Professora Ana Hermínia Andrade. Período
|
|
- Afonso Tuschinski Pedroso
- 6 Há anos
- Visualizações:
Transcrição
1 Distribuições de probabilidade Professora Ana Hermínia Andrade Universidade Federal do Amazonas Faculdade de Estudos Sociais Departamento de Economia e Análise Período
2 Modelos de distribuição Para utilizar a teoria das probabilidades no estudo de um fenômeno concreto, devemos encontrar um modelo probabiĺıstico adequado a tal fenômeno. Por modelo probabiĺıstico para uma v.a X entendemos uma forma específica de função de distribuição de probabilidade que reflita o comportamento de X. Nesse processo de escolha utilizamos, em muitas situações, algum modelo clássico. Nós Estudaremos os modelos discretos: Bernoulli, Binomial e Poisson e o modelo continuo: Normal.
3 Distribuição Bernoulli Na prática muitos experimentos admitem apenas dois resultados. 1 Uma peça é classificada como boa ou defeituosa; 2 Cara ou coroa no lançamento de uma moeda; 3 Um servidor de internet está ativo ou não ativo; 4 Houve falha ou não na transmissão de um arquivo; 5 O resultado de um exame médico foi positivo ou negativo para detecção de uma doença.
4 Distribuição Bernoulli Seja X uma variável aleatória com dois resultados possíveis: 1 se ocorrer sucesso e 0 se ocorrer fracasso; Associaremos p, a probabilidade de sucesso (evento que nos interessa) e 1 p, a probabilidade de fracasso; Então X uma v. a. com distribuição Bernoulli e sua função de probabilidade é dada por: x i 0 1 p(x i ) 1 p p ou P(X = x i ) = p x i (1 p) 1 x i.
5 Uma lampada é escolhida ao acaso. Considere: X = A lâmpada é defeituosa (sucesso). X = { 0 se a lampada não é defeituosa 1 se a lampada é defeituosa x i 0 1 p(x i ) 4/7 3/7
6 Distribuição Bernoulli Notação: X Bernoulli(p), indica que a v.a X tem distribuição de Bernoulli com parâmetro p. Se X Bernoulli(p) pode-se mostrar que: E(X ) = p e Var(X ) = p(1 p) = pq. Observação Repetições independentes de um ensaio de Bernoulli dão origem ao modelo Binomial.
7 Distribuição Binomial Considere a repetição de n ensaios de Bernoulli, sob as mesmas condições. Considere todos os ensaios independentes; A probabilidade de sucesso p e fracasso 1 p se mantém constante em todos os ensaios. A variável aleatória X = número de sucessos nas n realizações tem distribuição Binomial.
8 Distribuição Binomial Considere 3 ensaios de Bernoulli, n = 3. P(defeituosa)= p = 3/7 P(perfeita)= (1 p) = 4/7 Seja X = o número de defeituosas 1 O experimento consiste de três ensaios de Bernoulli idênticos; 2 Os ensaios são independentes. 3 As probabilidades p e (1-p) são as mesmas em cada ensaio; 4 A v.a. X tem distribuição Binomial.
9 Distribuição Binomial X = o número de defeituosas n = 3 X = {0, 1, 2, 3} P(D) = p = 3/7 P(P) = 1 p = 4/7 P(X = 0) = P(PPP) P(X = 1) = P(PPD) + P(PDP) + P(DPP) P(X = 2) = P(DDP) + P(DPD) + P(PDD)
10 Distribuição Binomial P(X = 1) = P(PPD) + P(PDP) + P(DPP) = ( 7 3 = ) ( ) 3 = (3/7) 1 (4/7) ( ) 3 P(X = 2) = (3/7) 2 (4/7) 1 2 ( ) 3 P(X = 3) = (3/7) 3 (4/7) 0 3 ( ) 3 P(X = 0) = (3/7) 0 (4/7) 3 0
11 Distribuição Binomial Considere a repetição de n ensaios de Bernoulli independentes e todos com a mesma probabilidade de sucesso p. A v.a. que conta o número total de sucessos nos n ensaios de Bernoulli tem distribuição Binomial com parâmetros n e p e sua função de probabilidade é dada por: ( ) n P(X = x) = p x (1 p) n x, x = 0, 1,..., n x em que ( ) n = x n! x!(n x)! e lembre-se que 0! = 1.
12 Distribuição Binomial Notação X Binomial(n, p) indica que v.a. X tem distribuição Binomial com parâmetros n e p. A esperança e a variância de X são: E(X ) = np Var(X ) = np(1 p)
13 Distribuição Binomial Considere uma loja de roupas que receba 3 clientes: p = o cliente faz compra = 0, 30 (1 p) = o cliente não faz compra = 0, 70 X : número de clientes que compram ( ) 3 P(X = 0) = (0, 3) 0 (0, 7) 3 = 0, x p(x) ( ) 3 0 0, 343 P(X = 1) = (0, 3) 1 (0, 7) 2 = 0, , 441 ( ) 3 2 0, 189 P(X = 2) = (0, 3) 2 (0, 7) 1 = 0, , 027 ( ) 3 P(X = 3) = (0, 3) 3 (0, 7) 0 = 0, 027 3
14 O time Sport Clube do Recife tem 1/4 de probabilidade de perder sempre que joga em Recife. Se o time jogar 5 partidas, calcule a probabilidade: a) do time perder nenhuma partida. b) do time perder exatamente 3 partidas. c) do time perder mais de 3 partidas. d) do time perder pelo menos uma partida. e) Se o time jogar 30 partidas, em quantos partidas se espera que o time perca?
15 X = n o de partidas que o time perdeu em casa. p = P(perder)= 1/4 n = 5 partidas X Binomial(5, 1/4) a) P(X = 0) = ( 5 0) ( 1 4) 0 ( 3 4) 5 = 0, 2373 b) P(X = 3) = ( 5 3) ( 1 4) 3 ( 3 4) 2 = 0, 2637 c) P(X > 3) = P(X = 4)+P(X = 5) = ( 5 4) ( 1 4) 4 ( 3 4) 1 + ( 5 5) ( 1 4) 5 ( 3 4) 0 = 0, 0156 d) P(X 1) = 1 - P(X < 1) = 1 - P(X = 0) = 1 0, 2373 = 0, 7627 e) E(X ) = np E(X ) =
16 Distribuição de Poisson Representa a distribuição de probabilidade de uma variável aleatória que registra o número de ocorrências em um intervalo de tempo ou espaço específicos. Carros que passam por um cruzamento por minuto, durante uma certa hora do dia. Erros tipográficos por página, em um material impresso. Defeitos em uma peça fabricada por unidade (m2, m, etc). Lâmpadas queimadas em uma cidade por dia. Problemas de filas de espera.
17 Distribuição de Poisson Se X uma variável aleatória que registra o número de ocorrências em um intervalo específico e a probabilidade de uma ocorrência é independente e a mesma para quaisquer dois intervalos de tempo, então a v.a. X tem distribuição de Poisson com parâmetro λ e sua função de probabilidade é dada por: P(X = x λ) = λ x e λ x! λ = valor esperado ou número médio de ocorrências em um dado intervalo. e = 2, 71828
18 Distribuição de Poisson Notação: X Poisson(λ) indica que v.a. X tem distribuição Poisson com parâmetro λ. Uma variável aleatória de Poisson não tem limite superior. X = 0, 1, 2, 3,... P(x λ) = a probabilidade de x ocorrências em um intervalo específico, considerando λ o número médio de ocorrências em tal intervalo. A esperança e a variância de X são: Média: E(X ) = λ Variância: Var(X ) = λ
19 Em média há 2 chamadas por hora em um certo telefone. Calcule a probabilidade de: a) receber nenhuma chamada em 1 horas. b) receber uma chamada em 1 horas. c) receber uma chamada em 2 horas. d) receber no máximo 1 chamadas em 2 horas. e) receber pelo menos 1 chamadas em 2 horas.
20 X = número chamadas por hora em um certo telefone λ = 2 chamadas por hora a) P(X = 0 λ = 2) = 20 e 2 0! = 0, 1353 b) P(X = 1 λ = 2) = 21 e 2 1! = 0, 2706 c) P(X = 1 λ = 4) = 41 e 4 1! = 0, 0732 d) P(X 1 λ = 4) = P(X = 0 λ = 4) + P(X = 1 λ = 4) = 40 e 4 0! + 41 e 4 1! = 0, , 0732 = e) P(X 1 λ = 4) = 1 P(X < 1 λ = 4) = 1 P(X = 0 λ = 4) = 1 0, 0183 = 0, 9817
21 Distribuição Normal
22 Motivação: Distribuição Normal Observamos o peso (kg) de 1500 pessoas adultas selecionadas ao acaso em uma população. O histograma é o seguinte:
23 Motivação: Distribuição Normal A análise do histograma indica que: a distribuição dos valores é aproximadamente simétrica em torno de 70kg; a maioria dos valores (88%) encontra-se em torno da média, no intervalo (55; 85); a proporção das alturas vai diminuindo a medida que os valores se afastam da média. Existe apenas uma pequena proporção de valores abaixo de 48kg (1, 2%) e acima de 92kg (1%).
24 Motivação: Distribuição Normal Vamos definir a variável aleatória: X = peso, em kg, de uma pessoa adulta escolhida ao acaso da população. Qual a distribuição de probabilidade de X? A curva contínua denomina-se curva Normal.
25 Distribuição Normal A distribuição Normal é uma das mais importantes distribuições contínuas de probabilidade. Muitos fenômenos aleatórios comportam-se de forma próxima a essa distribuição. s: 1 Altura; 2 Pressão sanguínea; 3 Peso. Pode ser utilizada para calcular, de forma aproximada, probabilidades para outras distribuições, como por exemplo, para a distribuição Binomial.
26 A distribuição de Y deve ser assimétrica. Em que, a grande proporção de valores está entre 0 e 500 horas e poucos valores acima de 1500 horas. Distribuição Normal Nem todos os fenômenos se ajustam à distribuição Normal. Y = Duração, em horas, de uma lâmpada.
27 Distribuição Normal Uma variável aleatória X tem distribuição Normal com parâmetros µ e σ 2 se sua função densidade de probabilidade é dada por: f (x) = 1 1 σ 2( x µ σ ) 2 2π e Campo de variação: < X < + ; E(X ) = µ; Var(X ) = σ 2 (e portanto, DP(X ) = σ).
28 Distribuição Normal Notação X N ( µ, σ 2) indica que v.a. X tem distribuição Normal com parâmetros µ e σ 2. Propriedades É simétrica em torno da média µ; A média e a mediana são coincidentes; A área total sob a curva é igual a 1; x = µ é ponto de máximo de f (x); f (x) 0 quando x ±.
29 Distribuição Normal Padrão Se µ = 0 e σ 2 = 1, a distribuição é chamada de distribuição normal padrão e a função de densidade de probabilidade reduz-se a: f (z) = 1 } exp { z2 2π 2 ou seja, Z N (0, 1).
30 Influência de µ na curva da Distribuição Normal Curvas normais com mesma variância, porém com médias diferentes (µ 2 > µ 1 ).
31 Influência de σ 2 na curva da Distribuição Normal Curvas normais com mesma média, porém com variâncias diferentes (σ 2 2 > σ2 1 ).
32 Cálculo das Probabilidades P(a < X < b) = área sob a curva e acima do eixo horizontal (X ) entre a e b. Problema: O cálculo das integrais da função de densidade normal não tem solução fechada.
33 Cálculo das Probabilidades Os cálculos dessas áreas (probabilidades) já foram obtidos numericamente e registrados em tabelas. Pergunta Se f (x) depende de µ e σ 2, então temos disponíveis uma infinidade de Tabelas, uma para cada par µ e σ 2??
34 Uso da Tabela Normal Padrão Essas probabilidades que estão registradas em tabelas são para variáveis que tem distribuição normal padrão (Z N (0, 1)). Essa é a área fornecida pela tabela e é denotada por P(Z z).
35 Calcular P(Z 0, 32).
36 P(Z 0, 32) = 0, 6255.
37 P(Z 1, 3) = 0, 0968.
38 P(Z 1, 5)
39 P(Z 1, 5) = 1 P(Z < 1, 5) = 1 0, 9332 = 0, 0668 ou P(Z 1, 5) = P(Z 1, 5) = 0, 0668 obs: P(Z z) = P(Z z), pela simetria
40 P(0 < Z 1, 71)
41 P(0 < Z 1, 71) = P(Z 1, 71) P(Z < 0) = 0, , 5 = 0, 4564 obs: P(Z < 0) = P(Z > 0) = 0, 5, pela simetria
42 P(1, 32 < Z 1, 79)
43 P(1, 32 < Z 1, 79) = P(Z 1, 79) P(Z < 1, 32) = 0, , 9066 = 0, 0567
44 P( 1, 5 < Z < 1, 5)
45 P( 1, 5 < Z < 1, 5) = P(Z < 1, 5) P(Z < 1, 5) = 0, , 0668 = 0, 8664 ou P( 1, 5 < Z < 1, 5) = 1 2 P(Z < 1, 5) = 1 2 0, 0668 = 0, 8664 Observação P(Z > 1, 5) = P(Z < 1, 5), pela simetria
46 P( 1, 32 < Z < 0)
47 P( 1, 32 < Z < 0) = P(Z < 0) P(Z < 1, 32) = 0, 5 0, 0934 = 0, 4066
48 P( 2, 3 < Z < 1, 49)
49 P( 2, 3 < Z < 1, 49) = = P(Z < 1, 49) P(Z < 2, 3) = 0, , 0107 = 0, 0574
50 P( 1 < Z < 2)
51 P( 1 < Z < 2) = P(Z < 2) P(Z < 1) = 0, , 1587 = 0, 8186
52 Um problema inverso Em alguns momentos nós sabemos a probabilidade de ocorrência de determinado evento e estamos interessados em saber quem é esse evento. A seguir veremos como fazemos para resolver esse tipo de situação.
53 Como encontrar o valor z da distribuição N (0, 1), tal que P(Z z) = 0, 975?
54
55 P(Z z) = 0, 975 Pela tabela, z = 1, 96.
56 Como encontrar o valor z da distribuição N (0, 1) tal que P(Z z) = 0, 10?
57 P(Z z) = 0, 10 Pela tabela, z = 1, 28.
58 f Qual o valor z da distribuição N (0, 1) tal que P(0 < Z z) = 0, 4975?
59 Note que P(Z < z) = P(Z 0) + P(0 < Z z) P(Z < z) = 0, 5 + 0, 4975 P(Z < z) = 0, 9975 Pela tabela, z = 2, 81.
60 Como encontrar o valor z da distribuição N (0, 1) tal que P(Z z) = 0, 3?
61 Note que P(Z z) = 0, 3 1 P(Z < z) = 0, 3 P(Z < z) = 1 0, 3 P(Z < z) = 0, 7 Pela tabela, z = 0, 53.
62 Como encontrar o valor z da distribuição N (0, 1) tal que P(Z z) = 0, 975?
63 Note que P(Z z) = 0, P(Z < z) = 0, 975 P(Z < z) = 1 0, 975 P(Z < z) = 0, 025 Pela tabela, z = 1, 96.
64 Como encontrar o valor z da distribuição N (0, 1) tal que P( z Z z) = 0, 8?
65 Note que P(Z z) = 0, 1 ou P(Z z) = 0, 9 Pela tabela, z = 1, 28 e z = 1, 28.
66 Distribuição Normal Mas como eu faço para calcular as probabilidades quando a variável não tem distribuição normal padrão (N (0, 1))? Nesses casos as áreas (probabilidades) são calculadas através de uma transformação. Essa transformação transforma qualquer variável normal que tenha qualquer média e qualquer variância em uma variável normal padrão (com média zero e variância um).
67 Distribuição Normal Padronizada Essa transformação é feita da seguinte maneira: Seja X N (µ, σ 2 ), definimos Z = X µ σ Temos então: E(Z) = 0 e Var(Z) = 1. Com essa transformação Z N (0, 1) (distribuição normal padrão).
68
69 Distribuição Normal Padronizada Com isso, podemos determinar as probabilidades de uma v.a. X N (µ, σ 2 ), com base na tabela da distribuição normal padronizada. Portanto, P (a < X < b) = P (a µ < X µ < b µ) ( a µ = P < X µ < b µ ) σ σ σ ( a µ = P < Z < b µ ) σ σ
70 Seja X N (10; 64) ( µ = 10, σ 2 = 64 e σ = 8 ) Calcular P(6 X 12)
71 ( 6 10 P(6 X 12) = P X = P ( 0, 5 Z 0, 25) = P(Z < 0, 25) P(Z < 0, 5) = 0, , 3085 = 0, 2902 )
72 Calcular P(X 8 ou X > 14)
73 P(X 8) + P(X > 14) = = P(Z ) + P(Z > ) 8 8 = P(Z 0, 25) + P(Z > 0, 5) = P(Z 0, 25) + P(Z < 0, 5) = 0, 7098
74 Um problema inverso quando X N (µ; σ 2 ) Existem situações em que sabemos a probabilidade de ocorrência de determinado evento de uma v.a. X N (µ; σ 2 ) e estamos interessados em saber quem é esse evento. Em tais momentos, podemos obter a v.a. X N (µ; σ 2 ) por meio da v.a. Z N (0; 1), através da transformação inversa: X = µ + Zσ.
75 Como encontrar o valor x da distribuição X N (10; 64) tal que P(X x) = 0, 05?
76 P(X x) = 0, 05 P ( Z x 10 ) 8 = 0, 05 temos que P(Z z) = 0, 05 1 P(Z < z) = 0, 05 P(Z < z) = 1 0, 05 P(Z < z) = 0, 95 Pela tabela, z = 1, 64. Então, x 10 = 1, 64 x = , 64 8 = 23, 12 8
77 Como encontrar o valor x da distribuição X N (10; 64) tal que P(X x) = 0, 025?
78 P(X x) = 0, 025 P ( Z x 10 ) 8 = 0, 025 x 10 8 temos que P(Z z) = 0, 025 Pela tabela, z = 1, 96. Então, = 1, 96 x = 10 1, 96 8 = 5, 68
79 Exercício O tempo de instalação de um software tem distribuição normal com média de 6 minutos e variância de 4 minutos. a) Qual a probabilidade de que um software leve entre 5 e 7 minutos para ser instalado? b) Qual a probabilidade de que um software leve mais que 6,5 minutos para ser instalado? c) Qual a probabilidade de que um software leve menos que 5 minutos para ser instalado? d) Qual o intervalo de tempo, simétrico em torno da média, que detém uma probabilidade 95% para que o software seja instalado?
Cálculo 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 Modelos de distribuição Para utilizar a teoria
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 maisProbabilidade. 1 Distribuição de Bernoulli 2 Distribuição Binomial 3 Multinomial 4 Distribuição de Poisson. Renata Souza
Probabilidade Distribuição de Bernoulli 2 Distribuição Binomial 3 Multinomial 4 Distribuição de Poisson Renata Souza Distribuição de Bernoulli Uma lâmpada é escolhida ao acaso Ensaio de Bernoulli A lâmpada
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 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 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 maisModelos de Distribuição PARA COMPUTAÇÃO
Modelos de Distribuição MONITORIA DE ESTATÍSTICA E PROBABILIDADE PARA COMPUTAÇÃO Distribuições Discretas Bernoulli Binomial Geométrica Hipergeométrica Poisson ESTATÍSTICA E PROBABILIDADE PARA COMPUTAÇÃO
Leia maisVariável Aleatória Contínua:
Distribuição Contínua Normal Prof. Tarciana Liberal Departamento de Estatística UFPB x x Variável Aleatória Contínua: Assume valores num intervalo de números reais. Não é possível listar, individualmente,
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 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 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 maisModelos básicos de distribuição de probabilidade
Capítulo 6 Modelos básicos de distribuição de probabilidade Muitas variáveis aleatórias, discretas e contínuas, podem ser descritas por modelos de probabilidade já conhecidos. Tais modelos permitem não
Leia maisVARIÁVEIS ALEATÓRIAS e DISTRIBUIÇÃO BINOMIAL
VARIÁVEIS ALEATÓRIAS e DISTRIBUIÇÃO BINOMIAL 1 Variável Aleatória Uma função X que associa a cada elemento w do espaço amostral W um valor x R é denominada uma variável aleatória. Experimento: jogar 1
Leia maisVariáveis Aleatórias Discretas
Variáveis Aleatórias Discretas Ricardo Ehlers ehlers@icmc.usp.br Departamento de Matemática Aplicada e Estatística Universidade de São Paulo Introdução Definição Uma variável aleatória é uma função definida
Leia maisVARIÁVEL ALEATÓRIA e DISTRIBUIÇÃO BINOMIAL
VARIÁVEL ALEATÓRIA e DISTRIBUIÇÃO BINOMIAL 1 Variável Aleatória Uma função X que associa a cada elemento w do espaço amostral W um valor x R é denominada uma variável aleatória. Experimento: jogar 1 dado
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 maisVARIÁVEL ALEATÓRIA e DISTRIBUIÇÃO BINOMIAL
VARIÁVEL ALEATÓRIA e DISTRIBUIÇÃO BINOMIAL Variável Aleatória Uma função X que associa a cada elemento ω do espaço amostral Ω um valor x R é denominada uma variável aleatória. A variável aleatória pode
Leia maisModelos Probabilisticos Discretos
Modelos Probabilisticos Discretos Ricardo Ehlers ehlers@icmc.usp.br Departamento de Matemática Aplicada e Estatística Universidade de São Paulo 1 / 30 A distribuição Uniforme Discreta Suponha um experimento
Leia mais1 Distribuição de Bernoulli
Centro de Ciências e Tecnlogia Agroalimentar - Campus Pombal Disciplina: Estatística Básica - 2013 Aula 6 Professor: Carlos Sérgio Distribuições Teóricas de Probabilidades de Variáveis Aleatórias Discretas
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 maisVariável Aleatória. Gilson Barbosa Dourado 6 de agosto de 2008
Variável Aleatória Gilson Barbosa Dourado gdourado@uneb.br 6 de agosto de 2008 Denição de Variável Aleatória Considere um experimento E e seu espaço amostral Ω = {a 1, a 2,..., a n }. Variável aleatória
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 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 maisEstatística (MAD231) Turma: IGA. Período: 2018/2
Estatística (MAD231) Turma: IGA Período: 2018/2 Aula #03 de Probabilidade: 19/10/2018 1 Variáveis Aleatórias Considere um experimento cujo espaço amostral é Ω. Ω contém todos os resultados possíveis: e
Leia maisUNIVERSIDADE TECNOLÓGICA FEDERAL DO PARANÁ CAMPUS PONTA GROSSA METROLOGIA II
METROLOGIA II Professor: Eng. PAULO ROBERTO CAMPOS ALCOVER JUNIOR Curso de Tecnologia em Fabricação Mecânica 2 Período ; ; Cálculo de Probabilidades; ; ;. 2 : Coeficiente de Variação: Baixa dispersão:
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 Variáveis Aleatórias Ao descrever um espaço
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 maisDistribuições de Probabilidade
Distribuições de Probabilidade Carla Henriques, Nuno Bastos e Cristina Lucas Departamento de Matemática Escola Superior de Tecnologia de Viseu. Henriques, N. Bastos e C. Lucas (DepMAT) Distribuições de
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 maisTeoria das Filas aplicadas a Sistemas Computacionais. Aula 09
Teoria das Filas aplicadas a Sistemas Computacionais Aula 09 Universidade Federal do Espírito Santo - Departamento de Informática - DI Laboratório de Pesquisas em Redes Multimidia - LPRM Teoria das Filas
Leia maisProcessos Estocásticos
Processos Estocásticos Luiz Affonso Guedes Sumário Modelos Probabilísticos Discretos Uniforme Bernoulli Binomial Hipergeométrico Geométrico Poisson Contínuos Uniforme Normal Tempo de Vida Exponencial Gama
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 maisProbabilidade e Estatística
Probabilidade e Estatística stica Prof. Dr. Narciso Gonçalves da Silva http://paginapessoal.utfpr.edu.br/ngsilva Inferência Estatística stica e Distribuições Amostrais Inferência Estatística stica O objetivo
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 maisEstatística I Aula 8. Prof.: Patricia Maria Bortolon, D. Sc.
Estatística I Aula 8 Prof.: Patricia Maria Bortolon, D. Sc. MODELOS PROBABILÍSTICOS MAIS COMUNS VARIÁVEIS ALEATÓRIAS CONTÍNUAS Lembram o que vimos sobre V.A. contínua na Aula 6? Definição: uma variável
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 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 maisAULA 15 - Distribuição de Bernoulli e Binomial
AULA 15 - Distribuição de Bernoulli e Binomial Susan Schommer Introdução à Estatística Econômica - IE/UFRJ Variável Aleatória de Bernoulli Podemos dizer que as variáveis aleatórias mais simples entre as
Leia maisAULA 16 - Distribuição de Poisson e Geométrica
AULA 16 - Distribuição de Poisson e Geométrica Susan Schommer Introdução à Estatística Econômica - IE/UFRJ Distribuição de Poisson Em muitas situações nos deparamos com a situação em que o número de ensaios
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 maisCálculo das Probabilidades I
Cálculo das Probabilidades I Departamento de Estatística Universidade Federal da Paraíba Prof. Tarciana Liberal (UFPB) Aula Distribuição Normal 06/11 1 / 41 LEMBRANDO: Variável Aleatória Contínua Assume
Leia maisProcessos Estocásticos. Luiz Affonso Guedes
Processos Estocásticos Luiz Affonso Guedes Sumário Modelos Probabilísticos Discretos Uniforme Bernoulli Binomial Hipergeométrico Geométrico Poisson Contínuos Uniforme Normal Tempo de Vida Exponencial Gama
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 maisAula 5. Variáveis Aleatórias Discretas
Aula 5. Variáveis Aleatórias Discretas Definição formal : Variável aleatória é qualquer função definida em espaço Ω. Ω função é uma regra que para cada valor de domínio corresponde um valor de R R Definição
Leia mais4. PRINCIPAIS MODELOS DISCRETOS
4. PRINCIPAIS MODELOS DISCRETOS 2011 Principais modelos probabilísticos discretos 4.1. Modelo Bernoulli Muitos eperimentos admitem apenas dois resultados. Eemplos: 1. Uma peça é classificada como defeituosa
Leia maisLista de Exercícios #2 Assunto: Variáveis Aleatórias Discretas
1. ANPEC 2018 Questão 3 Considere um indivíduo procurando emprego. Para cada entrevista de emprego (X) esse indivíduo tem um custo linear (C) de 10,00 Reais. Suponha que a probabilidade de sucesso em uma
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 maisEstatística Planejamento das Aulas
29 de outubro de 2018 Distribuição Discreta Uniforme No experimento estatístico, os eventos são equiprováveis. A v.a. discreta X assume n valores discretos tem função de probabilidade: { 1 se x f x = i
Leia maisVARIÁVEIS ALEATÓRIAS 1
VARIÁVEIS ALEATÓRIAS 1 Na prática é, muitas vezes, mais interessante associarmos um número a um evento aleatório e calcularmos a probabilidade da ocorrência desse número do que a probabilidade do evento.
Leia maisMais Aplicações sobre cálculo de probabilidades
Mais Aplicações sobre cálculo de probabilidades Prof. Hemílio Fernandes Campos Coêlho Departamento de Estatística - Universidade Federal da Paraíba - UFPB Noções de Epidemiologia Em algumas aplicações
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 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 maisUNIDADE II. José J. C. Hernández. April 9, 2017 DE - UFPE. José J. C. Hernández (DE - UFPE) Estatística I April 9, / 60
INTRODUÇÃO À ESTATÍSTICA UNIDADE II José J. C. Hernández DE - UFPE April 9, 2017 José J. C. Hernández (DE - UFPE) Estatística I April 9, 2017 1 / 60 Variável aleatória Seja X : Ω R uma função real de Ω
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 maisCap. 6 Variáveis aleatórias contínuas
Estatística para Cursos de Engenharia e Informática Pedro Alberto Barbetta / Marcelo Menezes Reis / Antonio Cezar Bornia São Paulo: Atlas, 004 Cap. 6 Variáveis aleatórias contínuas APOIO: Fundação de Apoio
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 maisUNIVERSIDADE FEDERAL DA PARAÍBA. Variáveis Aleatórias. Departamento de Estatística Luiz Medeiros
UNIVERSIDADE FEDERAL DA PARAÍBA Variáveis Aleatórias Departamento de Estatística Luiz Medeiros Introdução Como sabemos, características de interesse em diversas áreas estão sujeitas à variação; Essa variabilidade
Leia maisDistribuições Importantes. Distribuições Contínuas
Distribuições Importantes Distribuições Contínuas Distribuição Normal ou de Gauss Definição Diz-se que uma v.a. X contínua tem distribuição normal ou de Gauss, X Nor(µ,σ), se a sua função densidade de
Leia maisIntrodução à probabilidade e estatística I
Introdução à probabilidade e estatística I Variáveis Aleatórias Prof. Alexandre G Patriota Sala: 298A Email: patriota@ime.usp.br Site: www.ime.usp.br/ patriota Probabilidade Daqui por diante utilizaremos
Leia maisDistribuição de Probabilidade. Prof.: Joni Fusinato
Distribuição de Probabilidade Prof.: Joni Fusinato joni.fusinato@ifsc.edu.br jfusinato@gmail.com Modelos de Probabilidade Utilizados para descrever fenômenos ou situações que encontramos na natureza, ou
Leia maisDistribuições de Probabilidade
Distribuições de Probabilidade Departamento de Matemática Escola Superior de Tecnologia de Viseu (DepMAT ESTV) Distribuições de Probabilidade 2007/2008 1 / 31 Introdução Introdução Já vimos como caracterizar
Leia maisEstatística Descritiva e Exploratória
Gledson Luiz Picharski e Wanderson Rodrigo Rocha 9 de Maio de 2008 Estatística Descritiva e exploratória 1 Váriaveis Aleatórias Discretas 2 Variáveis bidimensionais 3 Váriaveis Aleatórias Continuas Introdução
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 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 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 maisCapítulo 2. Variáveis Aleatórias e Distribuições
Capítulo 2 Variáveis Aleatórias e Distribuições Experimento Aleatório Não existe uma definição satisfatória de Experimento Aleatório. Os exemplos dados são de fenômenos para os quais modelos probabilísticos
Leia maisModelos Probabiĺısticos Discretos
Discretos Prof. Gilberto Rodrigues Liska UNIPAMPA 19 de Setembro de 2017 Material de Apoio e-mail: gilbertoliska@unipampa.edu.br Gilberto R. Liska ( UNIPAMPA ) Notas de Aula 19 de Setembro de 2017 1 /
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 Distribuições Discretas de Probabilidade
1 Distribuições Discretas de Probabilidade A distribuição discreta descreve quantidades aleatórias (dados de interesse) que podem assumir valores particulares e os valores são finitos. Por exemplo, uma
Leia maisDA PARAÍBA. Variáveis Aleatórias. Departamento de Estatística Luiz Medeiros
UNIVERSIDADE FEDERAL DA PARAÍBA Variáveis Aleatórias Departamento de Estatística Luiz Medeiros Introdução Como sabemos, características de interesse em diversas áreas estão sujeitas à variação Essa variabilidade
Leia maisPROBABILIDADE E ESTATÍSTICA DISTRIBUIÇÕES DE PROBABILIDADES PARTE I
PROBABILIDADE E ESTATÍSTICA DISTRIBUIÇÕES DE PROBABILIDADES PARTE I Bruno Baierle Maurício Furigo Prof.ª Sheila Regina Oro (orientadora) Edital 06/2013 - Produção de Recursos Educacionais Digitais Variável
Leia maisMAE0219 Introdução à Probabilidade e Estatística I
Exercício 1 Um par de dados não viciados é lançado. Seja X a variável aleatória denotando o menor dos dois números observados. a) Encontre a tabela da distribuição dessa variável. b) Construa o gráfico
Leia maisPRINCIPAIS MODELOS DISCRETOS
PRINCIPAIS MODELOS DISCRETOS 2012 Principais modelos probabilísticos discretos 4.1. Modelo Bernoulli Muitos eperimentos admitem apenas dois resultados. Eemplos: 1. Uma peça é classificada como defeituosa
Leia maisExperimento Aleatório
Probabilidades 1 Experimento Aleatório Experimento aleatório (E) é o processo pelo qual uma observação é ob;da. Exemplos: ü E 1 : Jogar uma moeda 3 vezes e observar o número de caras ob;das; ü E 2 : Lançar
Leia maisCap. 6 Variáveis aleatórias contínuas
Estatística para Cursos de Engenharia e Informática Pedro Alberto Barbetta / Marcelo Menezes Reis / Antonio Cezar Bornia São Paulo: Atlas, 2004 Cap. 6 Variáveis aleatórias contínuas APOIO: Fundação de
Leia maisModelos Binomial e Poisson
Modelos Binomial e Poisson Cristian Villegas clobos@usp.br http://www.lce.esalq.usp.br/arquivos/aulas/2014/lce0216/ 1 Distribuição Bernoulli Se um experimento possui dois possíveis resultados, sucesso
Leia maisEstatística. Capítulo 4: Distribuições Teóricas de Probabilidades de Variáveis Aleatórias Discretas. Professor Fernando Porto
Estatística Capítulo 4: Distribuições Teóricas de Probabilidades de Variáveis Aleatórias Discretas Professor Fernando Porto Capítulo 4 Baseado no Capítulo 4 do livro texto, Distribuições Teóricas de Probabilidades
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 maisESTATÍSTICA. x(s) W Domínio. Contradomínio
Variáveis Aleatórias Variáveis Aleatórias são funções matemáticas que associam números reais aos resultados de um Espaço Amostral. Uma variável quantitativa geralmente agrega mais informação que uma qualitativa.
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 maisProbabilidade e Modelos Probabilísticos
Probabilidade e Modelos Probabilísticos 1ª Parte: Conceitos básicos, variáveis aleatórias, modelos probabilísticos para variáveis aleatórias discretas, modelo binomial, modelo de Poisson 1 Probabilidade
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 maisProbabilidade e Estatística
Probabilidade e Estatística Distribuições Discretas de Probabilidade Prof. Narciso Gonçalves da Silva www.pessoal.utfpr.edu.br/ngsilva Introdução Distribuições Discretas de Probabilidade Muitas variáveis
Leia maisEstatística (MAD231) Turma: IGA. Período: 2017/2
Estatística (MAD231) Turma: IGA Período: 2017/2 Aula #03 de Probabilidade: 04/10/2017 1 Variáveis Aleatórias Considere um experimento cujo espaço amostral é Ω. Ω contém todos os resultados possíveis: e
Leia mais4. PRINCIPAIS MODELOS DISCRETOS
4. PRINCIPAIS MODELOS DISCRETOS 2019 Principais modelos probabilísticos discretos 4.1. Modelo Bernoulli Muitos eperimentos admitem apenas dois resultados. Eemplos: 1. Uma peça é classificada como defeituosa
Leia maisModelos Binomial e Poisson
Modelos Binomial e Poisson Cristian Villegas clobos@usp.br Outubro de 2013 Apostila de Estatística (Cristian Villegas) 1 Distribuição Bernoulli Se um experimento possui dois possíveis resultados, sucesso
Leia maisEST012 - Estatística Econômica I Turma A - 1 o Semestre de 2019 Lista de Exercícios 3 - Variável aleatória
Exercício 1. Considere uma urna em que temos 4 bolas brancas e 6 bolas pretas. Vamos retirar, ao acaso, 3 bolas, uma após a outra e sem reposição. Sejam X: o número de bolas brancas e Y : o número de bolas
Leia maisTeorema do Limite Central
Teorema do Limite Central Bacharelado em Economia - FEA - Noturno 1 o Semestre 2014 MAE0219 (IME-USP) Teorema do Limite Central 1 o Semestre 2014 1 / 47 Objetivos da Aula Sumário 1 Objetivos da Aula 2
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 maisFundamentos de Estatística
Fundamentos de Estatística Clássica Workshop Análise de Incertezas e Validação Programa de Verão 2017 Marcio Borges 1 1LABORATÓRIO NACIONAL DE COMPUTAÇÃO CIENTÍFICA mrborges@lncc.br Petrópolis, 9 de Fevereiro
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 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 : I, em que I. Esquematicamente: As variáveis aleatórias
Leia maisDistribuições de probabilidade de variáveis aleatórias discretas
Distribuições de probabilidade de variáveis aleatórias discretas Universidade Estadual de Santa Cruz Ivan Bezerra Allaman Cronograma 1. Distribuição Bernoulli 2. Distribuição Binomial 3. Distribuição Poisson
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 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 e Distribuição de Probabilidad
Variáveis Aleatórias Contínuas e Distribuição de Probabilidades - parte III 23 de Abril de 2012 Introdução Objetivos Ao final deste capítulo você deve ser capaz de: Calcular probabilidades aproximadas
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 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 maisProf. Lorí Viali, Dr.
Prof. Lorí Viali, Dr. viali@mat.ufrgs.br http://www.mat.ufrgs.br/~viali/ s KKK CKK KKC KCK CCK CKC KCC CCC S X 0 1 2 3 R x X(s) X(S) Uma função X que associa a cada elemento de S (s S) um número real
Leia maisVariável Aleatória. O conjunto de valores. Tipos de variáveis. Uma função X que associa a cada
Variável Aleatória Uma função X que associa a cada Prof. Lorí Viali, Dr. viali@mat.ufrgs.br http://www.mat.ufrgs.br/~viali/ elemento de S (s S) um número real x X(s) é denominada variável aleatória. O
Leia mais