DISTRIBUIÇÕES DE PROBABILIDADE CONJUNTAS DISTRIBUIÇÕES CONJUNTAS ROTEIRO DISTRIBUIÇÃO CONJUNTA
|
|
- Márcia Domingos Coimbra
- 6 Há anos
- Visualizações:
Transcrição
1 ROTEIRO DISTRIBUIÇÕES DE PROBABILIDADE CONJUNTAS 1. Distribuições conjuntas 2. Independência 3. Confiabilidade 4. Combinações lineares de variáveis aleatórias 5. Referências DISTRIBUIÇÃO CONJUNTA Em muitos experimentos, mais de uma variável aleatória é observada; DISTRIBUIÇÕES CONJUNTAS Exemplos: O diâmetro (X) e a espessura (Y) de um disco moldado por injeção; A espessura de um substrato (X), de uma camada ativa (Y) e de uma camada de revestimento (Z) de um produto químico;
2 DISTRIBUIÇÃO CONJUNTA DISTRIBUIÇÃO CONJUNTA Suponha que estejamos interessados em analisar probabilidades conjuntas relacionadas às variáveis aleatórias X e Y. Por exemplo, a probabilidade de X pertencer ao intervalo [a,b] e Y pertencer ao intervalo [c,d]: P(a X b,c Y d) Assim como no caso univariado, esse tipo de probabilidade será calculada de acordo com o tipo de variável aleatória; Caso contínuo: b d P(a X b,c Y d)= f(x,y)dxdy, em que f (x, y) corresponde à função densidade de probabilidade conjunta de X e Y; Caso discreto: b d P(a X b,c Y d)= f(x,y), em que f(x,y)= P(X = x,y = y). a c x=a y=c DISTRIBUIÇÃO CONJUNTA No caso do exemplo anterior, poderíamos imaginar que a distribuição conjunta entre Diâmetro e Espessura seria como na figura ao lado. f(x,y) Espessura Diâmetro DE VARIÁVEIS ALEATÓRIAS
3 É possível simplificar os cálculos relacionados a probabilidades conjuntas, dependendo das suposições do modelo de probabilidade; Uma suposição bem frequente em várias situações corresponde ao caso de independência de variáveis aleatórias; De uma forma mais geral, podemos considerar não apenas duas variáveis (por exemplo, X e Y), mas X 1,X 2,,X n. Definição: As variáveis aleatórias X 1, X 2,..., X n são independentes se, para quaisquer conjuntos E 1, E 2,..., E n, tivermos P(X 1 E 1,X 2 E 2, X n E n )= P(X 1 E 1 )P(X 2 E 2 ) P(X n E n ). Exemplo 1: O diâmetro de um eixo de drives ópticos de armazenagem é normalmente distribuído com média de 0,2508 polegada e desvio padrão de 0,0005 polegada. As especificações do eixo são 0,2500 ± 0,0015. Qual a probabilidade de um eixo selecionado ao acaso obedecer às especificações? Denotemos por X o diâmetro do eixo. Portanto, temos que X ~ N(0,2508;0, ). Logo, 0,2485 0,2508 0,2515 0,2508 P(0,2485 < X < 0,2515)= P < Z < 0,0005 0,0005 = P( 4,6 < Z <1,4) = P(Z <1,4) P(Z < 4,6) = 0,9192 0,0000 = 0,9192
4 Exemplo 1 (continuação): O diâmetro de um eixo de drives ópticos de armazenagem é normalmente distribuído com média de 0,2508 polegada e desvio padrão de 0,0005 polegada. As especificações do eixo são 0,2500 ± 0,0015. Qual a probabilidade de que todos os diâmetros dos 10 eixos obedeçam às especificações? Suponha que os diâmetros sejam independentes. Denotemos por X i o diâmetro do i-ésimo eixo, i =1,2,,10. Portanto, temos que X i ~ N(0,2508;0, ). Sob a suposição de que os diâmetros são independentes, a probabilidade de todos os eixos obedecerem às especificações será P(0,2485 < X 1 < 0,2515,0,2485 < X 2 < 0,2515,,0,2485 < X 10 < 0,2515) = P(0,2485 < X 1 < 0,2515)P(0,2485 < X 2 < 0,2515) P(0,2485 < X 10 < 0,2515) = 0,9192 0,9192 0,9192 = 0, ,4306 Exemplo 2: Suponha que X 1, X 2 e X 3 representem a espessura em micrômetros de um substrato, de uma camada ativa e de uma camada de revestimento de um produto químico, respectivamente. Supondo independência e que X i ~ N(µ i ;σ 2 i ),i =1,2,3, em que µ 1 =10.000,µ 2 =1.000,µ 3 = 80,σ 1 = 250,σ 2 = 20,σ 3 = 4. As especificações para a espessura do substrato, a camada ativa e a camada de revestimento são, respectivamente, ±800, 1.000±50 e 80±5. Qual a proporção de produtos químicos que atende a todas as especificações? Qual tem a menor probabilidade de atender às especificações? Usando a notação da definição de independência, temos que E 1 =(9200;10800),E 2 =(950;1050) e E 3 =(75;85). Como as variáveis aleatórias são independentes, P(9200 < X 1 <10800,950 < X 2 <1050,75 < X 3 < 85) = P(X 1 E 1,X 2 E 2,X 3 E 3 ) = P(X 1 E 1 )P(X 2 E 2 )P(X 3 E 3 ) = P(9200 < X 1 <10800)P(950 < X 2 <1050)P(75 < X 3 < 85). Após a padronização, temos que
5 Resolução (continuação): P(9200 < X 1 <10800,950 < X 2 <1050,75 < X 3 < 85) = P( 3,2 < Z < 3,2)P( 2,5 < Z < 2,5)P( 1,25 < Z <1,25) = 0,9986 0,9876 0,7888 = 0,7779. Lembrando que Z ~ N(0,1). Além disso, a espessura da camada de revestimento apresenta a menor probabilidade de atender às especificações, sendo esta 0,7888. Exemplo 3: Considere um sistema com dois componentes em série. Esse sistema opera somente se ambos os componentes estiverem funcionando. As probabilidades do primeiro e do segundo componentes funcionarem são, respectivamente, 0,9 e 0,95. Supondo que os componentes operem de forma independente, qual a probabilidade do sistema não apresentar problema? Denotemos por C i o evento em que o componente i está funcionando, i=1, 2. Para o sistema operar, ambos os componentes devem estar funcionando. Assim, como os componentes funcionam de forma independente, a probabilidade do sistema funcionar será P(C 1 )= P(C 1 )= P(C 1 )P( )= 0,9 0,95 = 0,855. Exemplo 4: E se os componentes estivessem em paralelo? Em outras palavras, o sistema estará operacional se pelo menos um dos componentes estiverem funcionando. A probabilidades do primeiro e do segundo componentes funcionarem são, respectivamente, 0,9 e 0,95. Supondo que os operem de forma independente, qual a probabilidade do sistema não apresentar problema?
6 Denotemos por C i o evento em que o componente i está funcionando, i = 1, 2. Para o sistema operar, pelo menos um dos componentes deve estar funcionando. Assim, como os componentes funcionam de forma independente, a probabilidade do sistema funcionar será P(C 1 )= P(C 1 )+ P( ) P(C 1 ) = P(C 1 )+ P( ) P(C 1 )P( ) = 0,9 + 0,95 0,9 0,95 = 0,995. Resolução 2: Denotemos agora C i como sendo o evento em que o componente i falha, i = 1, 2. Nesse caso, também podemos calcular a probabilidade do sistema funcionar fazendo P(C 1 )=1 P(C 1 ' ' )=1 P(C 1 ' )P( ' ) =1 0,1 0,05 = 0,995. Observe que, nesse exemplo, o sistema falha apenas se todos os componentes falharem. Definição: Confiabilidade é o nome que se dá a probabilidade de um componente não falhar ao longo do tempo de sua missão; Suponha que r i denote a confiabilidade de um componente i em um sistema que consiste em k componentes, e que r denote a probabilidade do sistema não falhar ao longo do tempo da missão; r pode ser chamado de confiabilidade do sistema;
7 A confiabilidade de um sistema em série corresponde a r = r 1 r 2!r k ; A confiabilidade de um sistema em paralelo corresponde a Exemplo 5: O sistema mostrado na figura a seguir opera somente se houver um caminho de componentes funcionais da esquerda para a direita. A probabilidade de cada componente funcionar é mostrada na figura. Suponha que cada componente funcione independentemente dos demais. Qual a probabilidade do sistema operar? r =1 (1 r 1 ) (1 r 2 )! (1 r k ). Exemplo 5: C 1 0,92 C 3 0,95 C 4 0,99 Denotemos por B o evento em que o subsistema de componentes em paralelo e C 3 esteja funcional. Assim, para o sistema operar, é necessário que C 1, B e C 4 estejam funcionando em série. C 1 0,92 C 4 0,99 C 3 0,95 Bloco B
8 A probabilidade do subsistema B estar operacional é P(B)= P( C 3 )=1 (1 P( )) (1 P(C 3 )) =1 0,1 0,05 = 0,995. Portanto, como cada componente funciona de forma independente dos demais, a probabilidade do sistema funcionar será P(C 1 B C 4 )= P(C 1 ) P(B) P(C 4 ) = 0,92 0,995 0,99 = Exemplo 6: O sistema mostrado na figura a seguir opera somente se houver um caminho de componentes funcionais da esquerda para a direita. A probabilidade de cada componente funcionar é mostrada na figura. Suponha que cada componente funcione independentemente dos demais. Qual a probabilidade do sistema operar? Exemplo 6: C 5 Denotemos por B i o evento em que o subsistema de componentes em paralelo do Bloco i esteja funcional. Assim, para o sistema operar, é necessário que C 1, B 1, B 2, C 7 e C 8 estejam funcionando em série. C 1 0,92 C 3 0,80 C 4 C 6 0,95 C 7 0,99 C 8 0,98 C 1 0,92 C 3 0,80 C 4 C 5 C 6 0,95 C 7 0,99 C 8 0,98 Bloco 1 Bloco 2
9 Pode ocorrer de se querer saber a respeito do tempo de vida de um sistema; Considere um sistema com k componentes, e que o tempo de vida do componente i seja denotado pela variável aleatória X i, i = 1, 2,..., k. Suponha independência entre as variáveis; O tempo de vida T de um sistema dependerá da forma como seus componentes estão dispostos; No caso em que o sistema for em série, a distribuição do tempo de vida do sistema será o mínimo dos tempos dos componentes: P(T t)=1 P(T > t) =1 P(X 1 > t,!,x k > t) =1 P(X 1 > t)! P(X k > t); No caso em que o sistema for em paralelo, a distribuição do tempo de vida do sistema será o máximo dos tempos dos componentes P(T t)= P(X 1 t,!,x k t) = P(X 1 t)! P(X k t); Exemplo 7: Considere um sistema com três componentes operando em série. Suponha que o tempo de vida (em dias) de cada componente seja exponencialmente distribuído com a mesma taxa de falha = 0,01. Assuma também q u e o s c o m p o n e n t e s f u n c i o n a m o u f a l h a m independentemente. a) Qual o tempo médio de vida de cada componente? b) Qual o tempo médio de vida do sistema? c) Qual a probabilidade do tempo de vida do sistema ser superior a 400 dias? d) Responda os itens acima supondo que o sistema funcione em paralelo. COMBINAÇÕES LINEARES DE VARIÁVEIS ALEATÓRIAS
10 COMBINAÇÕES LINEARES DE V.A. S COMBINAÇÕES LINEARES DE V.A. S O estudo relacionado ao tempo de vida de sistemas (em série e/ou paralelo) é apenas um exemplo de transformações de variáveis aleatórias (independentes); Um outro tipo de transformação de variáveis aleatórias muito comum, e que será abordado com frequência, corresponde à combinação linear de variáveis aleatórias; A suposição de independência também será comum aqui; Definição: Sejam X 1, X 2,..., X n variáveis aleatórias com média E(X i )= µ i e variância V(X i )= σ 2 i, i =1,,n. Dizemos que, para c 1, c 2,..., c n constantes, Y = c 1 X 1 + c 2 X 2 +!+ c n X n corresponde a uma combinação linear de variáveis aleatórias. COMBINAÇÕES LINEARES DE V.A. S COMBINAÇÕES LINEARES DE V.A. S A média de Y será E(Y)= c 1 µ 1 + c 2 µ 2 +!+ c n µ n ; Se X 1, X 2,..., X n forem independentes, a variância de Y será V(Y)= c 12 σ 2 + c 2 σ 2 +!+ c 2 σ 2 ; n n Se X 1, X 2,..., X n forem normais e independentes, então Y também terá distribuição normal; Exemplo 8: Considere o estudo de uma peça fabricada em que as variáveis aleatórias X 1 e X 2 representam, respectivamente, o comprimento e a largura da p e ç a. S u p o n h a q u e a s v a r i á v e i s s e j a m independentes e normalmente distribuídas com E(X 1 )=2cm e V(X 1 ) =0,01cm 2, E(X 2 )=5cm e V(X 2 )=0,03cm 2. Denote por Y o perímetro da peça. a) Qual a distribuição do perímetro? b) Qual a probabilidade do perímetro ser superior a 15 cm?
11 COMBINAÇÕES LINEARES DE V.A. S Exemplo 9: Uma montagem em cadeia consiste em quatro componentes em sequência. Sabe-se que os comprimentos (em polegadas) X i dos componentes são X 1 ~ N(2,0; 0,0004), X 2 ~ N(4,5; 0,0009), X 3 ~ N(3,0; 0,0004) e X 4 ~ N(2,5; 0,0001). Suponha que os comprimentos dos componentes sejam independentes. As especificações do planejamento sobre o comprimento do sistema montado são 12,00 ± 0,10. Determine a fração de montagens conformes (montagens que se enquadram nesses limites de especificação). REFERÊNCIAS BIBLIOGRAFIA RECOMENDADA Montgomery, D. C. (LTC) Estatística Aplicada e Probabilidade para Engenheiros Pinheiro, J. I. D et al. (Campus) Probabilidade e Estatística: Quantificando a Incerteza
DISTRIBUIÇÃO NORMAL DISTRIBUIÇÕES DE PROBABILIDADE CONJUNTAS ROTEIRO DISTRIBUIÇÃO NORMAL
ROTEIRO DISTRIBUIÇÕES DE PROBABILIDADE CONJUNTAS 1. Distribuições conjuntas 2. Independência 3. Confiabilidade 4. Combinações lineares de variáveis aleatórias 5. Referências DISTRIBUIÇÃO NORMAL Definição:
Leia maisDISTRIBUIÇÕES DE PROBABILIDADE CONJUNTAS DISTRIBUIÇÕES CONJUNTAS ROTEIRO DISTRIBUIÇÃO CONJUNTA. Estatística Aplicada à Engenharia
ROTEIRO DISTRIBUIÇÕES DE PROBABILIDADE CONJUNTAS 1. Distribuições conjuntas 2. Independência 3. Confiabilidade 4. Combinações lineares de variáveis aleatórias 5. Referências Estatística Aplicada à Engenharia
Leia maisLista nº 1 Variáveis Aleatórias e Independência
Lista nº 1 Variáveis Aleatórias e Independência 1. (Montgomery et al. (1) Exercício 5-26, pág. 113) O rendimento, em libras, de um dia de produção é distribuído normalmente, com uma média de 1.500 libras
Leia maisVariáveis Aleatórias Contínuas e Distribuição de Probabilidad
Variáveis Aleatórias Contínuas e Distribuição de Probabilidades - parte II 26 de Novembro de 2013 Distribuição Contínua Uniforme Média e Variância Objetivos Ao final deste capítulo você deve ser capaz
Leia maisLista Probabilidade Estatística Aplicada à Engenharia de Produção Prof. Michel H. Montoril
Exercício 1. Seja X uma variável aleatória com distribuição normal, com média µ X = 10 e desvio padrão σ X = 1.5, e seja Y outra variável aleatória normalmente distribuída, com média µ Y = 2 e desvio padrão
Leia mais4ª LISTA DE EXERCÍCIOS - LOB1012. Variáveis Aleatórias Contínuas, Aproximações e TLC
4ª LISTA DE EXERCÍCIOS - LOB1012 Variáveis Aleatórias Contínuas, Aproximações e TLC Assunto: Função Densidade de Probabilidade Prof. Mariana Pereira de Melo 1. Suponha que f(x) = x/8 para 3
Leia maisProbabilidades e Estatística TODOS OS CURSOS
Duração: 90 minutos Grupo I Probabilidades e Estatística TODOS OS CURSOS Justifique convenientemente todas as respostas 2 o semestre 206/207 05/07/207 :30 o Teste C 0 valores. Uma peça de certo tipo é
Leia maisEstatística Aplicada II. } Revisão: Probabilidade } Propriedades da Média Amostral
Estatística Aplicada II } Revisão: Probabilidade } Propriedades da Média Amostral 1 Aula de hoje } Tópicos } Revisão: } Distribuição de probabilidade } Variáveis aleatórias } Distribuição normal } Propriedades
Leia maisCAPÍTULO 5: VARIÁVEIS ALEATÓRIAS BIDIMENSIONAIS Todas as coisas aparecem e desaparecem por causa da concorrência de causas e condições. Nada nunca existe inteiramente só, tudo está em relação com todo
Leia mais2. EXERCÍCIOS PROPOSTOS SOBRE V.A. E DISTRIB.PROBAB.
2. EXERCÍCIOS PROPOSTOS SOBRE V.A. E DISTRIB.PROBAB. 1) Classifique as seguintes variáveis aleatórias como discretas ou contínuas. X : o número de acidentes de automóvel por ano na rodovia BR 116. Y :
Leia maisLista de Exercícios 3 Probabilidades Escola Politécnica, Ciclo Básico
RESOLUÇÃO NA PÁGINA 06 Lista de Exercícios 3 Probabilidades 0303200 Escola Politécnica, Ciclo Básico 1 o semestre 2017 1) Um equipamento tem tempo de vida T com distribuição normal, valor esperado de 40
Leia maisLista de Exercícios 3 Probabilidades Escola Politécnica, Ciclo Básico
Lista de Exercícios 3 Probabilidades 0303200 Escola Politécnica, Ciclo Básico 1 o semestre 2017 1) Um equipamento tem tempo de vida T com distribuição normal, valor esperado de 40 horas e desvio padrão
Leia maisEscola Superior de Agricultura "Luiz de Queiroz", Departamento de Ciências Exatas. Modelo Normal. Cristian Villegas
Modelo Normal Cristian Villegas clobos@usp.br http://www.lce.esalq.usp.br/arquivos/aulas/2014/lce0216/ 1 Introdução O modelo normal ocupa uma posição de grande destaque tanto a nível teórico como prático,
Leia maisAula 6 - Variáveis aleatórias contínuas
Aula 6 - Variáveis aleatórias contínuas PhD. Wagner Hugo Bonat Laboratório de Estatística e Geoinformação-LEG Universidade Federal do Paraná 1/2017 Bonat, W. H. (LEG/UFPR) 1/2017 1 / 18 Variáveis aleatórias
Leia maisEscola Superior de Agricultura "Luiz de Queiroz", Departamento de Ciências Exatas. Modelo Normal. Cristian Villegas
Modelo Normal Cristian Villegas clobos@usp.br Outubro de 2013 Apostila de Estatística (Cristian Villegas) 1 Introdução O modelo normal ocupa uma posição de grande destaque tanto a nível teórico como prático,
Leia mais5- Variáveis aleatórias contínuas
5- Variáveis aleatórias contínuas Para variáveis aleatórias contínuas, atribuímos probabilidades a intervalos de valores. Exemplo 5.1 Seja a variável correspondente ao tempo de vida útil de determinado
Leia maisDistribuições de Probabilidade Conjuntas
Distribuições de Probabilidade Conjuntas 1. Duas variáveis aleatórias discretas Exemplo 1. No desenvolvimento de um novo receptor para transmissão digital de informação, cada bit é classificado como aceitável,
Leia maisALGUMAS DISTRIBUIÇÕES CONTÍNUAS DE PROBABILIDADE
ALGUMAS DISTRIBUIÇÕES CONTÍNUAS DE PROBABILIDADE 4. 1 INTRODUÇÃO Serão apresentadas aqui algumas distribuições de probabilidade associadas a v.a. s contínuas. A mais importante delas é a distribuição Normal
Leia maisAULA 8. DISTRIBUIÇÕES DE VARIÁVEIS CONTÍNUAS Uniforme, Exponencial e Normal 19/05/2017
AULA 8 DISTRIBUIÇÕES DE VARIÁVEIS CONTÍNUAS Uniforme, Exponencial e Normal 19/05/2017 As funções de distribuição (acumulada) e de densidade para v.a. contínuas = =. Se a densidade f(x)for continua no seu
Leia maisProbabilidade e Modelos Probabilísticos
Probabilidade e Modelos Probabilísticos 2ª Parte: modelos probabilísticos para variáveis aleatórias contínuas, modelo uniforme, modelo exponencial, modelo normal 1 Distribuição de Probabilidades A distribuição
Leia maisCálculo das Probabilidades e Estatística I
Cálculo das Probabilidades e Estatística I Prof a. Juliana Freitas Pires Departamento de Estatística Universidade Federal da Paraíba - UFPB juliana@de.ufpb.br Distribuição Normal Motivação: Distribuição
Leia maisLISTA 3 Introdução à Probabilidade (Profa. Cira.) OBS. Apenas os exercícios indicados como adicional não constam no livro.
LISTA 3 Introdução à Probabilidade (Profa. Cira.) OBS. Apenas os exercícios indicados como adicional não constam no livro. - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - V. A. C O N T Í N
Leia maisLucas Santana da Cunha 12 de julho de 2017
DISTRIBUIÇÃO NORMAL Lucas Santana da Cunha http://www.uel.br/pessoal/lscunha/ Universidade Estadual de Londrina 12 de julho de 2017 Distribuição Normal Dentre todas as distribuições de probabilidades,
Leia maisModelos Probabilísticos Teóricos Discretos e Contínuos. Bernoulli, Binomial, Poisson, Uniforme, Exponencial, Normal
Modelos Probabilísticos Teóricos Discretos e Contínuos Bernoulli, Binomial, Poisson, Uniforme, Exponencial, Normal Distribuição de Probabilidades A distribuição de probabilidades de uma variável aleatória:
Leia maisTiago Viana Flor de Santana
ESTATÍSTICA BÁSICA DISTRIBUIÇÃO NORMAL DE PROBABILIDADE (MODELO NORMAL) Tiago Viana Flor de Santana www.uel.br/pessoal/tiagodesantana/ tiagodesantana@uel.br sala 07 Curso: MATEMÁTICA Universidade Estadual
Leia maisProbabilidade e Estatística
Probabilidade e Estatística Aula 7 Distribuição da Média Amostral Leitura obrigatória: Devore: Seções 5.3, 5.4 e 5.5 Chap 8-1 Inferência Estatística Na próxima aula vamos começar a parte de inferência
Leia maisLucas Santana da Cunha de junho de 2018 Londrina
Distribuição Normal Lucas Santana da Cunha email: lscunha@uel.br http://www.uel.br/pessoal/lscunha/ 25 de junho de 2018 Londrina 1 / 17 Distribuição Normal Dentre todas as distribuições de probabilidades,
Leia maisPRINCIPAIS DISTRIBUIÇÕES DE PROBABILIDADES
PRINCIPAIS DISTRIBUIÇÕES DE PROBABILIDADES Certas distribuições de probabilidades se encaixam em diversas situações práticas As principais são: se v.a. discreta Distribuição de Bernoulli Distribuição binomial
Leia maisDistribuições de Probabilidade Contínuas 1/19
all Distribuições de Probabilidade Contínuas Professores Eduardo Zambon e Magnos Martinello UFES Universidade Federal do Espírito Santo DI Departamento de Informática CEUNES Centro Universitário Norte
Leia maisLucas Santana da Cunha de junho de 2018 Londrina
Variável aleatória contínua: Lucas Santana da Cunha email: lscunha@uel.br http://www.uel.br/pessoal/lscunha/ 13 de junho de 2018 Londrina 1 / 26 Esperança e variância de Y Função de distribuição acumulada
Leia mais5. PRINCIPAIS MODELOS CONTÍNUOS
5. PRINCIPAIS MODELOS CONTÍNUOS 2019 5.1. Modelo uniforme Uma v.a. contínua X tem distribuição uniforme com parâmetros e ( < ) se sua função densidade de probabilidade é dada por f ( x )={ 1 β α, α x β
Leia maisDistribuição Normal. Prof. Eduardo Bezerra. (CEFET/RJ) - BCC - Inferência Estatística. 25 de agosto de 2017
padrão - padronização Distribuição Normal Prof. Eduardo Bezerra (CEFET/RJ) - BCC - Inferência Estatística 25 de agosto de 2017 Eduardo Bezerra (CEFET/RJ) Distribuição Normal Março/2017 1 / 32 Roteiro Distribuições
Leia maisDistribuição Normal. Prof a Dr a Alcione Miranda dos Santos. Abril, 2011
Distribuição Normal Prof a Dr a Alcione Miranda dos Santos Universidade Federal do Maranhão Programa de Pós-Graduação em Saúde Coletiva email:alcione.miranda@gmail.com Abril, 2011 1 / 18 Sumário Introdução
Leia maisAULA 17 - Distribuição Uniforme e Normal
AULA 17 - Distribuição Uniforme e Normal Susan Schommer Introdução à Estatística Econômica - IE/UFRJ Distribuições Contínuas Em muitos problemas se torna matematicamente mais simples considerar um espaço
Leia maisProbabilidade e Estatística. stica. Prof. Dr. Narciso Gonçalves da Silva pessoal.utfpr.edu.
Probabilidade e Estatística stica Prof. Dr. Narciso Gonçalves da Silva http://paginapessoal.utfpr.edu.br/ngsilva pessoal.utfpr.edu.br/ngsilva Distribuição Uniforme Uma variável aleatória contínua X está
Leia mais5- Variáveis aleatórias contínuas
5- Variáveis aleatórias contínuas Para variáveis aleatórias contínuas, associamos probabilidades a intervalos de valores da variável. Exemplo 5.1 Seja a variável correspondente ao tempo até a cura de pacientes
Leia maisVariáveis Aleatórias Contínuas
Variáveis Aleatórias Contínuas Bacharelado em Administração - FEA - Noturno 2 o Semestre 2017 MAE0219 (IME-USP) Variáveis Aleatórias Contínuas 2 o Semestre 2017 1 / 35 Objetivos da Aula Sumário 1 Objetivos
Leia mais4. Distribuições de probabilidade e
4. Distribuições de probabilidade e características Valor esperado de uma variável aleatória. Definição 4.1: Dada uma v.a. discreta (contínua) X com f.m.p. (f.d.p.) f X (), o valor esperado (ou valor médio
Leia maisInferência Estatistica
Inferência Estatistica Ricardo Ehlers ehlers@icmc.usp.br Departamento de Matemática Aplicada e Estatística Universidade de São Paulo Modelos e Inferência Um modelo é uma simplificação da realidade (e alguns
Leia maisTestes de Hipóteses. Ricardo Ehlers Departamento de Matemática Aplicada e Estatística Universidade de São Paulo
Testes de Hipóteses Ricardo Ehlers ehlers@icmc.usp.br Departamento de Matemática Aplicada e Estatística Universidade de São Paulo Introdução e notação Em geral, intervalos de confiança são a forma mais
Leia maisVariáveis aleatórias contínuas
Variáveis aleatórias contínuas Wagner H. Bonat Fernando P. Mayer Elias T. Krainski Universidade Federal do Paraná Departamento de Estatística Laboratório de Estatística e Geoinformação 20/04/2018 WB, FM,
Leia maisDistribuições amostrais
Distribuições amostrais Tatiene Correia de Souza / UFPB tatiene@de.ufpb.br October 14, 2014 Souza () Distribuições amostrais October 14, 2014 1 / 23 Distribuição Amostral Objetivo Estender a noção de uma
Leia maisRibeirão Preto, 2º semestre de 2012 PROBABILIDADE E ESTATÍSTICA APLICADA II
FACULDADE DE ECONOMIA, ADMINISTRAÇÃO UNIVERSIDADE DE SÃO PAULO E CONTABILIDADE DE RIBEIRÃO PRETO DEPARTAMENTO DE ECONOMIA Ribeirão Preto, 2º semestre de 2012 PROBABILIDADE E ESTATÍSTICA APLICADA II LISTA
Leia maisAproximação da binomial pela normal
Aproximação da binomial pela normal 1 Objetivo Verificar como a distribuição normal pode ser utilizada para calcular, de forma aproximada, probabilidades associadas a uma variável aleatória com distribuição
Leia mais6- Probabilidade e amostras: A distribuição das médias amostrais
6- Probabilidade e amostras: A distribuição das médias amostrais Anteriormente estudamos como atribuir probabilidades a uma observação de alguma variável de interesse (ex: Probabilidade de um escore de
Leia maisBioestatística e Computação I
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
Leia maisCaros Alunos, segue a resolução das questões de Estatística aplicadas na prova para o cargo de Auditor Fiscal da Receita Municipal de Teresina.
Caros Alunos, segue a resolução das questões de Estatística aplicadas na prova para o cargo de Auditor Fiscal da Receita Municipal de Teresina. De forma geral, a prova manteve o padrão das questões da
Leia maisProbabilidade e Estatística Probabilidade Condicional
Introdução Probabilidade e Estatística Probabilidade Condicional Em algumas situações, a probabilidade de ocorrência de um certo evento pode ser afetada se tivermos alguma informação sobre a ocorrência
Leia maisDISTRIBUIÇÃO AMOSTRAL E ESTIMAÇÃO PONTUAL INTRODUÇÃO ROTEIRO POPULAÇÃO E AMOSTRA. Estatística Aplicada à Engenharia
ROTEIRO 1. Introdução; DISTRIBUIÇÃO AMOSTRAL E ESTIMAÇÃO PONTUAL. Teorema Central do Limite; 3. Conceitos de estimação pontual; 4. Métodos de estimação pontual; 5. Referências. 1 POPULAÇÃO E AMOSTRA População:
Leia maisDistribuição Amostral e Estimação Pontual de Parâmetros
Roteiro Distribuição Amostral e Estimação Pontual de Parâmetros 1. Introdução 2. Teorema Central do Limite 3. Conceitos de Estimação Pontual 4. Métodos de Estimação Pontual 5. Referências População e Amostra
Leia maisCapítulo 3. Introdução à Probabilidade E à Inferência Estatística
Capítulo 3 Introdução à Probabilidade E à Inferência Estatística definições e propriedades: Propriedade 5: A probabilidade condicional reflete como a probabilidade de um evento pode mudar se soubermos
Leia mais1 Distribuição Uniforme
Centro de Ciências e Tecnologia Agroalimentar - Campus Pombal Disciplina: Estatística Básica - 03 Aula 8 Professor: Carlos Sérgio UNIDADE 4 - Distribuições Contínuas (Notas de Aula) Distribuição Uniforme
Leia maisVariáveis Aleatórias Discretas e Distribuição de Probabilidade
Variáveis Aleatórias Discretas e Distribuição de Probabilidades 01 de Abril de 2014 Objetivos Ao final deste capítulo você deve ser capaz de: Determinar probabilidades a partir de funções de probabilidade
Leia mais{ C(1 x 2 ), se x ( 1, 1), f(x) = Cxe x/2, se x > 0, x + k, se 0 x 3; 0, c.c. k, se 1 < x 2; kx + 3k, se 2 < x 3;
Universidade de Brasília Departamento de Estatística 4 a Lista de PE 1. Seja X uma variável aleatória com densidade { C(1 x 2 ), se x ( 1, 1), 0, se x / ( 1, 1). a) Qual o valor de C? b) Qual a função
Leia maisEscola Superior de Agricultura Luiz de Queiroz Universidade de São Paulo. Variáveis Aleatórias Contínuas
Escola Superior de Agricultura Luiz de Queiroz Universidade de São Paulo Variáveis Aleatórias Contínuas Professora Renata Alcarde Piracicaba abril 2014 Renata Alcarde Estatística Geral 24 de Abril de 2014
Leia maisVariável Aleatória Contínua:
Distribuição Contínua Normal Luiz Medeiros de Araujo Lima Filho Departamento de Estatística UFPB Variável Aleatória Contínua: Assume valores num intervalo de números reais. Não é possível listar, individualmente,
Leia maisProbabilidade - aula III
2012/02 1 Regra da Multiplicação 2 3 4 5 Objetivos Ao final deste capítulo você deve ser capaz de: Usar a regra da multiplicação para calcular probabilidade de eventos Usar a. Regra da Multiplicação Frequentemente
Leia maisAula de hoje. administração. São Paulo: Ática, 2007, Cap. 3. ! Tópicos. ! Referências. ! Distribuição de probabilidades! Variáveis aleatórias
Aula de hoje! Tópicos! Distribuição de probabilidades! Variáveis aleatórias! Variáveis discretas! Variáveis contínuas! Distribuição binomial! Distribuição normal! Referências! Barrow, M. Estatística para
Leia maisProbabilidade II. Departamento de Estatística. Universidade Federal da Paraíba
Probabilidade II Departamento de Estatística Universidade Federal da Paraíba Prof. Tarciana Liberal (UFPB) Aula Lei dos Grandes Números e Teorema Central do Limite 02/14 1 / 9 Lei dos Grandes Números Lei
Leia maisAproximação da binomial pela normal
Aproximação da binomial pela normal 1 Objetivo Verificar como a distribuição normal pode ser utilizada para calcular, de forma aproximada, probabilidades associadas a uma variável aleatória com distribuição
Leia maisProf. Lorí Viali, Dr.
Prof. Lorí Viali, Dr. viali@mat.ufgrs.br http://www.mat.ufrgsbr/~viali/ Motivação Em muitas situações precisamos lidar com duas ou mais variáveis aleatórias ao mesmo tempo. Por exemplo o comprimento e
Leia maisProbabilidade Aula 08
332 Probabilidade Aula 8 Magno T. M. Silva Escola Politécnica da USP Maio de 217 A maior parte dos exemplos dessa aula foram extraídos de Jay L. Devore, Probabilidade e Estatística para engenharia e ciências,
Leia maisA figura 5.1 ilustra a densidade da curva normal, que é simétrica em torno da média (µ).
Capítulo 5 Distribuição Normal Muitas variáveis aleatórias contínuas, tais como altura, comprimento, peso, entre outras, podem ser descritas pelo modelo Normal de probabilidades. Este modelo é, sem dúvida,
Leia maisSumário. 2 Índice Remissivo 11
i Sumário 1 Principais Distribuições Contínuas 1 1.1 Distribuição Uniforme................................. 1 1.2 A Distribuição Normal................................. 2 1.2.1 Padronização e Tabulação
Leia maisMomentos: Esperança e Variância. Introdução
Momentos: Esperança e Variância. Introdução Em uma relação determinística pode-se ter a seguinte relação: " + " = 0 Assim, m =, é a declividade e a e b são parâmetros. Sabendo os valores dos parâmetros
Leia 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 maisDistribuições derivadas da distribuição Normal. Distribuição Normal., x real.
Distribuições derivadas da distribuição Normal Distribuição Normal Uma variável aleatória X tem distribuição normal com parâmetros µ e σ, quando sua densidade de probabilidade é f ( x) π σ e ( x µ ) σ,
Leia mais3 a Lista de PE Solução
Universidade de Brasília Departamento de Estatística 3 a Lista de PE Solução. Se X representa o ganho do jogador, então os possíveis valores para X são,, 0, e 4. Esses valores são, respectivamente, correspondentes
Leia maisProfessora Ana Hermínia Andrade. Período
Distribuições de probabilidade Professora Ana Hermínia Andrade Universidade Federal do Amazonas Faculdade de Estudos Sociais Departamento de Economia e Análise Período 2016.2 Modelos de distribuição Para
Leia maisPrincipais distribuições discretas Distribuição de Bernoulli sucesso fracasso X = 1, se sucesso X = 0, se fracasso P(X) TOTAL 1 Exemplo 5:
Principais distribuições discretas Na prática, sempre se procura associar um fenômeno aleatório a ser estudado, a uma forma já conhecida de distribuição de probabilidade (distribuição teórica) e, a partir
Leia maisDistribuições conjuntas de probabilidades e complementos
Probabilidades e Estatística 2004/05 Colectânea de Exercícios LEIC, LERCI, LEE Capítulo 5 Distribuições conjuntas de probabilidades e complementos 02 x = 0 065 x = 1 Exercício 51 (a) P(X = x) = 015 x =
Leia maisConfiabilidade de sistemas. Uma importante aplicação de probabilidade nas engenharias é no estudo da confiabilidade de sistemas.
Confiabilidade de sistemas Uma importante aplicação de probabilidade nas engenharias é no estudo da confiabilidade de sistemas. Uma definição pratica de confiabilidade corresponde à probabilidade de um
Leia maisMAE0219 Introdução à Probabilidade e Estatística I
Exercício 1 1 o semestre de 201 O tempo de vida útil de uma lavadora de roupas automática tem distribuição aproximadamente Normal, com média de 3,1 anos e desvio padrão de 1,2 anos. a Qual deve ser o valor
Leia maisESCOLA SUPERIOR DE TECNOLOGIA
Departamento Matemática Disciplina Estatística Aplicada Curso Engenharia Mec Gest Industrial º Semestre º Folha Nº3: Variáveis Aleatórias De um lote que contém 0 parafusos, dos quais 5 são defeituosos,
Leia maisProbabilidade 2 - ME310 - Lista 0
Probabilidade 2 - ME310 - Lista 0 17 de agosto de 2018 Lembrando: 1) Conjuntos disjuntos: A B = = P (A B) = 0 2) Conjuntos independentes: P (A B) = P (A) P (B) A = (A B). (A B c ) só uma forma de deixar
Leia mais4. PRINCIPAIS MODELOS DISCRETOS
4. PRINCIPAIS MODELOS DISCRETOS 2010 Principais modelos probabilísticos discretos 4.1. Modelo Bernoulli Muitos eperimentos admitem apenas dois resultados. Eemplos: 3. Uma peça é classificada como defeituosa
Leia maisDistribuição Gaussiana
Universidade Federal de Minas Gerais Instituto de Ciências Exatas Departamento de Estatística Distribuição Gaussiana Introdução à Bioestatística Turma Nutrição Aula 7: Distribuição Normal (Gaussiana) Distribuição
Leia maisTeoria das Filas aplicadas a Sistemas Computacionais. Aula 08
Teoria das Filas aplicadas a Sistemas Computacionais Aula 08 Universidade Federal do Espírito Santo - Departamento de Informática - DI Laboratório de Pesquisas em Redes Multimidia - LPRM Teoria das Filas
Leia maisDistribuição Amostral e Estimação Pontual de Parâmetros
Roteiro Distribuição Amostral e Estimação Pontual de Parâmetros 1. Introdução 2. Teorema Central do Limite 3. Conceitos de Estimação Pontual 4. Métodos de Estimação Pontual 5. Referências Estatística Aplicada
Leia mais2. Distribuições amostrais
2. Distribuições amostrais USP-ICMC-SME 203 USP-ICMC-SME () 2. Distribuições amostrais 203 / 22 Amostra aleatória Notação. X: variável aleatória (v.a.). f(x; θ): função densidade de probabilidade (X contínua)
Leia maisStela Adami Vayego DEST/UFPR
Resumo 9 Modelos Probabilísticos Variável Contínua Vamos ver como criar um modelo probabilístico, o que é uma função densidade de probabilidade (fdp), e como calcular probabilidades no caso de variáveis
Leia maisDistribuições Contínuas Prof. Walter Sousa
Estatística Distribuições Contínuas Prof. Walter Sousa DISTRIBUIÇÕES CONTÍNUAS Uma variável aleatória XX é contínua se assumir um número infinito não numerável de valores. Assim, fica definida uma função,
Leia maisAproximação da binomial pela normal
Aproximação da binomial pela normal 1 Objetivo Verificar como a distribuição normal pode ser utilizada para calcular, de forma aproximada, probabilidades associadas a uma variável aleatória com distribuição
Leia maisVARIÁVEIS ALEATÓRIAS E DISTRIBUIÇÕES DE PROBABILIDADE
VARIÁVEIS ALEATÓRIAS E DISTRIBUIÇÕES DE PROBABILIDADE.1 INTRODUÇÃO Admita que, de um lote de 10 peças, 3 das quais são defeituosas, peças são etraídas ao acaso, juntas (ou uma a uma, sem reposição). Estamos
Leia maisVariáveis Aleatórias Discretas e Distribuições de 3Probabilidade
Variáveis Aleatórias Discretas e Distribuições de 3Probabilidade Variáveis Aleatórias Discretas e Distribuições de Probabilidade Objetivos do aprendizado 3 Como determinar se um experimento é Binomial.
Leia mais3. Estimação pontual USP-ICMC-SME. USP-ICMC-SME () 3. Estimação pontual / 25
3. Estimação pontual USP-ICMC-SME 2013 USP-ICMC-SME () 3. Estimação pontual 2013 1 / 25 Roteiro Formulação do problema. O problema envolve um fenômeno aleatório. Interesse em alguma característica da população.
Leia maisVariáveis Aleatórias
Variáveis Aleatórias Definição: Uma variável aleatória v.a. é uma função que associa elementos do espaço amostral a valores numéricos, ou seja, X : Ω A, em que A R. Esquematicamente As variáveis aleatórias
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 maisMétodos Estatísticos
Métodos Estatísticos 5 - Distribuição Normal Referencia: Estatística Aplicada às Ciências Sociais, Cap. 7 Pedro Alberto Barbetta. Ed. UFSC, 5ª Edição, 2002. Distribuição de Probabilidades A distribuição
Leia maisMAT 461 Tópicos de Matemática II Aula 8: Resumo de Probabilidade
MAT 461 Tópicos de Matemática II Aula 8: Resumo de Probabilidade Edson de Faria Departamento de Matemática IME-USP 28 de Agosto, 2013 Probabilidade: uma Introdução / Aula 8 1 Desigualdades de Markov e
Leia maisPRINCIPAIS DISTRIBUIÇÕES DISCRETAS DE PROBABILIDADE
PRINCIPAIS DISTRIBUIÇÕES DISCRETAS DE PROBABILIDADE 3.1 INTRODUÇÃO Muitas variáveis aleatórias associadas a experimentos aleatórios têm propriedades similares e, portanto, podem ser descritas através de
Leia maisPROBABILIDADE RESUMO E EXERCÍCIOS* P1
PROBABILIDADE RESUMO E EXERCÍCIOS* P1 *Exercícios de provas anteriores escolhidos para você estar preparado para qualquer questão na prova. Resoluções grátis em Conceitos e Fundamentos Estudamos probabilidade
Leia maisVariáveis Aleatórias Discretas e Distribuição de Probabilidade
Variáveis Aleatórias Discretas e Distribuição de Probabilidades - parte II 29 de Março de 2011 Distribuição Uniforme Discreta Média Propriedade da falta de memória Objetivos Ao final deste capítulo você
Leia maisLEEC Probabilidades e Estatística 1 a Chamada 13/06/2005. Parte Prática C (C) M 1% 9% 10% (M) 4% 86% 90% 5% 95% 100%
. Definição dos acontecimentos: M T-shirt tem manchas C T-shirt tem costuras defeituosas D T-shirt é defeituosa A Preço da t-shirt é alterado a) PM) = % PC) = 5% PM C) = % LEEC Probabilidades e Estatística
Leia maisVariáveis Aleatórias Bidimensionais &Teoremas de Limite 1/22
all Variáveis Aleatórias Bidimensionais & Teoremas de Limite Professores Eduardo Zambon e Magnos Martinello UFES Universidade Federal do Espírito Santo DI Departamento de Informática CEUNES Centro Universitário
Leia maisVariáveis Aleatórias Contínuas e Distribuições de Probabilidade
Variáveis Aleatórias Contínuas e Distribuições de Probabilidade Motivação A quantidade de oxigênio dissolvido é importante para aferir a qualidade de um regato. Os níveis aceitáveis de oxigênio variam
Leia maisEstatística Básica. Variáveis Aleatórias Contínuas. Renato Dourado Maia. Instituto de Ciências Agrárias. Universidade Federal de Minas Gerais
Estatística Básica Variáveis Aleatórias Contínuas Renato Dourado Maia Instituto de Ciências Agrárias Universidade Federal de Minas Gerais Lembrando... Uma quantidade X, associada a cada possível resultado
Leia maisVerificar como a distribuição normal pode ser utilizada para calcular, l de forma aproximada, probabilidades associadas a uma variável aleatória com
Aproximação da binomial pela normal 1 Objetivo Verificar como a distribuição normal pode ser utilizada para calcular, l de forma aproximada, probabilidades associadas a uma variável aleatória com distribuição
Leia maisVariáveis Aleatórias Discretas e Distribuição de Probabilidade
Variáveis Aleatórias Discretas e Distribuição de Probabilidades - parte IV 2012/02 1 Distribuição Poisson Objetivos Ao final deste capítulo você deve ser capaz de: Ententer suposições para cada uma das
Leia mais