Carregar apresentação
A apresentação está carregando. Por favor, espere
1
Fundamentos de Análise de Sinais
Fundamentos de Probabilidade
2
Exemplos de Aplicações
Análise de probabilidades em eventos de natureza não determinística. Análise de falhas e confiabilidade em estruturas. Análise de reações químicas, de transferência de calor por radiação em superfícies rugosas. Caracterização de erros dimensionais em peças fabricadas em série. Tratamento de imagens. Algoritmos de otimização pseudoaleatórios (Simulated Annealing, AG, PSO, etc)
3
Definições para uma variável aleatória
Conjunto: valores possíveis de serem assumidos por uma variável aleatória (Conj. de números reais, de números naturais, etc) Espaço amostral: conjunto dos valores observados com uma variável aleatória. Probabilidade: é definida como a chance de um determinado valor ser observado em uma variável aleatória. Probabilidade nula: O evento não ocorrerá nunca. Probabilidade 100%: O evento ocorrerá com certeza.
4
Função distribuição probabilidade
5
Função distribuição probabilidade
Para qualquer evento x(k)
6
Função distribuição probabilidade
Jogo de cara ou coroa X(Caras)=a X(Coroas)=b
7
Função distribuição probabilidade
Esperança
8
Função distribuição probabilidade
Função densidade probabilidade uniforme
9
Função distribuição probabilidade
Função probabilidade uniforme Média Variância
10
Função distribuição probabilidade
Mudança de variáveis
11
Função distribuição probabilidade
Seno Variável aleatória com distribuição uniforme
12
Função distribuição probabilidade
Seno
13
Momentos Estatísticos
14
Momentos Estatísticos
15
Desigualdade de Chebyshev
16
Desigualdade de Chebyshev
Função probabilidade desconhecida Função probabilidade normal 95% dos valores possíveis de uma variável aleatória com FDP normal estão dentro do intervalo de +/-2s
17
Duas Variáveis Aleatórias
Função probabilidade
18
Duas Variáveis Aleatórias
Função densidade probabilidade Variáveis estatisticamente independente
19
Duas Variáveis Aleatórias
Esperança e Coeficiente de Correlação
20
Duas Variáveis Aleatórias
Esperança e Coeficiente de Correlação Não significa que as variáveis são independentes Variáveis estatisticamente independente
21
Duas Variáveis Aleatórias
Momentos estatísticos e funções características
22
Duas Variáveis Aleatórias
Momentos estatísticos e funções características
23
Duas Variáveis Aleatórias
Momentos estatísticos e funções características
24
Distribuição Normal (Gaussiana)
A variável aleatória x(k) possui uma distribuição normal se:
25
Distribuição Normal (Gaussiana)
26
Princípios estatísticos
- Em análise de sistemas físicos em geral se tem variáveis aleatórias observadas através de amostras finitas. Propriedades estatísticas Estimadores Erros
27
Princípios estatísticos
Propriedades estatísticas Estimadores Estimador com erro de tendência
28
Princípios estatísticos
Índices de qualidade dos estimadores Sem erro de tendência O estimador 1 é dito melhor que o estimador 2 Consistente
29
Princípios estatísticos
Avaliação do estimador da média
30
Princípios estatísticos
Avaliação do estimador da variância
31
Princípios estatísticos
Avaliação do estimador da variância
32
Funções Densidade Probabilidade
Distribuição Normal
33
Funções Densidade Probabilidade
Distribuição Normal Unimodal Monotônica Pontos de inflexão
34
Funções Densidade Probabilidade
Distribuição Qui-quadrado N=número de variáveis=número de graus de liberdade
35
Funções Densidade Probabilidade
Distribuição Qui-quadrado Caso geral da função distribuição GAMA A raiz quadrada da distribuição qui-quadrada com n=2 (Distribuição de Rayleigh): Distribuição bidimensional Valores limites da distribuição de um ruído de banda estreita quando a largura de banda tende a zero A raiz quadrada da distribuição qui-quadrada com n=3 (Distribuição de Maxwell): Distribuição tridimensional Se aproxima da distribuição normal quando o número de graus de liberdade aproxima do infinito.
36
Funções Densidade Probabilidade
Distribuição T-Student N=número de variáveis=número de graus de liberdade
37
Funções Densidade Probabilidade
Distribuição F N=número de variáveis=número de graus de liberdade
38
Distribuição de amostragens e exemplos
Seja x1, x2, x3,…,xN N amostras observadas da variável aleatória x com probabilidade p(x): A média estimada é uma variável aleatória A variância estimada é uma variável aleatória Outros estimadores também serão variáveis aleatórias
39
Distribuição de amostragens
Distribuição da média com a variância conhecida Se N é grande p(x) se aproxima da distribuição normal Teorema do limite central
40
Intervalos de Confiança
Antes da amostragem Após a amostragem
41
Intervalos de Confiança
Com variância conhecida Com variância desconhecida
42
Intervalos de Confiança
Apresentações semelhantes
© 2024 SlidePlayer.com.br Inc.
All rights reserved.