Probabilidade e Estatística Prof Leoni aedbest.wordpress.com

Slides:



Advertisements
Apresentações semelhantes
DISTRIBUIÇÕES AMOSTRAIS
Advertisements

Curva Normal de Probabilidade
Probabilidade e Esperança Condicional
Algoritmos para Geração de Variáveis Aleatórias
Variável Aleatória Contínua
Estatística 5 - Variáveis Aleatórias Unidimensionais
Estatística 8 - Distribuições de Probabilidade de Variáveis Aleatórias Contínuas Prof. Antonio Fernando Branco Costa Página.
Estatística Básica Utilizando o Excel
Capítulo 5 A Distribuição Normal de Probabilidade
Capítulo 6 Estimativas e Tamanho de Amostras
Estatística: Aplicação ao Sensoriamento Remoto ANO 2010
Resposta forçada II Objetivos:
Variáveis Aleatórias Contínuas
Estatística Aplicada (Aula 3)
Distribuição de probabilidade
Distribuição de probabilidade
Principais Modelos Contínuos
AULA11 Distribuição normal Josemar Rodrigues.
Estatística e Probabilidade
Fundamentos de Análise de Sinais
DISTRIBUIÇÃO AMOSTRAL DA PROPORÇÃO DA AMOSTRA OU
VALORES ESPERADOS.
FUNÇÃO CARACTERÍSTICA
Função de uma Variável Aleatória
Distribuição de Probabilidades
Variável Aleatória Contínua.
Exemplo 2: Lançamento de 4 moedas Considerando a quantidade de
Apêndice.
Distribuições de probabilidades referentes a variáveis contínuas e suas aplicações As variáveis contínuas podem assumir qualquer valor dentro de um intervalo.
DISTRIBUIÇÕES AMOSTRAIS
Estatística Para um dado conjunto de dados, podemos calcular as seguintes grandezas: 1) Medidas de posição 2) Medidas de dispersão 3) Parâmetros de simetria.
Carlos Oberdan Rolim Ciência da Computação
Integral definida Profª Ana Cristina Corrêa Munaretto
Erros e variáveis aleatórias
Aprendizado de Máquina Prof.: Dino R. C. Franklin Aluno.: Thiago Fialho Q. L.
Amostragem Pontos mais importantes:
Utilizando o R. Técnicas para Predição de Dados2 17/8/2008 Amostragem aleatória  sample (1:40,5) Jogando moedas com reposição  sample (c(“H”,”T”),10,replace=T)
Distribuição Normal Prof. Herondino.
VARIÁVEL ALEATÓRIA UNIVERSIDADE FEDERAL DE PERNABUCO - UFPE
Site: Estatística Prof. Edson Nemer Site:
Probabilidade e Estatística Exemplo da Moeda Balanceada
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.
Aula 14: Distribuição normal Prof. Diovani Milhorim
3. Distribuições de probabilidade
DISTRIBUIÇÃO NORMAL.
REDE DOCTUM DE ENSINO SUPERIOR – UNIDADE LARANJEIRAS (ES) CURSO DE REDES APOSTILA DE ESTATÍSTICA PROF. REGINALDO N. ROCHA ALUNO:
Professor Antonio Carlos Coelho
PLANEJAMENTO DO EXPERIMENTO
Regressão e Previsão Numérica.
Aproximação da binomial pela normal
Estatística: Aplicação ao Sensoriamento Remoto SER ANO 2015 Distribuições Contínuas Camilo Daleles Rennó
Distribuição normal A figura abaixo mostra o gráfico de duas distribuições normais. A azul com média zero e desvio 0,2 e a em vermelho com média 2 e desvio.
Laboratório de Física Corpuscular - aula expositiva IF - UFRJ1 Algumas Distribuições de Probabilidade e Estatística de Contagem Prof. Marcelo.
Modelos Teóricos Contínuos de Probabilidade
Cálculo Diferencial e Integral I
Introdução a planejamento e otimização de experimentos
Metodologia da Pesquisa em Ensino de Ciências I
Estatística Básica Jorge Festa 2. Estatística Básica Jorge Festa 2.
2. VARIÁVEIS ALEATÓRIAS 2015.
Distribuição Normal de Probabilidade
Medidas Resumo: Medidas de Posição Medida de Dispersão
Probabilidade Modelos de Distribuições Contínuas:
Métodos Estatísticos Aplicados às Ciências Biológicas - 7ª aula -
INTERVALOS DE CONFIANÇA
DISTRIBUIÇÃO NORMAL Estudámos distribuições de probabilidade para variáveis aleatórias discretas. No final do capítulo falaremos da distribuição binomial.
Estimação e Intervalo de Confiança. Estimação Frequentemente necessitamos, por meio das amostras, conhecer informações gerais da população. A estimação.
INTERVALO DE CONFIANÇA PARA A MEDIA POPULACIONAL (σ 2 desconhecido ) Sabemos que se o tamanho da amostra for superior a 30 a distribuição amostral das.
INFERÊNCIA ESTATÍSTICA
Transcrição da apresentação:

Probabilidade e Estatística Prof Leoni aedbest.wordpress.com VAC Probabilidade e Estatística Prof Leoni aedbest.wordpress.com

Variáveis Aleatórias Contínuas - Função de densidade de probabilidade; - Função de distribuição acumulada; - Esperança e variância; - Distribuição uniforme contínua. Usar: MINITAB PROCONF R

Função de densidade de probabilidade

Função de densidade de probabilidade O comportamento probabilístico de uma variável aleatória contínua é descrito pela sua função de densidade de probabilidade. Uma FDP é uma função f(x) que satisfaz as seguintes propriedades: 1. f(x) ≥ 0 2. A área total sob o gráfico de f(x) tem de ser igual a 1.

Função de distribuição acumulada FX(x) = Pr (X ≤ x)

Esperança e variância de V.A. contínuas

Help do Software R apresenta alguns modelos para VAC. Digite: > ?Distributions For the beta distribution see dbeta. For the Cauchy distribution see dcauchy. For the chi-squared distribution see dchisq. For the exponential distribution see dexp. For the F distribution see df. For the gamma distribution see dgamma. For the log-normal distribution see dlnorm. For the normal distribution see dnorm. For the Student's t distribution see dt. For the uniform distribution see dunif. For the Weibull distribution see dweibull.

Distribuição uniforme Densidade da distribuição uniforme no intervalo [a, b].

Função de distribuição acumulada FX (x) = Pr (X ≤ x)

Esperança e variância E (X) = (a + b)/2 O cálculo da variância requer cálculo integral, e pode-se mostrar que Var (X) =(b − a)2/12

2. Determine a equação que define fX. 3. Calcule Pr(2 ≤ X ≤ 3). Considere a função fX apresentada Encontre o valor de k para que fX seja uma função de densidade de probabilidade de uma v.a. X. 2. Determine a equação que define fX. 3. Calcule Pr(2 ≤ X ≤ 3). 4. Encontre E(X). 5. Encontre a função de distribuição acumulada de X.

Como a área tem que ser 1, temos de ter 1 = (5 − 1) × k ⇒ k =1/4 fx

3. A probabilidade pedida é a área sombreada Pr(2 ≤ X ≤ 3) = (3 − 2) ×1/4=1/4 4. Por argumentos de simetria, a esperança é o ponto médio, ou seja, E(X) = 3.

5. Para x < 1, temos que FX(x) = 0 Para 1 ≤ x ≤ 5, FX(x) é a área de um retângulo de base (x − 1) e altura ¼ FX(x) =(x – 1)/4

A quantidade de líquido (x) utilizada em latas de coca-cola tem distribuição uniforme no intervalo 345 ml a 355 ml, ou seja, X ∼ U[345, 355]. São rejeitadas pelo processo de controle de qualidade as latas que possuam menos de 346 ml ou mais de 354 ml. (a) calcule Pr(X > 353); (b) calcule Pr(X < 346); (c) qual é a proporção de latas rejeitadas ?

Seja X = “conteúdo da lata de coca-cola”. Então, X ∼ U[345, 355] Pede-se Pr(X > 353) = 1 − Pr(X ≤ 353) = 1 − FX(353) = 1 – (353 – 345)/(355 – 345) = 0, 2 (b) Pede-se Pr(X < 346) = Pr(X ≤ 346) = FX(346) = (346 – 345)/(355 – 345)= 0, 1 (c) Pede-se Pr(350 − 4 < X < 350 + 4) = Pr(346 < X < 354) = Pr(X ≤ 354) − Pr(X ≤ 346) = (354 – 345)/(355 – 345) – (346 – 345)/(355 – 345) = 0, 8 Logo, a proporção de latas rejeitadas é 1−0, 8 = 0, 2, ou seja, 20% das latas são rejeitadas pelo processo de controle de qualidade. É uma proporção bastante alta.