Estatística: Aplicação ao Sensoriamento Remoto ANO 2010

Slides:



Advertisements
Apresentações semelhantes
Estatística: Aplicação ao Sensoriamento Remoto ANO 2010
Advertisements

Estatística Dados valores (amostras) de variáveis aleatórias X1, X2, ..., Xn, cuja distribuição conjunta é desconhecida, inferir propriedades desta distribuição.
Probabilidade e Esperança Condicional
Variáveis Aleatórias Uma variável aleatória associa um número real a cada resultado de um experimento aleatório. Mais precisamente…
Intervalos de Confiança
ESTIMAÇÃO.
NOÇÕES DE PROBABILIDADE
Estatística 8 - Distribuições Amostrais
Estatística 8 - Distribuições de Probabilidade de Variáveis Aleatórias Contínuas Prof. Antonio Fernando Branco Costa Página.
Reconhecimento de Padrões Revisão de Probabilidade e Estatística
MB-711 Fundamentos de Tratamento de Incertezas
MB-711 Fundamentos de Tratamento de Incertezas 3º Encontro de 4 Previstos (+ Avaliação) MPEP – Mestrado Profissional em Produção Prof. Armando Z. Milioni.
Capítulo 5 A Distribuição Normal de Probabilidade
Estatística: Aplicação ao Sensoriamento Remoto ANO 2010
Variáveis Aleatórias Uma variável aleatória associa um número real a cada resultado de um experimento aleatório. Mais precisamente…
Variáveis Aleatórias Contínuas
Noções de Simulação O cálculo de probabilidades e valores esperados nem sempre pode ser feito analiticamente. Frequentemente, recorre-se a modelos de simulação.
TE – PROBABILIDADE E PROCESSOS ESTOCÁSTICOS
AULA11 Distribuição normal Josemar Rodrigues.
Profa. Maria Ivanilde S. Araújo
Probabilidade.
Aproximação da binomial pela normal
Estatística: Aplicação ao Sensoriamento Remoto ANO 2010 Camilo Daleles Rennó
Estatística: Aplicação ao Sensoriamento Remoto ANO 2010
Estatística: Aplicação ao Sensoriamento Remoto SER ANO 2014 Distribuições Discretas Camilo Daleles Rennó
Estatística: Aplicação ao Sensoriamento Remoto SER ANO 2014 Técnicas de Reamostragem Camilo Daleles Rennó
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
Fundamentos de Análise de Sinais
DISTRIBUIÇÃO AMOSTRAL DA PROPORÇÃO DA AMOSTRA OU
DISTRIBUIÇÃO AMOSTRAL DA MÉDIA DA AMOSTRA OU DISTRIBUIÇÃO AMOSTRAL DE
Amostragem: Média e desvio-padrão amostral Prof. Helcio Rocha
VALORES ESPERADOS.
Exponential Random Graph Models
Distribuição de Probabilidades
Apêndice.
DISTRIBUIÇÕES AMOSTRAIS
Modelos de distribuição de erros
ESTATÍSTICA.
Amostragem Pontos mais importantes:
ANÁLISE ESTATÍSTICA II
Distribuições de Probabilidade 1 ESTATÍSTICA PARA ENGENHARIA CAPÍTULO 5 DISTRIBUIÇÕES DE PROBABILIDADE.
Site: Estatística Prof. Edson Nemer Site:
Inferência Estatística
Probabilidade e Estatística Exemplo da Moeda Balanceada
Comparação de Sistemas Usando Amostragem de Dados por: Tiago A. E. Ferreira.
Estatística: Aplicação ao Sensoriamento Remoto SER ANO 2015 Intervalo de Confiança Camilo Daleles Rennó
A probabilidade de X tomar um dado valor é zero. Calcula-se a probabilidade de X estar dentro de um intervalo. Função de densidade 1. f(x) ≥ 0 +  2. 
EME709 – PLANEJAMENTO DO EXPERIMENTO Profa. Sachiko A. Lira.
Estatística: Aplicação ao Sensoriamento Remoto SER ANO 2015 Técnicas de Reamostragem Camilo Daleles Rennó
DISTRIBUIÇÃO NORMAL.
REDE DOCTUM DE ENSINO SUPERIOR – UNIDADE LARANJEIRAS (ES) CURSO DE REDES APOSTILA DE ESTATÍSTICA PROF. REGINALDO N. ROCHA ALUNO:
Distribuição da Amostra
Estatística: Aplicação ao Sensoriamento Remoto SER ANO 2015 Inferência Estatística Camilo Daleles Rennó
Aproximação da binomial pela normal
Estatística: Aplicação ao Sensoriamento Remoto SER ANO 2015 Distribuições Contínuas Camilo Daleles Rennó
Estatística: Aplicação ao Sensoriamento Remoto SER ANO 2015 Teorema do Limite Central Camilo Daleles Rennó
Modelos de distribuições discretas de probabilidade
Modelos de distribuições discretas de probabilidade
Camilo Daleles Rennó Estatística: Aplicação ao Sensoriamento Remoto SER ANO 2016 Simulação.
Estimação e Intervalo de Confiança. Estimação Frequentemente necessitamos, por meio das amostras, conhecer informações gerais da população. A estimação.
Camilo Daleles Rennó Estatística: Aplicação ao Sensoriamento Remoto SER ANO 2016 Técnicas.
Distribuição Amostral 3 Miguel Angel Uribe Opazo.
Camilo Daleles Rennó Estatística: Aplicação ao Sensoriamento Remoto SER ANO 2016 Conceitos.
Estatística: Aplicação ao Sensoriamento Remoto SER ANO 2016 Distribuições de Probabilidade (Extra) Camilo Daleles Rennó
Estatística: Aplicação ao Sensoriamento Remoto SER ANO 2016 Intervalo de Confiança Camilo Daleles Rennó
Estatística: Aplicação ao Sensoriamento Remoto SER ANO 2016 Distribuições de Probabilidade Camilo Daleles Rennó
Estatística: Aplicação ao Sensoriamento Remoto SER ANO 2016 Inferência Estatística Camilo Daleles Rennó
Estatística: Aplicação ao Sensoriamento Remoto SER ANO 2016 Teste de Hipótese Camilo Daleles Rennó
Transcrição da apresentação:

Estatística: Aplicação ao Sensoriamento Remoto ANO 2010 Camilo Daleles Rennó camilo@dpi.inpe.br http://www.dpi.inpe.br/~camilo/estatistica/

Funções Densidade de Probabilidade (Contínua) Uniforme Normal (ou Gaussiana) Lognormal Weibull Rayleigh Exponencial Gama t de student 2 F Inferência Estatística

Variável Aleatória Contínua (Revisão) Para v.a. contínuas: Função Densidade de Probabilidade (fdp) x f(x) a b

Distribuição Uniforme (Contínua) f(x) X ? X = [a, b]  P(a  X  b) = 1 h a b f(x) = ? 1 (área do retângulo)

Distribuição Uniforme (Contínua) f(x) X X = [a, b] a b

Distribuição Uniforme (Contínua) f(x) X X = [a, b] a b

Distribuição Uniforme (Contínua) f(x) X X = [a, b] a b

Distribuição Uniforme (Contínua) f(x) X a b X = [a, b]

Distribuição Normal ou Gaussiana - +   Exemplo:

Distribuição Normal Padrão Propriedade: se e então  integrais podem ser tabeladas!

Distribuição Normal Padrão - + z z

Distribuição Normal Padrão (Exemplos) - + -2,17 2,17 - + = 0,4850 0,4850

Distribuição Normal Padrão (Exemplos) - + 2 -1 - + 2 - + 1 0,4772 0,3413 = +

Distribuição Normal Padrão (Exemplos) - + 1,5 - + - + 1,5 0,5 0,4332 _ =

Distribuição Normal (Exemplos) - + 10 11 8 X 0,5328 Z - + 0,5 -1 Z 0,5328

Distribuição da Soma de Variáveis Aleatórias 3 v.a. independentes com distribuições normal Qual a distribuição de Y ?

Distribuição da Soma de Variáveis Aleatórias n v.a. independentes com distribuições desconhecidas Qual a distribuição de Y ? se n for grande: Teorema do Limite Central (ver 05distribuicaocontinua_TLC.xlsx)

Aproximação da Binomial à Normal Se Y tem uma distribuição binomial com parâmetros n e p: onde cada Xi tem distribuição Bernoulli (0 ou 1) e P(Xi = 1) = p Então, se n for grande, pelo TLC:

Aproximação da Binomial à Normal Considere o experimento: retiram-se 100 bolas da urna (com reposição). Define-se uma v.a. X cujos valores representam o número total de bolas vermelhas dentre as 100 escolhidas. Calcule: P(30  X  51) Aproximando-se à Normal...

Aproximação da Binomial à Normal Considere o experimento: retiram-se 100 bolas da urna (com reposição). Define-se uma v.a. X cujos valores representam o número total de bolas vermelhas dentre as 100 escolhidas. Calcule: P(30  X  51) 30 (correção de continuidade) 0,9745 (valor exato para Binomial  0,9752)