Complementos de Probabilidades e Estatística
|
|
- Rubens Delgado Madureira
- 5 Há anos
- Visualizações:
Transcrição
1 Departameto de Matemática, IST Uidade de Probabilidades e Estatística Complemetos de Probabilidades e Estatística 2o. Teste 2o. Semestre 2010/11 Duração: 1 hora e 45 miutos 08/06/ horas Sala V1.08 Justifique coveietemete todas as respostas. Atete que o euciado desta prova tem duas págias, é costituído por quatro grupos e a cotação máxima é de 24 valores. Grupo III 5.0 valores 1. Uma pequea cetral eléctrica só é capaz de forecer eergia eléctrica a uma pequea vila se possuir 2 dos 3 geradores a fucioar. Admita que os tempos (em meses até falha dos três geradores são v.a. idepedetes e ideticamete distribuídas a X, com fução de sobrevivêcia F X (x = P (X > x = e 0.2x, x 0. (a Determie a fução de sobrevivêcia do tempo até iterrupção do forecimeto de eergia (1.5 eléctrica. Sistema k de V.a. X tempo (em meses até falha do i ésimo gerador, i = 1,..., Distribuição i.i.d. X i X, i = 1,..., 1, x < 0 F X (x = P (X > x =, i.e., X Expoecial(0.2 e 0.2x, x 0 Nova v.a. X ( k+1 = duração do sistema k de Fução de sobrevivêcia Seja p = F X (x = e 0.2x. Etão, para x 0, tem-se F X( k 1 (x = P [ X ( k+1 > x ] form = 1 F Biomial(,p (k 1 =3,k=2 = 1 F Biomial(3,p (1 ( 1 3 = 1 p i (1 p 3 i i i=0 1
2 = 1 (1 p 3 3p(1 p 2 = 3p 2 2p 3 Caso cotrário, FX( k 1 (x = 1. = 3e 0.4x 2e 0.6x. (b Obteha o valor esperado do tempo até iterrupção do forecimeto de eergia eléctrica. (1.0 Valor esperado Uma vez que X ( k 1 é uma v.a. ão egativa, pode adiatar-se que E[X ( k 1 ] = = F X( k 1 (x dx ( 3e 0.4x 2e 0.6x dx ( 3 = 0.4 e 0.4x e 0.6x 0 = = Cosidere que o itervalo [0, 1] é particioado em m sub-itervalos disjutos com comprimetos p 1,..., p m (p j > 0, m p j = 1. Nesse caso a etropia (de Shao desta partição é defiida por h = m p j l(p j. Admita que {X 1, X 2,...} é uma sucessão de v.a. idepedetes com distribuição uiforme em [0, 1] e seja Z (j o úmero de X 1, X 2,..., X que pertecem ao j ésimo itervalo da partição acima. Mostre que W = 1 m Z (j l(p j P h. 1 (2.5 V.a. X i, i = 1,..., Z (j = o úmero de X 1,..., X que pertecem ao j ésimo itervalo da partição de [0, 1] Distribuição X i i.i.d. Uiforme(0, 1, i = 1, 2,... (Z (1,..., Z (m Multiomial m 1 (, (p 1,..., p m Z (j Biomial(, p j, j = 1,..., m cov(z (j, Z (l form = p j p l, j, l = 1,..., m, i j Sucessão de v.a. {W = 1 m Z (j l(p j, = 1, 2,...} 1 Sugestão: Note que o vector aleatório (Z (1,..., Z (m possui compoetes depedetes e distribuição cojuta Multiomial m 1 (, (p 1,..., p m ; obteha E(W e V (W ; e determie os limites destes dois mometos. 2
3 Valor esperado E(W = E 1 m Z (j l(p j = 1 m E [Z (j] l(p j = 1 m p j l(p j m = p j l(p j = h Variâcia V (W = V 1 m Z (j l(p j ( = 1 2 m V [Z (j] [l(p j ] 2 m m +2 cov(z (j, Z (l l(p j l(p l l=j+1 = 1 m m m p 2 j (1 p j l(p j 2 p j p l l(p j l(p l l=j+1 = 1 m m m p j (1 p j l(p j 2 p j p l l(p j l(p l l=j+1 Averiguação da covergêcia em probabilidade Para já lim E(W = h. + Mais, como m p j (1 p j l(p j e m ml=j+1 p j p l l(p j l(p l são quatidades fiitas, tem-se lim V (W 1 = lim + + = 0. m m m p j (1 p j l(p j 2 p j p l l(p j l(p l l=j+1 Ora, estas duas codições são suficietes para que se coclua que W P h. 3
4 Grupo IV 5.0 valores Numa experiêcia evolvedo 23 rolametos, 2 uma egeheira mecâica registou os úmeros (em milhões de rotações até falha, obteve o diagrama de caule-e-folhas (à esquerda, cosiderado StemExpoet 0, e desehou o papel de probabilidade de Weibull (ao cetro. Stem Leaves Couts Stem uits: (a Depois de ter cometado o ajuste do modelo de Weibull, deduza estimativas grosseiras dos respectivos parâmetros. probabilidade. Tire partido dos dados o diagrama de caule-e-folhas e do papel de (2.5 V.a. de iteresse X = úmero (em milhões de rotações até falha de rolameto Modelo postulado {Weibull(α, β, α, β > 0} Papel de probabilidade Sabemos que, para qualquer modelo absolutameto cotíuo, tem-se F X (X (i Beta(i, i + 1. Logo, ao cosiderarmos como estimativa de [ ( ] x(i β p i = F X (x (i = 1 exp α o valor esperado ˆp i = E[F X (X (i ] = E[Beta(i, i + 1] = i + 1, iremos cofrotar (idirecta e graficamete ˆp i e F X (x (i, ou seja, [ ( ] i exp x(i β α 1 i [ ( ] + 1 exp x(i β α 2 Um rolameto é um mecaismo que usa esferas para dimiui a resistêcia ao atrito de duas peças que rolam uma sobre a outra. 4
5 ( l 1 i + 1 [ ( ] + 1 l l i + 1 l(α + 1 ( ] + 1 [l β l i + 1 ( x(i β α β l(x (i β l(α l(x (i. Assim, o papel de probabilidade é costituído pelos potos ( [ ( ] + 1 l l, l(x (i. i + 1 Cometário Os potos dispõem-se de forma aproximadamete liear o gráfico facultado. Cosequetemete, a egeheira mecâica pode afirmar que o modelo postulado se ajusta razoavelmete ao cojuto de dados. Estimativas grosseiras de α e β Uma possibilidade obter estimativas grosseiras passa por utilizar os logaritmos do míimo e do máximo da amostra e respectivas abcissas: l(α + 1 l [ l ( ] +1 (α, β β : +1 = l(x( l(α 1 l [ l ( ] +1 β 1+1 = l(x(1 Observação β +1 l[l(+1] l[l( ] = l(x ( l(x (1 α = exp { l(x ( 1 l [l ( + 1] } β β 24 l[l(24] l[l( = 23] l( l(17.88 α = exp { l( l [l (24]} É curioso otar que ão é possível obter expressões fechadas para as estimativas de α e β pelo método dos mometos, pelo que as estimativas grosseiras α e β são de extrema utilidade pois servirão de estimativas iiciais o procedimeto umérico de obteção das estimativas de máxima verosimilhaça de α e β. (b Tal egeheira decidiu executar graficamete o teste de ajustameto de Kolmogorov-Smirov ao ível de sigificâcia de 1%, tedo para o efeito elaborado o gráfico acima à direita e postulado a distribuição de Weibull com parâmetros de escala e forma iguais às estimativas de máxima verosimilhaça obtidas umericamete, α = ˆα = e β = ˆβ = 0.826, respectivamete. Após ter descrito detalhadamete o procedimeto utilizado, adiate a decisão tomada pela (2.5 egeheira? 5
6 Hipóteses H 0 : F X (x = F 0 (x = 1 exp H 1 : x : F X (x F 0 (x Nível de sigificâcia α 0 = 1% Estatística de teste [ ( ] ˆβ x, x 0 ˆα A egeheira está a executar graficamete o teste de Kolmogorov-Smirov, cuja estatística de teste é D = sup F (x, X F 0 (x. x IR Região de rejeição de H 0 para valores da estatística de teste Trata-se de uma cauda à direita W, α0 = (c, α0, 1], ode c, α0 = F 1 D H 0 (1 α 0. Cocretamete, c, α0 = c 23, 1% tabela = Região de rejeição de H 0 para valores da f.d. empírica da amostra, F (x, x Não rejeitaremos H 0 a qualquer.s. meor ou igual a α 0 = 1%, se i.e., se d = sup F (x, d F 0 (x , x IR F 0 (x F (x, x F 0 (x Caso cotrário, devemos rejeitar H 0 a qualquer.s. maior ou igual a α 0 = 1%. Decisão A julgar pelo gráfico traçado pela egeheira com F 0 (x (f.d. cojecturada, F (x, x (f.d. empírica, badas com limites F 0 (x ± , tudo idica x : F (x, x [F 0 (x , F 0 (x ], pelo que devemos rejeitar H 0 a qualquer.s. maior ou igual a α 0 = 1%, logo a qualquer dos.u.s. (1%, 5%, 10%. 6
7 Grupo V 8.0 valores 1. Um especialista etedeu adoptar o modelo {Beta(α, β, α > 0, β > 0} para descrever a variabilidade da v.a. X = eléctrica. Y, ode Y represeta o âgulo de ressalto de uma motoserra π/2 Depois de ter provado que o modelo acima pertece à família expoecial, idetifique um par de estatísticas cojutamete suficietes para (α, β. (2.5 V.a. X = Y, ode Y = âgulo de ressalto de uma motoserra eléctrica π/2 Modelo {Beta(α, β, α > 0, β > 0} Averiguação de perteça à família expoecial 3 Para x (0, 1, tem-se ode: f(x α, β = = 1 B(α, β xα 1 (1 x β 1 1 exp [(α 1 l(x + (β 1 l(1 x] 1, B(α, β c(α, β = 1 B(α,β 0; w 1 (α, β = α 1 e w 2 (α, β = β 1 são fuções reais de (α, β que ão podem depeder de x; T 1 (x = l(x e T 2 (x = l(1 x são fuções reais de x que ão depedem de (α, β; b(x = 1 0. Coclusão Pelo facto de o modelo pertecer à família expoecial podemos ivocar o critério de factorização (de Halmos-Savage-Bahadur e cocluir que ( ( T 1 (X i, T 2 (X i = l(x i, l(1 X i é uma estatística suficiete para (α, β. 3 Recorde-se que uma f.(d.p. f X θ (x diz-se pertecer à família Expoecial se f X θ (x = c(θ [ k ] exp w j(θ T j (x b(x, ode: θ = (θ 1,..., θ d, d k; c(θ 0; w 1 (θ,..., w k (θ são fuções reais de θ que ão podem depeder de x; T 1 (x,..., T k (x são fuções reais de x que ão depedem de θ; b(x 0. Neste caso, T (X = ( T 1(X i,..., T k(x i é uma estatística suficiete para θ. 7
8 2. Depois de uma aálise prelimiar de dados, uma meteorologista decidiu recorrer a um modelo uiparamétrico {Gama(3, β, β > 0}, com fução de desidade de probabilidade f(x β = 1 2 β3 x 2 e βx I (0,+ (x, para modelar a taxa de precipitação X (em mm por hora um mês de chuva moderada. (a Com o objectivo de cofrotar as hipóteses H 0 : β = β 0 e H 1 : β = β 1 (β 1 > β 0, a metereologista decidiu usar a estatística de teste T = 2 β 0 X i H0 χ 2 (2 3. Mostre que a cauda à esquerda W = (0, é a região de rejeição de H 0 mais potete de tamaho 5% escrita para valores da estatística de teste quado = 4. (4.0 V.a. X = taxa de precipitação (em mm por hora um mês de chuva moderada Modelo {Gama(3, β, β > 0} Hipóteses H 0 : β = β 0 vs. H 1 : β = β 1 (β 1 > β 0 Tamaho do teste α 0 = 5% Estatística de teste T = 2 β 0 X i H0 χ 2 (2 3 Região de rejeição mais potete (RRMP de tamaho α 0 (i Aspecto da RRMP É sabido que { RRMP 0 (β = β 0, β = β 1 = x : f(x β } 1 f(x β 0 c Ora, para x i > 0, i = 1,...,, f(x β 1 c f(x β 0 ( 1 2 β3 1 x 2 i e β 1x i ( 1 2 β3 0 x 2 i e β 0x i c ( 3 [ ] β1 exp (β 1 β 0 x i β 0 c (β 1 β 0 x i c x i c pois β 1 > β 0 t = 2 β 0 x i c pelo que a RRMP de tamaho α 0, escrita para valores da estatística de teste 8
9 T = 2 β 0 X i, é defiida por RRMP 0 (β = β 0, β = β 1 = efectivamete uma cauda à esquerda. (ii Poto crítico { t : t = 2 β 0 } x i c, É ecessário defiir c ou, equivaletemete, c, tedo em cota que T = 2 β 0 X i H0 χ 2 (2 3 : c : P [ T RRMP 0 (β = β 0, β = β 1 H 0 ] = α0 P (T c H 0 = α 0 F χ 2 (2 3 (c = α 0 c = F 1 χ 2 (2 3(α 0 c =4,α 0=5% = F 1 χ 2 (24(0.05 c tabela = Dode W = (0, seja, de facto, a região de rejeição de H 0 mais potete de tamaho 5% escrita para valores da estatística de teste. (b Para que íveis de sigificâcia será H 0 : β = β 0 = 1 2 cosistete (e H 1 : β = β 1 = 2 3 icosistete com o total de observações 4 x i = ? (1.5 Decisão com base o p-value O valor observado da estatística de teste é t = 2 β 0 x i = = Ao lidar-se com uma região de rejeição que é uma cauda à esquerda, tem-se p value = P (T < t H 0 F χ 2 (24 ( Tirado partido das tabelas dos quatis de probabilidade da distribuição do quiquadrado, pode adiatar-se um itervalo para o p-value F 1 (0.80 = χ 2 (24 < t = < = F 1 χ (24( < p value = F χ 2 ( < (24 Deste modo ão devemos rejeitar H 0 a qualquer.s. iferior ou igual a 80%, omeadamete a qualquer dos.u.s. (1%, 5%, 10%. devemos rejeitar H 0 a qualquer.s. superior ou igual a 85%. 9
10 Grupo VI 6.0 valores 1. A associação de estudates de uma prestigiada escola de egeharia realizou um iquérito com vista a estudar os hábitos tabágicos estudates de oito liceciaturas. Os resultados do iquérito realizado juto de 50 aluos de cada uma de três das oito liceciaturas estão codesados a tabela seguite: ij Fuma (1 Não fuma (2 i Matemática ( Electróica ( Gestão Idustrial ( j Acha que há homogeeidade de hábitos tabágicos estas três liceciaturas? Respoda a esta questão recorredo ao teste da razão de verosimilhaças de Wilks e a um ível de sigificâcia de 5%. (2.5 V.a. categorizadas X = idicador de liceciatura 1, estudate é da liceciatura em Matemática = 2, estudate é da liceciatura em Electróica 3, estudate é da liceciatura em Gestão Idustrial Y = idicador de hábito tabágico 1, estudate fuma = 2, estudate ão fuma Modelo multiomial Uma vez que se foram fixados à partida os úmeros de aluos iquiridos em cada uma das três liceciaturas, iremos cosiderar o modelo multiomial multiplicativo e doravate θ (ij = P (Y = j X = i descohecido, para i = 1,..., r e j = 1,..., s (r = 3, s = 2. Hipóteses H 0 : P (Y = j X = i = θ (1j = θ (2j = P (Y = j, i = 1,..., r, j = 1,..., s H 1 : (i, j : θ (ij P (Y = j, Nível de sigificâcia α 0 = 5%. Estatística de teste r s T form = 2 N ij l i N j N ij a H0 χ 2 (r 1(s 1. 10
11 Região de rejeição de H 0 (para valores da estatística de teste Trata-se de uma cauda à direita W = (c, +, ode. Decisão c = F 1 χ 2 (r 1(s 1(1 α 0 = F 1 χ 2 (3 1(2 1( = F 1 χ 2 (2(0.95 tabela = Tedo em cota que ij Fuma (1 Não fuma (2 i Matemática ( Electróica ( Gestão Idustrial ( j o valor observado da estatística de teste é igual a ( r s i j t = 2 ij l = 2 [ 15 l + 10 l [ = 2 ( ( ( ij + 35 l + 40 l ( ( ( l + 30 l ( ( l + 35 l ( ( l + 40 l ( ( ] l + 30 l W = (5.991, Deste modo, ão devemos rejeitar a hipótese de homogeeidade de hábitos tabágicos a qualquer.s. iferior ou igual a 5%. ] 11
12 2. Em determiados locais há uma forte associação etre a cocetração de ozoo (X em ppm e a cocetração de carboo secudário (Y em µg/m 3. Abaixo poderá ecotrar quatidades sumárias publicadas em 1984 uma revista dedicada à poluição do ar: = 16, x = , 16 (x i x 2 = , ȳ = , 16 (y i ȳ 2 = , r = Assuma que (X, Y possui distribuição cojuta ormal bivariada com parâmetros descohecidos µ X, µ Y, σ 2 X, σ 2 Y e ρ. (a Prediga a cocetração de carboo secudário quado a de ozoo é igual a 0.1ppm. (1.5 Par aleatório (X, Y X = cocetração de ozoo Y = cocetração de carboo secudário Modelo (X, Y Normal 2 (µ, Σ µ = (µ X, µ Y, vector de valores esperados descohecido σ Σ = X 2 ρ σ X σ Y, matriz de covariâcia descohecida ρ σ X σ Y σ 2 Y Valor predito para Y quado X = 0.1 A miimização do erro quadrático médio de predição coduz ao seguite valor predito para Y quado X = x: E(Y X = x = µ Y + ρσ Y σ X (x µ X. Mas se atedermos ao facto de qualquer dos parâmetros ser descohecido, teremos que recorrer à estimativa de MV de E(Y X = x que se obtém aplicado a propriedade de ivariâcia: Ê(Y X = x = ȳ + r s Y (x x s X = (x (b Um egeheiro defede que estas duas cocetrações são v.a. idepedetes. Apoiarão os dados esta opiião ao ível de sigificâcia de 10%? (2.0 Hipóteses No cotexto do modelo ormal bivariado, a idepedêcia etre X e Y é sióimo de coeficiete de correlação ulo. Logo iremos cofrotar as hipóteses seguites: H 0 : ρ = ρ 0 = 0 H 1 : ρ ρ 0 = 0 Nível de sigificâcia α 0 = 10% 12
13 Estatística de teste Da cosulta do formulário tem-se T = R 2 1 R 2 H 0 t ( 2, ode R = ( X i Y i XȲ [( Xi 2 ( X ] [ 2 ] ( t=1 Yi 2 (Ȳ 2 é o estimador de MV do coeficiete de correlação ρ. Região de rejeição de H 0 (para valores da estatística de teste Quato maior for a estimativa de MV de ρ em valor absoluto, r, mais icosistete será H 0 com os dados. Logo a região de rejeição de H 0 (para valores da estatística de teste é uma reuião de caudas, i.e., W = (, c (c, +, ode Decisão c = F 1 t ( 2 (1 α 0 /2 = F 1 t (16 2 (1 0.10/2 = F 1 t (14 (0.95 tabela = Tedo em cota que = 16, r = , o valor observado da estatística de teste é igual a t = r 2 1 r 2 = W = (, (1.761, +. Assim, devemos rejeitar H 0 a qualquer.s. superior ou igual a 10%. 13
Complementos de Probabilidades e Estatística
Departameto de Matemática, IST Secção de Probabilidades e Estatística Complemetos de Probabilidades e Estatística Exame de a. Época / 2o. Teste 2o. Semestre 2009/0 Duração: 3 horas / hora e 45 miutos Se
Leia maisProbabilidades e Estatística TODOS OS CURSOS
Duração: 90 miutos Grupo I Probabilidades e Estatística TODOS OS CURSOS Justifique coveietemete todas as respostas o semestre 017/018 04/07/018 15:00 o Teste C 10 valores 1. Admita que os tempos (em cetea
Leia maisProbabilidades e Estatística TODOS OS CURSOS
Duração: 90 miutos Grupo I robabilidades e Estatística TODOS OS CURSOS Justifique coveietemete todas as respostas 2 o semestre 2016/2017 05/07/2017 15:00 2 o Teste C 10 valores 1. Admita que a proporção
Leia maisProbabilidades e Estatística LEE, LEIC-A, LEIC-T, LEMat, LERC, MEBiol, MEBiom, MEEC, MEFT, MEMec, MEQ
Duração: 90 miutos Grupo I Probabilidades e Estatística LEE, LEIC-A, LEIC-T, LEMat, LERC, MEBiol, MEBiom, MEEC, MEFT, MEMec, MEQ Justifique coveietemete todas as respostas 1 o semestre 2017/2018 11/01/2018
Leia maisProbabilidades e Estatística LEAN, LEE, LEGI, LERC, LMAC, MEAer, MEAmbi, MEBiol, MEBiom, MEEC, MEFT, MEMat, MEQ
Duração: 90 miutos Grupo I Probabilidades e Estatística LEAN, LEE, LEGI, LERC, LMAC, MEAer, MEAmbi, MEBiol, MEBiom, MEEC, MEFT, MEMat, MEQ Justifique coveietemete todas as respostas 2 o semestre 207/208
Leia maisProbabilidades e Estatística TODOS OS CURSOS
Duração: 90 miutos Grupo I Probabilidades e Estatística TODOS OS CURSOS Justifique coveietemete todas as respostas 1 o semestre 2018/2019 30/01/2019 15:00 2 o Teste C 10 valores 1. Seja X X 1, X 2,...,
Leia maisProbabilidades e Estatística LEIC-A, LEIC-T, LEGM, MA, MEMec
Duração: 90 miutos Probabilidades e Estatística LEIC-A, LEIC-T, LEGM, MA, MEMec Justifique coveietemete todas as respostas! 2 o semestre 2015/2016 09/06/2016 11:00 2 o teste B Grupo I 10 valores 1. Seja
Leia maisProbabilidades e Estatística LEAN, LEGM, LEIC-A, LEIC-T, MA, MEMec
Duração: 90 miutos Grupo I Probabilidades e Estatística LEAN, LEGM, LEIC-A, LEIC-T, MA, MEMec Justifique coveietemete todas as respostas 2 o semestre 2016/2017 16/06/2017 9h:00 2 o teste 10 valores 1.
Leia maisProbabilidades e Estatística LEE, LEGI, LEMat, LERC/LETI, LMAC, MEAer, MEAmb, MEBiol, MEBiom, MEEC, MEFT, MEQ
Duração: 90 miutos Grupo I Probabilidades e Estatística LEE, LEGI, LEMat, LERC/LETI, LMAC, MEAer, MEAmb, MEBiol, MEBiom, MEEC, MEFT, MEQ Justifique coveietemete todas as respostas 2 o semestre 206/207
Leia maisProbabilidades e Estatística LEAN, LEGI, LEGM, LMAC, MEAer, MEAmbi, MEC
Duração: 90 miutos Grupo I Probabilidades e Estatística LEAN, LEGI, LEGM, LMAC, MEAer, MEAmbi, MEC Justifique coveietemete todas as respostas o semestre 207/208 /0/208 09:00 2 o teste A 0 valores. Admita
Leia maisProbabilidades e Estatística
Departameto de Matemática Probabilidades e Estatística Primeiro exame/segudo teste 2 o semestre 29/21 Duração: 18/9 miutos Grupo I Justifique coveietemete todas as respostas. 17/6/21 9: horas 1. Com base
Leia maisProbabilidades e Estatística TODOS OS CURSOS
Duração: 90 miutos Gruo I Probabilidades e Estatística TODOS OS CURSOS Justifique coveietemete todas as resostas 1 o semestre 2017/2018 30/01/2018 15:00 2 o Teste C 10 valores 1. A variável aleatória X
Leia maisProbabilidades e Estatística / Introd. às Probabilidades e Estatística TODOS OS CURSOS
Probabilidades e Estatística / Itrod. às Probabilidades e Estatística TODOS OS CURSOS Exame Época Especial 7/8 3/7/7 9: Duração: 3 horas Justifique coveietemete todas as respostas Grupo I 5 valores. Uma
Leia maisProbabilidades e Estatística TODOS OS CURSOS
Probabilidades e Estatística TODOS OS CURSOS Exame Época Especial 2016/2017 24/07/2017 09:00 Duração: 3 horas Justifique coveietemete todas as respostas Grupo I 5 valores 1. Uma compahia de seguros divide
Leia maisProbabilidades e Estatística
Duração: 90 miutos Probabilidades e Estatística LEIC-A, LEIC-T, LEGM, MA, MEMec Justifique coveietemete todas as respostas! o semestre 015/016 09/06/016 11:00 o teste B Grupo I 10 valores 1. Seja (X 1,
Leia maisProbabilidades e Estatística
Departameto de Matemática robabilidades e Estatística LEGM, LEIC-A, LEIC-T, LEMat, MEBiom, MEFT, MEQ 2 o semestre 2011/2012 2 o Teste A 08/06/2012 9:00 Duração: 1 hora e 30 miutos Justifique coveietemete
Leia maisProbabilidades e Estatística LEAN, LEGI, LEGM, LMAC, MEAer, MEAmbi, MEC
Duração: 90 miutos Grupo I Probabilidades e Estatística LEAN, LEGI, LEGM, LMAC, MEAer, MEAmbi, MEC Justifique coveietemete todas as respostas o semestre 207/208 8//207 :00 o Teste B 0 valores. Um teste
Leia maisProbabilidades e Estatística
Departameto de Matemática robabilidades e Estatística LEAN, LEE, LEGI, LERC, LMAC, MEAer, MEAmbi, MEBiol, MEEC, MEMec 2 o semestre 20/202 2 o Teste B 08/06/202 :00 Duração: hora e 30 miutos Justifique
Leia maisProbabilidades e Estatística
Departameto de Matemática robabilidades e Estatística LEGM, LEIC-A, LEIC-T, LEMat, MEBiom, MEFT, MEQ o semestre 0/0 o Teste A 08/06/0 9:00 Duração: hora e 30 miutos Justifiue coveietemete todas as respostas!
Leia maisProbabilidades e Estatística LEAN, LEE, LEGI, LEMat, LETI, LMAC, MEAmb, MEAer, MEBiol, MEBiom, MEEC, MEFT, MEQ
Duração: 90 miutos Grupo I Probabilidades e Estatística LEAN, LEE, LEGI, LEMat, LETI, LMAC, MEAmb, MEAer, MEBiol, MEBiom, MEEC, MEFT, MEQ Justifique coveietemete todas as respostas! o semestre 015/016
Leia maisProbabilidades e Estatística TODOS OS CURSOS
Duração: 9 miutos Grupo I Probabilidades e Estatística TODOS OS CURSOS Justifique coveietemete todas as respostas 1 o semestre 217/218 3/1/218 11:3 1 o Teste C 1 valores 1. A Marta e o João irão passar
Leia maisLista de Exercícios #4 Assunto: Variáveis Aleatórias Contínuas
. ANPEC 8 - Questão Seja x uma variável aleatória com fução desidade de probabilidade dada por: f(x) = x, para x f(x) =, caso cotrário. Podemos afirmar que: () E[x]=; () A mediaa de x é ; () A variâcia
Leia maisLista de Exercícios #6 Assunto: Propriedade dos Estimadores e Métodos de Estimação
Assuto: Propriedade dos Estimadores e Métodos de Estimação. ANPEC 08 - Questão 6 Por regulametação, a cocetração de um produto químico ão pode ultrapassar 0 ppm. Uma fábrica utiliza esse produto e sabe
Leia maisProbabilidades e Estatística LEIC-A, LEIC-T, LEGM, MA, MEMec
Duração: 90 miutos Grupo I Probabilidades e Estatística LEIC-A, LEIC-T, LEGM, MA, MEMec Justifique coveietemete todas as respostas! 2 o semestre 2015/2016 30/04/2016 9:00 1 o Teste A 10 valores 1. Uma
Leia maisDESIGUALDADES, LEIS LIMITE E TEOREMA DO LIMITE CENTRAL. todas as repetições). Então, para todo o número positivo ξ, teremos:
48 DESIGUALDADES, LEIS LIMITE E TEOREMA DO LIMITE CENTRAL LEI DOS GRANDES NÚMEROS Pretede-se estudar o seguite problema: À medida que o úmero de repetições de uma experiêcia cresce, a frequêcia relativa
Leia maisProbabilidades e Estatística LEAN, LEE, LEGI, LERC, LMAC, MEAer, MEAmbi, MEBiol, MEBiom, MEEC, MEFT, MEMat, MEQ
Duração: 90 miutos Grupo I Probabilidades e Estatística LEAN, LEE, LEGI, LERC, LMAC, MEAer, MEAmbi, MEBiol, MEBiom, MEEC, MEFT, MEMat, MEQ Justifique coveietemete todas as respostas 2 o semestre 2017/2018
Leia maisbinomial seria quase simétrica. Nestas condições será também melhor a aproximação pela distribuição normal.
biomial seria quase simétrica. Nestas codições será também melhor a aproximação pela distribuição ormal. Na prática, quado e p > 7, a distribuição ormal com parâmetros: µ p 99 σ p ( p) costitui uma boa
Leia maisMQI 2003 ESTATÍSTICA PARA METROLOGIA - SEMESTRE Teste 2 07/07/2008 Nome: PROBLEMA 1 Sejam X e Y v.a. contínuas com densidade conjunta:
MQI 003 ESTATÍSTICA PARA METROLOGIA - SEMESTRE 008.0 Teste 07/07/008 Nome: PROBLEMA Sejam X e Y v.a. cotíuas com desidade cojuta: f xy cy xy x y (, ) = + 3 ode 0 e 0 a) Ecotre a costate c que faz desta
Leia maisEstimadores de Momentos
Estimadores de Mometos A média populacioal é um caso particular daquilo que chamamos de mometo. Na realidade, ela é o primeiro mometo. Se X for uma v.a. cotíua, com desidade f(x; θ 1,..., θ r ), depededo
Leia maisMAE Introdução à Probabilidade e Estatística II Resolução Lista 2
MAE 9 - Itrodução à Probabilidade e Estatística II Resolução Lista Professor: Pedro Moretti Exercício 1 Deotado por Y a variável aleatória que represeta o comprimeto dos cilidros de aço, temos que Y N3,
Leia maisLista 9 - Introdução à Probabilidade e Estatística
Lista 9 - Itrodução à Probabilidade e Estatística Desigualdades e Teoremas Limites 2.=000. 1 Um ariro apota a um alvo de 20 cm de raio. Seus disparos atigem o alvo, em média, a 5 cm do cetro deste. Assuma
Leia maisProbabilidades e Estatística LEGM, LEIC-A, LEIC-T, MA, MEMec
Duração: 90 miutos Grupo I Probabilidades e Estatística LEGM, LEIC-A, LEIC-T, MA, MEMec Justifique coveietemete todas as respostas 2 o semestre 208/209 04/05/209 9:00 o Teste A 0 valores. As amostras de
Leia maisCap. 4 - Estimação por Intervalo
Cap. 4 - Estimação por Itervalo Amostragem e iferêcia estatística População: cosiste a totalidade das observações em que estamos iteressados. Nº de observações a população é deomiado tamaho=n. Amostra:
Leia maisCONHECIMENTOS ESPECÍFICOS
CESPE/UB FUB/0 fa 5 4 CONHECIMENTOS ESPECÍFICOS 60 As distribuições B e C possuem os mesmos valores para os quartis Q e Q, e o quartil superior em B correspode ao quartil cetral (Q ) da distribuição A.
Leia maisAvaliação de Desempenho de Sistemas Discretos
Distribuições Comus Avaliação de Desempeho de Sistemas Discretos Probabilidade e Estatística 2 Uiforme Normal Poisso Hipergeométrica Biomial Studet's Geométrica Logormal Expoecial Beta Gamma Qui-Quadrado
Leia maisAmostras Aleatórias e Distribuições Amostrais. Probabilidade e Estatística: afinal, qual é a diferença?
Amostras Aleatórias e Distribuições Amostrais Probabilidade e Estatística: afial, qual é a difereça? Até agora o que fizemos foi desevolver modelos probabilísticos que se adequavam a situações reais. Por
Leia maisDISTRIBUIÇÃO AMOSTRAL E ESTIMAÇÃO PONTUAL INTRODUÇÃO ROTEIRO POPULAÇÃO E AMOSTRA. Estatística Aplicada à Engenharia
ROTEIRO DISTRIBUIÇÃO AMOSTRAL E ESTIMAÇÃO PONTUAL 1. Itrodução. Teorema Cetral do Limite 3. Coceitos de estimação potual 4. Métodos de estimação potual 5. Referêcias Estatística Aplicada à Egeharia 1 Estatística
Leia maisn ) uma amostra aleatória da variável aleatória X.
- Distribuições amostrais Cosidere uma população de objetos dos quais estamos iteressados em estudar uma determiada característica. Quado dizemos que a população tem distribuição FX ( x ), queremos dizer
Leia maisn C) O EMV é igual a i 1
PROVA DE ESTATÍSTICA E PROBABILIDADE SELEÇÃO MESTRADO/UFMG 009 Istruções: a) Cada questão respodida corretamete vale (um) poto. c) Cada questão respodida icorretamete vale - (meos um) poto. b) Cada questão
Leia maisUNIVERSIDADE FEDERAL DO PARANÁ SETOR DE CIÊNCIAS EXATAS DEPTO. DE ESTATÍSTICA LISTA 4 PROBABILIDADE A (CE068) Prof. Benito Olivares Aguilera
UNIVERSIDADE FEDERAL DO PARANÁ SETOR DE CIÊNCIAS EATAS DEPTO. DE ESTATÍSTICA LISTA 4 PROBABILIDADE A (CE068) Prof. Beito Olivares Aguilera 2 o Sem./09 1. Das variáveis abaixo descritas, assiale quais são
Leia maisIntervalos Estatísticos para uma única Amostra - parte II
Itervalos Estatísticos para uma úica Amostra - parte II Itervalo de cofiaça para proporção 2012/02 1 Itrodução 2 3 Objetivos Ao fial deste capítulo você deve ser capaz de: Costruir itervalos de cofiaça
Leia maisCONCEITOS BÁSICOS E PRINCÍPIOS DE ESTATÍSTICA
1 CONCEITOS BÁSICOS E PRINCÍPIOS DE ESTATÍSTICA 1. Coceitos Básicos de Probabilidade Variável aleatória: é um úmero (ou vetor) determiado por uma resposta, isto é, uma fução defiida em potos do espaço
Leia maisComparação entre duas populações
Comparação etre duas populações AMOSTRAS INDEPENDENTES Comparação etre duas médias 3 Itrodução Em aplicações práticas é comum que o iteresse seja comparar as médias de duas diferetes populações (ambas
Leia maisMOQ 13 PROBABILIDADE E ESTATÍSTICA. Professor: Rodrigo A. Scarpel
MOQ 13 PROBABILIDADE E ESTATÍSTICA Professor: Rodrigo A. Scarpel rodrigo@ita.br www.mec.ita.br/~rodrigo Programa do curso: Semaas 1 2 3 4 5 6 7 8 9 1 11 12 13 14 15 e 16 Itrodução à probabilidade evetos
Leia mais1 Distribuições Amostrais
1 Distribuições Amostrais Ao retirarmos uma amostra aleatória de uma população e calcularmos a partir desta amostra qualquer quatidade, ecotramos a estatística, ou seja, chamaremos os valores calculados
Leia maisProbabilidade II Aula 12
Coteúdo Probabilidade II Aula Juho de 009 Desigualdade de Marov Desigualdade de Jese Lei Fraca dos Grades Números Môica Barros, D.Sc. Itrodução A variâcia de uma variável aleatória mede a dispersão em
Leia maisEstatística II Licenciatura em Gestão TESTE I
Estatística II Liceciatura em Gestão 1 o semestre 2015/2016 14/01/2016 09:00 Nome N o Espaço reservado a classificações A utilização do telemóvel, em qualquer circustâcia, é motivo suficiete para a aulação
Leia maisAula 5. Aula de hoje. Aula passada. Limitante da união Método do primeiro momento Lei dos grandes números (fraca e forte) Erro e confiança
Aula 5 Aula passada Valor esperado codicioal Espaço amostral cotíuo, fução desidade Limitates para probabilidade Desigualdades de Markov, Chebyshev, Cheroff with high probability Aula de hoje Limitate
Leia maisEstimação da média populacional
Estimação da média populacioal 1 MÉTODO ESTATÍSTICO Aálise Descritiva Teoria das Probabilidades Iferêcia Os dados efetivamete observados parecem mostrar que...? Se a distribuição dos dados seguir uma certa
Leia maisProbabilidades e Estatística 2005/06
Departameto de Matemática Secção de Estatística e Aplicações - IST Probabilidades e Estatística 2005/06 Resolução do 1 o Exame/2 o Teste 10/01/2006 h00 Grupo I - 5.0 val. 1. Um ovo método de detecção de
Leia maisPROVA DE ESTATÍSTICA SELEÇÃO MESTRADO/UFMG 2005
PROVA DE ESTATÍSTICA SELEÇÃO MESTRADO/UFMG 005 Istruções para a prova: a) Cada questão respodida corretamete vale um poto. b) Questões deixadas em braco valem zero potos (este caso marque todas alterativas).
Leia maisCaderno de Exercício 2
1 Cadero de Exercício Estimação Potual e Itervalos de Cofiaça 1. Exercícios Aulas 1. Exercício 8.6 do livro Statistics for Ecoomics ad Busiess. O úmero de adares vedidos em cada dia por uma empresa imobiliária
Leia maisb) Fabrico de peças cilíndricas Capítulo 5 - Distribuições conjuntas de probabilidades e complementos X - comprimento da peça Y - diâmetro da peça
Capítulo 5 - Distribuições cojutas de probabilidades e complemetos 5.1 Duas variáveis aleatórias discretas. Distribuições cojutas, margiais e codicioais. Idepedêcia Em relação a uma mesma eperiêcia podem
Leia maisCONHECIMENTOS ESPECÍFICOS
Acerca dos coceitos de estatística e dos parâmetros estatísticos, julgue os ites seguites. CONHECIMENTOS ESPECÍFICOS CESPE/UB STM 67 A partir do histograma mostrado a figura abaixo, é correto iferir que
Leia maisDEPARTAMENTO DE ESTATÍSTICA - UFMG PROVA DE ESTATÍSTICA E PROBABILIDADE SELEÇÃO - MESTRADO/ UFMG /2016
DEPARTAMENTO DE ESTATÍSTICA - UFMG PROVA DE ESTATÍSTICA E PROBABILIDADE SELEÇÃO - MESTRADO/ UFMG - 205/206 Istruções:. Cada questão respodida corretamete vale (um poto. 2. Cada questão respodida icorretamete
Leia maisEstatística para Economia e Gestão REVISÕES SOBRE VARIÁVEIS ALEATÓRIAS DISCRETAS E CONTÍNUAS
Estatística para Ecoomia e Gestão REVISÕES SOBRE VARIÁVEIS ALEATÓRIAS DISCRETAS E CONTÍNUAS Primavera 008/009 Variável Aleatória: Defiição: uma variável aleatória é uma fução que atribui a cada elemeto
Leia maisESTATÍSTICA NÃO-PARAMÉTRICA
ESTATÍSTICA NÃO-PARAMÉTRICA Prof. Dr. Edmilso Rodrigues Pito Faculdade de Matemática - UFU edmilso@famat.ufu.br 1 Programa Itrodução - Plao de curso, sistema de avaliação - Coceitos básicos de iferêcia
Leia mais1. Dados: Deve compreender-se a natureza dos dados que formam a base dos procedimentos
9. Testes de Hipóteses 9.. Itrodução Uma hipótese pode defiir-se simplesmete como uma afirmação acerca de uma mais populações. Em geral, a hipótese se refere aos parâmetros da população sobre os quais
Leia maisDistribuições Amostrais
Distribuições Amostrais O problema da iferêcia estatística: fazer uma afirmação sobre os parâmetros da população θ (média, variâcia, etc) através da amostra. Usaremos uma AAS de elemetos sorteados dessa
Leia maisDistribuições Amostrais
9/3/06 Uiversidade Federal do Pará Istituto de Tecologia Estatística Aplicada I Prof. Dr. Jorge Teófilo de Barros Lopes Campus de Belém Curso de Egeharia Mecâica 3/09/06 3:38 ESTATÍSTICA APLICADA I - Teoria
Leia mais1 Estimação de Parâmetros
1 Estimação de arâmetros Vários tipos de estudos tem o objetivo de obter coclusões fazer iferêcias a respeito de parâmetros de uma população. A impossibilidade de avaliar toda a população faz com que a
Leia maisEstatística e Probabilidade, D3, 2019_1. Escolha a alternativa correta e indique no gabarito de respostas
Estatística e Probabilidade, D3, 2019_1 Escolha a alterativa correta e idique o gabarito de respostas 1. Uma avaliação é costituída de 20 questões, cada uma delas com cico alterativas, das quais apeas
Leia maisAMOSTRAGEM ALEATÓRIA DISTRIBUIÇÕES POR AMOSTRAGEM
6 AMOSTRAGEM ALEATÓRIA DISTRIBUIÇÕES POR AMOSTRAGEM Quado se pretede estudar uma determiada população, aalisam-se certas características ou variáveis dessa população. Essas variáveis poderão ser discretas
Leia maisObtemos, então, uma amostra aleatória de tamanho n de X, que representamos por X 1, X 2,..., X n.
Vamos observar elemetos, extraídos ao acaso e com reposição da população; Para cada elemeto selecioado, observamos o valor da variável X de iteresse. Obtemos, etão, uma amostra aleatória de tamaho de X,
Leia mais1ª LISTA DE EXERCÍCIOS DE PROC. ESTOCÁSTICOS APLICADOS (CE 222) Prof. Benito Olivares 1 o Sem./ 2017
UNIVERSIDADE FEDERAL DO PARANÁ SETOR DE CIÊNCIAS EXATAS DEPTO. DE ESTATÍSTICA ª LISTA DE EXERCÍCIOS DE PROC. ESTOCÁSTICOS APLICADOS (CE ) Prof. Beito Olivares o Sem./ 7. Classifique e costrua uma trajetória
Leia maisMétodos Numéricos e Estatísticos Parte II-Métodos Estatísticos Estimação pontual e intervalar
potual por itervalos Métodos Numéricos e Estatísticos Parte II-Métodos Estatísticos potual e itervalar Lic. Eg. Biomédica e Bioegeharia-2009/2010 potual por itervalos A Teoria das Probabilidades cosiste
Leia maisEstatística. Estatística II - Administração. Prof. Dr. Marcelo Tavares. Distribuições de amostragem. Estatística Descritiva X Estatística Inferencial
Estatística II - Admiistração Prof. Dr. Marcelo Tavares Distribuições de amostragem Na iferêcia estatística vamos apresetar os argumetos estatísticos para fazer afirmações sobre as características de uma
Leia maisTeorema do limite central e es/mação da proporção populacional p
Teorema do limite cetral e es/mação da proporção populacioal p 1 RESULTADO 1: Relembrado resultados importates Seja uma amostra aleatória de tamaho de uma variável aleatória X, com média µ e variâcia σ.temos
Leia maisDistribuições Amostrais
7/3/07 Uiversidade Federal do Pará Istituto de Tecologia Estatística Aplicada I Prof. Dr. Jorge Teófilo de Barros Lopes Campus de Belém Curso de Egeharia Mecâica 3/07/07 09:3 ESTATÍSTICA APLICADA I - Teoria
Leia maisA DESIGUALDADE DE CHEBYCHEV
A DESIGUALDADE DE CHEBYCHEV Quado se pretede calcular a probabilidade de poder ocorrer determiado acotecimeto e se cohece a distribuição probabilística que está em causa o problema, ão se colocam dificuldades
Leia maisESTIMAÇÃO DA PROPORÇÃO POPULACIONAL p
ESTIMAÇÃO DA PROPORÇÃO POPULACIONAL p Objetivo Estimar uma proporção p (descohecida) de elemetos em uma população, apresetado certa característica de iteresse, a partir da iformação forecida por uma amostra.
Leia maisProva Escrita de MATEMÁTICA A - 12o Ano a Fase
Prova Escrita de MATEMÁTICA A - 1o Ao 00 - a Fase Proposta de resolução GRUPO I 1. Como a probabilidade do João acertar em cada tetativa é 0,, a probabilidade do João acertar as tetativas é 0, 0, 0, 0,
Leia maisDistribuições de Estatísticas Amostrais e Teorema Central do Limite
Distribuições de Estatísticas Amostrais e Teorema Cetral do Limite Vamos começar com um exemplo: A mega-sea de 996 a N 894 úmeros de a 6: Média: m 588 Desvio padrão: 756 49 amostras de 6 elemetos Frequêcia
Leia maisRegressão Linear Múltipla
Regressão Liear Múltipla Lucas Sataa da Cuha http://www.uel.br/pessoal/lscuha/ 28 de ovembro de 2018 Lodria 1 / 20 Há muitos problemas que é razoável esperar que as previsões de uma variável devam melhorar
Leia maisPROJETO E ANÁLISES DE EXPERIMENTOS (PAE) PROJETO FATORIAL 2 k COMPLETO E REPLICADO. Dr. Sivaldo Leite Correia
PROJETO E ANÁLISES DE EXPERIMENTOS (PAE) PROJETO FATORIAL 2 k COMPLETO E REPLICADO Dr. Sivaldo Leite Correia CONCEITOS, LIMITAÇÕES E APLICAÇÕES Nos tópicos ateriores vimos as estratégias geeralizadas para
Leia maisESTIMAÇÃO DE PARÂMETROS
ESTIMAÇÃO DE PARÂMETROS 1 Estimação de Parâmetros uiverso do estudo (população) dados observados O raciocíio idutivo da estimação de parâmetros Estimação de Parâmetros POPULAÇÃO p =? AMOSTRA Observações:
Leia maisd) A partir do item c) encontre um estimador não viciado para σ 2.
Uiversidade de Brasília Departameto de Estatística 6 a Lista de PE 1 Seja X 1,, X ) uma AAS tal que EX i ) = µ e VarX i ) = σ 2 a) Ecotre EXi 2 ) e E X 2) b) Calcule EX i X) X i X) 2 c) Se T =, mostre
Leia maisTécnicas Computacionais em Probabilidade e Estatística I. Aula II
Técicas Computacioais em Probabilidade e Estatística I Aula II Chag Chia MAE 5704- IME/USP º Sem/008 Algus modelos de iteresse prático: a Beroulli; Biomial; b Poisso; Geométrica; Hipergeométrica; c Uiforme;
Leia maisAprendizagem de Máquina
predizagem de Máquia Modelos de Mistura lgoritmo EM Estimação semi-paramétrica de desidade abordagem paramétrica para estimação de desidade supõe que a amostra X é extraída de uma distribuição que segue
Leia maisMAE0229 Introdução à Probabilidade e à Estatística II
Exercício : Sabe-se que o tempo de viagem de um local A a zoa orte de São Paulo até a USP segue uma distribuição ormal com desvio padrão 9 miutos. Em 200 dias aotou-se o tempo gasto para vir desse poto
Leia maisEstimar uma proporção p (desconhecida) de elementos em uma população, apresentando certa característica de interesse, a partir da informação
ESTIMAÇÃO DA PROPORÇÃO POPULACIONAL p 1 Objetivo Estimar uma proporção p (descohecida) de elemetos em uma população, apresetado certa característica de iteresse, a partir da iformação forecida por uma
Leia maisAjuste de Curvas pelo Método dos Quadrados Mínimos
Notas de aula de Métodos Numéricos. c Departameto de Computação/ICEB/UFOP. Ajuste de Curvas pelo Método dos Quadrados Míimos Marcoe Jamilso Freitas Souza, Departameto de Computação, Istituto de Ciêcias
Leia maisA Inferência Estatística é um conjunto de técnicas que objetiva estudar a população através de evidências fornecidas por uma amostra.
UNIVERSIDADE FEDERAL DA PARAÍBA Distribuição Amostral Luiz Medeiros de Araujo Lima Filho Departameto de Estatística INTRODUÇÃO A Iferêcia Estatística é um cojuto de técicas que objetiva estudar a população
Leia mais7. Estimação por intervalos
7. Estimação por itervalos 7.1 Itervalos de cofiaça. (8-1, 8-2.4) Motivação 7.1 Itervalos de cofiaça Para além de uma estimativa potual para o parâmetro descohecido, é importate adiatar um itervalo que
Leia mais3. Seja C o conjunto dos números complexos. Defina a soma em C por
Eercícios Espaços vetoriais. Cosidere os vetores = (8 ) e = ( -) em. (a) Ecotre o comprimeto de cada vetor. (b) Seja = +. Determie o comprimeto de. Qual a relação etre seu comprimeto e a soma dos comprimetos
Leia mais. Dessa forma, quanto menor o MSE, mais a imagem
Uiversidade Federal de Perambuco CI / CCEN - Área II 1 o Exercício de Cálculo Numérico ( 18 / 06 / 2014 ) Aluo(a) 1- Questão 1 (2,5 potos) Cosidere uma imagem digital como uma matriz bidimesioal de dimesões
Leia maisA finalidade de uma equação de regressão seria estimar valores de uma variável, com base em valores conhecidos da outra.
Jaete Pereira Amador Itrodução A aálise de regressão tem por objetivo descrever através de um modelo matemático, a relação existete etre duas variáveis, a partir de observações dessas viráveis. A aálise
Leia maisProposta de Exame de Matemática A 12.º ano
Proposta de Eame de Matemática A 1.º ao Nome da Escola Ao letivo 0-0 Matemática A 1.º ao Nome do Aluo Turma N.º Data Professor - - 0 GRUP I Na resposta aos ites deste grupo, selecioe a opção correta. Escreva,
Leia maisProbabilidade 2 - ME310 - Lista 5
Probabilidade - ME30 - Lista 5 November 3, 0 Lembrado:. Covergêcia de sequêcias em L p (também chamada de covergêcia em média): se lim E( X X 0 p ) 0 quado, etão a sequêcia deida por X é dita covergete
Leia maisINSTITUTO POLITÉCNICO DE SETÚBAL ESCOLA SUPERIOR DE TECNOLOGIA DE SETÚBAL DEPARTAMENTO DE MATEMÁTICA PROBABILIDADES E ESTATÍSTICA
INSTITUTO POLITÉCNICO DE SETÚBAL ESCOLA SUPERIOR DE TECNOLOGIA DE SETÚBAL DEPARTAMENTO DE MATEMÁTICA PROBABILIDADES E ESTATÍSTICA o Teste SEMESTRE PAR /7 Data: 3 de Juho de 7 Duração: h m Tóicos de Resolução.
Leia maisContabilometria. Prof.: Patricia Maria Bortolon, D. Sc.
Cotabilometria Prof.: Patricia Maria Bortolo, D. Sc. Teste para Duas Amostras Fote: LEVINE, D. M.; STEPHAN, D. F.; KREHBIEL, T. C.; BERENSON, M. L.; Estatística Teoria e Aplicações, 5a. Edição, Editora
Leia maisIntrodução. Exemplos. Comparar três lojas quanto ao volume médio de vendas. ...
Itrodução Exemplos Para curar uma certa doeça existem quatro tratametos possíveis: A, B, C e D. Pretede-se saber se existem difereças sigificativas os tratametos o que diz respeito ao tempo ecessário para
Leia mais6. Estimação pontual. 6.1 Inferência estatística. (7-1)
6. Estimação potual A Teoria das Probabilidades compreede o estudo dos modelos matemáticos capazes de descrever o comportameto de feómeos aleatórios, modelos esses que se dizem probabilísticos. Foi sobre
Leia maisRegressão linear simples
Regressão liear simples Maria Virgiia P Dutra Eloae G Ramos Vaia Matos Foseca Pós Graduação em Saúde da Mulher e da Criaça IFF FIOCRUZ Baseado as aulas de M. Pagao e Gravreau e Geraldo Marcelo da Cuha
Leia maisEstudo da precipitação pluviométrica no período seco e chuvoso do município de Sete Lagoas, MG
Estudo da precipitação pluviométrica o período seco e chuvoso do muicípio de Sete Lagoas, MG Aa Paula Coelho Madeira Silva 13 Jailso de Araujo Rodrigues 2 Jaime dos Satos Filho 2 1 Itrodução A precipitação
Leia maisInstruções gerais sobre a Prova:
DEPARTAMENTO DE ESTATÍSTICA - UFMG PROVA DE ESTATÍSTICA & PROBABILIDADES SELEÇÃO MESTRADO/UFMG 2012/2013 Istruções gerais sobre a Prova: (a) Cada questão respodida corretamete vale 1 (um) poto. (b) Cada
Leia maisTeoria da Estimação 1
Teoria da Estimação 1 Um dos pricipais objetivos da estatística iferecial cosiste em estimar os valores de parâmetros populacioais descohecidos (estimação de parâmetros) utilizado dados amostrais. Etão,
Leia maisCritérios de correção e orientações de resposta p-fólio
Miistério da Ciêcia, Tecologia e Esio Superior U.C. 037 Elemetos de Probabilidade e Estatística de Juho de 0 Critérios de correção e orietações de resposta p-fólio Neste relatório apresetam-se os critérios
Leia mais