R X. X(s) Y Y(s) Variáveis aleatórias discretas bidimensionais
|
|
- Maria das Dores Bento Pinho
- 6 Há anos
- Visualizações:
Transcrição
1 30 Varáves aleatóras bdmensonas Sea ε uma experênca aleatóra e S um espaço amostral assocado a essa experênca. Seam X X(s) e Y Y(s) duas funções cada uma assocando um número real a cada resultado s S. Desgna-se (X,Y) por v.a. bdmensonal. S s X X(s) R X Y Y(s) R Y Se X 1 X 1 (s), X 2 X 2 (s),, X n X n (s) forem n funções, cada uma assocando um número real a cada resultado s S, então (X 1, X 2,, X n ) é uma v.a. n- dmensonal. R X Y : contradomíno de (X,Y), conunto de todos os valores possíves de (X,Y). De um modo análogo ao caso undmensonal poderemos ter uma v.a. bdmensonal dscreta ou contínua. Varáves aleatóras dscretas bdmensonas Se o número de valores possíves de (X,Y) for fnto ou nfnto numerável, sto é, se os valores de (X,Y) puderem
2 31 ser representados por (x, y ), 1,2,, n, ; 1, 2,, m,, então (X,Y) desgna-se como v.a. dscreta bdmensonal. Função de probabldade conunta p XY (x,y) P ( X x, Y y) p XY ( ) ( ) x, y pxy x, y se ( x, y) ( x, y) 0 se ( x, y) ( x, y) Propredades p XY (x, y ) 0,, n p ( x y ) XY m 1 1, 1 Função de dstrbução conunta (ou de probabldade acumulada de (X, Y) ) F XY (x,y) P(X x, Y y) p ( x, y ) Propredades xk x yk y F XY ( x, y ) é monótona crescente F XY ( -, y ) 0, y F XY ( x,- ) 0, x F XY ( +,+ ) 1 XY k k P(x 1 <X x 2, y 1 <Y y 2 ) F XY (x 2, y 2 ) - F XY (x 1,y 2 )- - F XY (x 2,y 1 ) + F XY (x 1,y 1 )
3 32 Funções de probabldade margnas Sea (X,Y) uma v. a. dscreta bdmensonal. Conhecda p XY (x, y), a função de probabldade conunta, podemos obter nformação relatvamente apenas a X ou a Y através das funções de probabldade margnas. Função de probabldade margnal da v. a. X p X ( x ) P ( X x ) m P ( X x, Y y ) Nota: 1 m p ( x, y ) 1 XY p X (x ) 0, n 1 px ( x) 1 Função de probabldade margnal da v. a. Y p Y ( y ) P ( Y y ) P ( X x, Y y ) Nota: p Y (y ) 0, m 1 py ( y) 1 n 1 n 1 pxy ( x, y ) Funções de probabldade condconadas Sea (X,Y) uma v. a. dscreta bdmensonal. O conceto de probabldade condconada aplca-se do segunte modo:
4 33 Função de probabldade da v. a. X condconada a um dado Y y P(X x Y y ) então temos que: (, ) P ( Y y ) P X x Y y se P (Yy ) > 0 ( ) p x y X Y y (, ) ( y ) p x y XY p Y se p Y ( y ) > 0 Função de probabldade da v. a. Y condconada a um dado X x P(Y y X x ) e portanto: (, ) P X x Y y ( x ) P X se P (Xx ) > 0 ( ) p Y X x y x (, ) pxy x y px ( x ) se p X ( x ) > 0
5 Nota: p ( x y X Y y ) e p Y X x ( y x ) satsfazem as duas condções de uma função de probabldade, sto é: p ( x y ) X Y y 0 p ( x y ) n n 1 X Y y 1 p XY p ( x,y ) ( y ) Y 1 34 Varáves aleatóras contínuas bdmensonas Sea (X,Y) uma v.a. contínua bdmensonal, então (X, Y) toma todos os valores em alguma regão R do plano eucldeano. Função densdade de probabldade conunta f XY (x,y) : P (a X b, c Y d) f ( ) Propredades 2 f XY ( x, y ) 0, (x, y) R + + fxy ( x, y) dydx 1 Função de dstrbução conunta a b c d XY, c d a b fxy, ( ) u v x y dy dx x y dxdy F XY (x,y) P(X x,y y) f (, ) XY u v dv du
6 35 Propredades F XY ( x, y ) é monótona crescente F XY ( -, y ) 0, y F XY ( x,- ) 0, x F XY ( +,+ ) 1 P(x 1 <X x 2, y 1 <Y y 2 ) F XY (x 2, y 2 ) - F XY (x 1,y 2 )- - F XY (x 2,y 1 ) + F XY (x 1,y 1 ) F XY (x, y) (, ) (, ) F a b + f x y dy dx XY a x b x XY a ] -, x ] e b ] -, y ] F XY (x, y) 0, (x, y) 2 F ( ) XY x, y fxy ( x, y) x y Funções de probabldade margnas Sea (X,Y) uma v. a. contínua bdmensonal. Conhecda f XY (x, y), a função densdade de probabldade conunta, podemos obter nformação relatvamente apenas a X ou a Y através das funções densdade de probabldade margnas. Função densdade de probabldade margnal da v. a. X f X ( x ) f ( ) Nota: + XY, x y dy
7 36 Deverá atender-se à eventual necessdade de auste dos lmtes de ntegração e à consderação de um ou mas ramos na obtenção de f X ( x ). f X (x) 0, x R + fx ( x ) dx 1 Função de probabldade margnal da v. a. Y + f Y ( y ) f ( ) XY, x y dx Nota: Auste dos lmtes de ntegração e consderação de um ou mas ramos na obtenção de f Y ( y ) se necessáro. f Y (y) 0, y R + f ( ) y dy 1 Y Funções de probabldade condconadas Sea (X,Y) uma v. a. contínua bdmensonal. O conceto de probabldade condconada aplca-se do segunte modo: Função densdade de probabldade da v. a. X condconada a um dado Y y f X Y y ( x y ) fxy fy ( x, y ) ( y ) se f Y ( y ) > 0
8 37 Função densdade de probabldade da v. a. Y condconada a um dado X x ( y x ) f Y X x fxy fx ( x, y ) ( x ) se f X ( x ) > 0 Nota: f ( x y ) e f ( y x ) X Y y Y X x satsfazem as condções mpostas a uma função densdade de probabldade, sto é: f ( x y ) X Y y 0 + X Y y x y dx + f ( ) fxy fy ( x, y ) ( y ) 1 Varáves aleatóras ndependentes v.a. dscreta Sea (X,Y) uma v.a. dscreta bdmensonal. Dz-se que X e Y são v.a. ndependentes sse: p XY ( x, y ) p X ( x ). p Y ( y ), Usando a noção de probabldade condconada podemos afrmar que X e Y são v.a. ndependentes sse:
9 38 ( ) ( ) p x y p x X Y y X, ou, de um modo equvalente ( ) ( ) p Y X x y x py y, v.a. contínua Sea (X,Y) uma v.a. contínua bdmensonal. Dz-se que X e Y são v.a. ndependentes sse: f XY ( x, y ) f X ( x ). f Y ( y ) ( x, y ) Usando a noção de probabldade condconada podemos afrmar que X e Y são v.a. ndependentes sse: ( ) ( ) f X Y y x y fx x ( x, y ) ou, de um modo equvalente ( ) ( ) f Y X x y x fy y ( x, y ) Varáves aleatóras n-dmensonas As noções expostas podem ser generalzadas a v.a. n- dmensonas. Assm se (X 1,X 2,,X n ) puder tomar todos os valores numa dada regão do espaço n-dmensonal, a respectva fdp conunta satsfará:
10 39 a) fx X X x x xn n 1, 2,..., ( n 1, 2,..., ) 0 ( x1, x2,..., xn ) R b) fx, X,..., X ( x, x,..., xn) dx... dx 1 2 n n 1 a partr desta fdp podemos defnr: P[(X 1,X 2,,X n ) C]... fx,..., X ( x,..., xn ) dx... dx 1 n 1 1 n C em que C é um subconunto do contradomíno de (X 1,X 2,,X n ). A cada uma das v.a. n-dmensonas podemos assocar v.a. de dmensão nferor. Assm, por exemplo, se n 3 então: + + f ( x, x, x ) dx dx f ( x ) X X X X em que fx 3 ( x3) é a fdp margnal da v.a. undmensonal X 3. Por outro lado: + f ( x, x, x ) dx f ( x, x ) X X X X X em que fx 1 X 2 ( x1, x2 )representa a fdp conunta da v.a. bdmensonal (X 1,X 2 ). O conceto de v.a. ndependentes é também faclmente generalzável. Assm, dada (X 1,X 2,..,X n ) dremos que X 1,X 2 e X n são v.a. ndependentes sse : fx,..., X ( x1,..., xn ) fx ( x1) fx ( x2 )... fx ( xn ) 1 n 1 2 n
11 40 VALOR ESPERADO E V. A. BIDIMENSIONAIS Sea (X,Y) uma varável aleatóra bdmensonal e h(x,y) uma função real de (X,Y), então temos que: a) Se (X,Y) for uma varável aleatóra dscreta com função de probabldade conunta p XY ( x, y ) P ( X x, Y y ) (, 1,2,... ) : E [ h ( X,Y) ] h ( x, y ) p ( x, y ) b) Se (X,Y) for uma varável aleatóra contínua com função f XY x,y : XY densdade de probabldade conunta ( ) + + [ h ( X, Y) ] h ( x, y ) f ( x, y) E XY dy dx Nota: Analogamente ao que fo referdo no caso undmensonal, também aqu a varável Z h(x,y) é uma varável aleatóra com uma determnada dstrbução de probabldades e poderemos calcular E(Z) do segunte modo: Se Z for uma varável aleatóra dscreta, então: ( Z) z p ( z ) E Z 1 Se Z for uma varável aleatóra contínua, então: E + ( Z) z f ( z)dz Z
12 41 sendo também neste caso necessáro obter prevamente a função de probabldade (caso dscreto) ou a função densdade de probabldade (caso contínuo) da v.a. Z. PROPRIEDADES Seam X e Y duas v.a. conuntamente dstrbuídas e seam Z H 1 (X,Y) e WH 2 (X,Y) duas funções reas de X e Y. Então: ) E (X + Y) E(X) + E(Y) ) E ( X + Y) E ( X ) + E ( Y ) + 2 E ( XY) ) Var ( X ± Y) Var ( X) + Var ( Y) ± 2 cov( X, Y) v) E (Z + W) E(Z) + E(W) Se X e Y forem v. a. ndependentes, temos que: v) E (XY) E(X). E(Y) v) Var ( X + Y) Var (X) + Var (Y) Estas propredades podem ser generalzadas para o caso de n varáves aleatóras X 1,X 2,...,X n conuntamente dstrbuídas obtendo-se: v) E (X 1 + X X n ) E (X 1 ) + E(X 2 ) E(X n ) 2 2 v) E ( X + X X ) E ( X ) + 2 E ( X ) 1 2 n X <
13 x) Var ( X ±... ± X ) Var ( X ) ± 2 cov( X, ) 1 n X Se X 1,X 2,...,X n forem v.a. ndependentes, então: x) E ( X 1 X 2...X n ) E(X 1 ) E(X 2 )... E(X n ) x) Var ( X + X X ) Var ( ) 1 2 n X < 42 COVARIÂNCIA E COEFICIENTE DE CORRELAÇÃO LINEAR Para estudar as relações entre duas varáves aleatóras X e Y pode-se analsar a covarânca e o coefcente de correlação lnear cuas defnções se apresentam a segur: Cov e portanto: ( X,Y) E[ ( X µ X ) ( Y µ Y )] σxy Varáves aleatóras dscretas: Cov ( X,Y) ( x µ ) ( y µ ) p ( x, y ) Varáves aleatóras contínuas: Cov X Y XY + + ( X,Y) ( x ) ( y µ ) f ( x, y) dy dx µ X Y XY
14 43 A covarânca é portanto uma medda da dstrbução conunta dos valores de X e Y, em termos dos desvos em relação às respectvas médas. A cov(x,y) descreve, a relação lnear entre duas varáves e a sua mútua dependênca. Uma covarânca postva mplca que, quando uma das varáves se desva sgnfcatvamente do seu valor esperado, a outra tenderá a desvar-se no mesmo sentdo. Isso mplcará um aumento da dspersão da soma das varáves X e Y. Se a covarânca for negatva, os desvos das duas varáves tenderão a ser de sentdo contráro, mplcando uma dmnução da varânca da soma. TEOREMA: Se X e Y forem v.a. ndependentes, então Cov(X,Y)0 A covarânca é expressa nas undades de X e nas de Y, smultaneamente, o que ntroduz algumas dfculdades quando se pretende fazer comparações. Para ultrapassar este nconvenente, pode calcular-se o coefcente de correlação lnear ( ρ XY ) : ρ XY Cov Var ( X, Y) ( X) Var ( Y) E [ ( X µ X ) ( Y µ Y )] σxy Var ( X) Var ( Y) σx σy O coefcente de correlação lnear toma valores no segunte ntervalo :
15 44 1 ρxy 1 Demonstração:... O valor do coefcente de correlação dependerá do grau de relaconamento lnear entre X e Y, verfcando-se que: ρ XY 1 quando há correlação lnear negatva perfeta entre X e Y ( Y a X + b, com a e b constantes e a < 0 ) ρ XY 1 quando há correlação lnear negatva perfeta entre X e Y ( Y a X + b, com a e b constantes e a > 0 ) ρ XY 0 quando o grau de relaconamento lnear entre X e Y é nulo ( poderá contudo exstr uma relação não lnear entre as duas varáves ) Quando 0< ρxy < 1, dz-se que exste correlação lnear postva entre X e Y menos forte do que quando ρ XY 1 e de modo análogo quando 1< ρxy < 0. Nota: Defne-se momento de ordem (r, s) da v.a. bdmensonal (X,Y) como: ' r s µ rs E ( X Y ) e momento central de ordem (r, s) do par (X,Y) como: µ rs [ r ( ) ( ) s ] X µ Y E µ X Y
16 45 ' com µ 10 µ 1 µ X, µ ' 01 µ 2 µ Y, 2 2 µ 02 σ2 σy. 2 2 µ 20 σ1 σ X e Atendendo à defnção de Cov(X,Y) vemos que corresponde ao momento central de ordem (1, 1) do par (X,Y).
Variáveis Aleatórias
Unversdade Federal do Pará Insttuto de Tecnologa Estatístca Aplcada I Prof. Dr. Jorge Teóflo de Barros Lopes Campus de Belém Curso de Engenhara Mecânca /08/06 7:39 ESTATÍSTICA APLICADA I - Teora das Probabldades
Leia maisElementos de Estatística e Probabilidades II
Elementos de Estatístca e Probabldades II Varáves e Vetores Aleatóros dscretos Inês Das 203 O prncpal objetvo da deste documento é fornecer conhecmentos báscos de varáves aleatóras dscretas e pares aleatóros
Leia maisEventos coletivamente exaustivos: A união dos eventos é o espaço amostral.
DEFINIÇÕES ADICIONAIS: PROBABILIDADE Espaço amostral (Ω) é o conjunto de todos os possíves resultados de um expermento. Evento é qualquer subconjunto do espaço amostral. Evento combnado: Possu duas ou
Leia maisX = 1, se ocorre : VB ou BV (vermelha e branca ou branca e vermelha)
Estatístca p/ Admnstração II - Profª Ana Cláuda Melo Undade : Probabldade Aula: 3 Varável Aleatóra. Varáves Aleatóras Ao descrever um espaço amostral de um expermento, não especfcamos que um resultado
Leia maisDepartamento de Informática. Modelagem Analítica do Desempenho de Sistemas de Computação. Modelagem Analítica. Disciplina: Variável Aleatória
Departamento de Informátca Dscplna: do Desempenho de Sstemas de Computação Varável leatóra Prof. Sérgo Colcher colcher@nf.puc-ro.br Varável leatóra eal O espaço de amostras Ω fo defndo como o conjunto
Leia maisTeoria Elementar da Probabilidade
10 Teora Elementar da Probabldade MODELOS MATEMÁTICOS DETERMINÍSTICOS PROBABILÍSTICOS PROCESSO (FENÓMENO) ALEATÓRIO - Quando o acaso nterfere na ocorrênca de um ou mas dos resultados nos quas tal processo
Leia maisNotas de Aula de Probabilidade A
VII- VARIÁVEIS ALEATÓRIAS UNIDIMENSIONAIS. 7. CONCEITO DE VARIÁVEIS ALEATÓRIAS: Informalmente, uma varável aleatóra é um característco numérco do resultado de um epermento aleatóro. Defnção: Uma varável
Leia mais2. VARIÁVEIS ALEATÓRIAS
VARIÁVEIS ALEATÓRIAS 0 Varável aleatóra Ω é o espaço amostral de um epermento aleatóro Uma varável aleatóra é uma função que atrbu um número real a cada resultado em Ω Eemplo Retra- ao acaso um tem produzdo
Leia maisSeja (X,Y) uma v.a. bidimensional contínua ou discreta. Define-se valor esperado condicionado de X para um dado Y igual a y da seguinte forma:
46 VALOR ESPERADO CONDICIONADO Seja (X,Y) uma v.a. bidimensional contínua ou discreta. Define-se valor esperado condicionado de X para um dado Y igual a y da seguinte forma: Variável contínua E + ( X Y
Leia maisAEP FISCAL ESTATÍSTICA
AEP FISCAL ESTATÍSTICA Módulo 11: Varáves Aleatóras (webercampos@gmal.com) VARIÁVEIS ALEATÓRIAS 1. Conceto de Varáves Aleatóras Exemplo: O expermento consste no lançamento de duas moedas: X: nº de caras
Leia maisEstatística Aplicada II CORRELAÇÃO. AULA 21 07/11/16 Prof a Lilian M. Lima Cunha
09//06 Estatístca Aplcada II CORRELAÇÃO AULA 07//6 Prof a Llan M. Lma Cunha CORRELAÇÃO: Identfcar a estênca ou não de assocação lnear entre varáves: -Preço de um produto em regões; -Frete e Km percorrdo;
Leia maisCAPÍTULO 2 DESCRIÇÃO DE DADOS ESTATÍSTICA DESCRITIVA
CAPÍTULO DESCRIÇÃO DE DADOS ESTATÍSTICA DESCRITIVA. A MÉDIA ARITMÉTICA OU PROMÉDIO Defnção: é gual a soma dos valores do grupo de dados dvdda pelo número de valores. X x Soma dos valores de x número de
Leia maisNOÇÕES SOBRE CORRELAÇÃO E REGRESSÃO LINEAR SIMPLES
NOÇÕES SOBRE CORRELAÇÃO E REGRESSÃO LINEAR SIMPLES 1 O nosso objetvo é estudar a relação entre duas varáves quanttatvas. Eemplos:. Idade e altura das cranças.. v. Tempo de prátca de esportes e rtmo cardíaco
Leia maisProf. Lorí Viali, Dr.
Prof. Lorí Val, Dr. val@mat.ufrgs.br http://www.mat.ufrgs.br/~val/ É o grau de assocação entre duas ou mas varáves. Pode ser: correlaconal ou expermental. Prof. Lorí Val, Dr. UFRG Insttuto de Matemátca
Leia maisNotas Processos estocásticos. Nestor Caticha 23 de abril de 2012
Notas Processos estocástcos Nestor Catcha 23 de abrl de 2012 notas processos estocástcos 2 O Teorema de Perron Frobenus para matrzes de Markov Consdere um processo estocástco representado por um conunto
Leia maisCovariância na Propagação de Erros
Técncas Laboratoras de Físca Lc. Físca e Eng. omédca 007/08 Capítulo VII Covarânca e Correlação Covarânca na propagação de erros Coefcente de Correlação Lnear 35 Covarânca na Propagação de Erros Suponhamos
Leia maisCurso de extensão, MMQ IFUSP, fevereiro/2014. Alguns exercício básicos
Curso de extensão, MMQ IFUSP, feverero/4 Alguns exercíco báscos I Exercícos (MMQ) Uma grandeza cujo valor verdadero x é desconhecdo, fo medda três vezes, com procedmentos expermentas dêntcos e, portanto,
Leia mais3 3. Variáveis Aleatórias
ÍNDICE 3. VARIÁVEIS ALEATÓRIAS...49 3.. VARIÁVEIS ALEATÓRIAS UNIDIMENSIONAIS...49 3.2. VARIÁVEIS DISCRETAS FUNÇÃO DE PROBABILIDADE E FUNÇÃO DISTRIBUIÇÃO DE PROBABILIDADE...50 3.2.. Função de probabilidade...50
Leia maisCAPÍTULO 4 - Variáveis aleatórias e distribuições de probabilidade
CAPÍTULO 4 - Varáves aleatóras e dstrbuções de probabldade Conceto de varável aleatóra Uma função cujo valor é um número real determnado por cada elemento em um espaço amostral é chamado uma varável aleatóra
Leia maisÉ o grau de associação entre duas ou mais variáveis. Pode ser: correlacional ou experimental.
Prof. Lorí Val, Dr. val@mat.ufrgs.br http://www.mat.ufrgs.br/~val/ É o grau de assocação entre duas ou mas varáves. Pode ser: correlaconal ou expermental. Numa relação expermental os valores de uma das
Leia maisO problema da superdispersão na análise de dados de contagens
O problema da superdspersão na análse de dados de contagens 1 Uma das restrções mpostas pelas dstrbuções bnomal e Posson, aplcadas usualmente na análse de dados dscretos, é que o parâmetro de dspersão
Leia maisProf. Lorí Viali, Dr.
Prof. Lorí Val, Dr. val@mat.ufrgs.br http://www.mat.ufrgs.br/~val É o grau de assocação entre duas ou mas varáves. Pode ser: correlaconal ou expermental. Prof. Lorí Val, Dr. UFRGS Insttuto de Matemátca
Leia maisEstatística I Licenciatura MAEG 2006/07
Estatístca I Lcencatura MAEG 006/07 AMOSTRAGEM. DISTRIBUIÇÕES POR AMOSTRAGEM.. Em determnada unversdade verfca-se que 30% dos alunos têm carro. Seleccona-se uma amostra casual smples de 0 alunos. a) Qual
Leia maisProf. Lorí Viali, Dr.
Prof. Lorí Val, Dr. val@mat.ufrgs.br http://www.mat.ufrgs.br/~val/ 1 É o grau de assocação entre duas ou mas varáves. Pode ser: correlaconal ou expermental. Numa relação expermental os valores de uma das
Leia mais3. Estatística descritiva bidimensional
3. Estatístca descrtva bdmensonal (Tabelas, Gráfcos e números) Análse bvarada (ou bdmensonal): avala o comportamento de uma varável em função da outra, por exemplo: Quantas TV Phlps são venddas na regão
Leia maisNOTAS DE AULA DA DISCIPLINA CE076
5. COMPONENTES PRINCIPAIS 5. Introdução A análse de Comonentes Prncas está relaconada com a exlcação da estrutura de covarânca or meo de oucas combnações lneares das varáves orgnas em estudo, ou sea, rocura
Leia maisÉ o grau de associação entre duas ou mais variáveis. Pode ser: correlacional. ou experimental.
Prof. Lorí Val, Dr. vall@mat.ufrgs.br http://www.mat.ufrgs.br/~vall/ É o grau de assocação entre duas ou mas varáves. Pode ser: correlaconal http://www.mat.ufrgs.br/~vall/ ou expermental. Numa relação
Leia maisPrograma do Curso. Sistemas Inteligentes Aplicados. Análise e Seleção de Variáveis. Análise e Seleção de Variáveis. Carlos Hall
Sstemas Intelgentes Aplcados Carlos Hall Programa do Curso Lmpeza/Integração de Dados Transformação de Dados Dscretzação de Varáves Contínuas Transformação de Varáves Dscretas em Contínuas Transformação
Leia maisUMA VALIDAÇÃO MATEMÁTICA PARA UM ALGORITMO QUE SIMULA MISTURAS DE DISTRIBUIÇÕES
UMA VALIDAÇÃO MATEMÁTICA PARA UM ALGORITMO QUE SIMULA MISTURAS DE DISTRIBUIÇÕES Ana Paula Coelho MADEIRA Lucas Montero CHAVES Devanl Jaques de SOUZA Resumo: Uma valdação matemátca, utlzando o conceto de
Leia maisTermo-Estatística Licenciatura: 4ª Aula (08/03/2013)
Termo-Estatístca Lcencatura: 4ª Aula (08/03/013) Prof. Alvaro Vannucc RELEMBRADO Dstrbução dscreta (hstogramas) x contínua (curvas de dstrbução): Dada uma Função de Dstrbução de Densdade de Probabldade,
Leia maisO problema da superdispersão na análise de dados de contagens
O problema da superdspersão na análse de dados de contagens 1 Uma das restrções mpostas pelas dstrbuções bnomal e Posson, aplcadas usualmente na análse de dados dscretos, é que o parâmetro de dspersão
Leia maisCORRELAÇÃO E REGRESSÃO
CORRELAÇÃO E REGRESSÃO Constata-se, freqüentemente, a estênca de uma relação entre duas (ou mas) varáves. Se tal relação é de natureza quanttatva, a correlação é o nstrumento adequado para descobrr e medr
Leia maisPROVA DE ESTATÍSTICA & PROBABILIDADES SELEÇÃO MESTRADO/UFMG 2010/2011
Instruções: PROVA DE ESTATÍSTICA & PROBABILIDADES SELEÇÃO MESTRADO/UFMG 00/0 Cada uestão respondda corretamente vale (um) ponto. Cada uestão respondda ncorretamente vale - (menos um) ponto. Cada uestão
Leia maisCristina Caldeira 97. Tem-se assim uma decomposição da região Q em mkq paralelipípedos rectangulares
Crstna Caldera 97 (c) T {(x, y) R : y a x } (a R + ) e ρ(x, y) é a dstânca de (x, y) ao ponto (, ); (d) T [, 3] [, ] e ρ(x, y) xy..4 Integral trplo.4.1 efnção e propredades Seja Q um paralelpípedo rectangular
Leia maisFICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 2
FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 2 Nome Nº Turma: Data: / / Professor 10.º Ano Classfcação Apresente o seu racocíno de forma clara, ndcando todos os cálculos que tver de efetuar e todas
Leia maisFICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 4
FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 4 Nome Nº Turma: Data: / / Professor 10.º Ano Classfcação Apresente o seu racocíno de forma clara, ndcando todos os cálculos que tver de efetuar e todas
Leia maisCap. 11 Correlação e Regressão
Estatístca para Cursos de Engenhara e Informátca Pedro Alberto Barbetta / Marcelo Menezes Res / Antono Cezar Borna São Paulo: Atlas, 2004 Cap. 11 Correlação e Regressão APOIO: Fundação de Apoo à Pesqusa
Leia maisAssociação entre duas variáveis quantitativas
Exemplo O departamento de RH de uma empresa deseja avalar a efcáca dos testes aplcados para a seleção de funconáros. Para tanto, fo sorteada uma amostra aleatóra de 50 funconáros que fazem parte da empresa
Leia maisNome: Nº: Estatística para Economia e Gestão Licenciaturas em Economia e Gestão. 2.º Semestre de 2008/2009
Estatístca para Economa e Gestão Lcencaturas em Economa e Gestão.º Semestre de 008/009 Exame Fnal (.ª Época) 16 de Junho de 009; 17h30m Duração: 10 mnutos INSTRUÇÕES Escreva o nome e número de aluno em
Leia maisInterpolação Segmentada
Interpolação Segmentada Uma splne é uma função segmentada e consste na junção de váras funções defndas num ntervalo, de tal forma que as partes que estão lgadas umas às outras de uma manera contínua e
Leia maisCapítulo 1. Exercício 5. Capítulo 2 Exercício
UNIVERSIDADE FEDERAL DE GOIÁS CIÊNCIAS ECONÔMICAS ECONOMETRIA (04-II) PRIMEIRA LISTA DE EXERCÍCIOS Exercícos do Gujarat Exercíco 5 Capítulo Capítulo Exercíco 3 4 5 7 0 5 Capítulo 3 As duas prmeras demonstrações
Leia maisProbabilidade Aula 11
0303200 Probabilidade Aula 11 Magno T. M. Silva Escola Politécnica da USP Junho de 2017 A maior parte dos exemplos dessa aula foram extraídos de Jay L. Devore, Probabilidade e Estatística para engenharia
Leia mais1. ANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA
1. ANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA 014 Estatístca Descrtva e Análse Exploratóra Etapas ncas. Utlzadas para descrever e resumr os dados. A dsponbldade de uma grande quantdade de dados e de
Leia mais4 Critérios para Avaliação dos Cenários
Crtéros para Avalação dos Cenáros É desejável que um modelo de geração de séres sntétcas preserve as prncpas característcas da sére hstórca. Isto quer dzer que a utldade de um modelo pode ser verfcada
Leia maisDEFINIÇÃO - MODELO LINEAR GENERALIZADO
DEFINIÇÃO - MODELO LINEAR GENERALIZADO 1 Um modelo lnear generalzado é defndo pelos seguntes três componentes: Componente aleatóro; Componente sstemátco; Função de lgação; Componente aleatóro: Um conjunto
Leia maisAnálise de Regressão
Análse de Regressão método estatístco que utlza relação entre duas ou mas varáves de modo que uma varável pode ser estmada (ou predta) a partr da outra ou das outras Neter, J. et al. Appled Lnear Statstcal
Leia maisAnálise de Regressão Linear Múltipla IV
Análse de Regressão Lnear Múltpla IV Aula 7 Guarat e Porter, 11 Capítulos 7 e 8 He et al., 4 Capítulo 3 Exemplo Tomando por base o modelo salaro 1educ anosemp exp prev log 3 a senhorta Jole, gerente do
Leia maisAula 11. Variáveis Aleatórias Contínuas Bidimensionais
Aula. Variáveis Aleatórias Contínuas Bidimensionais Resumo de caso unidimensional Caso Discreto p p 2 p 3 Caso Contínuo f(x) x x 2 x 3 i p i + f x dx X x x 2 x 3 P p p 2 p 3 Caso bidimensional Caso Discreto
Leia maisREGRESSÃO E CORRELAÇÃO
Relaconamento entre varáves : - requer conhecmento REGRESSÃO E CORRELAÇÃO Y = f ( ) + ε Ex: 1. Y = Lucro de uma Empresa = Investmento em Publcdade Y(v.aleatóra) em função de (v.determnístca), onde Y é
Leia maisAo se calcular a média, moda e mediana, temos: Quanto mais os dados variam, menos representativa é a média.
Estatístca Dscplna de Estatístca 0/ Curso de Admnstração em Gestão Públca Profª. Me. Valéra Espíndola Lessa e-mal: lessavalera@gmal.com Meddas de Dspersão Indcam se os dados estão, ou não, prómos uns dos
Leia maisRegressão Múltipla. Parte I: Modelo Geral e Estimação
Regressão Múltpla Parte I: Modelo Geral e Estmação Regressão lnear múltpla Exemplos: Num estudo sobre a produtvdade de trabalhadores ( em aeronave, navos) o pesqusador deseja controlar o número desses
Leia maisCapítulo 2 Estatística Descritiva Continuação. Prof. Fabrício Maciel Gomes
Capítulo Estatístca Descrtva Contnuação Prof. Fabríco Macel Gomes Problema Uma peça após fundda sob pressão a alta temperatura recebe um furo com dâmetro especfcado em 1,00 mm e tolerânca de 0,5 mm: (11,75
Leia mais1. CORRELAÇÃO E REGRESSÃO LINEAR
1 CORRELAÇÃO E REGREÃO LINEAR Quando deseja-se estudar se exste relação entre duas varáves quanttatvas, pode-se utlzar a ferramenta estatístca da Correlação Lnear mples de Pearson Quando essa correlação
Leia maisGráficos de Controle para Processos Autocorrelacionados
Gráfcos de Controle para Processos Autocorrelaconados Gráfco de controle de Shewhart: observações ndependentes e normalmente dstrbuídas. Shewhart ao crar os gráfcos de controle não exgu que os dados fossem
Leia maisCap. IV Análise estatística de incertezas aleatórias
TLF 010/11 Cap. IV Análse estatístca de ncertezas aleatóras Capítulo IV Análse estatístca de ncertezas aleatóras 4.1. Méda 43 4.. Desvo padrão 44 4.3. Sgnfcado do desvo padrão 46 4.4. Desvo padrão da méda
Leia maisUniversidade da Beira Interior Departamento de Matemática. Ficha de exercícios nº2: Distribuições Bidimensionais
Ano lectvo: 2006/2007 Unversdade da Bera Interor Departamento de Matemátca ESTATÍSTICA Fcha de exercícos nº2: Dstrbuções Bdmensonas Curso: Cêncas do Desporto 1. Consdere a segunte tabela de contngênca:
Leia mais58 Textos de Apoio de Análise Matemática IV 2003/2004. Tem-se assim uma decomposição da região rectangular R em mk rectângulos
58 Textos de Apoo de Análse Matemátca IV 3/4.3 Integral duplo.3.1 efnção Seja um rectângulo fechado de, sto é, [a, b] [c, d] {(x, y) : a x b e c y d}, com a < b e c < d. Consdere-se uma partção do ntervalo
Leia mais2 Incerteza de medição
2 Incerteza de medção Toda medção envolve ensaos, ajustes, condconamentos e a observação de ndcações em um nstrumento. Este conhecmento é utlzado para obter o valor de uma grandeza (mensurando) a partr
Leia maisFICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 3
FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 3 Nome Nº Turma: Data: / / Professor 10.º Ano Classfcação Apresente o seu racocíno de forma clara, ndcando todos os cálculos que tver de efetuar e todas
Leia maisLeis de conservação em forma integral
Les de conservação em forma ntegral J. L. Balño Departamento de Engenhara Mecânca Escola Poltécnca - Unversdade de São Paulo Apostla de aula Rev. 10/08/2017 Les de conservação em forma ntegral 1 / 26 Sumáro
Leia maisClassificação de Padrões
Classfcação de Padrões Introdução Classfcadores Paramétrcos Classfcadores Sem-paramétrcos Redução da Dmensonaldade Teste de Sgnfcânca 6.345 Sstema de Reconhecmento de Voz Teora Acústca da Produção de Voz
Leia maisAnálise de Regressão. Profa Alcione Miranda dos Santos Departamento de Saúde Pública UFMA
Análse de Regressão Profa Alcone Mranda dos Santos Departamento de Saúde Públca UFMA Introdução Uma das preocupações estatístcas ao analsar dados, é a de crar modelos que explctem estruturas do fenômeno
Leia maisProf. Lorí Viali, Dr.
Prof. Lorí Val, Dr. vall@mat.ufrgs.br http://www.mat.ufrgs.br/~val/ Em mutas stuações duas ou mas varáves estão relaconadas e surge então a necessdade de determnar a natureza deste relaconamento. A análse
Leia maisAo se calcular a média, moda e mediana, temos: Quanto mais os dados variam, menos representativa é a média.
Estatístca Dscplna de Estatístca 0/ Curso Superor de tecnólogo em Gestão Ambental Profª. Me. Valéra Espíndola Lessa e-mal: lessavalera@gmal.com Meddas de Dspersão Indcam se os dados estão, ou não, prómos
Leia maisPRESSUPOSTOS DO MODELO DE REGRESSÃO
PREUPOTO DO MODELO DE REGREÃO A aplcação do modelo de regressão lnear múltpla (bem como da smples) pressupõe a verfcação de alguns pressupostos que condensamos segudamente.. Os erros E são varáves aleatóras
Leia mais3 Metodologia de Avaliação da Relação entre o Custo Operacional e o Preço do Óleo
3 Metodologa de Avalação da Relação entre o Custo Operaconal e o Preço do Óleo Este capítulo tem como objetvo apresentar a metodologa que será empregada nesta pesqusa para avalar a dependênca entre duas
Leia maisFICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 1
FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 1 Nome Nº Turma: Data: / / Professor 10.º Ano Classfcação Apresente o seu racocíno de forma clara, ndcando todos os cálculos que tver de efetuar e todas
Leia maisDIAGNÓSTICO EM MODELOS LINEARES GENERALIZADOS
DIAGNÓSTICO EM MODELOS LINEARES GENERALIZADOS 1 A análse de dagnóstco (ou dagnóstco do ajuste) confgura uma etapa fundamental no ajuste de modelos de regressão. O objetvo prncpal da análse de dagnóstco
Leia maisRISCO. Investimento inicial $ $ Taxa de retorno anual Pessimista 13% 7% Mais provável 15% 15% Otimista 17% 23% Faixa 4% 16%
Análse de Rsco 1 RISCO Rsco possbldade de perda. Quanto maor a possbldade, maor o rsco. Exemplo: Empresa X va receber $ 1.000 de uros em 30 das com títulos do governo. A empresa Y pode receber entre $
Leia maisREGRESSÃO NÃO LINEAR 27/06/2017
7/06/07 REGRESSÃO NÃO LINEAR CUIABÁ, MT 07/ Os modelos de regressão não lnear dferencam-se dos modelos lneares, tanto smples como múltplos, pelo fato de suas varáves ndependentes não estarem separados
Leia maisRedução dos Dados. Júlio Osório. Medidas Características da Distribuição. Tendência Central (Localização) Variação (Dispersão) Forma
Redução dos Dados Júlo Osóro Meddas Característcas da Dstrbução Tendênca Central (Localzação) Varação (Dspersão) Forma 1 Meddas Característcas da Dstrbução Meddas Estatístcas Tendênca Central Dspersão
Leia maisMOQ-14 PROJETO E ANÁLISE DE EXPERIMENTOS LISTA DE EXERCÍCIOS 1 REGRESSÃO LINEAR SIMPLES
MOQ-14 PROJETO E ANÁLISE DE EXPERIMENTOS LISTA DE EXERCÍCIOS 1 REGRESSÃO LINEAR SIMPLES 1. Obtenha os estmadores dos coefcentes lnear e angular de um modelo de regressão lnear smples utlzando o método
Leia maisAnálise Exploratória de Dados
Análse Exploratóra de Dados Objetvos Análse de duas varáves quanttatvas: traçar dagramas de dspersão, para avalar possíves relações entre as duas varáves; calcular o coefcente de correlação entre as duas
Leia maisAULA Espaços Vectoriais Estruturas Algébricas.
Note bem: a letura destes apontamentos não dspensa de modo algum a letura atenta da bblografa prncpal da cadera Chama-se a atenção para a mportânca do trabalho pessoal a realzar pelo aluno resolvendo os
Leia maisTestes não-paramétricos
Testes não-paramétrcos Prof. Lorí Val, Dr. http://www.mat.ufrgs.br/val/ val@mat.ufrgs.br Um teste não paramétrco testa outras stuações que não parâmetros populaconas. Estas stuações podem ser relaconamentos,
Leia maisEstatística II Antonio Roque Aula 18. Regressão Linear
Estatístca II Antono Roque Aula 18 Regressão Lnear Quando se consderam duas varáves aleatóras ao mesmo tempo, X e Y, as técncas estatístcas aplcadas são as de regressão e correlação. As duas técncas estão
Leia maisNOTAS DE AULA DA DISCIPLINA CE DENSIDADE NORMAL MULTIVARIADA E SUAS PROPRIEDADES
NOTAS DE AULA DA DISCIPLINA CE76 3 DISTRIBUIÇÃO NORMAL MULTIVARIADA 3 DENSIDADE NORMAL MULTIVARIADA E SUAS PROPRIEDADES A densdade normal multvarada é uma generalação da densdade normal unvarada ara dmensões
Leia maisMECÂNICA CLÁSSICA. AULA N o 7. Teorema de Liouville Fluxo no Espaço de Fases Sistemas Caóticos Lagrangeano com Potencial Vetor
1 MECÂNICA CLÁSSICA AULA N o 7 Teorema de Louvlle Fluo no Espaço de Fases Sstemas Caótcos Lagrangeano com Potencal Vetor Voltando mas uma ve ao assunto das les admssíves na Físca, acrescentamos que, nos
Leia maisUNIVERSIDADE NOVA DE LISBOA Faculdade de Economia Análise de Dados e Probabilidade 2º Semestre 2008/2009 Exame Final 1ª Época. Grupo I (4 Valores)
UNIVERSIDADE NOVA DE LISBOA Faculdade de Economa Análse de Dados e Probabldade º Semestre 008/009 Exame Fnal ª Época Clara Costa Duarte Data: 8/05/009 Graça Slva Duração: h0 Grupo I (4 Valores) A gelatara
Leia maisMotivação. VA n-dimensional. Distribuições Multivariadas VADB. Em muitas situações precisamos
Motivação Em muitas situações precisamos Prof. Lorí Viali, Dr. viali@pucrs.br lidar com duas ou mais variáveis aleatórias ao mesmo tempo. Por exemplo o comprimento e a largura de uma determinada peça.
Leia maisResolução das Questões Objetivas
COMISSÃO PERMANENTE DE SELEÇÃO COPESE PRÓ-REITORIA DE GRADUAÇÃO PROGRAD CONCURSO PISM III - TRIÊNIO 2008-2010 Prova de Matemátca Resolução das Questões Objetvas São apresentadas abaxo possíves soluções
Leia maisReconhecimento Estatístico de Padrões
Reconhecmento Estatístco de Padrões X 3 O paradgma pode ser sumarzado da segunte forma: Cada padrão é representado por um vector de característcas x = x1 x2 x N (,,, ) x x1 x... x d 2 = X 1 X 2 Espaço
Leia maisLista de Exercícios #5 Assunto: Variáveis Aleatórias Multidimensionais Contínuas
1. ANPEC 018 Questão 9 Uma pessoa investe R$ 10.000,00 (I) em duas aplicações cujas taxas de retorno são variáveis aleatórias independentes, R 1 e R, com médias 5% e 14% e desvios-padrão 1% e 8%, respectivamente.
Leia maisSumarização dos dados
Inferênca e Decsão I Soluções da Colectânea de Exercícos 22/3 LMAC Capítulo 2 Sumarzação dos dados Nota: neste capítulo é apresentada a resolução apenas de alguns exercícos e a título ndcatvo. Exercíco
Leia mais4 ANÁLISE DE CONFIABILIDADE COM ANÁLISE LIMITE
4 ANÁLISE DE CONIABILIDADE COM ANÁLISE LIMITE A avalação da segurança das estruturas geotécncas tem sdo sempre um dos objetvos da Engenhara Geotécnca. A forma convenconal de quantfcar a segurança de uma
Leia maisAnálise Descritiva com Dados Agrupados
Análse Descrtva com Dados Agrupados Em algumas stuações, os dados podem ser apresentados dretamente nas tabelas de frequêncas. Netas stuações devemos utlzar estratégas específcas para obter as meddas descrtvas
Leia mais3.6. Análise descritiva com dados agrupados Dados agrupados com variáveis discretas
3.6. Análse descrtva com dados agrupados Em algumas stuações, os dados podem ser apresentados dretamente nas tabelas de frequêncas. Netas stuações devemos utlzar estratégas específcas para obter as meddas
Leia maisGabarito da Lista de Exercícios de Econometria I
Gabarto da sta de Exercícos de Econometra I Professor: Rogéro lva Mattos Montor: eonardo enrque A. lva Questão Y X y x xy x ŷ ˆ ˆ y ŷ (Y - Y ) (X - X ) (Ŷ - Y ) 360 00-76 -00 35.00 40.000 36-4 30.976 3076
Leia maisImplementação Bayesiana
Implementação Bayesana Defnção 1 O perfl de estratégas s.) = s 1.),..., s I.)) é um equlíbro Nash-Bayesano do mecansmo Γ = S 1,..., S I, g.)) se, para todo e todo θ Θ, u gs θ ), s θ )), θ ) θ Eθ u gŝ,
Leia maisINTRODUÇÃO À PROBABILIDADE. A probabilidade é uma medida da incerteza dos fenômenos. Traduz-se por um número real compreendido de 0 ( zero) e 1 ( um).
INTRODUÇÃO À PROILIDDE teora das probabldade nada mas é do que o bom senso transformado em cálculo probabldade é o suporte para os estudos de estatístca e expermentação. Exemplos: O problema da concdênca
Leia maisMedidas de Dispersão e Assimetria Desvio Médio Variância Desvio Padrão Medidas de Assimetria Coeficiente de Assimetria Exemplos.
Meddas de Dspersão e Assmetra Desvo Médo Varânca Desvo Padrão Meddas de Assmetra Coefcente de Assmetra Exemplos lde 1 de 16 Meddas de Dspersão - Méda ervem para verfcação e representatvdade das meddas
Leia maisFaculdade de Engenharia Optimização. Prof. Doutor Engº Jorge Nhambiu
Programação Lnear (PL) Aula : Dualdade. Defnção do Problema Dual. Defnção do problema dual. O que é dualdade em Programação Lnear? Dualdade sgnfca a exstênca de um outro problema de PL, assocado a cada
Leia maisProbabilidades e Estatística TODOS OS CURSOS
Duração: 90 minutos Grupo I Probabilidades e Estatística TODOS OS CURSOS Justifique convenientemente todas as respostas o semestre 07/08 0/07/08 :0 o Teste C 0 valores. Um relatório anual estabelece que
Leia maisCorrelação. Frases. Roteiro. 1. Coeficiente de Correlação 2. Interpretação de r 3. Análise de Correlação 4. Aplicação Computacional 5.
Correlação Frases Uma probabldade razoável é a únca certeza Samuel Howe A experênca não permte nunca atngr a certeza absoluta. Não devemos procurar obter mas que uma probabldade. Bertrand Russel Rotero
Leia maisProbabilidade II. Departamento de Estatística. Universidade Federal da Paraíba
Probabilidade II Departamento de Estatística Universidade Federal da Paraíba Prof. Tarciana Liberal (UFPB) Aula Distribuições Condicionais 11/13 1 / 19 Em estudo feito em sala perguntamos aos alunos qual
Leia maisAtividade em Soluções Eletrolíticas
Modelo de solução eletrolítca segundo Debye-Hückel. - A le lmte de Debye-Hückel (LLDH) tem o lmte que está em: I 0,01. log z.z A I 1/ valêncas do íons + e do eletrólto I 1 [ z b / b ] constante que depende
Leia mais5 Métodos de cálculo do limite de retenção em função da ruína e do capital inicial
5 Métodos de cálculo do lmte de retenção em função da ruína e do captal ncal Nesta dssertação serão utlzados dos métodos comparatvos de cálculo de lmte de retenção, onde ambos consderam a necessdade de
Leia mais