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

Diferenças

Aqui você vê as diferenças entre duas revisões dessa página.

Link para esta página de comparações

Ambos lados da revisão anterior Revisão anterior
Próxima revisão
Revisão anterior
disciplinas:ce003amb-2012-01:historico [2012/04/25 10:26]
paulojus
disciplinas:ce003amb-2012-01:historico [2012/10/10 18:26] (atual)
paulojus
Linha 35: Linha 35:
 | 28/03 |Probabilidades:​ discussão do vídeo de Peter Donnelly \\ probabilidades marginais, conjuntas e condicionais. Probabilidade total e Teorema de Bayes. \\ Exemplos exercícios |Cap 5 |Cap 5: 15 a 25 |Cap 2 |Sec 2.2: 4 a 7, Sec 2.3: 8 a  15 |[[http://​onlinestatbook.com/​2/​probability/​probability.html|Material Online]]: \\ Probability ​ (Itens H, I, J, K) | | 28/03 |Probabilidades:​ discussão do vídeo de Peter Donnelly \\ probabilidades marginais, conjuntas e condicionais. Probabilidade total e Teorema de Bayes. \\ Exemplos exercícios |Cap 5 |Cap 5: 15 a 25 |Cap 2 |Sec 2.2: 4 a 7, Sec 2.3: 8 a  15 |[[http://​onlinestatbook.com/​2/​probability/​probability.html|Material Online]]: \\ Probability ​ (Itens H, I, J, K) |
 | 02/04 |4a avaliação semanal. Probabilidades:​ problemas e paradoxos. Ilustração computacional e simulação |Cap 5 |Cap 5: 26 a 41 |Cap 2 |Sec 2.3: 16 a 29 |{{:​disciplinas:​ce003:​prob.r|Arquivo de comandos}} usado na aula | | 02/04 |4a avaliação semanal. Probabilidades:​ problemas e paradoxos. Ilustração computacional e simulação |Cap 5 |Cap 5: 26 a 41 |Cap 2 |Sec 2.3: 16 a 29 |{{:​disciplinas:​ce003:​prob.r|Arquivo de comandos}} usado na aula |
-| 04/04 |Variáveis aleatórias:​ introdução. Variáveis aleatórias discretas. Distribuições Uniforme, Binomial, Geométrica e Binomial Negativa (Pascal) ​ |Cap 6  |Cap 6: 1 a 6, 20, 21  |Cap 3  |Sec 3.2: 1 a 7 |[[http://​onlinestatbook.com/​2/​probability/​binomial.html|Material online]]: ​\\ Distribuição ​Binomial \\ [[http://​onlinestatbook.com/​2/​probability/​binomial.html|http://​onlinestatbook.com/​2/​probability/​binomial_demonstration.html|Material online]]: ​\\  Distribuição ​Binomial (2) \\ [[http://​onlinestatbook.com/​2/​probability/​hypergeometric.html|Material online]]: ​\\ Distribuição ​hipergeométrica |+| 04/04 |Variáveis aleatórias:​ introdução. Variáveis aleatórias discretas. Distribuições Uniforme, Binomial, Geométrica e Binomial Negativa (Pascal) ​ |Cap 6  |Cap 6: 1 a 6, 20, 21  |Cap 3  |Sec 3.2: 1 a 7 |[[http://​onlinestatbook.com/​2/​probability/​binomial.html|Material online]]: Binomial \\ [[http://​onlinestatbook.com/​2/​probability/​binomial_demonstration.html|Material online]]: Binomial (2) \\ [[http://​onlinestatbook.com/​2/​probability/​hypergeometric.html|Material online]]: hipergeométrica |
 | 09/04 |5a avaliação semanal. Variáveis aleatórias discretas. função de probabilidades e função acumulada. Esperança e variância. Exemplos. ​ |Cap 6  |Cap 6: 7, 8, 11, 13, 17, 29 a 33   |Cap 3  |Sec 3.1: 1 a 6, Sec 3.3: 1 a 6 | | | 09/04 |5a avaliação semanal. Variáveis aleatórias discretas. função de probabilidades e função acumulada. Esperança e variância. Exemplos. ​ |Cap 6  |Cap 6: 7, 8, 11, 13, 17, 29 a 33   |Cap 3  |Sec 3.1: 1 a 6, Sec 3.3: 1 a 6 | |
 | 11/04 |v.a. discretas: distribuição de Poisson. Aplicações e exemplos. Processo de Poisson, suas características e aplicações. Introdução a v.a. contínuas. Definições,​ f.d.p., função acumulada, esperança e variância. Exemplo ​ |Cap 6 e Cap 7 |Cap 6: 22, 23, 24, 34 a 40 e 56, Cap 7: 1 a 4 |Cap 3, Cap 6  |Sec 3.4: 1 a 28, Sec 6.1: 1 a 6  |[[http://​onlinestatbook.com/​2/​probability/​poisson.html|Material online]]: \\ Distribuição de Poisson | | 11/04 |v.a. discretas: distribuição de Poisson. Aplicações e exemplos. Processo de Poisson, suas características e aplicações. Introdução a v.a. contínuas. Definições,​ f.d.p., função acumulada, esperança e variância. Exemplo ​ |Cap 6 e Cap 7 |Cap 6: 22, 23, 24, 34 a 40 e 56, Cap 7: 1 a 4 |Cap 3, Cap 6  |Sec 3.4: 1 a 28, Sec 6.1: 1 a 6  |[[http://​onlinestatbook.com/​2/​probability/​poisson.html|Material online]]: \\ Distribuição de Poisson |
 | 16/04 |6a avaliação semanal. V.A. contínuas (continuação):​ Exemplos e exercícios ​ |Cap 7 |Cap 7: 5 a 12, 13, 21 |Cap 6  |Sec 6.2: 1 a 6, Sec 6.3: 1 a 24 | | | 16/04 |6a avaliação semanal. V.A. contínuas (continuação):​ Exemplos e exercícios ​ |Cap 7 |Cap 7: 5 a 12, 13, 21 |Cap 6  |Sec 6.2: 1 a 6, Sec 6.3: 1 a 24 | |
 | 18/04 |--- | |  |  | | | | 18/04 |--- | |  |  | | |
-| 23/04 |V.A. contínuas: distribuições uniforme, exponencial e normal ​ |Cap 7 |Cap 7: 13 a 20 |Cap 6  |Sec 6.2: 7 a 9, sec 6.3: 25 a 33 |[[http://​onlinestatbook.com/​2/​normal_distribution/​normal_distribution.html: Materiasl ​online]]: \\ Distribuição Normal |+| 23/04 |V.A. contínuas: distribuições uniforme, exponencial e normal ​ |Cap 7 |Cap 7: 13 a 20 |Cap 6  |Sec 6.2: 7 a 9, sec 6.3: 25 a 33 |[[http://​onlinestatbook.com/​2/​normal_distribution/​normal_distribution.html|Material ​online]]: \\ Distribuição Normal |
 | 25/04 |2a prova | | | | | | | 25/04 |2a prova | | | | | |
-| 30/04 |não haverá aula | | | | | | +| 02/05 |V.A. contínuas: ​distribuição normal (exemplos). Transformação de Box-Cox. 
-| 02/05 |2a prova |V.A. contínuas: ​outras ​distribuições:​ Gama, Beta, Weibull, F, t, chi-quadrado. Exemplos computacionais e exercícios ​| | | | |+Outras ​distribuições:​ Gama, Beta, Weibull, F, t, chi-quadrado. Exemplos ​e ilustracoes ​computacionais ​computacionais | | | | | | 
 +| 07/05 |7a avaliação semanal | | | | | | 
 +| 09/05 |sem aula presencial | | | | | | 
 +| 14/05 |Noções de processos estocáticos:​ exemplos ​definição,​ tempos e estados (discretos e contínuos),​ modelo probabilístico. Processos de tempo e estados discretos: Cadeia de Markov. Cadeias Finitas, probabilidades de transição,​ estacionaridade. Matrizes de transição e matrizes estocásticas,​ transição em M passos, vetor inicial, probabilidades marginais e estados absorventes.  ​|ver sessão de complementos desta página ​|-- |-- |-- |**ver abaixo** | 
 +| 16/05 |Introdução a inferência. População e amostra - relações com distribuições de probabilidades. Estimação:​ estimadores e estimativas. Estimação por máxima verossimilhança. Exemplos. ​ |Cap 10. 10.1, 10.2, 10.3. Cap 11: 11.5. |Cap 11: 10, 11, 12, 13 |Ver B&M |Ver B&M | | 
 +| 17/09 |Informações sobre a retomada do semestre. sem aula com conteúdo | | | | | | 
 +| 19/09 |Revisão dos temas das Partes I e II do curso (est. descritivas e probabilidades). Revisar materiais, provas e testes semanais. Dúvidas/​perguntas no LEG | | | | | | 
 +| 24/09 |Teste semanal e continuação - fundamentos de inferência estatística - estimação,​ incerteza, intervalos de confiança e testes de hipótese |Ler capítulos 10, 11 e 12 | |Ler Cap. 7 e 8 | |**Ver abaixo** | 
 +| 26/09 |estimação e distribuições amostrais. Distribuição amostral e intervalo de confiança para média e proporção.\\ **Sugestão:​ revisar distribuição normal** |Cap 10 (até 10.9), Cap 11 (11.6 e 11.7) |Cap 10: 1, 3, 7 a 13; Cap 11: 14 a 18, 19, 20 |Cap 7 |Sec 7.3: 1, 4, 5, 6, 7, Sec 7.4: 1 a 5 |**Ver abaixo** \\Fazer tb o exercício sugerido em aula | 
 +| 01/10 |Avaliação semanal. Inferência estatística,​ distribuições amostrais e intervalos de confiança (cont. Propriedades dos estimadores,​ não-tendenciosidade e eficiência) |Cap 10 |Cap 10: 17, 18, 21 a 28 |Cap 7 |Sec 7.5: 9 a 29 | | 
 +| 03/10 |Inferência estatística,​ distribuições amostrais e intervalos de confiança (cont.) Intervalo de confiança para média com variância desconhecida - distribuição t e para variância, distribuição Chi2. Exemplos de outros intervalos de confiança |Cap 11 |Cap 11: 14 a 21 |Cap 7 |Sec 7.5: 9 a 29 | | 
 +| 08/10 |Avaliação semanal. Revisão dos fundamentos de inferência. Introdução a testes de hipóteses. Fundamentos,​ erros tipo I e II, cálculo da probabilidade dos erros I e II. Critérios para decisão sob hipóteses. |Cap 12. Sec. 12.1 e 12.2 |Cap 12: 1 a 5, 28  |Cap 8, Sec 8.1 e 8.2 |Sec 8.1: 1 a 5 | | 
 +| 10/10 |Testes de hipóteses. |Cap 12. |Cap 12: 6 a 13, 21 a 24  |Cap 8 |Sec 8.2: 1 a 6, Sec 8.3: 2 a 4, 6, Sec 8.6: 1 a 24 | | 
 +| 15/10 |2a prova | | | | | | 
  
  
Linha 97: Linha 111:
  
 === 26/03 === === 26/03 ===
-  * //​**Material perdisco:​**//​ [[http://​www.youtube.com/​watch?​v=rhOTjLOPWbU&​feature=related|Vídeo 4: ]] Introdução a probabilidades+  * //​**Material perdisco:​**//​ [[http://​www.youtube.com/​watch?​v=rhOTjLOPWbU&​feature=relmfu|Vídeo 4: ]] Introdução a probabilidades
  
  
 === 09/04 === === 09/04 ===
-  * //​**Material perdisco:​**//​ [[http://http://​www.youtube.com/​watch?​v=yng9pQQmJUE&​feature=relmfu|Vídeo 5: ]] Distribuição de  probabilidades (v.a. discretas: 0:00 a 5:50) +  * //​**Material perdisco:​**//​ [[http://​www.youtube.com/​watch?​v=yng9pQQmJUE&​feature=relmfu|Vídeo 5: ]] Distribuição de  probabilidades (v.a. discretas: 0:00 a 5:50) 
  
  
 === 16/04 === === 16/04 ===
-  * //​**Material perdisco:​**//​ [[http://http://​www.youtube.com/​watch?​v=yng9pQQmJUE&​feature=relmfu|Vídeo 5: ]] Distribuição de  probabilidades (v.a. contínuas: 5:50 até final)+  * //​**Material perdisco:​**//​ [[http://​www.youtube.com/​watch?​v=yng9pQQmJUE&​feature=relmfu|Vídeo 5: ]] Distribuição de  probabilidades (v.a. contínuas: 5:50 até final) 
 + 
 + 
 +=== 14/05 === 
 +  - Considere a matriz de transição do exemplo de preferência por produto da aula. Escreva um programa para simular realizações desta cadeia (mostre resultados em um gráfico).\\ <​latex>​ 
 +P = \left[\begin{array}{cc} 1/3 & 2/3 \\ 2/3 & 1/3 \end{array}\right] 
 +</​latex>​ 
 +  - Considere agora uma matriz de transição mais geral dada a seguir. Generalize seu programa do exemplo anterior e obtenha simulações para diferentes valores de ''​p''​. Escreva ainda uma rotina que receba os dados de uma cadeia e retorne uma estimativa de ''​p''​. Use esta rotina para obter valores estimados de ''​p''​ para suas diferentes simulações (com o mesmo ''​p''​ e variando ''​p''​) \\ <​latex>​ 
 +P = \left[\begin{array}{cc} p & 1-p \\ 1-p & p \end{array}\right] 
 +</​latex>​ 
 +  - Idem anterior com \\ <​latex>​ 
 +P=\left[\begin{array}{cc} p_1 & 1-p_1 \\ 1-p_2 & p_2 \end{array}\right] 
 +</​latex>​ 
 +  - Escreva agora uma rotina que calcule as probabilidades dos estados da cadeia em um passo (tempo) qualquer, a partir da matriz de transição e de um vetor <​m>​\nu</​m>​ de probabilidades iniciais. Experimente (por simulação) com diferentes valores de ''​P''​ e <​m>​\nu</​m>​ 
 +  - Idem anterior para um determinado inicial. 
 +  - Resuma as conclusões que podem ser obtidas analisando os resultados das simulações anteriores 
 + 
 +=== Parte 2 === 
 +  - Estude o comportamento da cadeia definida pela seguinte matriz de transição. \\ <​latex>​ 
 +P=\left[\begin{array}{cccccc}  
 +0,1 & 0,4 & 0,2 & 0,1 & 0,1 & 0,1 \\ 
 +0,2 & 0,3 & 0,2 & 0,1 & 0,1 & 0,1 \\ 
 +0,1 & 0,2 & 0,3 & 0,2 & 0,1 & 0,1 \\ 
 +0,1 & 0,1 & 0,2 & 0,3 & 0,2 & 0,1 \\ 
 +0,1 & 0,1 & 0,1 & 0,2 & 0,3 & 0,2 \\ 
 +0,1 & 0,1 & 0,1 & 0,1 & 0,4 & 0,2 \\ 
 + ​\end{array}\right] 
 +</​latex>​ 
 +  - Modificar a matriz P dada colocando na ultima linha: ''​(0 0 0 0 0 1)''​. Estude o comportamento da cadeia. 
 +  - Estude o comportamento da cadeia com matriz de probabilidade de transição dada por\\ <​latex>​ 
 +P=\left[\begin{array}{ccccc}  
 +0,5 & 0,3 & 0,2 & 0,0 & 0,0  \\ 
 +0,2 & 0,3 & 0,3 & 0,2 & 0,0  \\ 
 +0,1 & 0,2 & 0,3 & 0,2 & 0,2  \\ 
 +0,0 & 0,1 & 0,2 & 0,3 & 0,4  \\ 
 +0,0 & 0,0 & 0,0 & 0,0 & 1,0  \\ 
 + ​\end{array}\right] 
 +</​latex>​ 
 + 
 +=== Parte 3 === 
 +Suponha que o tempo predominante no dia em uma cidade vai ser classificado simplesmente como "​nublado"​ ou "​ensolarado"​.  
 +Suponha também que as condições do tempo em uma seqüencia de dias formam uma Cadeia de Markov com as seguintes probabilidades 
 +estacionárias. 
 +|  | Ensolarado | Nublado |  
 +| Ensolarado | 0.7 | 0.3 | 
 +| Nublado | 0.3 | 0.7 |  
 +Com estes dados, responda: 
 +  * Se está nublado em um certo dia, qual a probabilidade de também estar nublado no dia seguinte? 
 +  * Se está ensolarado em um certo dia, qual a probabilidade de também estar ensolarado nos dois dias seguintes?​ 
 +  * Se está nublado em um dia, qual a probabilidade de ocorrer ao menos um dia ensolarado nos próximos tres dias? 
 +  * Se está ensolarado em uma certa quarta-feira,​ qual a probabilidade de também estar ensolarado no sábado seguinte? 
 +  * Se está nublado em uma certa quinta-feira,​ qual a probabilidade de também estar ensolarado no sábado seguinte? 
 +  * Se está ensolarado em uma certa quarta-feira,​ qual a probabilidade de também estar ensolarado no sábado seguinte? 
 +  * Se está ensolarado em uma certa quarta-feira,​ qual a probabilidade de também estar ensolarado em todo final de semana seguinte? 
 +  * Se está nublado em uma certa sexta-feira,​ qual a probabilidade de também estar ensolarado em todo final de semana seguinte? 
 +  * Suponha agora que a probabilidade de estar ensolarado em uma certa quinta-feira é de 0,2 (portanto de 0,8 de estar nublado) 
 +    * qual a probabilidade de estar nublado na sexta-feira seguinte? 
 +    * qual a probabilidade de estar nublado no domingo seguinte? 
 +    * qual a probabilidade de estar ensolarado no sábado e no domingo seguintes?​ 
 +/* 
 +=== Parte 3 === 
 +  - Monte a matriz de transição ''​P''​ e estude as características da cadeia para o exemplo genético onde os pais tem genótipos ''​AA'',​ ''​Aa''​ ou ''​aa''​. Analise e inspecione (tb por simulação) o comportamento para diferentes valores iniciais. 
 +*/ 
 + 
 + 
 +=== 24/09 === 
 +  * //​**Material perdisco:​**//​ [[http://​www.youtube.com/​watch?​v=LfgPmKTdUsE&​feature=relmfu|Video 5: ]] Amostragem e distribuições amostrais
  
  
 +=== 26/09 ===
 +  * //​**Material perdisco:​**//​ [[http://​www.youtube.com/​watch?​v=mD56-raCdGg&​feature=relmfu|Video 5: ]] Inferência
  
  

QR Code
QR Code disciplinas:ce003amb-2012-01:historico (generated for current page)