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

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

Probabilidades e Estatística TODOS OS CURSOS

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 LEAN, LEGI, LEGM, LMAC, MEAer, MEAmbi, MEC

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

Probabilidades e Estatística TODOS OS CURSOS

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

Probabilidades e Estatística TODOS OS CURSOS

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

Probabilidades e Estatística TODOS OS CURSOS

Probabilidades e Estatística TODOS OS CURSOS

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

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

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

Probabilidades e Estatística TODOS OS CURSOS

Probabilidades e Estatística TODOS OS CURSOS

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

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

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

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

Probabilidades e Estatística TODOS OS CURSOS

Probabilidades e Estatística

Probabilidades e Estatística

Probabilidades e Estatística TODOS OS CURSOS

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

Probabilidades e Estatística

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

Probabilidades e Estatística

Probabilidades e Estatística

Probabilidades e Estatística

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

Probabilidades e Estatística

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

Probabilidades e Estatística

Lista 9 - Introdução à Probabilidade e Estatística

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

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

Lista de Exercícios #4 Assunto: Variáveis Aleatórias Contínuas

Probabilidades e Estatística 2005/06

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

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

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

Probabilidades e Estatística

PROVA 1 27/10/ Os dados apresentados na seqüência mostram os resultados de colesterol

Complementos de Probabilidades e Estatística

Avaliação de Desempenho de Sistemas Discretos

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

ESCOLA BÁSICA DE ALFORNELOS

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

d) A partir do item c) encontre um estimador não viciado para σ 2.

Faculdade de Economia Universidade Nova de Lisboa ESTATÍSTICA. Exame Final 2ª Época 26 de Junho de Grupo I (3 valores)

MAE Introdução à Probabilidade e Estatística II Resolução Lista 1

DURAÇÃO 1:30. (o teste consta de 3 páginas com questões, um formulário e uma tabela - 5 folhas no total)

Revisando... Distribuição Amostral da Média

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

MAE Introdução à Probabilidade e Estatística II Resolução Lista 2

Distribuição de Bernoulli

) 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

MODELOS PROBABILÍSTICOS DISCRETOS (BINOMIAL e POISSON)

Instruções gerais sobre a Prova:

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

Estimadores de Momentos

Estatística II Licenciatura em Gestão TESTE I

Cap. 4 - Estimação por Intervalo

Critérios de Avaliação e Cotação

(i) (1,5 val.) Represente na forma de um intervalo ou de uma união disjunta de intervalos cada um dos conjuntos seguintes:

21037 : e-fólio A- proposta de resolução

CONHECIMENTOS ESPECÍFICOS

n ) uma amostra aleatória da variável aleatória X.

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

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

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

ESTIMAÇÃO PARA A MÉDIA

AMOSTRAGEM ALEATÓRIA DISTRIBUIÇÕES POR AMOSTRAGEM

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

Caderno de Exercício 2

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

Resolução do 1 o Teste

Lista de Exercícios 5

ESTATÍSTICA E PROBABILIDADES

n C) O EMV é igual a i 1

Probabilidades e Estatística

Proposta de teste de avaliação

Exame Final Nacional de Matemática Aplicada às Ciências Sociais a Fase

DISTRIBUIÇÕES DE PROBABILIDADE

Critérios de correção e orientações de resposta p-fólio

Métodos Quantitativos para Ciência da Computação Experimental

Secção 1. Introdução às equações diferenciais

UNIVERSIDADE FEDERAL DO PARANÁ NOTAS DE AULA PROFa. SONIA MÜLLER

Probabilidades e Estatística MEEC, LEIC-A, LEGM

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

Métodos Numéricos e Estatísticos Parte II-Métodos Estatísticos Estimação pontual e intervalar

Lista 9 - Introdução à Probabilidade e Estatística

λ λ n n Distribuição de Poisson Exemplo. Considere a transmissão de n bits em um canal de comunicação digital. X : número de bits em erro

Virgílio A. F. Almeida DCC-UFMG 2005

Complementos de Probabilidades e Estatística

Prova Escrita de MATEMÁTICA A - 12o Ano a Fase

Transcrição:

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 de diagóstico coduz a resultado positivo com probabilidade 0.9 caso a compoete eletróica testada seja defeituosa. Este mesmo teste coduz a resultado positivo com probabilidade igual a 0.05 se a compoete eletróica testada for ão defeitosa. Admita que se testa uma compoete eletróica selecioada ao acaso de um lote com uma percetagem de compoetes eletróicas defeituosas igual a 3%. (a) Calcule a probabilidade de o resultado do teste de diagóstico ser positivo. (2.5) Quadro de acotecimetos e probabilidades Acotecimeto Probabilidade T {teste de diagóstico resulta positivo} P(T )? D {peça defeituosa} P(D) 0.03 Probabilidade pedida Recorredo à lei da probabilidade total, tem-se P(T ) P(T D) P(D) + P(T D ) P(D ) 0.9 0.03 + 0.05 ( 0.03) 0.0755 P(T D) 0.9 P(T D ) 0.05 (b) Obteha a probabilidade de a compoete eletróica testada ser defeituosa sabedo que o teste (2.5) resultou positivo. Probabilidade pedida Tirado partido do teorema de Bayes, segue-se P(D T ) P(T D) P(D) P(T ) 0.9 0.03 (a) 0.0755 0.35766. 2. Em certo ato eleitoral, a chegada de eleitores a uma mesa de voto rege-se de acordo com um processo de Poisso com taxa de 2 eleitores por miuto. (a) Determie a probabilidade de chegarem à mesa de voto mais de 4 eleitores em dois miutos. (.5) X t o. de eleitores que chegam à mesa de voto em t miutos (t > 0) Distribuição de X t Dado que lidamos com um processo de Poisso com taxa igual a 2 eleitores por miuto, temos X t Poisso(2 t). F.p. de X 2 P(X 2 x) e 4 4 x x!, x 0,,2,... Págia de 6

Prob. pedida P(X 2 > 4) P(X 2 4) F Poi sso(4) (4) tabel a/calc. 0.6288 0.372. (b) Calcule a mediaa do úmero de eleitores que se dirigem àquela mesa de voto em dois miutos. (.5) Mediaa de X 2 Represete-se a mediaa de X 2 por me(x 2 ). Etão me(x 2 ) : 2 F X 2 [me(x 2 )] 2 + P[X 2 me(x 2 )] () 2 F X 2 [me(x 2 )] 2 + [F X 2 [me(x 2 )] F X2 [me(x 2 ) ] F X2 [me(x 2 ) ] 2 F X 2 [me(x 2 )]. (2) Tirado partido da defiição de mediaa em () e do facto de 2 F X 2 (4) (a) 0.6288 2 +P(X 2 4) 2 +[F X 2 (4) F X2 (3)] +(0.6288 0.4335) 0.6953, 2 coclui-se que 4 é uma mediaa de X 2 [; a prova da sua uicidade é deixada como exercício]. [Em alterativa, ote-se que F X2 (3) F X2 (4 ) 0.4335 2 F X2 (4) (a) 0.6288. Dode o resultado (2) leve a cocluir que 4 é uma mediaa de X 2 ; a prova da sua uicidade é deixada como exercício.] (c) Obteha a probabilidade de o tempo etre duas chegadas cosecutivas de eleitores à mesa de voto (2.0) ser iferior a 2 miutos. Variável aleatória de iteresse T itervalo (em miutos) etre duas chegadas cosecutivas de eleitores Distribuição de T Uma vez que lidamos com um processo de Poisso com taxa igual a 2 eleitores por miuto, temos T Expoecial(λ), com λ 2. F.d.p. de{ T 0, t < 0 f T (t) 2 e 2t, t 0 Probabilidade pedida P(T < 2) P(T 2) 2 0 2 e 2t dt [Alterativamete, e 2t 2 0 e 4 0.987. P(T < 2) P(T 2) P(T > 2) P(X 2 0) e 4 4 0 0! e 4 0.987.] Págia 2 de 6

Grupo II 0 valores. Numa dada empresa, o tempo de fabrico de peças de determiado tipo é uma variável aleatória com distribuição expoecial com valor esperado igual a 5 miutos. (a) Supodo que o fabrico de uma dessas peças ão está termiado ao fim de 3 miutos, qual é a (2.0) probabilidade de serem aida ecessários pelo meos 4 miutos adicioais até à sua coclusão? X tempo de fabrico de peça de determiado tipo Distribuição de X X Expoecial(λ) Parâmetro λ > 0 : E(X ) 5 λ 5 λ 0.2 Prob. pedida Tedo em cota que a f.d. de X é dada por F X (x) P(X x) x { pode cocluir-se que f X (t)dt P(X > 3 + 4 X > 3) 0, x < 0 e 0.2x, x 0, P(X > 3 + 4) P(X > 3) F X (3 + 4) F X (3) [ e 0.2 (3+4)] ( e 0.2 3) e 0.2 4 0.449329. [Em alterativa, pode ivocar-se a propriedade de falta de memória da distribuição Expoecial e cocluir que P(X > 3 + 4 X > 3) P(X > 4) F X (4) ( e 0.2 4) 0.449329.] (b) Assumido que os tempos de fabrico das diferetes peças são variáveis aleatórias idepedetes, (3.0) calcule um valor aproximado da probabilidade de o tempo médio de fabrico de 36 peças ser superior a 6 miutos. V.a. X i tempo de fabrico da peça i, 36 i,..., Distribuição, valor esperado e variâcia comus X i i.i.d. X Expoecial(λ), i,..., λ 0.2 Págia 3 de 6

E(X i ) E(X ) µ λ, i,..., V (X i ) V (X ) σ 2, i,..., λ 2 X i X i tempo médio de fabrico de peças Valor esperado e variâcia de X E( X ) E ( i X ) i V ( X ) V ( i X i ) Xi idep. i E(X i ) X i X E(X ) E(X ) µ () 2 i V (X i ) X i X Distribuição aproximada de X Pelo teorema do limite cetral (TLC) pode escrever-se V (X ) V (X ) () 2 σ2 X E( X ) V ( X ) X µ σ a Normal(0,). Valor aproximado da probabilidade pedida P( X > 6) P( X 6) ( ) X µ P σ 6 µ σ T LC Φ 6 Φ λ λ 2 ( ) 6 5 5 6 Φ(.2) tabel a/calc 0.8849 0.5 2. A classificação, atededo à distâcia a que a paraquedista A (respetivamete B) fica de certo alvo, é descrita pela variável aleatória X (respetivamete Y ). É sabido que X e Y possuem fução de probabilidade cojuta Y X 2 3 0.40 0.5 0.05 2 0.5 0.05 0.05 3 0.05 0.05 0.05 (a) Obteha a probabilidade de as classificações das duas paraquedistas coicidirem. (.5) Par aleatório (X, Y ) X classificação da paraquedista A Y classificação da paraquedista B F.p. cojuta Dada pela tabela do euciado. Prob. pedida P(X Y ) P(X,Y ) + P(X 2,Y 2) + P(X 2,Y 2) 0.40 + 0.05 + 0.05 0.5. Págia 4 de 6

(b) Serão X e Y variáveis aleatórias idepedetes? (.0) Averiguação de idepedêcia X e Y são v.a. INDEPENDENTES sse P(X x,y y) P(X x) P(Y y), (x, y) R 2. Por um lado, temos P(X,Y ) 0.40. Por outro lado, Logo P(X ) P(Y ) [P(X,Y ) + P(X,Y 2) + P(X,Y 3)] [P(X,Y ) + P(X 2,Y ) + P(X,Y 3)] (0.40 + 0.5 + 0.05) (0.40 + 0.5 + 0.05) 0.6 0.6 0.36. P(X,Y ) P(X ) P(Y ), e, como tal, X e Y são v.a. DEPENDENTES. (c) Admita que um prémio o valor de 2 000 Euros (respectivamete 000 e 0 Euros) é atribuído caso (2.5) a paraquedista A obteha classificação (respetivamete 2 e 3 ). Determie o valor esperado e a variâcia do prémio atribuído à paraquedista A. 2000, x P g (X ), ode g (x) 000, x 2 0, x 3 F.p. margial de X P(X x) 3 y P(X x,y y) ecotra-se sumariada a tabela seguite: Y X 2 3 P(X x) 0.40 0.5 0.05 0.60 2 0.5 0.05 0.05 0.25 3 0.05 0.05 0.05 0.5 Valor esperado de P 3 E(P) g (x) P(X x) x 2000 0.60 + 000 0.25 + 0 0.5 450 2o. mometo de P 3 E(P 2 ) [g (x)] 2 P(X x) x 2000 2 0.60 + 000 2 0.25 + 0 2 0.5 2650000 Págia 5 de 6

Variâcia de P V (P) E(P 2 ) E 2 (P) 2650000 450 2 547 500. Págia 6 de 6