Probabilidades e Estatística TODOS OS CURSOS

Documentos relacionados
Probabilidades e Estatística LEAN, LEGI, LEGM, LMAC, MEAer, MEAmbi, MEC

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

Probabilidades e Estatística LEAN, LEE, LEGI, LERC, LMAC, MEAer, MEAmbi, MEBiol, MEBiom, MEEC, MEFT, MEMat, MEQ

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

Probabilidades e Estatística / Introd. às Probabilidades e Estatística TODOS OS CURSOS

Probabilidades e Estatística TODOS OS CURSOS

Probabilidades e Estatística TODOS OS CURSOS

Lista de Exercícios #4 Assunto: Variáveis Aleatórias Contínuas

Probabilidades e Estatística LEE, LEIC-A, LEIC-T, LEMat, LERC, MEBiol, MEBiom, MEEC, MEFT, MEMec, MEQ

Probabilidades e Estatística TODOS OS CURSOS

Probabilidades e Estatística TODOS OS CURSOS

Probabilidades e Estatística TODOS OS CURSOS

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

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

Probabilidades e Estatística LEAN, LEGI, LEGM, LMAC, MEAer, MEAmbi, MEC

b) Fabrico de peças cilíndricas Capítulo 5 - Distribuições conjuntas de probabilidades e complementos X - comprimento da peça Y - diâmetro da peça

DESIGUALDADES, LEIS LIMITE E TEOREMA DO LIMITE CENTRAL. todas as repetições). Então, para todo o número positivo ξ, teremos:

UNIVERSIDADE FEDERAL DO PARANÁ SETOR DE CIÊNCIAS EXATAS DEPTO. DE ESTATÍSTICA LISTA 4 PROBABILIDADE A (CE068) Prof. Benito Olivares Aguilera

Probabilidades e Estatística LEAN, LEE, LEGI, LEMat, LETI, LMAC, MEAmb, MEAer, MEBiol, MEBiom, MEEC, MEFT, MEQ

Probabilidades e Estatística

Probabilidades e Estatística LEE, LEGI, LENO, LETI, LMAC, MEAer, MEAmbi, MEBiol, MEBiom, MEEC, MEFT, MEMat, MEQ

Probabilidades e Estatística LEAN, LEE, LEGI, LERC, LMAC, MEAer, MEAmbi, MEBiol, MEBiom, MEEC, MEFT, MEMat, MEQ

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

Probabilidades e Estatística

Probabilidades e Estatística TODOS OS CURSOS

Probabilidades e Estatística TODOS OS CURSOS

Probabilidades e Estatística

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

Probabilidades e Estatística LEAN, LEE, LEGI, LEMat, LETI, LMAC, MEAmb, MEAer, MEBiol, MEBiom, MEEC, MEFT, MEQ

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

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

n ) uma amostra aleatória da variável aleatória X.

Probabilidades e Estatística

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

Probabilidades e Estatística LEE, LEIC-A, LEIC-T, LEMat, LERC, MEBiol, MEBiom, MEEC, MEFT, MEMec, MEQ

Estatística para Economia e Gestão REVISÕES SOBRE VARIÁVEIS ALEATÓRIAS DISCRETAS E CONTÍNUAS

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:

Estimação da média populacional

Propriedades: Notação: X ~ U(α, β). PRINCIPAIS MODELOS CONTÍNUOS

Métodos Quantitativos para Ciência da Computação Experimental

Distribuições Amostrais

Lista 9 - Introdução à Probabilidade e Estatística

MAE Introdução à Probabilidade e Estatística II Resolução Lista 1

Distribuições Amostrais

Obtemos, então, uma amostra aleatória de tamanho n de X, que representamos por X 1, X 2,..., X n.

Probabilidades e Estatística

Distribuições Amostrais

Amostras Aleatórias e Distribuições Amostrais. Probabilidade e Estatística: afinal, qual é a diferença?

Virgílio A. F. Almeida DCC-UFMG 2005

Probabilidades e Estatística LEE, LEGI, LEMat, LERC/LETI, LMAC, MEAer, MEAmb, MEBiol, MEBiom, MEEC, MEFT, MEQ

Revisando... Distribuição Amostral da Média

Estimadores de Momentos

{ } 3.3 Função Densidade de Probabilidade Condicional e Independência

Probabilidade 2 - ME310 - Lista 5

Sumário. 2 Índice Remissivo 11

Estatística. Estatística II - Administração. Prof. Dr. Marcelo Tavares. Distribuições de amostragem. Estatística Descritiva X Estatística Inferencial

Probabilidades e Estatística TODOS OS CURSOS

DISTRIBUIÇÃO AMOSTRAL E ESTIMAÇÃO PONTUAL INTRODUÇÃO ROTEIRO POPULAÇÃO E AMOSTRA. Estatística Aplicada à Engenharia

Probabilidades e Estatística

Avaliação de Desempenho de Sistemas Discretos

CE-003: Estatística II - Turma K/O Avaliações Semanais (2 o semestre 2015)

UNIVERSIDADE FEDERAL DO PARANÁ NOTAS DE AULA PROFa. SONIA MÜLLER

Probabilidades e Estatística

binomial seria quase simétrica. Nestas condições será também melhor a aproximação pela distribuição normal.

Probabilidade II Aula 9

Aprendizagem de Máquina

Métodos Quantitativos para Ciência da Computação Experimental

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

Pedro Alberto Barbetta / Marcelo Menezes Reis / Antonio Cezar Bornia São Paulo: Atlas, 2004

Probabilidades e Estatística

Variáveis Aleatórias e Distribuições de Probabilidade

Distribuição de Bernoulli

Teorema do limite central e es/mação da proporção populacional p

Distribuições de Estatísticas Amostrais e Teorema Central do Limite

Cap. 4 - Estimação por Intervalo

MODELOS PROBABILÍSTICOS DISCRETOS (BINOMIAL e POISSON)

1 Distribuições Amostrais

ESTIMAÇÃO PARA A MÉDIA

Estatística Aplicada I DISTRIBUIÇÃO AMOSTRAL MÉDIA ERRO AMOSTRAL

Proposta de teste de avaliação

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

Virgílio A. F. Almeida DCC-UFMG 1/2005

Objetivo. Estimar a média µ de uma variável aleatória X, que representa uma característica de interesse de uma população, a partir de uma amostra.

CONHECIMENTOS ESPECÍFICOS

Critérios de Avaliação e Cotação

PROVA DE ESTATÍSTICA SELEÇÃO MESTRADO/UFMG 2005

Licenciatura em Economia REVISÃO DE ALGUNS CONCEITOS EM ESTATÍSTICA. Luís Filipe Martins.

Exercício de Revisao 1

O teste de McNemar. A tabela 2x2. Depois - Antes

Teste de Estatística 29 Outubro 2012 Correcção

Estimating Population from Samples

Prof. Fabrício Maciel Gomes Departamento de Engenharia Química Escola de Engenharia de Lorena EEL

Estacionariedade e correlação temporal em dados financeiros

Instruções gerais sobre a Prova:

ESTATÍSTICA NÃO-PARAMÉTRICA

A Inferência Estatística é um conjunto de técnicas que objetiva estudar a população através de evidências fornecidas por uma amostra.

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

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

Transcrição:

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 férias a Barceloa o mês de julho, sedo.3 a probabilidade de viajarem a primeira quizea desse mês. Caso viajem a primeira (resp. seguda quizea de julho, a probabilidade de visitarem o museu Picasso é.77 (resp..63. Para essa viagem a Barceloa: (a Determie a probabilidade de a Marta e o João visitarem o museu Picasso. (2.5 Quadro de acotecimetos e probabilidades Acotecimeto Probabilidade V Marta e João viajam a primeira quizea de julho} P(V.3 M Marta e João visitam o museu Picasso} P(M? Probabilidade pedida Ivocado a lei da probabilidade total, tem-se P(M P(M V P(V + P(M V P(V.77.3 +.63 (1.3.692 P(M V.77 P(M V.63 (b Se a Marta e o João visitarem o museu Picasso, calcule a probabilidade de que viajem a Barceloa (2.5 a primeira quizea de julho. Tirado partido do teorema de Bayes, segue-se P(V M P(M V P(V P(M.77.3 (a.692.79716. 2. Um pequeo fabricate de aparelhos elétricos possui uma carteira de 2 clietes etre os quais 5 possuem iformações úteis para melhorar o processo de fabrico dos aparelhos. (a Selecioados ao acaso clietes dessa carteira, qual é a probabilidade de pelo meos um deles (2. possuir iformações úteis? Variável aleatória de iteresse X úmero de clietes com iformações úteis, uma amostra de clietes selecioados ao acaso e SEM reposição da carteira com 2 clietes, dos quais 5 possuem iformações úteis Distribuição de X X Hipergeométrica(N, M, com: N 2 (total de clietes da carteira; M 5 (total de clietes da carteira com iformações úteis; (clietes selecioados ao acaso e SEM reposição. Págia 1 de 5

F.p. de X P(X x f or m. ( M x ( N M x, x max, (N M},...,mi, M} ( N, caso cotrário ( x( 5 2 5 x, x,1,2,3, ( 2, caso cotrário P(X 1 1 P(X ( 5 2 5 ( 1 1 1 ( 2 ( 15 ( 2 15!!11! 2!!16! 1 15!16! 11! 2! 15 1 13 12 11! 16! 1 11! 2 19 18 17 16! 15 1 13 12 1 2 19 18 17 1 91 323 232 323.718266. (b Obteha o valor esperado e a variâcia do úmero de clietes que possuem iformações úteis etre (1. os clietes selecioados ao acaso. Valor esperado de X f or m M E(X N 5 2 1 Variâcia de X f or m M N M N V (X N N N 1 5 2 2 5 2 2 2 1 12 19. (c Qual é a probabilidade de, etre os clietes selecioados ao acaso, somete o terceiro cliete (2. possuir iformações úteis? Cosidere-se que I i represeta o eveto i ésimo cliete selecioado possui iformações úteis, para i 1,2,3,. Etão, ao ivocar a lei da probabilidade composta e defiição de probabilidade de Laplace, temos P(Ī 1 Ī 2 I 3 Ī P(Ī 1 P(Ī 2 Ī 1 P(I 3 Ī 1 Ī 2 P(Ī Ī 1 Ī 2 I 3 15 2 1 19 5 18 13 17 Págia 2 de 5

P(Ī 1 Ī 2 I 3 Ī 55 3876.117389. Grupo II 1 valores 1. Cosidere que a variável aleatória X represeta a cocetração de determiado gás uma mistura e possui fução de distribuição, x < F X (x 1 (1 x 3, x 1 1, x > 1, valor esperado E(X 1 e variâcia V (X 3 8. (a Calcule P(X.8 X >.5. (1.5 V.a. de iteresse, f.d., valor esperado e variâcia X cocetração de determiado gás uma mistura, x < F X (x 1 (1 x 3, x 1 1, x > 1, E(X 1 V (X 3 8 P(X.8 X >.5 P(X.8 X >.5 P(X >.5 P(.5 < X.8 1 P(X.5 F X (.8 F X (.5 1 F X (.5 [1 (1.83 ] [1 (1.5 3 ] 1 [1 (1.5 3 ].53.2 3.5 3.936. (b Determie a mediaa e a fução de desidade de probabilidade de X. (2. Mediaa de X me me(x (,1 : F X (me 1 2 F.d.p. de X 1 (1 me 3 1 2 (1 me 3.5 me 1.5 1/3 me.26299. f X (x df X (x dx d[1 (1 x 3 ] dx 3(1 x 2, x 1 Págia 3 de 5

(c Sejam X 1,..., X 1 variáveis aleatórias idepedetes e ideticamete distribuídas a X. Calcule um (2.5 valor aproximado para a probabilidade de X 1 1 1 i1 X i ser superior a.27. V.a. X i cocetração de determiado gás a mistura i, 1 Distribuição, valor esperado e variâcia comus i.i.d. X i X, i 1,..., E(X i E(X µ 1, i 1,..., V (X i V (X 2 3 8, i 1,..., i 1,..., V.a. de iteresse X 1 i1 X i cocetração média de determiado gás em misturas Valor esperado e variâcia de X E( X E ( 1 i1 X i 1 V ( X V ( 1 i1 X i Xi idep. i1 E(X i X i X 1 E(X E(X µ 1 2 i1 V (X i X i X 1 V (X V (X 2 2 Distribuição aproximada de X Pelo teorema do limite cetral (TLC pode escrever-se X E( X V ( X X µ a Normal(,1. Valor aproximado da probabilidade pedida P( X >.27 1 P( X.27 ( X µ 1 P.27 µ T LC.27 1 1 Φ 3 8 1 1 Φ(1.3 tabel a/calc 1.885.1515. 2. Seja (X,Y um par aleatório cotíuo, ode X e Y represetam os tempos até falha (em 1 hora de cada uma de duas compoetes eletróicas, com a fução de desidade de probabilidade cojuta dada por f X,Y (x, y, caso cotrário. (a Calcule P(X.5. (2. Par aleatório (X,Y X tempo até falha da compoete 1 Y tempo até falha da compoete 2 F.d.p. cojuta de (X,Y f X,Y (x, y Págia de 5

F.d.p. margial de X f X (x + P(X.5 f X,Y (x, yd y 2x d y 2x, < x < 1.5 x 2.5.25. f X (xdx (b Deduza a fução de desidade de probabilidade margial de Y e averigúe se as variáveis aleatórias (2. X e Y são idepedetes. F.d.p. margial de Y f Y (y + 1y 2 f X,Y (x, ydx dx 1 y 2, < y < 2 Averiguação de idepedêcia X e Y são v.a. INDEPENDENTES sse f X,Y (x, y f X (x f Y (y, (x, y R 2. Por um lado, temos f X,Y (x, y Por outro lado, Logo f X (x f Y (y ( y 2x 1 2, < x < 1 e < y < 2 f X,Y (x, y f X (x f Y (y, para < x < 1 e < y < 2, e, como tal, X e Y são v.a. DEPENDENTES. [Em alterativa, poderíamos referir que, por um lado, temos f X,Y (.1,.5. Por outro lado, Logo f X (.1 f Y (.5 (2.1.15. f X,Y (.1,.5 f X (.1 f Y (.5, e, como tal, X e Y são v.a. DEPENDENTES.] ( 1.5 2 Págia 5 de 5