramos na
Leia maisGrupo A - 1 o semestre de 2014 Gabarito Lista de exercícios 5 - Variáveis Aleatórias e Distribuição Binomial C A S A
Exercício 1. (2,0 pontos). Dados sobre acidentes automobilísticos levantados por uma companhia de seguros informaram o seguinte: a probabilidade de que um motorista segurado sofra um acidente automobilístico
Leia maisREGIME DE RESPONSABILIDADE AMBIENTAL, SINERGIAS COM A PÓS AVALIAÇÃO
REGIME DE RESPONSABILIDADE AMBIENTAL, SINERGIAS COM A PÓS AVALIAÇÃO Sandra de Melo Nobre, Eng.ª Ambiente snobre@ecoservicos.pt ECOserviços - Gestão de Sistemas Ecológicos, Lda. Vila Real, 21 de Outubro
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 maisUnidade 3 DISTRIBUIÇÕES DE PROBABILIDADE
Unidade de Ensino Descentralizada de Colatina Coordenadoria de Informática Disciplina: Probabilidade e Estatística Prof. Leandro Melo de Sá 006/ Unidade 3 DISTRIBUIÇÕES DE PROBABILIDADE Conceitos básicos
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 maisQUESTÕES PARA A 3ª SÉRIE ENSINO MÉDIO MATEMÁTICA 2º BIMESTE SUGESTÕES DE RESOLUÇÕES
QUESTÕES PARA A 3ª SÉRIE ENSINO MÉDIO MATEMÁTICA 2º BIMESTE QUESTÃO 01 SUGESTÕES DE RESOLUÇÕES Descritor 11 Resolver problema envolvendo o cálculo de perímetro de figuras planas. Os itens referentes a
Leia maisDIMENSÕES DE PESQUISA EM ENGENHARIA DE SOFTWARE
ESPECIAL Engenharia de Software DIMENSÕES DE PESQUISA EM ENGENHARIA DE SOFTWARE por Paulo Borba DECISÕES IMPORTANTES A SEREM TOMADAS NOS PROJETOS E NA CARREIRA DE UM PESQUISADOR EM ENGENHARIA DE SOFTWARE.
Leia maisFicha Prática 5: Cap 3.Princípios Elementares de Contagem
Matemática Discreta - 2010/11 Cursos: Engenharia Informática, Informática de Gestão DEPARTAMENTO de MATEMÁTICA ESCOLA SUPERIOR de TECNOLOGIA e de GESTÃO - INSTITUTO POLITÉCNICO de BRAGANÇA Ficha Prática
Leia maisPE-MEEC 1S 09/10 118. Capítulo 4 - Variáveis aleatórias e. 4.1 Variáveis. densidade de probabilidade 4.2 Valor esperado,
Capítulo 4 - Variáveis aleatórias e distribuições contínuas 4.1 Variáveis aleatórias contínuas. Função densidade de probabilidade 4.2 Valor esperado, variância e algumas das suas propriedades. Moda e quantis
Leia maisAULA 4 DELINEAMENTO EM QUADRADO LATINO (DQL)
AULA 4 DELINEAMENTO EM QUADRADO LATINO (DQL) Características Utiliza-se de três princípios básicos da experimentação: repetição, casualização e controle local. Possui um controle local mais eficiente que
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 maisProva de Fundamentos de Bancos de Dados 1 a Prova
Prova de Fundamentos de Bancos de Dados 1 a Prova Prof. Carlos A. Heuser Abril de 2009 Prova sem consulta duas horas de duração 1. (Peso 2 Deseja-se projetar um banco de dados para o sítio de uma prefeitura.
Leia maisModelo de Precificação de A0vos Financeiros (CAPM) e Hipótese do Mercado Eficiente (HME) Aula de Fernando Nogueira da Costa Professor do IE- UNICAMP
Modelo de Precificação de A0vos Financeiros (CAPM) e Hipótese do Mercado Eficiente (HME) Aula de Fernando Nogueira da Costa Professor do IE- UNICAMP Keynes: comparou os investimentos a concurso de beleza
Leia maisEstatística AMOSTRAGEM
Estatística AMOSTRAGEM Estatística: É a ciência que se preocupa com a coleta, a organização, descrição (apresentação), análise e interpretação de dados experimentais e tem como objetivo fundamental o estudo
Leia maisDynamic Voltage Scaling in Multitier Web Servers with End-to-End Delay Control
Dynamic Voltage Scaling in Multitier Web Servers with End-to-End Delay Control Tibor Horvath and Tarek Abdelzaher and Kevin Skadron and Xue Liu Universidade Federal Fluminense Diego Passos Apresentação
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 maisEstatística e Probabilidade. Aula 8 Cap 05. Distribuição normal de probabilidade
Estatística e Probabilidade Aula 8 Cap 05 Distribuição normal de probabilidade Estatística e Probabilidade Na aula anterior vimos... Distribuições Binomiais Distribuição Geométrica Distribuição de Poisson
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 maisOptimização e Algoritmos (2004/2005)
Optimização e Algoritmos (2004/2005) Instituto Superior Técnico Engenharia Electrotécnica e de Computadores Série de Problemas 3 Regras de Armijo e Wolfe, Introdução às funções convexas Problema 1.[Regras
Leia maisMétodos Estatísticos Avançados em Epidemiologia
Métodos Estatísticos Avançados em Epidemiologia Análise de Variância - ANOVA Cap. 12 - Pagano e Gauvreau (2004) - p.254 Enrico A. Colosimo/UFMG Depto. Estatística - ICEx - UFMG 1 / 39 Introdução Existem
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 maisProbabilidade III. Ulisses U. dos Anjos. Departamento de Estatística Universidade Federal da Paraíba. Período 2014.1
Probabilidade III Ulisses U. dos Anjos Departamento de Estatística Universidade Federal da Paraíba Período 2014.1 Ulisses Umbelino (DE-UFPB) Probabilidade III Período 2014.1 1 / 42 Sumário 1 Apresentação
Leia maisI. Conjunto Elemento Pertinência
TEORI DOS CONJUNTOS I. Conjunto Elemento Pertinência Conjunto, elemento e pertinência são três noções aceitas sem definição, ou seja, são noções primitivas. idéia de conjunto é praticamente a mesma que
Leia maisCOBRANÇA BANCÁRIA CAIXA
COBRANÇA BANCÁRIA CAIXA ESPECIFICAÇÃO DE CÓDIGO DE BARRAS PARA BLOQUETOS DE COBRANÇA COBRANÇAS RÁPIDA E SEM REGISTRO GESER NOVEMBRO/2000 ÍNDICE PÁGINA 1 INTRODUÇÃO... 3 2 ESPECIFICAÇÕES...4 2.1 FORMATO......
Leia maisTratores. Informações gerais sobre tratores. Recomendações. Distância do eixo
Informações gerais sobre tratores Informações gerais sobre tratores Os tratores foram projetados para puxar semirreboques e são, portanto, equipados com uma quinta roda para possibilitar a fácil troca
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 maiswww.isaia.com.br Porto Alegre/RS
I Curso de Introdução em Pesquisa Clínica Delineamento de Estudos Clínicos e Randomização Biom. Carlo Isaia Neto carlo@isaia.com.br O delineamento de um ensaio clínico apoia-se em cinco colunas mestras:
Leia maisMANUAL DO INSTALADOR XD EM AMBIENTES MICROSOFT WINDOWS
MANUAL DO INSTALADOR XD EM AMBIENTES MICROSOFT WINDOWS Está disponível a partir da versão 2014.73 do XD Rest/Pos/Disco um novo formato no instalador em ambientes Microsoft Windows. O instalador passa a
Leia mais