*+,, -! / ! /,6 5. Virgilio Almeida, UFMG 2006

Documentos relacionados
Métodos Quantitativos para Ciência da Computação Experimental. Jussara Almeida DCC-UFMG 2013

Métodos Quantitativos para Ciência da Computação Experimental. Jussara Almeida DCC-UFMG 2016

Métodos Quantitativos para Ciência da Computação Experimental

Virgílio A. F. Almeida DCC-UFMG 2005

Métodos Quantitativos para Ciência da Computação Experimental

Processos Estocásticos

PROBABILIDADE. prof. André Aparecido da Silva. 1

Aula 5. Aula de hoje. Aula passada. Limitante da união Método do primeiro momento Lei dos grandes números (fraca e forte) Erro e confiança

Lista 2 - Introdução à Probabilidade e Estatística

Variáveis Aleatórias e Distribuições de Probabilidade

MQI 2003 ESTATÍSTICA PARA METROLOGIA - SEMESTRE Teste 2 07/07/2008 Nome: PROBLEMA 1 Sejam X e Y v.a. contínuas com densidade conjunta:

UNIVERSIDADE FEDERAL DO PARANÁ SETOR DE CIÊNCIAS EXATAS DEPTO. DE ESTATÍSTICA 1ª LISTA DE EXERCICIOS CE068 CÁLCULO DE PROBABILIDADES A

Lista 2 - Introdução à Probabilidade e Estatística

Prof. Rafael A. Rosales 24 de maio de Exercício 1. De quantas maneiras é possível ordenar um conjunto formado por n elementos?

3. Probabilidade P(A) =

Probabilidades e Estatística LEGM, LEIC-A, LEIC-T, MA, MEMec

INSTRUÇÕES. Esta prova é individual e sem consulta à qualquer material.

Probabilidades e Estatística TODOS OS CURSOS

Distribuições Amostrais

Distribuições Amostrais

UNIVERSIDADE FEDERAL DO PARANÁ NOTAS DE AULA PROFa. SONIA MÜLLER

Sumário. 2 Índice Remissivo 11

Estatística e Modelos Probabilísticos - COE241

DEPARTAMENTO DE ESTATÍSTICA - UFMG PROVA DE ESTATÍSTICA E PROBABILIDADE SELEÇÃO - MESTRADO/ UFMG /2016

AULA 3 - Modelos probabiĺısticos, axiomas da probabilidade, espaços amostrais

ESTIMAÇÃO DE PARÂMETROS

Gabarito do Simulado da Primeira Fase - Nível Beta

Provas de Matemática Elementar - EAD. Período

) E X. ) = 0 2 ( 1 p ) p = p. ) E 2 ( X ) = p p 2 = p ( 1 p ) ( ) = i 1 n. ( ) 2 n E( X) = ( ) = 1 p ( ) = p V ( X ) = E ( X 2 E X

PROBABILIDADES E INTRODUÇÃO A PROCESSOS ESTOCÁSTICOS. Aula 2 07 e 08 março MOQ-12 Probabilidades e Int. a Processos Estocásticos

Estatística Planejamento das Aulas

Probabilidade em espaços discretos. Prof.: Joni Fusinato

Grupo I. Proposta de Resolução do Exame de Matemática A Cód ª Fase de Junho

PROBABILIDADES PROBABILIDADE DE UM EVENTO EM UM ESPAÇO AMOSTRAL FINITO

Avaliação de Desempenho de Sistemas Discretos

Grupo I. Proposta de Resolução do Exame de Matemática A Cód ª Fase de Junho

Proposta de Exame de Matemática A 12.º ano

CÁLCULO DIFERENCIAL E INTEGRAL I MEC & LEGM 1 o SEM. 2009/10 7 a FICHA DE EXERCÍCIOS

AGA Análise de Dados em Astronomia I. 2. Probabilidades - parte 1

AUTO AVALIAÇÃO CAPÍTULO I. 1. Assinale com V as proposições que considere verdadeiras e com F as que considere

Colégio FAAT Ensino Fundamental e Médio

{ } 3.3 Função Densidade de Probabilidade Condicional e Independência

Cap. 4 - Estimação por Intervalo

3. Seja C o conjunto dos números complexos. Defina a soma em C por

DISTRIBUIÇÕES DE PROBABILIDADE

Probabilidade. Professora Ana Hermínia Andrade. Universidade Federal do Amazonas Faculdade de Estudos Sociais Departamento de Economia e Análise

XIX Semana Olímpica de Matemática. Nível U. Algumas Técnicas com Funções Geratrizes. Davi Lopes

Lista de Exercícios #6 Assunto: Propriedade dos Estimadores e Métodos de Estimação

Estatística e Modelos Probabilísticos - COE241

Notas de aula de Probabilidade Avançada

INSTITUTO DE MATEMÁTICA E ESTATÍSTICA UNIVERSIDADE DE SÃO PAULO

Instituto Universitário de Lisboa

QUESTÕES OBJETIVAS., definida por f ( x) b,

Proposta de teste de avaliação

Estatística e Modelos Probabilísticos - COE241

6.1 Estimativa de uma média populacional: grandes amostras. Definição: Um estimador é uma característica amostral (como a média amostral

Teoria Elementar da Probabilidade

Enfoque empírico: P(A) = Lim

T o e r o ia a da P oba ba i b lida d de

Proposta de teste de avaliação

1 Definição Clássica de Probabilidade

Probabilidade. Definições e Conceitos

ESTIMAÇÃO DE PARÂMETROS

Estatística Empresarial. Fundamentos de Probabilidade

Probabilidades e Estatística LEIC-A, LEIC-T, LEGM, MA, MEMec

) E 2 ( X) = p p 2 = p( 1 p) ) = 0 2 ( 1 p) p = p ( ) = ( ) = ( ) = p. F - cara (sucesso) C - coroa (insucesso)

Lista de Exercícios de Cálculo 2 Módulo 1 - Primeira Lista - 01/2018

MAE Introdução à Probabilidade e Estatística II Resolução Lista 1

Matemática. Resolução das atividades complementares. M7 Função Exponencial. 2 Encontre o valor da expressão

Daniel Queiroz VARIÁVEIS ALEATÓRIAS DISCRETAS

Probabilidade I. Departamento de Estatística. Universidade Federal da Paraíba. Prof. Tarciana Liberal (UFPB) Aula Probabilidade I 07/16 1 / 23

INTRODUÇÃO À PROBABILIDADE

2. INTRODUÇÃO À PROBABILIDADE

Análise de Algoritmos. Análise de Algoritmos. Análise de Algoritmos. Análise de Algoritmos. Análise de Algoritmos. Análise de Algoritmos

COLEÇÃO DARLAN MOUTINHO VOL. 01 RESOLUÇÕES

ITA Destas, é (são) falsa(s) (A) Apenas I (B) apenas II (C) apenas III (D) apenas I e III (E) apenas nenhuma.

Teoria das Probabilidades

Análise Combinatória (Regras de Contagem) 2 Princípio Fundamental da Multiplicação

( ) III) ESPAÇOS VETORIAIS REAIS. Definição: Denomina-se espaço vetorial sobre os Reais (R) ao conjunto não vazio. 1) Existe uma adição:

Proposta de teste de avaliação

Probabilidade. Definição de Probabilidade Principais Teoremas Probabilidades dos Espaços Amostrais Espaços Amostrais Equiprováveis.

AGRUPAMENTO DE ESCOLAS DE MORTÁGUA Ficha de Trabalho nº 0 - Probabilidades - 12º ano Metas (C.A.)

MOQ 13 PROBABILIDADE E ESTATÍSTICA. Professor: Rodrigo A. Scarpel

Métodos Quantitativos para Ciência da Computação Experimental

Lista de Exercícios #4 Assunto: Variáveis Aleatórias Contínuas

Prof. Luiz Alexandre Peternelli

Exame Final Nacional de Matemática Aplicada às Ciências Sociais a Fase

1. Revisão Matemática

Exercício de Revisao 1

Exercícios de Aprofundamento Matemática Progressão Aritmética e Geométrica

1ª LISTA DE EXERCÍCIOS DE PROC. ESTOCÁSTICOS APLICADOS (CE 222) Prof. Benito Olivares 1 o Sem./ 2017

1. Revisão Matemática

Uma coleção de todos os possíveis elementos, objetos ou medidas de interesse.

Departamento de Informática. Modelagem Analítica. Modelagem Analítica do Desempenho de Sistemas de Computação. Disciplina: Algumas Distribuições

Uma coleção de todos os possíveis elementos, objetos ou medidas de interesse.

Lista de Exercícios de Cálculo 2 Módulo 1 - Primeira Lista - 01/2017

Transcrição:

!"#"! $%%& ' (# )

*+,, - -. -! /01 34 /050 " -! /,6 5. 7 "

Método Estatístico Estatística Descritiva Estatística Iferecial

' - 8 8! 8 0 -# 8'

9/ - 8 8:61 -# 8:.,

:4 Experimeto: um processo cujo resultado ão é determiado com certeza Espaço Amostral: S {todos possíveis resultados de um experimeto} Poto da amostra: um resultado (um membro do espaço amostral S) Exemple: uma moeda ão viciada, S {H,T}, ode H ad T são resultados Variável aleatória: uma fução que atribui um úmero real a cada poto do espaço amostral S. Exemplo: X 1 se xh X 0 se xt

!, A C B Evetos são coleções de potos ou áreas em um espaço. A coleção de todos os potos um espaço iteiro é chamada de U, o cojuto uiversal.

!, A A Eveto A, o complemeto do eveto A, é a coleção de todos os potos o cojuto uiversal que ão estão icluidos em A. B A A iterseção de dois evetos A e B é a coleção de todos os potos que estão cotidos em ambos A e B, deotados por AB

!,/ A B A uião de dois evetos A e B é a coleção de todos potos que estão em A ou em B ou em ambos.

A B Cojutos de evetos são mutuamete exclusivos se todos cojutos dos evetos ão tem iterseção A C B Cojutos de evetos coletivamete exaustivos somam U A + B + C U

! Espaço amostral: um cojuto mutuamete exclusivo e coletivamete exaustivo listado todos possíveis resultados de um experimeto ou modelo. Espaço Amostral Eveto moeda. H T Heads : Tails a -ésima jogada de uma H 1 H 1 H H1H é o eveto de grão fio para duas jogadas H 1 T T 1 H H 1 é o eveto de grão grosso para duas jogadas T 1 T 1 T

;! +,, Para qualquer eveto A, P(A) > 0 P(U) 1 (Normalização) Se AB φ, etão P(A+B) P(A) + P(B) A partir desses axiomas pode-se determiar a medida de probabilidade de um eveto simplesmete somado todas as medidas dos evetos de grão fio que formam o eveto.

+,,< A B P ( A B) P( AB) P( B)

+,, : +.,. - +,, - 4

+,, > 4?@ /4?A B@,, < s <,,, AB 3<, s 1 etão P (``cara ) 1/ P (``coroa ) 1/ Obs: P ( cara ) + P( coroa ) 1/ + 1/ 1

Determie a probabilidade de cartas retiradas de um baralho de 5 cartas sejam ambas pretas.

Determie a probabilidade de cartas retiradas de um baralho de 5 cartas serão ambas pretas. ( 5) O úmero total de possibilidades : 5 51 136 Número total de possibilidades favoráveis ( successos ): ( 6) s Probabilidade é: 6 5 35 P s/ 35 / 136 0.45

! 1. Se úmero decimal de três digitos é escolhido aleatoriamete, determie a probabilidade que exatamete k dígitos são 5, para 0 k 3. Cosidere uma caixa com 15 chips VLSI, sedo 5 deles defituosos. Se uma amostra aleatória de 3 chips é retirada da caixa, quala probabilidade de todos os três terem defeitos? 3. (dificil) Uma série de jobs chega a um sistema multiprocessador com processadores. Assuma que cada um dos possiveis vetores de atribuição (i.e., processador para job 1,... Processador para job ) são igualmete provaveis. Ecotre a probabilidade que exatamete um processaodr ão será assigado a um job. Para efeitos de exemplo, cosidere 3 e calcule, mas mostre a forma geral para.

C! C" > D6 5,, E5% ; > < k 0, 5 3 /10 3 1/ 3 0.15 k k 1,, 3*5*5 3 10 0.375 3/ 8 0.375 k 3, 0.15

$! C" CE6F>95E / "> 1; 6 5,, /G > < S 15 3 5 E 10 3 E P( E) S 455 91.197*10

;!?@ Uma série de jobs chega a um sistema multiprocessador com processadores. Assuma que cada um dos possiveis vetores de atribuição (i.e., processador para job 1,... Processador para job ) são igualmete provaveis. Ecotre a probabilidade de que exatamete um processador ão será desigado a um job. Para efeitos de exemplo, cosidere 3 e calcule, mas mostre a forma geral para. > <?>@5 3, "6 S {( i1, i,..., i ) i j {1,,... }}

;!?,@ S +5,, HHCI 5 Seja B j processador j, j tem jobs B j {( i 1, i,..., i ) i k {,3,..., } e i k1 i k j para k 1 k ; e i j1 i j, caso cotrario A 1 j B j

;!?@ j B P )! ( ) ( 1! )! 1)( ( ) ( 1 A P ) ( 1 1 1)! ( * 1 ) ( * ) ( ) ( i i A P A P eveto P 3 ) ( 3 eveto P para