VARIÁVEL ALEATÓRIA UNIVERSIDADE FEDERAL DE PERNABUCO - UFPE

Slides:



Advertisements
Apresentações semelhantes
3.
Advertisements

Variáveis Aleatórias Uma variável aleatória associa um número real a cada resultado de um experimento aleatório. Mais precisamente…
NOÇÕES DE PROBABILIDADE
Estatística Aula 14 Prof. Marllus Gustavo Ferreira Passos das Neves
Reconhecimento de Padrões Revisão de Probabilidade e Estatística
Capítulo 4 Distribuições de Probabilidade
CB (Conceitos Básicos)
Estatística Aplicada (Aula 2)
Estatística Aplicada (Aula 4)
Portfólio de Matemática
Principais Modelos Contínuos
Site: Estatística Prof. Edson Nemer Site:
CAPÍTULO I- TEORIA DAS PROBABILIDADE
DISTRIBUIÇÃO BINOMIAL
Variáveis aleatórias Uma variável aleatória, X, é uma função que associa um valor numérico aos possíveis resultados de um experimento probabilístico.
ZEROS REAIS DE FUNÇÕES REAIS
Estatística: Aplicação ao Sensoriamento Remoto SER ANO 2014 Inferência Estatística Camilo Daleles Rennó
Estatística: Aplicação ao Sensoriamento Remoto SER ANO 2014 Intervalo de Confiança Camilo Daleles Rennó
Variáveis Aleatórias Discretas
Variáveis Aleatórias Discretas
VALORES ESPERADOS.
Distribuições de Probabilidades
Exemplo 2: Lançamento de 4 moedas Considerando a quantidade de
Independência Estatística
DISTRIBUIÇÕES DE PROBABILIDADES DE VARIÁVEIS ALEATÓRIAS DISCRETAS
DISTRIBUIÇÕES AMOSTRAIS
Variáveis Aleatórias Discretas-II-1; Função de Distribuição de X
Colégio Jardim São Paulo Prof. Mauricio Boni
Erros e variáveis aleatórias
ESTATÍSTICA.
NOÇÕES DE PROBABILIDADE
Variáveis Aleatórias O cálculo de probabilidades é mais expedito quando a cada acontecimento corresponde um número. Uma variável aleatória, X(.) é uma.
PROBABILIDADE Exercícios
Variável Aleatória Discreta Unidimensional
Introdução à Probabilidade.
LES0407 ESTATÍSTICA APLICADA II Prof. Dr. Vitor Ozaki.
NOÇÕES DE PROBABILIDADE
CONCEITOS BÁSICOS e REVISÃO 2º GRAU
Probabilidade e Estatística Exemplo da Moeda Balanceada
CONDICIONAL, INDEPENDÊNCIA E TEORMA DE BAYES
Cada site custaTotal de vendas por mêsGanho Mensal R$2.000,001 venda/cliente por mêsR$2.000,00 5 venda/cliente por mêsR$10.000,00 R$2.000,0010 venda/cliente.
Estatística Aula 13 Prof. Marllus Gustavo Ferreira Passos das Neves
Estatística Geral (Probabilidade Exercícios)
Estatística: Aplicação ao Sensoriamento Remoto SER ANO 2015 Intervalo de Confiança Camilo Daleles Rennó
Matemática e suas Tecnologias - Matemática PROBABILIDADE CONDICIONAL
Distribuições de Probabilidades. Qual o objectivo da Estatística? Estudar conjuntos de indivíduos (não necessariamente pessoas) com características comuns.
Estatística Geral (Elementos de Probabilidade)
GRÁFICOS Professor: WALDEMAR SANTA CRUZ OLIVEIRA JR UNIVERSIDADE FEDERAL DE PERNABUCO - UFPE Disciplina: ELEMENTOS DE ESTATÍSTICA ET-301 Curso: SECRETARIADO.
Parte III - Separatrizes
Parte II - Moda e Mediana
Professor: WALDEMAR SANTA CRUZ OLIVEIRA JR CONCEITOS BÁSICOS UNIVERSIDADE FEDERAL DE PERNABUCO - UFPE Disciplina: ELEMENTOS DE ESTATÍSTICA ET-301 Curso:
PROBABILIDADE UNIVERSIDADE FEDERAL DE PERNABUCO - UFPE
3. Distribuições de probabilidade
Modelos Teóricos Discretos de Probabilidade
GRÁFICOS Professor: WALDEMAR SANTA CRUZ OLIVEIRA JR UNIVERSIDADE FEDERAL DE PERNABUCO - UFPE Disciplina: ESTATÍSTICA APLICADA AO TURISMO E HOTELARIA ET-652.
MEDIDAS DE VARIABILIDADE, ASSIMETRIA E CURTOSE
Probabilidade Professor SANDRO.
Estatística: Aplicação ao Sensoriamento Remoto SER ANO 2015 Inferência Estatística Camilo Daleles Rennó
Variáveis Aleatórias e Principais Modelos Discretos VICTOR HUGO LACHOS DAVILA AULA 6-8:
Professor: WALDEMAR SANTA CRUZ OLIVEIRA JR CONCEITOS BÁSICOS UNIVERSIDADE FEDERAL DE PERNABUCO - UFPE Curso: TURISMO Disciplina: ESTATÍSTICA BÁSICA ET-229.
MEDIDAS DE POSIÇÃO Parte I - MÉDIAS
TABELAS UNIVERSIDADE FEDERAL DE PERNABUCO - UFPE
DISTRIBUIÇÃO BINOMIAL
2. VARIÁVEIS ALEATÓRIAS 2015.
Medidas Resumo: Medidas de Posição Medida de Dispersão
Média e valor médio No estudo da estatística descritiva, para além das tabelas de frequências e gráficos, estudam-se outros métodos para resumir a informação.
GRÁFICOS Professor: WALDEMAR SANTA CRUZ OLIVEIRA JR UNIVERSIDADE FEDERAL DE PERNABUCO - UFPE Disciplina: ESTATÍSTICA BÁSICA ET-229 Curso: TURISMO.
Aula 4 Bioestatística Probabilidade para variáveis aleatórias.
Estatística - Eventos complementares
Transcrição da apresentação:

VARIÁVEL ALEATÓRIA UNIVERSIDADE FEDERAL DE PERNABUCO - UFPE Disciplina: ELEMENTOS DE ESTATÍSTICA ET-301 Curso: SECRETARIADO Professor: WALDEMAR SANTA CRUZ OLIVEIRA JR VARIÁVEL ALEATÓRIA

Def. Dado um espaço amostral Ω, definimos como Variável Aleatória VA qualquer função X que associe a cada elemento em Ω um número real. Ou seja, Uma VA X leva cada ω em apenas um número real X(Ω) = x.

Exemplo: Considere uma urna com três bolas vermelhas e duas brancas Exemplo: Considere uma urna com três bolas vermelhas e duas brancas. Sorteamos duas bolas sem reposição. Então, o número de bolas brancas sorteadas é uma VA. Ω = { } X(BB) = X(VB) = X(BV) = X(VV) =

Exemplo: Uma aeronave com capacidade para trinta passageiros tem um custo operacional de R$ 1.500,00 para voar de Recife a Maceió. A empresa XXX LTDA proprietária desta aeronave opera esta rota. Sabe-se que se o preço da passagem de Recife a Maceió for R$ 120,00, a probabilidade de vender apenas dez passagens é de 5%, de vender vinte passagens é de 25% e de vender todas as passagens é de 70%. Então, o lucro é uma variável aleatória que assume os valores:

Def. Uma VA que assume valores em apenas um conjunto enumerável da reta é dita ser discreta. Exemplo: Seja X o número de caras no lançamento de n moedas. Exemplo: Seja X um número real selecionado no intervalo [0,1]. Aqui X não é discreta. Def. Seja X uma VA discreta que assume os valores x1; x2 ; ... ; então, definimos a função de probabilidade p(xi) ou apenas pi como a probabilidade de X ser igual a xi. Ou seja, pi = p(xi) = P(X = xi) Exemplo: Encontre a função de probabilidade dos exemplos anteriores.

Como uma VA associa todos os elementos de Ω a um número real, no caso discreto, temos duas propriedades da função de probabilidade, Obs. É comum chamar a função de probabilidade de distribuição de probabilidade de X: Exemplo Uma moeda é lançada três vezes. Seja X a VA definida como o número de caras que aparece nos lançamentos. Determine a distribuição de probabilidade de X.

Esperança e Variância Seja X uma VA discreta que assume os valores x1, x2, ..., definimos a Esperança de X; ou o valor Esperado de X; ou a Esperança Matemática de X, ou a média de X; ou o valor médio de X, como. E a Variância de X como E o Desvio Padrão de X como a raiz quadrada da variância

Exemplo: Calcule a esperança, a variância e o desvio padrão nos exemplos anteriores Def. Dadas uma VA X e uma função h(X) desta VA definimos a esperança de h(X) como E de maneira similar definimos a variância de h(X) como Exemplo: Seja X a VA definida como o número de caras em um lançamento de duas moedas honestas. Calcule a esperança e a variância da VA Y=3X+5

Propriedades da Esperança e da Variância Exemplo: Calcule a variância no exemplo anterior usando esta fórmula

Função de Distribuição Acumulada F(x): Dada uma VA X definimos a Função de Distribuição Acumulada F(x) como a probabilidade da VA X ser menor ou igual a x: Ou seja, Obs. Também é comum chamar F(x) apenas de função de distribuição. Não confundir distribuição de probabilidade de X com função de distribuição de X. Exemplo: Nos exemplos anteriores construa os gráficos da distribuição de probabilidade e da função de distribuição da VA X.

Exemplo: Seja X a VA o valor da face voltada para cima no lançamento de um dado honesto. Construa o gráfico da distribuição acumulada F(x), determine F(0); F(0,33); F(2); F(2,58); F(7) e calcule a esperança e a variância de X Exemplo: Seja X a VA o valor da soma das faces voltadas para cima no lançamento de dois dados honestos. Construa o gráfico da distribuição acumulada F(x), determine F(0); F(1); F(2); F(2,58); F(7); F(8,595) ; F(12,1) e calcule a esperança e a variância de X

Exemplo: O lucro L de determinada empresa é uma VA com a seguinte distribuição de probabilidade: Construa o gráfico da distribuição acumulada do lucro. Determine a probabilidade: do lucro ser menor que R$ 100,00; menor que R$ 250,00; menor ou igual a R$ 250,00; menor que R$ 400,00. Calcule o lucro médio e a variância do lucro. Lucro Probabilidade R$ 100,00 10% R$ 150,00 40% R$ 200,00 30% R$ 250,00 15% R$ 300,00 5%