I. INTRODUÇÃO Generalidades
|
|
- David Beppler Caires
- 6 Há anos
- Visualizações:
Transcrição
1 1
2 I. INTRODUÇÃO 1.1. Generalidades Qualquer sistema real opera sempre em ambientes onde a incerteza impera, principalmente quando o sistema envolve, pela sua natureza, ações humanas imprevisíveis ou desgaste natural de máquina. Os modelos determinísticos certamente contribuem para a compreensão, em um nível básico, do comportamento dinâmico de um sistema. No entanto, por não poderem lidar com a incerteza, acabamos por ser insuficientes nos processos de tomada de decisão. Assim, recorre-se a Processos Estocásticos como uma forma de regularidade que eles apresentam para serem descritos por modelos probabilísticos. Pode definir-se um Processo Estocástico ( em inglês, Stochastic Process ou Random Process ) como um conjunto de variáveis aleatórias indexadas a um variável (geralmente a variável tempo), sendo representado por { ( ) }. Estabelecendo o paralelismo com o caso determinístico, onde uma função toma valores bem definidos ao longo do tempo, um processo estocástico toma valores aleatórios ao longo do tempo. Aos valores que ( ) pode assumir chamam-se estados e ao seu conjunto x espaços de estados. Como exemplos de processos estocásticos, poderemos considerar: 1) ( ) representa o estado de uma máquina (ligada/desligada) no memento t; 2) ( ) representa o número de clientes em uma loja no instante t; 3) ( ) representa o número de máquinas defeituosa no final de um dia t; 4) ( ) representa a cotação de uma ação na bolsa de valores no final de um dia t; 5) ( ) representa o nível de estoque de uma determinada peça no final de um dia t; 6) ( ) representa a condição de funcionamento de um componente no instante t; Os Processos Estocásticos representam sistemas nos quais o estado muda ao longo do tempo. Estas mudanças não são totalmente previsíveis, mas elas estão associadas a distribuição de probabilidade. Diversos fenómenos reais admitem a modelagem através dos processos estocásticos. Vejamos alguns: Exemplo 7 (cadeia de montagem) Os produtos finais de uma cadeia de montagem, após uma supervisão à que são submetidos, podem ser considerados defeituosos ou não. Se o n-ésimo produto não tiver defeito, fazemos, caso contrario. Suponha que um produto é defeituoso independentemente dos outros produtos e que a probabilidade de que isto aconteça é p, então é uma sequência de variáveis aleatórias independentes e identicamente distribuídas (i.i.d.) Bernoulli com parâmetros p de sucesso. Exemplo 8 (Estoque). Uma pequena loja de equipamentos eletrodomésticos vende um modelo tipo de máquina de lavar roupa. No entanto ela somente pode ter em estoque no máximo cinco unidades. Então se no final do dia a loja tem no estoque somente uma unidade ou nenhuma, o gerente manda buscar tantas unidades quantas forem necessárias para ter cinco na loja no dia seguinte antes de iniciar o expediente. Vamos chamar de a quantidade de unidades na loja no final do n-ésimo dia. Elas podem ser consideradas variáveis aleatórias (v.a.), pois é razoável supor que não temos como prever a quantidade de máquinas de lavar que serão compradas a cada dia. 2
3 Exemplo 9 (Mobilidade social) Consideremos a história de várias gerações de uma família que ao longo do tempo tem somente um filho. Neste modelo simples, a observação da classe social (alta, média ou baixa) da família para cada geração permitiria descrever sua evolução social ao longo do tempo. Se tivermos uma sociedade composta por famílias deste tipo, podemos escolher ao acaso uma família e para cada geração n chamar de à quantidade que valerá 1 se fora família de classe alta, 2 se ela for de classe média e 3 se for de classe baixa. Desta forma, cada será uma variável aleatória e a sua evolução ao longo do tempo, permitirá tirar conclusões sobre mudanças na estrutura da sociedade. Exemplo 10 (Lucro de uma companhia seguradora). Suponha que uma seguradora recebe c unidades monetárias (u.m.) pelo total dos prêmios que ela cobra dos segurados dentro de uma determinada carteira por período de tempo (mês, semestre, por exemplo). Assuma também que a seguradora coleta os prêmios regularmente e que as indenizações pagas quando os sinistros ocorrem. Além disto, não vamos considerar aqui eventuais despesas administrativas, ganhos ou perdas por investimentos, etecetera. Desta forma, a reserva desta seguradora será afetada somente pela cobrança dos prêmios ou por pagamentos de indenizações na ocorrências de sinistros. Em particular, o lucro da companhia no n-ésimo período ser c Zn u.m., sendo Zn o valor total de indenizações pago pela seguradora nesse período. Se chamarmos de Ln ao lucro da seguradora desde que essa carteira começa a operar até o final do n-ésimo período, teremos que O comportamento desta quantidade ao longo do tempo influenciará na saúde financeira da seguradora. Como se pode constatar pelos exemplos apresentados, há casos em que o tempo é considerado de forma discreta (... no final do dia t) e outros em que é tomado de modo contínuo (... no instante t). A variável tempo é, por definição, uma variável contínua, a qual pode ser discretizada se os fenómenos forem observados a intervalos regulares. Outra constatação que se pode fazer é que os estados tanto são valores que a variável ( ) pode assumir (número de clientes, número de máquinas, etc.) como estados (máquinas defeituosas, máquinas em funcionamento, etc.). Chamaremos processo estocástico a qualquer família de variáveis aleatória ( ), com t ϵ T e sendo T algum espaço de parâmetros. Quando T é enumerável diremos que o processo estocástico correspondente é a tempo discreto. Se T for um intervalo, o processo estocástico será chamado a tempo contínuo. Os valores que tornam as variáveis do processo serão chamados de estados e o conjunto E destes valores será o espaço de estados. Os processos estocásticos podem ter espaço de estados discreto ou espaço de estados contínuo em correspondência com a natureza do conjunto E. Nos exemplos 1 e 7 temos E={0,1}, no exemplo 8, E={0,1,2,3,4,5}, no exemplo 9, E={1,2,3}... OBS.: O comportamento probabilístico de um processo estocástico está caracterizado pelas relações de dependência entre distribuições conjuntas e suas marginais. Exemplo 11: Consideremos os vetores aleatórios discretos (X1,X2) e (Y1, Y2) com funções de probabilidade conjunta: X 1 \ X Y 1 \ Y /4 1/4 e 0 0 1/2 Estas funções de probabilidade são diferentes, no entanto as marginais coincidem. 3
4 1 1/4 1/4 1 1/ Classificação dos Processos Estocásticos Para classificar os processos estocásticos analisam-se (i) o espaço de estados, (ii) a natureza do conjunto T e (iii) as características estatísticas da variáveis que definem o processo. (i) Espaços de estados Se x for um conjunto de estados finito ou contável ( x = {0, 1, 2,... }, ou seja, o conjunto de inteiros nãonegativos), ( ) é um espaço de estados discretos ou, como é usualmente referido, uma cadeia. Para qualquer outro caso, o processo é designado por processo de estados contínuos. Dos exemplos apresentados, os exemplos 1, 2 e 6 são cadeias enquanto que o restante podem ser processos de estados contínuos. (ii) Variável temporal Se o conjunto T, que específica os valores da variável t, for finito ou contável, ( ) é um processo em tempo discreto e anotação usada é { ( ) }. Neste caso, T é normalmente o conjunto dos inteiro nãonegativos. Em caso contrário ( ) é designado por processo em tempo contínuo, sendo usada a notação { ( ) }. Dos exemplos apresentado, os exemplos 3, 4 e 5 são processo em tempo discreto uma vez que representam quantidades observadas dia a dia, enquanto que os restantes são processos estocásticos em tempo contínuo por representarem fenómenos observados em qualquer momento do dia (do tempo). (iii) Características estatísticas das variáveis aleatórias Um processo estocástico diz-se estacionário se o seu comportamento estocástico for independente do tempo, ou seja, se a função distribuição da(s) v.a. que o define(m) não variar no tempo. Um processo estocástico diz-se Markoviano ou de Markov se for estacionário e obedecer a propriedade de Markov ou da perda de memoria, isso é, se o seu comportamento futuro apenas for condicionado pelo estado presente, independentemente do seu histórico ou dos estados passados. De fato, para um processo de Markov é completamente irrelevante qualquer informação sobre estados passados ou sobre o tempo de permanência no estado presente. Em um processo estocástico as transições entre estados são causadas pela ocorrência de acontecimentos ou eventos, pelo que a variável aleatória diretamente restringida pela propriedade de ausência de memória é o tempo entre acontecimentos sucessivos (em inglês interenvent time ). Dados que, como iremos ver mais a diante, a única distribuição contínua que apresenta esta propriedade é a distribuição exponencial, num processo de Markov todos os tempos entre acontecimentos sucessivos tem de ser exponencialmente distribuídos. Um processo estocástico de Semi-Markov é uma generalização de um processo de Markov, já que para aquele, a informação sobre o tempo de permanência no estado atual deixa de ser irrelevante; contínua, contudo a ser irrelevante para o comportamento futuro qualquer informação sobre dos estados dos passados. 4
5 A consequência é que os tempos entre acontecimentos sucessivos deixam de estar restringidos à distribuição exponencial, podendo seguir qualquer distribuição de probabilidade. De acordo com a relação entre os espaços de parâmetro T como tempo temos: a) Estados Independentes: A relação de dependência entre variáveis aleatória mais simples que podemos pensar a ausência dela, Chamaremos de processos de estados independentes a aqueles processos estocásticos tal que todos os seus estados constituem uma família de variáveis aleatórias independentes. Um exemplo é o processo de Bernoulli de parâmetro p. b) Processos de Markov: consideraremos os instantes t1, t2,... tn ϵ T, com t1 < t2 <... < tn< t. Um processo X é chamado de processo de Markov quando para todos a, b, a1,..., an ϵ E vale, -, - Ou seja o estado depende da sua historia anterior nos instantes t 1, t 2,... t n desde que se conheça o presente e não do passado, assim utilizaremos o tempo presente para encontrar o tempo futuro. c) Martingais: Para os martingais vale o que pode ser previsto sobre o estado do processo num instante futuro sendo que são conhecidos n estados anteriores é exatamente o estado no instante presente. Ex.: Um exemplo de martingais aparece em jogos simples de azar como o seguinte. Suponhamos que no n-ésimo lançamento de uma moeda honesta acrescentamos um valor A ao capital do jogador se sair cara, e subtraímos a mesma quantidade se sair coroa. O jogador começa o jogo com capital igual a k e é admitido ter capital negativo. Vamos supor também que os lançamentos são independentes. Fazendo { Teremos que o capital do jogador no instante do n-ésimo lançamento será Se * + é um processo estocástico, então chamaremos de incremento correspondente ao intervalo (s,t) à variável aleatória. 5
6 O processo tem incrementos estacionários quando a distribuição de depende dos instantes s e t e para todos os ponto das distribuições s e t os valores dos incrementos sejam iguais. O processo de Poisson tem incrementos estacionários e independentes. Exemplo 12: Movimento Browniano Em 1827, o botânico escocês Robert Brown observou e descreveu o movimento irregular executado por pequenos grãos de pólen suspensos em água. Esta observação aparente mente sem muita importância, tornou-se especialmente relevante alguns anos depois. Embora L. Bachelier em 1900 e A. Einstein em 1905 tenham sido os primeiros a abordar quantitativamente o estudo deste fenômeno, foi o matemático norte americano Norbert Wierner quem em 1923 estudou e formalizou rigorosamente o modelo matemático motivado no fenômeno físico do movimento browniano. É por isso que ele é chamado de processo de Wiener ou movimento browniano, sendo que este último dá ênfase ao processo físico. Considerando o processo a tempo contínuo * + com espaço de estados E = r, que tem as seguintes características: ( i ) ; ( ii ) X tem incrementos independentes; ( iii ) ( ) ( ) ( ), i.e. ( ); ( iv ) X possui trajetórias contínuas X é conhecido como movimento Browniano em processo Estocástico de Wierner e tem incrementos estacionários e independentes. Veja o gráfico a seguir: Figura: 2 Trajetória do movimento Browniano 6
7 Vejamos pro exemplo, como calcular a função distribuição de probabilidade conjunta de instantes fixados s e t tais que. Se fizermos para dois { Usando a independência e a estacionariedade dos incrementos, teremos ( ) ( ) ( ), ( { }) ( ( ) { ( ) }) ( ) { ( )} Exercícios: O vetor ( ) segue a distribuição normal bivariada com vetor médio nulo e ( ) 1) Num cruzamento em T, aproximadamente 60% viram à direita. Defina X, como sento 1 ou 0 em dependendo se o p-ésimo carro virou à direita ou esquerda. Suponha que os motoristas decidem para onde virar independentemente um do outro. Então X = { * + é um processo estocástico de Bernolli com probabilidade 0,6 de sucesso. Num certo dia um pedestre observou o que faziam 10 carros que passaram consecutivamente e fez a anotação ( D, E, D, D, D, E, D, E, D, E ), onde D=direita e E=esquerda. Quais seriam os valores correspondente de; a. b. c. d. Represente em gráfico os instantes dos sucessos no processo de Bernoulli. 2) Para um processo de Bernoulli em p = 0,7 interprete e calcule as seguintes quantidades; a. ( ) b. ( ) c. ( ) 7
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 maisVariáveis aleatórias
Variáveis aleatórias Joaquim Neto joaquim.neto@ufjf.edu.br www.ufjf.br/joaquim_neto Departamento de Estatística - ICE Universidade Federal de Juiz de Fora (UFJF) Versão 3.0 Joaquim Neto (UFJF) ICE - UFJF
Leia maisUnidade III ESTATÍSTICA. Prof. Fernando Rodrigues
Unidade III ESTATÍSTICA Prof. Fernando Rodrigues Medidas de dispersão Estudamos na unidade anterior as medidas de tendência central, que fornecem importantes informações sobre uma sequência numérica. Entretanto,
Leia maisAULA 07 Distribuições Discretas de Probabilidade
1 AULA 07 Distribuições Discretas de Probabilidade Ernesto F. L. Amaral 31 de agosto de 2010 Metodologia de Pesquisa (DCP 854B) Fonte: Triola, Mario F. 2008. Introdução à estatística. 10 ª ed. Rio de Janeiro:
Leia maisCOMPRIMENTO MÁXIMO ESPERADO PARA AS CADEIAS DE CARAS Carlos José Borge
COMPRIMENTO MÁXIMO ESPERADO PARA AS CADEIAS DE CARAS Carlos José Borge Gravitation Editora: R Dr Luiz Migliano, 761, Ap 54, bloco C, Cep: 05711-001, E-mail: cjborge@hotmailcom Resumo O comprimento máximo
Leia maisDaniel Queiroz VARIÁVEIS ALEATÓRIAS DISCRETAS
Daniel Queiroz VARIÁVEIS ALEATÓRIAS DISCRETAS INTRODUÇÃO O que é uma variável aleatória? Um tipo de variável que depende do resultado aleatório de um experimento aleatório. Diz-se que um experimento é
Leia maisClassificação de Sistemas de Simulação. Profa. Dra. Soraia Raupp Musse
Classificação de Sistemas de Simulação Profa. Dra. Soraia Raupp Musse Quem é real? Simulação de Sistemas SIMULAÇÃO IMPLICA NA MODELAGEM DE UM PROCESSO OU SISTEMA, DE TAL FORMA QUE O MODELO IMITE AS RESPOSTAS
Leia maisMAT 461 Tópicos de Matemática II Aula 5: Resumo de Probabilidade
MAT 461 Tópicos de Matemática II Aula 5: Resumo de Probabilidade Edson de Faria Departamento de Matemática IME-USP 26 de Agosto, 2013 Probabilidade: uma Introdução / Aula 5 1 Variáveis aleatórias Definição
Leia maisI - Introdução à Simulação
1 I - Introdução à Simulação Simulação é, entendida como a imitação de uma operação ou de um processo do mundo real. A simulação envolve a geração de uma história artificial de um sistema para a análise
Leia maisProbabilidade: aula 2, 3 e 4
Probabilidade: aula 2, 3 e 4 Regras de contagem e combinatória Permutação Simples: Exemplo: De quantas maneiras 5 pessoas podem viajar em um automóvel com 5 lugares, se apenas uma delas sabe dirigir? Atividade:
Leia maisNoções sobre Probabilidade
Noções sobre Probabilidade Introdução Vimos anteriormente como apresentar dados em tabelas e gráficos, e também como calcular medidas que descrevem características específicas destes dados. Mas além de
Leia maisDISTRIBUIÇÕES ESPECIAIS DE PROBABILIDADE DISCRETAS
VARIÁVEIS ALEATÓRIAS E DISTRIBUIÇÕES DE PROBABILIDADES 1 1. VARIÁVEIS ALEATÓRIAS Muitas situações cotidianas podem ser usadas como experimento que dão resultados correspondentes a algum valor, e tais situações
Leia maisEstimando probabilidades
A UA UL LA Estimando probabilidades Introdução Nas aulas anteriores estudamos o cálculo de probabilidades e aplicamos seu conceitos a vários exemplos. Assim, vimos também que nem sempre podemos calcular
Leia maisPROGRAMA e Metas Curriculares Matemática A. Estatística. António Bivar, Carlos Grosso, Filipe Oliveira, Luísa Loura e Maria Clementina Timóteo
PROGRAMA e Metas Curriculares Matemática A Estatística António Bivar, Carlos Grosso, Filipe Oliveira, Luísa Loura e Maria Clementina Timóteo O tema da Estatística nos Cursos Científico-Humanísticos de
Leia maisInteligência Artificial - IA. Agentes Inteligentes Cont.
Agentes Inteligentes Cont. 1 Caracterização de agente - M. A. A. S. (P.E.A.S) Medida desempenho Ambiente Atuadores Sensores Agente filtro de e-mail Minimizar carga de leitura usuário mensagens do usuário
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 maisTE802 Processos Estocásticos em Engenharia. Valores Esperados de Somas de Variáveis Aleatórias Notes. PDF da Soma de Duas Variáveis Aleatórias.
TE802 Processos Estocásticos em Engenharia Somas de Variáveis Aleatórias 25 de abril de 2016 Valores Esperados de Somas de Variáveis Aleatórias Seja W n = X 1 + + X n, E[W n ] = E[X 1 ] + E[X 2 ] + + E[X
Leia maisPopulação e Amostra. População: O conjunto de todas as coisas que se pretende estudar. Representada por tudo o que está no interior do desenho.
População e Amostra De importância fundamental para toda a análise estatística é a relação entre amostra e população. Praticamente todas as técnicas a serem discutidas neste curso consistem de métodos
Leia maisProbabilidade. Experiências aleatórias
Probabilidade Experiências aleatórias 1 Experiências aleatórias Acontecimento: Qualquer colecção de resultados de uma experiência. Acontecimento elementar: Um resultado que não pode ser simplificado ou
Leia maisrio de Guerra Eletrônica EENEM 2008 Estatística stica e Probabilidade Aleatórias Discretas
ITA - Laboratório rio de Guerra Eletrônica EENEM 2008 Estatística stica e Probabilidade Aula 03: Variáveis Aleatórias Discretas Qual a similaridade na natureza dessas grandezas? Tempo de espera de um ônibus
Leia maisESCOLA SECUNDÁRIA DE LOUSADA
ESCOLA SECUNDÁRIA DE LOUSADA 2012 2013 PLANIFICAÇÃO DA DISCIPLINA DE MATEMÁTICA Curso Profissional de Técnico de Multimédia ELENCO MODULAR A7 Probabilidades 28 A6 Taxa de variação 36 A9 Funções de crescimento
Leia mais27/8/2011. Princípios, Conceitos e Metodologia de Gestão 2o semestre de 2011 Professores: Alexandre Mota / Lia Mota Agosto/2011
Tomada de Decisão e Regras Nebulosas Princípios, Conceitos e Metodologia de Gestão 2o semestre de 2011 Professores: Alexandre Mota / Lia Mota Agosto/2011 Representação Matemática de Incertezas Padrões
Leia maisUma estatística é uma característica da amostra. Ou seja, se
Estatística Uma estatística é uma característica da amostra. Ou seja, se X 1,..., X n é uma amostra, T = função(x 1,..., X n é uma estatística. Exemplos X n = 1 n n i=1 X i = X 1+...+X n : a média amostral
Leia maisAgentes Inteligentes. Módulo 02 27/02/2013. Inteligência Artificial. Profª Hemilis Joyse
Agentes Inteligentes Módulo 02 1 Agente É tudo que pode ser considerado capaz de perceber seu ambiente por meio de sensores e de agir sobre esse ambiente por intermédio de atuadores. 2 Agente Tabela parcial
Leia maisCE Estatística I
CE 002 - Estatística I Agronomia - Turma B Professor Walmes Marques Zeviani Laboratório de Estatística e Geoinformação Departamento de Estatística Universidade Federal do Paraná 1º semestre de 2012 Zeviani,
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 maisHEP-5800 BIOESTATÍSTICA. Capitulo 2
HEP-5800 BIOESTATÍSTICA Capitulo 2 NOÇÕES DE PROBABILIDADE, DISTRIBUIÇÃO BINOMIAL, DISTRIBUIÇÃO NORMAL Nilza Nunes da Silva Regina T. I. Bernal MARÇO DE 2012 2 1. NOÇÕES DE PROBABILIDADE 1. DEFINIÇÃO Considere
Leia maisTeoria das Desições Financeiras II p.1/15
Teoria das Desições Financeiras II José Fajardo Barbachan IBMEC Business School Rio de Janeiro Teoria das Desições Financeiras II p.1/15 Probabilidade para Finanças Teoria das Desições Financeiras II p.2/15
Leia maisAT = Maior valor Menor valor
UNIVERSIDADE FEDERAL DA PARAÍBA TABELAS E GRÁFICOS Departamento de Estatística Luiz Medeiros DISTRIBUIÇÃO DE FREQUÊNCIA Quando se estuda uma massa de dados é de frequente interesse resumir as informações
Leia maisProcessos Estocásticos
Processos Estocásticos Primeira Lista de Exercícios de junho de 0 Quantos códigos de quatro letras podem ser construídos usando-se as letras a, b, c, d, e, f se: a nenhuma letra puder ser repetida? b qualquer
Leia maisQUESTÕES DE CONCURSOS PÚBLICOS ENVOLVENDO PROBABILIDADE
QUESTÕES DE CONCURSOS PÚBLICOS ENVOLVENDO PROBABILIDADE 1) Uma moeda não tendenciosa é lançada quatro vezes. A probabilidade de que sejam obtidas duas caras e duas coroas é: (A) 3/8 (B) ½ (C) 5/8 (D) 2/3
Leia maisProcessos Estocásticos. Introdução. Probabilidade. Introdução. Espaço Amostral. Luiz Affonso Guedes. Fenômenos Determinísticos
Processos Estocásticos Luiz ffonso Guedes Sumário Probabilidade Variáveis leatórias Funções de Uma Variável leatória Funções de Várias Variáveis leatórias Momentos e Estatística Condicional Teorema do
Leia maisAgrupamento de Escolas do Fundão
Agrupamento de Escolas do Fundão MATEMÁTICA P GPI 13 12º Ano CURRÍCULO DA DISCIPLINA E Nº DE AULAS PREVISTAS Período PLANIFICAÇÃO ANUAL Módulos a leccionar + Conteúdos Programáticos Módulo A6- Taxa de
Leia maisTermo-Estatística (2013) 2ª Aula. Prof. Alvaro Vannucci
Termo-Estatística (2013) 2ª Aula Prof. Alvaro Vannucci Na Mecânica Estatística, será muito útil a utilização dos conceitos básicos de Análise Combinatória e Probabilidade. Por ex., uma garota vai sair
Leia maisLista de Exercícios 4
Introdução à Teoria de Probabilidade. Informática Biomédica. Departamento de Física e Matemática. USP-RP. Prof. Rafael A. Rosales 30 de maio de 2007. Lista de Exercícios 4 são difíceis, são bem mais difíceis.
Leia maisDEPARTAMENTO DE MATEMÁTICA
FACULDADE DE CIÊNCIAS NATURAIS E MATEMÁTICA DEPARTAMENTO DE MATEMÁTICA Campus de Lhanguene, Av. de Moçambique, km 1, Tel: +258 21401078, Fax: +258 21401082, Maputo Cursos de Licenciatura em Ensino de Matemática
Leia mais6ª Lista de Probabilidade I Professor: Spencer
6ª Lista de Probabilidade I Professor: Spencer 1) Em um determinado processo de fabricação, 10% das peças são consideradas defeituosas. As peças são acondicionadas em caixas com 5 unidades cada uma, Pergunta-se:
Leia maisProfa.: Patricia Maria Bortolon, D.Sc. Statistics for Managers Using Microsoft Excel, 5e 2008 Pearson Prentice-Hall, Inc. Chap 9-1
MÉTODOS QUANTITATIVOS APLICADOS À CONTABILIDADE Profa.: Patricia Maria Bortolon, D.Sc. Statistics for Managers Using Microsoft Excel, 5e 2008 Pearson Prentice-Hall, Inc. Chap 9-1 Fundamentos de Testes
Leia maisVariáveis Aleatórias Discretas - Esperança e Variância
Exemplo Um empresário pretende estabelecer uma firma para montagem de um componente mecânico. Cada peça é composta de duas partes, A e B, cada uma com uma chance específica de ser defeituosa. Só é possível
Leia maisEntropia, Entropia Relativa
Entropia, Entropia Relativa e Informação Mútua Miguel Barão (mjsb@di.uevora.pt) Departamento de Informática Universidade de Évora 13 de Março de 2003 1 Introdução Suponhamos que uma fonte gera símbolos
Leia maisPROBABILIDADE E ESTATÍSTICA. Profa. Dra. Yara de Souza Tadano
PROBABILIDADE E ESTATÍSTICA Profa. Dra. Yara de Souza Tadano yaratadano@utfpr.edu.br Aula 8 11/2014 Distribuição Normal Vamos apresentar distribuições de probabilidades para variáveis aleatórias contínuas.
Leia maisFísica Experimental III
Física Experimental III Unidade 4: Circuitos simples em corrente alternada: Generalidades e circuitos resistivos http://www.if.ufrj.br/~fisexp3 agosto/26 Na Unidade anterior estudamos o comportamento de
Leia maisCDI-II. Resumo das Aulas Teóricas (Semana 5) 1 Extremos de Funções Escalares. Exemplos
Instituto Superior Técnico Departamento de Matemática Secção de Álgebra e Análise Prof. Gabriel Pires CDI-II Resumo das Aulas Teóricas (Semana 5) 1 Etremos de Funções Escalares. Eemplos Nos eemplos seguintes
Leia maisConceitos básicos, probabilidade, distribuição normal e uso de tabelas padronizadas
Conceitos básicos, probabilidade, distribuição normal e uso de tabelas padronizadas Prof. Marcos Vinicius Pó Métodos Quantitativos para Ciências Sociais Alguns conceitos População: é o conjunto de todos
Leia maisProbabilidade. Evento (E) é o acontecimento que deve ser analisado.
Probabilidade Definição: Probabilidade é uma razão(divisão) entre a quantidade de eventos e a quantidade de amostras. Amostra ou espaço amostral é o conjunto formado por todos os elementos que estão incluídos
Leia maisNome: N. o : 7. Total
ESTATÍSTICA I 2. o Ano/Gestão 2. o Semestre Época Normal Duração: 2 horas 1. a Parte Teórica N. o de Exame: 14231 05.06.2015 Nome: N. o : TEÓRICA Espaço reservado a classicações PRÁTICA EM 1.a) 2.a) 3.a)
Leia maisPROGRAMA INSTITUCIONAL DE BOLSA DE INICIAÇÃO À DOCÊNCIA PIBID SUBPROJETO DE LICENCIATURA EM MATEMÁTICA DO CERES CURSO DE MATEMÁTICA INTRODUÇÃO
PROGRAMA INSTITUCIONAL DE BOLSA DE INICIAÇÃO À DOCÊNCIA PIBID SUBPROJETO DE LICENCIATURA EM MATEMÁTICA DO CERES CURSO DE MATEMÁTICA APOSTILA 1 ARITMÉTICA PARTE I INTRODUÇÃO Durante muitos períodos da história
Leia maisIntrodução à. Macroeconomia
Introdução à Prof. Fabini Hoelz Bargas Alvarez IBMEC-RJ / UCP O que é? É o estudo da economia como um todo, pois analisa a economia através de suas variáveis fortemente agregadas. Abrange o comportamento
Leia maisEstatística Básica MEDIDAS RESUMO
Estatística Básica MEDIDAS RESUMO Renato Dourado Maia Instituto de Ciências Agrárias Universidade Federal de Minas Gerais Motivação Básica Se você estivesse num ponto de ônibus e alguém perguntasse sobre
Leia maisPara simplificar a notação, também usamos denotar uma sequência usando apenas a imagem de :
Sequências Uma sequência é uma função f de em, ou seja. Para todo número natural i associamos um número real por meio de uma determinada regra de formação. A sequencia pode ser denotada por: Ou, por meio
Leia maisIntrodução à Teoria dos Números - Notas 1 Os Princípios da Boa Ordem e de Indução Finita
Introdução à Teoria dos Números - Notas 1 Os Princípios da Boa Ordem e de Indução Finita 1 Preliminares Neste curso, prioritariamente, estaremos trabalhando com números inteiros mas, quando necessário,
Leia maisProbabilidade. Luiz Carlos Terra
Luiz Carlos Terra Nesta aula, você conhecerá os conceitos básicos de probabilidade que é a base de toda inferência estatística, ou seja, a estimativa de parâmetros populacionais com base em dados amostrais.
Leia maisProbabilidade e Estatística 2011/2
Probabilidade e Estatística 2011/2 Prof. Fernando Deeke Sasse Exercícios resolvidos sobre distribuições discretas Distribuição Binomial 1. Lotes de 50 peças são examinados. O número médio de peças não-conformes
Leia maisProf. Luiz Alexandre Peternelli
Exercícios propostos 1. Numa prova há 7 questões do tipo verdadeiro-falso ( V ou F ). Calcule a probabilidade de acertarmos todas as 7 questões se: a) Escolhermos aleatoriamente as 7 respostas. b) Escolhermos
Leia maisEstabelecimento de Metas e seu Desdobramento
Estabelecimento de Metas e seu Desdobramento O que é Meta? É Alvo bem determinados que representam os objetivos de uma estratégia ou de uma das etapas deste estratégia (regalmente, dentro de um período
Leia maisUNIVERSIDADE LUSÍADA DE LISBOA. Programa da Unidade Curricular PROBABILIDADES E ESTATÍSTICA Ano Lectivo 2012/2013
Programa da Unidade Curricular PROBABILIDADES E ESTATÍSTICA Ano Lectivo 2012/2013 1. Unidade Orgânica Ciências da Economia e da Empresa (1º Ciclo) 2. Curso Engenharia Informática 3. Ciclo de Estudos 1º
Leia maisConsideremos uma função definida em um intervalo ] [ e seja ] [. Seja um acréscimo arbitrário dado a, de forma tal que ] [.
6 Embora o conceito de diferencial tenha sua importância intrínseca devido ao fato de poder ser estendido a situações mais gerais, introduziremos agora esse conceito com o objetivo maior de dar um caráter
Leia maisPrincipais conceitos de Matemática Financeira
Principais conceitos de Matemática Financeira A aula 1 destina-se a discutir de forma sucinta os conceitos básicos da matemática financeira. O estudo desta seção é de fundamental importância como preparação
Leia maisTécnicas de Contagem I II III IV V VI
Técnicas de Contagem Exemplo Para a Copa do Mundo 24 países são divididos em seis grupos, com 4 países cada um. Supondo que a escolha do grupo de cada país é feita ao acaso, calcular a probabilidade de
Leia maisProfessor Msc. Leonardo Henrique Gonsioroski
Professor Msc. Leonardo Henrique Gonsioroski Professor Leonardo Henrique Gonsioroski UNIVERSIDADE GAMA FILHO PROCET DEPARTAMENTO DE ENGENHARIA CONTROLE E AUTOMAÇÃO Definições Um sistema que estabeleça
Leia maisAvaliação de Empresas Profa. Patricia Maria Bortolon
Avaliação de Empresas RISCO E RETORNO Aula 2 Retorno Total É a variação total da riqueza proporcionada por um ativo ao seu detentor. Fonte: Notas de Aula do Prof. Claudio Cunha Retorno Total Exemplo 1
Leia maisExame de Acesso ACFES Maiores de 23; Acesso Específico. Matemática. PROVA MODELO - proposta de resolução
Ministério da Ciência, Tecnologia e Ensino Superior Exame de Acesso ACFES Maiores de 23; Acesso Específico Matemática PROVA MODELO - proposta de resolução - INSTRUÇÕES - Deverá responder à prova na folha
Leia maisISEG - ESTATÍSTICA I - EN, Economia/Finanças - 1 de Junho de 2010 Tópicos de correcção. 1ª Parte. > 0. Justifique a igualdade: P(( A B)
ISEG - ESTATÍSTICA I - EN, Economia/Finanças - de Junho de 00 Tópicos de correcção ª Parte. Sejam os acontecimentos A, B, C tais que P ( A B) > 0. Justifique a igualdade: ( A B) C) = B A). A). C ( A B)).
Leia maisDistribuições de Probabilidade. Distribuição Normal
Distribuições de Probabilidade Distribuição Normal 1 Distribuição Normal ou Gaussiana A distribuição Normal ou Gaussiana é muito utilizada em análises estatísticas. É uma distribuição simétrica em torno
Leia mais4 Uma Linguagem Baseada em Máquinas de Estado 4.1. A Linguagem
4 Uma Linguagem Baseada em Máquinas de Estado 4.1. A Linguagem Acredita-se nesse trabalho que características reativas e fortemente baseadas em modelos tornam necessária a criação de uma linguagem específica
Leia maisSumário. CAPÍTULO 1 Conceitos preliminares 1. CAPÍTULO 2 Descrição de dados: análise monovariada 47
CAPÍTULO 1 Conceitos preliminares 1 Introdução........................................................1 O que é estatística?.................................................. 4 Papel dos microcomputadores.........................................
Leia maisLógica e Raciocínio. Decisão sob Risco Utilidade. Universidade da Madeira. http://dme.uma.pt/edu/ler/
Lógica e Raciocínio Universidade da Madeira http://dme.uma.pt/edu/ler/ Decisão sob Risco Utilidade 1 Valor Monetário Esperado Assumamos que sempre podemos medir o valor das consequencias em termos monetarios
Leia maisPesquisa Quantitativa. Modelos Probabilísticos Roteiro. Análise Multivariada Prof. Lupércio França Bessegato - UFJF 1
Pesquisa Quantitativa Modelos Probabilísticos Lupércio França Bessegato Mestrado em Administração/UFJF Roteiro 1. Introdução 2. Amostragem 3. Modelos probabilísticos 4. Distribuições amostrais e estimação
Leia maisPROBABILIDADE. Numero de Resultados Desejado Numero de Resultados Possiveis EXERCÍCIOS DE AULA
PROBABILIDADE São duas as questões pertinentes na resolução de um problema envolvendo probabilidades. Primeiro, é preciso quantificar o conjunto de todos os resultados possíveis, que será chamado de espaço
Leia maisaula DISTRIBUIÇÃO NORMAL - PARTE I META OBJETIVOS PRÉ-REQUISITOS Apresentar o conteúdo de distribuição normal
DISTRIBUIÇÃO NORMAL - PARTE I 4 aula META Apresentar o conteúdo de distribuição normal OBJETIVOS Ao final desta aula, o aluno deverá: determinar a média e a variância para uma função contínua; padronizar
Leia maisProva de Seleção ao Doutorado Macroeconomia
Prova de Seleção ao Doutorado Macroeconomia Programa de Pós-Graduação em Economia, FEA/USP Área Teoria Econômica 1. (40 pontos) Considere o modelo de Ramsey-Cass-Koopmans em tempo contínuo, o qual inclui
Leia maisExercícios de Probabilidade - Lista 1 Calcular e, após, Modelar no NETICA
1 Exercícios de Probabilidade - Lista 1 Calcular e, após, Modelar no NETICA 1) Os dados da tabela abaixo descrevem o desempenho de alunos de graduação na disciplina de Probabilidade oferecida para alunos
Leia maisMedidas de associação para variáveis categóricas em tabelas de dupla entrada
Medidas de associação para variáveis categóricas em tabelas de dupla entrada a) Quiquadrado de Pearson: mede a associação de tabelas de dupla entrada, sendo definida por: c ( e e ij ij n ) ij, em que é
Leia maisINTRODUÇÃO À INFERÊNCIA ESTATÍSTICA
UFPE - Universidade Federal de Pernambuco Departamento de Estatística Disciplina: ET-406 Estatística Econômica Professor: Waldemar A. de Santa Cruz Oliveira Júnior INTRODUÇÃO À INFERÊNCIA ESTATÍSTICA Podemos
Leia maisPalavras-chave: TIC; experimento; espaço amostral; evento.
UMA INTRODUÇÃO À TEORIA DA PROBABILIDADE: O USO DE AULAS MULTIMÍDIAS COMO FACILITADOR DO PROCESSO ENSINO- APRENDIZAGEM Diánis Ferreira Irias dianis.irias@hotmail.com Laura Lima Dias laura_limadias@hotmail.com
Leia maisTodos os exercícios sugeridos nesta apostila se referem ao volume 1.
CONCEITO DE FUNÇÃO... 2 IMAGEM DE UMA FUNÇÃO... 8 IMAGEM A PARTIR DE UM GRÁFICO... 12 DOMÍNIO DE UMA FUNÇÃO... 15 DETERMIAÇÃO DO DOMÍNIO... 15 DOMÍNIO A PARTIR DE UM GRÁFICO... 17 GRÁFICO DE UMA FUNÇÃO...
Leia maisCap. II EVENTOS MUTUAMENTE EXCLUSIVOS E EVENTOS NÃO- EXCLUSIVOS
Cap. II EVENTOS MUTUAMENTE EXCLUSIVOS E EVENTOS NÃO- EXCLUSIVOS Dois ou mais eventos são mutuamente exclusivos, ou disjuntos, se os mesmos não podem ocorrer simultaneamente. Isto é, a ocorrência de um
Leia maisATIVO PASSIVO AULA 1 - DEFINIÇÃO DE CONTABILIDADE COMPARAÇÃO ENTRE O ATIVO (A) E O PASSIVO (P)
AULA 1 - DEFINIÇÃO DE CONTABILIDADE É A CIÊNCIA SOCIAL QUE ESTUDA O PATRIMÔNIO DAS ENTIDADES E SUAS VARIAÇÕES AO LONGO DO TEMPO ENTIDADE: TODA A PESSOA JURÍDICA QUE POSSUI UM PATRIMÔNIO. PODE SER UMA EMPRESA,
Leia maisPlanificação a médio e longo prazo. Matemática B. 11º Ano de escolaridade. Total de aulas previstas: 193. Ano letivo 2015/2016
Planificação a médio e longo prazo Matemática B 11º Ano de escolaridade. Total de aulas previstas: 193 Ano letivo 2015/2016 Professor responsável: Paulo Sousa I O programa Matemática B do 11º Ano - Página
Leia maisNome: N. o : 7. Total
ESTATÍSTICA I. o Ano/Gestão. o Semestre Época Normal Duração: horas 1. a Parte Teórica N. o de Exame: 1431 5.6.14 Nome: N. o : TEÓRICA Espaço reservado a classicações PRÁTICA EM 1.a.a 3.a 4.a 6. 1.b.b
Leia maisO Grafcet e a programação de lógica seqüencial em CLPs
O Grafcet e a programação de lógica seqüencial em CLPs 1) Introdução Em problemas nos quais as ações de comando são seqüenciais ou então tempo dependentes, a modelagem lógica, representada unicamente com
Leia maisé uma proposição verdadeira. tal que: 2 n N k, Φ(n) = Φ(n + 1) é uma proposição verdadeira. com n N k, tal que:
Matemática Discreta 2008/09 Vítor Hugo Fernandes Departamento de Matemática FCT/UNL Axioma (Princípio da Boa Ordenação dos Números Naturais) O conjunto parcialmente (totalmente) ordenado (N, ), em que
Leia maisPor exemplo, vamos obter os termos de uma progressão geométrica de razão 2, partindo do número 3.
Definição: Progressão geométrica (ou simplesmente PG) é uma seqüência de números não nulos em que cada um deles, multiplicado por um número fixo, fornece o próximo elemento da seqüência. Esse número fixo
Leia maisBC1424 Algoritmos e Estruturas de Dados I Aula 05 Custos de um algoritmo e funções de complexidade
BC1424 Algoritmos e Estruturas de Dados I Aula 05 Custos de um algoritmo e funções de complexidade Prof. Jesús P. Mena-Chalco 1Q-2016 1 1995 2015 2 Custo de um algoritmo e funções de complexidade Introdução
Leia maisMatemática Discreta - 08
Universidade Federal do Vale do São Francisco urso de Engenharia da omputação Matemática Discreta - 08 Prof. Jorge avalcanti jorge.cavalcanti@univasf.edu.br www.univasf.edu.br/~jorge.cavalcanti www.twitter.com/jorgecav
Leia maisTEORIA DAS PROBABILIDADES
TEORIA DAS PROBABILIDADES 1.1 Introdução Ao estudarmos um fenômeno coletivo, verificamos a necessidade de descrever o próprio fenômeno e o modelo matemático associado ao mesmo, que permita explicá-lo da
Leia maisSISTEMAS DE NUMERAÇÃO
SISTEMAS DE NUMERAÇÃO 1. INTRODUÇÃO Quando mencionamos sistemas de numeração estamos nos referindo à utilização de um sistema para representar uma numeração, ou seja, uma quantidade. Sistematizar algo
Leia maisProgramação Dinâmica: Modelos Determinísticos
Programação Dinâmica: Modelos Determinísticos Prof. Fernando Augusto Silva Marins Departamento de Produção Faculdade de Engenharia Campus de Guaratinguetá UNESP www.feg.unesp.br/~fmarins fmarins@feg.unesp.br
Leia maisP. P. G. em Agricultura de Precisão DPADP0803: Geoestatística (Prof. Dr. Elódio Sebem)
Amostragem: Em pesquisas científicas, quando se deseja conhecer características de uma população, é comum se observar apenas uma amostra de seus elementos e, a partir dos resultados dessa amostra, obter
Leia maisMATEMÁTICA FINANCEIRA
MATEMÁTICA FINANCEIRA Progressão Aritmética e Geométrica Progressão Aritmética Uma sucessão de números na qual a diferença entre dois termos consecutivos é constante, é denominada progressão aritmética,
Leia maisIntrodução ao Desenvolvimento de Jogos BCT - UERN
Introdução ao Desenvolvimento de Jogos BCT - UERN Créditos Professores UERN Alberto Signoretti Raul Paradeda Alunos CC UERN Pedro Henrique Bruno Magnos Gustavo Matheus Rodrigo Fernandes Visão Inicial Elementos
Leia maisGênesis S. Araújo Pré-Cálculo
Gênesis Soares Jaboatão, de de 2016. Estudante: PAR ORDENADO: Um par ordenado de números reais é o conjunto formado por dois números reais em determinada ordem. Os parênteses, em substituição às chaves,
Leia maisProgressões aritméticas
A UUL AL A Progressões aritméticas Quando escrevemos qualquer quantidade de números, um após o outro, temos o que chamamos de seqüência. As seqüências são, freqüentemente, resultado da observação de um
Leia maisAvaliação de Desempenho
Avaliação de Desempenho Aulas passadas Modelagem de sistemas via cadeias de Markov Aula de hoje Introdução à simulação Gerando números pseudo-aleatórios 1 O Ciclo de Modelagem Sistema real Criação do Modelo
Leia maisTÓPICOS DE MATEMÁTICA FINANCEIRA PARA O ENSINO MÉDIO - PROF. MARCELO CÓSER
TÓPICOS DE MATEMÁTICA FINANCEIRA PARA O ENSINO MÉDIO - PROF. MARCELO CÓSER 1 PAGAMENTO DE DÍVIDAS Existem mais de uma maneira de se efetuar o pagamento de uma dívida. Ela pode ser toda liquidada em um
Leia maisDepartamento de InformáAca - PUC- Rio. Hélio Lopes Departamento de InformáAca PUC- Rio. A plataforma R
Introdução à Simulação Estocás5ca usando R INF2035 PUC- Rio, 2013.1 Departamento de InformáAca - PUC- Rio Hélio Lopes Departamento de InformáAca PUC- Rio A plataforma R R é uma linguagem de programação
Leia maisSistemas de numeração e conversão de bases Decimal e binário
Sistemas de numeração e conversão de bases Decimal e binário Cálculo de conversão de bases para responder às questões pertinentes à execução das especificações nas configurações de sistemas, comunicação
Leia maisEconometria em Finanças e Atuária
Ralph S. Silva http://www.im.ufrj.br/ralph/especializacao.html Departamento de Métodos Estatísticos Instituto de Matemática Universidade Federal do Rio de Janeiro Maio-Junho/2013 Tópicos Tópicos Séries
Leia maisAvaliação e Desempenho Aula 1 - Simulação
Avaliação e Desempenho Aula 1 - Simulação Introdução à simulação Geração de números aleatórios Lei dos grandes números Geração de variáveis aleatórias O Ciclo de Modelagem Sistema real Criação do Modelo
Leia maisSe A =, o evento é impossível, por exemplo, obter 7 no lançamento de um dado.
PROBABILIDADE Espaço amostral Espaço amostral é o conjunto universo U de todos os resultados possíveis de um experimento aleatório. O número de elementos desse conjunto é indicado por n(u). Exemplos: No
Leia mais