Não foi possível enviar o arquivo. Será algum problema com as permissões?

Essa é uma revisão anterior do documento!


Tabela de conteúdos

CE-003 Turma A - Segundo semestre de 2010

CE-003 Turma A - Segundo semestre de 2010

No quadro abaixo será anotado o conteúdo dado em cada aula do curso.
É indicado material para leitura correspondente ao conteúdo da aula nas referências bibliográficas básicas do curso:

B & M M & L A & O Online
Data Local Conteúdo Leitura Exercícios Leitura Exercícios Leitura Exercícios Tópico
09/08 PD-02 Informações sobre o curso. Introdução e organização à disciplina. Estatística: onde, quando, por que e para que?. Os três temas do curso: estatística descritiva, probabilidades e inferência, ideias básicas e exemplos Cap 1 Cap 1 Cap 1
11/08 Não haverá aula presencial. Leitura e estudos: ver atividades abaixo Cap 1 Cap 1 Cap 1 Chapter 1, Sections A, B, C e D
16/08 PD-02 Probabilidades: motivação, problemas e desafios. Experimentos aleatórios. Espaço amostral (equiprovável?, finito?, enumerável?). Eventos aleatórios. Definições de probabilidade: axiomática, clássica, freqüentista, subjetiva. Cap 5 Sec 5.1 Cap 5, 1 a 5 Cap 2, Sec 2.1 Cap 2, Sec 2.1: 1 a 5 Cap 3, Sec 3.1 Cap 3: 1 a 3 Capter 5, Section A e B
18/08 Não haverá aula presencial. Leitura e estudos: ver atividades abaixo
23/08 PD-02 Probabilidades, definições, propriedades. Eventos mutuamente exclusivos. Probabilidade condicional e independência Cap 5: Sec 5.1 a 5.3 Cap 5: 7 a 22 Cap 2: Sec 2.1 e 2.2 Cap 2: Sec 2.2, 1 a 7 Cap 3: Sec 3.1 a 3.7 Cap 3: 1, 4 a 19Capter 5, Section C, D, E
25/08 PD-02 Probabilidades: teorema da probabilidade total, teorema de Bayes, Exercícios Cap 5 Cap 5: 23 a 25 Cap 2 Cap 2, Sec 2.3: 21 e 22 Cap 3 Chapter 5, Section I, J, K
30/08 PD-02 Probabilidades: discussões de problemas e exemplo. Variáveis aleatórias discretas e contínuas: introdução, motivação, definições, notação, propriedades. Função de probabilidade (discretas) e função de densidade de probabilidades (contínuas) Cap 6, Sec 6.1 e 6.2; Cap 7, Sec 7.1 Cap 6: 1 a 6; Cap 7: 1 a 4 Cap 3, Sec 3.1; Cap 6, Sec 6.1 Cap 3, Sec 3.1: 1 a 7; Cap 6, Sec 6.1: 1 a 5 Cap 4, Sec 4.1; Cap 5, Cap 5 Cap 4: 1 e 2
01/09 PD-02 Variáveis aleatórias discretas e contínuas: esperança, variância. Distribuições acumuladas. Exemplos e exercícios Cap 6, Sec 6.3 a 6.5; Cap 7, Sec 7.2 e 7.3 Cap 6: 7 a 17; Cap 7: 5 a 10 Cap 3, Sec 3.1; Cap 6, Sec 6.1 Cap 3, Sec 3.1: 1 a 7; Cap 6, Sec 6.1: 1 a 5 Cap 4, Sec 4.1; Cap 5, Cap 5 Cap 4: 1 e 2
13/09 PD-02 Distribuições de variáveis aleatórias discretas: uniforme, Bernoulli, binomial, geométrica, binomial negativa (Pascal), hipergeométrica e Poisson Cap 6, Sec 6.6 Cap 6: 20 a 24, 26, 27, 29-34, 37, 39, 42, 56 Cap 3, Sec 3.2 e 3.3Cap 3, Sec 3.2: 1 a 7; Sec 3.3: 1 a 6 Cap 4, Sec 4.4 e 4.5 Cap 4: Ver exercícios resolvidos, exercícios Sec 4.6
15/09 PD-02 Distribuições discretas: exercícios. Distribuições de variáveis aleatórias contínuas: uniforme, exponencial Cap 7, Sec 7.4.1, 7.4.3 Cap 7: 13, 21, 31, 40, 41 Cap 6, Sec 6.2 (uniforme e exponencial) Cap 6, Sec 6.2: 1 a 6, Sec 6.3: 16 a 24
20/09 PD-02 Dúvidas, exercícios e revisão para prova I
22/09 PD-02 Prova I
27/09 PD-02 Distribuição Normal (Gaussiana) Cap 7, Sec 7.4.2 Ca7 7: 14 a 20 Cap 6, Definição 6.6 Cap 6, Sec 6.2: 7 a 9 Cap 5: Sec 5.2 Cap 5: Sec 5.2.4: 1 a 10 Chapter IV
29/09 PD-02 Distribuição Normal (Gaussiana). Exercícios. Cap 7, Sec 7.4.2 e 7.5 Cap 7: 21 a 24, 33 a 38 Cap 6, Definição 6.6 Cap 6, Sec 6.3: 25 a 33 Cap 5: Sec 5.2 Cap 5: Sec 5.2.4: 11, 12, 14, 15, 18, 19, 22, 25, 26, 30 a 32 Chapter IV
04/10 PD-02 Distribuição Normal (Gaussiana). Exercícios, aplicações. Aproximação normal à distribuição binomial Cap 7, Sec 7.4.2 e 7.5 ver anterior Cap 6, Definição 6.6 ver anterior Cap 5: Sec 5.2 ver anterior Chapter IV
06/10 PD-02 Distribuição de funções de v.a. contínuas. Outras distribuições: Gamma, t, Graph e F. Quantis Cap 7, Sec 7.6, 7.7 e 7.8 Cap 7: 25, 26 (ver abaixo) Ver em B&M ver em B&M ver em B&M ver em B&M
11/10 Feriado
13/10 PD-02 Estatística descritiva: motivação, uso, objetivos, organização de dados, análises univariadas: tipos de variáveis (qualitativas nominais e ordinais, quantitativas discretas e contínuas). Gráficos, tabelas e medidas adequados a cada tipo de variável. Cap 1, Cap 2, Sec 2.1, 2.2, 2.3 Cap 2: 1, 2, 6, 7, 9 Cap 1 Cap 1, Sec 1.3: 1 a 3, Sec 1.4: 1 a 6 Material com R na página do LEG
18/10 PD-02 Estatística descritiva (cont): distribuições de frequências, ramo e folhas, medidas descritivas, box-plot (Ver abaixo comandos do R para produzir gráficos mostrados em sala) Cap 2: 2.4. Cap 3 Cap 2:4, 5, 11, 19, Cap 3: 1 a 6 Cap 1, Cap 4 Cap 1: 7 a 22 Material online: Graphing distributions
20/10 PC-19 Estatística descritiva (cont): medidas de posição e dispersão Cap 3 Cap 3: 8 a 10, 16, 19 a 25, 29, 33, 35 Cap 4 Cap 4: 4.2: 1 a 6, 4.3: 1 a 6, 4.4: 1 a 9, 11 a 13 Material online: summarizing distributions

Atividades do Curso

11/08

  1. Problemas para discussão:
    1. Desejamos saber a probabilidade de um casal ter duas filhas (meninas) em três situações distintas:
      • apenas sabendo que eles tem duas crianças
      • depois que o pai comenta que tem uma filha (sem dar mais detalhes, sem indicar se é a mais velha ou mais nova etc)
      • voce encontra os amigos e eles estão com uma das crianças com eles que é uma menina
    2. Quantas pessoas devem haver em um grupo para que a chance de haver ao menos uma coincidência de aniversários supere 50% ?
    3. Dois jogadores (A e B) vão jogar um jogo que consiste no lançamento de dois dados. Ambos começam com R$ 10,00. Se a soma dos dados for um número ímpar, A para R$ 1,00 para B. Se a soma for par, B para R$ 1,00 para A.
      • quais os possíveis valores em dinheiro que os jogadores podem ter após 2 rodadas? A chance é a mesma para todos esses possíveis valores?
      • quais os possíveis valores em dinheiro que os jogadores podem ter após 3 rodadas? A chance é a mesma para todos esses possíveis valores?
      • o jogo é honesto?
  2. Assista os vídeos a seguir, reflita, discuta com os colegas e em sala.
    • Hans Rosling no TED Talks - como os dados podem nos ajudar a compreender e destruir mitos sobre a realidade
    • Peter Donelly no TED Talks - como estatística e probabilidade podem ser usadas e … abusadas
    • note que voce pode habilitar legendas em inglês, português ou outras línguas, se desejar
    • procure anotar as principais mensagens de cada apresentação
    • se voce tivesse que destacar a descrever 2 (dois) pontos principais em cada apresentação, quais seriam?


16/08/2010

  • Leituras adicionais
  • Exercício adicional
    • No vídeo de Peter Donnelly indicado acima, ele pede à audiência para imaginar o seguinte experimento aleatório jogando-se várias vezes uma moeda:
      • (A) conta-se o número de jogadas até se obter a sequência cara-coroa-coroa (head-tail-tail - HTT),
      • (B) conta-se o número de jogadas até se obter a sequência cara-coroa-head (head-tail-head - HTH).

Imagina-se que os experimentos (A) e (B) são repetidos muitas vezes e em cada uma anota-se o número de jogadas. Ao final calcula-se o número médio do número de jogadas anotadas em cada caso (n_{A}) e (n_{B}). A questão levantada pelo apresentador é o que se espera:

  • n_{A} = n_{B} ou n_{A} > n_{B} ou n_{A} < n_{B} ?

Tente encontrar a resposta e/ou entender o argumento do apresentador. Adicionalmente, escreva um programa computacional que simule este experimento e encontre a solução através desta simulação.


16/08/2010

  • Ver(rever) atividades acima
  • Lista de exercícios (em breve aqui)


23/08/2010

  • Refazer o problema dos jogadores (A e B) no jogo de dados com as seguintes regras:
    1. se a soma for 7, A ganha e B para R$ 1,00 para A
    2. se a soma for 6, B ganha e A para R$ 1,00 para B
    3. para qualquer outro resultado não há ganhador
  • Discuta com exemplos a diferença dos conceitos de eventos mutuamente exclusivos e eventos independentes
  • Fazer um programa na linguagem computacional de sua preferência para avaliar por simulação o número médio de tentativas para obter HTT e HTH no problema apresentado por Peter Donnelly mencionado acima.


25/08/2010

  • Voltar à discussão do teste de HIV apresentada no vídeo de Peter Donnelly. Representar o problema em notação correta seguindo o exemplo dado em sala de aula.
  • No lançamento de três dados equilibrados, 9 e 10 pontos podem ser obtidos de seis maneiras diferentes:

Soma 9: 1 2 6, 1 3 5, 1 4 4, 2 2 5, 2 3 4, 3 3 3, e
Soma 10: 1 3 6, 1 4 5, 2 2 6, 2 3 5, 2 4 4, 3 3 4, respectivamente.
Como pode este fato ser compatível com a experiência que leva jogadores de dados a considerarem que a soma 9 ocorre menos vezes que a soma 10?


06/09/2010

EXERCÍCIOS ADICIONAIS: outras distribuições contínuas

  1. Considere uma v.a. com distribuição Graph Obtenha (aproximando se necessário):
    1. Graph
    2. Graph
    3. Graph
    4. Graph
    5. o valor de tal que Graph
    6. o valor de tal que Graph
    7. o valor de tal que Graph
    8. o valor de tal que Graph
  2. Para a distribuição Graph encontre os seguintes valores:
    1. Graph
    2. Graph
    3. Graph
    4. Graph
    5. Graph
    6. Graph
  3. Para a distribuição Graph encontre os seguintes valores (quantis):
    1. Graph
    2. Graph
    3. Graph
    4. Graph


18/10/2010

dados <- c(3.67, 1.28, 3.96, 2.93, 7.77, 2.78, 
           1.82, 8.14, 6.54, 2.82, 4.65, 5.54, 
           3.73, 2.43, 5.84, 8.45, 1.88, 0.90,
           4.10, 4.17, 7.35, 5.28, 2.12, 5.09, 
           4.30, 5.36, 3.63, 5.41, 4.26, 4.07)
summary(dados)
 
## Histogramas mostrados na aula:
## histograma com frequencias absolutas e intervalos de classe de 1 unidade
h1 <- hist(dados, breaks=seq(0, 9, by=1), main="")
# histograma com frequencias absolutas e intervalos de classe de 1,5 unidades
# e a ultima com duas unidades
h2 <- hist(dados, breaks=c(0.5, 2, 3.5, 5.0, 6.5, 8.5), main="")
plot(h1)
plot(h2)

## vendo as classes e frequencias em cada caso
h1[1:2]
h2[1:2]
 
 
## e vendo de outra forma
table(cut(dados, breaks=seq(0, 9, by=1)))
table(cut(dados, breaks=c(0.5, 2, 3.5, 5.0, 6.5, 8.5)))
 
## agora outros gráficos: 
## histograma de probabilidades, histograma suavizado ("density plot") e marcação de dados ("rug") 
hist(dados, main="", prob=TRUE)
rug(dados)
lines(density(dados))
## note que o density() nao depende da definicao de classes!
 
## ou simplesmente
plot(density(dados))
rug(dados)
 
## ramos e folhas
stem(dados)
 
## boxplot:
boxplot(dados)


Códigos R

  • Instalar o programa R mencionado na página do curso e experimente com os comandos abaixo:
    1. O problema dos aniversários
      "aniv" <- function(n, p){
        if(missing(n) && missing(p))
          error("um dos argumentos, n ou p deve ser fornecido")
        if(!missing(n) && !missing(p))
          error("apenas um dos argumentos, n ou p deve ser fornecido")
        Prob <- function(n) 1 - exp(sum(log(365:(365-n+1))) - n*log(365))
        VecProb <- Vectorize(Prob, "n")
        if(missing(n))
          res <- sapply(p, function(y) which((VecProb(1:366) - y) > 0)[1])
        if(missing(p))
          res <- VecProb(n)
        return(res)
      }
       
      aniv(n=23)
      aniv(n=c(10, 20, 35, 50, 57))
      aniv(n=366)
      plot(1:366, aniv(n=1:366), type="l", xlab="n", ylab="P[Coincidencia]")
       
      aniv(p=0.5)
      aniv(p=c(0.2, 0.4, 0.5, 0.7, 0.9, 0.99))
       
      plot(1:100, aniv(n=1:100), type="l", xlab="n", ylab="P[Coincidencia]")
      arrows(c(1,aniv(p=0.5)),c(0.5, 0.5),c(aniv(p=0.5),aniv(p=0.5)),c(0.5,0), length=0.1)
      text(1, 0.5, 0.5, pos=2, off=0.1, cex=0.7)
      text(aniv(p=0.5),0 ,aniv(p=0.5), pos=1, off=0.2, cex=0.7)
    2. O problema das sequências de caras e coroas
      "nTenta" <- function(N, padrao="HTT", media = TRUE){
        padrao <- strsplit(padrao, NULL)[[1]]
        nc <- length(padrao)
        nTenta <- numeric(N)
        for(i in 1:N){
          res <- sample(c("H","T"), nc, rep=T)
          n <- nc
          while(any(res != padrao)){
            res <- c(res[2:nc],  sample(c("H","T"), 1, rep=T))
            n <- n+1
          }
          nTenta[i] <- n
        }
        if(media) return(mean(nTenta))
        else return(nTenta)
      }
       
      nTenta(10000, "HTT")
      nTenta(10000, "HTH")
    3. O problema da carta premiada (Monty Hall)
      "jogo" <- function(){
        cartas <- LETTERS[1:3]
        premio <- sample(cartas, 1)
        escolha <- sample(cartas, 1)
        sobra <- cartas[which(cartas != escolha)]
        mostra <- sample(sobra[which(sobra != premio)], 1)
        NTroca <- escolha
        Res.NT <- ifelse(NTroca == premio, "Ganhou", "Perdeu")
        Troca <- sobra[sobra != mostra]
        Res.T <- ifelse(Troca == premio, "Ganhou", "Perdeu")
        return(c(premio, escolha, mostra, NTroca, Res.NT, Troca, Res.T))
      }
       
      set.seed(231)
      sim <- as.data.frame(t(replicate(10000, jogo())))
      names(sim) <- c("premio", "escolha", "mostra", "NTroca", "Res.NT", "Troca", "Res.T")
      #sim
       
      prop.table(table(sim$Res.NT))
      prop.table(table(sim$Res.T))




\begin{enumerate}
\item (Dantas, 2008) Defina o espaço amostral para cada um dos seguintes experimentos aleatórios:
 \begin{enumerate}
 \item lançam-se dois dados e anota-se a configuração obtida
 \item conta-se o número de peças defeituosas, no intervalo de uma hora, em uma linha de produção
 \item investiga-se famílias com quatro crianças a anota-se a configuração obtida segundo o sexo
 \item em uma entrevista telefônica com dez assinantes, pergunta-se se o proprietário tem um não máquina de secar roupa
 \item de um fichário de seis nomes, sendo três homens e três mulheres, seleciona-se ficha após ficha até que o último
nome de mulher seja selecionado 
% \item 
 \end{enumerate}
 
\item (Dantas, 2008) Suponha que o espaço amostral de um experimento aleatório seja o intervalo $[0,1]$ dos reais.
Considere os eventos: $A=\[x : 1/4 \leq x \leq 5/8 \]$ e $B=\[x : 1/2 \leq x \leq 7/8 \]$. Determine os eventos:
(a) $A^c$ ; (b) $A \cap B^c$ ; (c) (A \cup B)^c ; (d) $A^c \cap B$


QR Code
QR Code disciplinas:ce003a-2010-02:historico (generated for current page)