Professional Documents
Culture Documents
LISTA 1
1) Considere o seguinte problema envolvendo uma sequncia de experimentos. O problema consiste de duas
urnas contendo bolas rotulados com os nmeros 0 ou 1. A urna 1 contm 3 bolas sendo duas rotulados com 0 e
uma rotulada com 1, a urna 2 contm seis bolas sendo cinco rotulados com 1 e uma rotulada com 0. O
experimento consiste em retirar uma bola de uma das urnas, vericar se zero ou um e repor a bola e repetir o
experimento. A escolha da urna se faz por um experimento tipo cara ou coroa.
Observe que as sequncias geradas obedecem a seguinte propriedade P[sn |sn1 , sn2 , . . . , s1 , s0 ] = P[sn |sn1 ] ,
isto , a probabilidade do evento presente de s do ltimo evento passado. Esta propriedade caracteriza uma cadeia uma
Markov.
a) Diagrama em trelia:
2/3
0 0,5*2/3
0
0,5
0,5*1/3
1/3
1/6
...
0,5*1/6
0,5
5/6 0,5*5/6
1 1
b)
2) Um canal de comunicaes transmite smbolos ternrios 0,1,2, gerados por uma determinada forte digital com
as seguintes probabilidades P[0]=1/2, P[1]=1/4 e P[2]=1/4. A probabilidade de receber o smbolo transmitido
0,99 e probabilidade receber um smbolo diferente 0,01.
b) Supondo que foi recebido o smbolo 0, calcule a probabilidade de ter sido transmitido um 0, ou 1 ou 2.
1 de 15 29/08/2017 22:05
Lista1TopicosEspeciais http://localhost:8888/nbconvert/html/Lista1Topi...
rvora da fonte:
00
9
0 ,9 01
0 ,5
0,01
0,5
02
5
0, 11
0 ,9 9 10
0 ,5
0,25 0,01
0,5
0, 12
25
0 ,9 9 22
0 ,0 1 20
0,5
0 ,5
21
a)
b) P(Receber | transmitido)
(0.50.99)
P(0|0) = 0.50.99+0.250.011/2+0.250.011/2
= 0.9949748743718594
(0.250.011/2)
P(0|1) = 0.50.99+0.250.011/2+0.250.011/2
= 0.0025125628140703522
(0.250.011/2)
P(0|2) = 0.50.99+0.250.011/2+0.250.011/2
= 0.0025125628140703522
3) Considere o problema de deciso caracterizado por uma sequncia de eventos que podem ser apresentados
por um grco conhecido como rvore de deciso. O problema em questo consiste das escolhas e das
decises por parte de uma empresa de petrleo. Uma determinada empresa petrolfera obteve a concesso para
explorar uma certa regio. Os estudos anteriores (testes preliminares) estimam a probabilidade de existir
petrleo nessa regio em 0,20. A companhia pode optar por um novo teste, que custa USS 500.000,00, sendo
que, se realmente existe petrleo, esse teste dir com uma probabilidade de 0,80 que existe, e se realmente no
existe, dir com probabilidade 0,70 que no existe. Considerando que o custo de perfurao ser de USS
3.000.000,00 e que, se for encontrado petrleo, a companhia receber USS 150.000.000,00. Considere, portanto
os seguintes eventos e os seus complementos: (i) Evento T (a companhia faz o teste); (ii) Evento F (o teste
favorvel existncia de petrleo; (iii) Evento P (a companhia perfura o poo); (iv) Evento E (existe
petrleo).
c) Usando o critrio do melhor valor esperado, determine o valor esperado em cada n de deciso.
2 de 15 29/08/2017 22:05
Lista1TopicosEspeciais http://localhost:8888/nbconvert/html/Lista1Topi...
a) e b)
Perf u
ra -500k-3M+150M
!Pe
l rf u
0,8 ve ra
or -500k
v
Fa
-500k !Fa 0,2
r vor
sta
ve
l
-500k-3M+150M
Te ra
Perf u
!Pe
!Tes rf u
ra
tar
8
Perf u
ra -500k
0, te
is -3M+150M
Ex !Perf ura
0
-500k ra -3M
Perf u
!E
0, te
xi
!Perf ura
2
0
s
r
sta -500k-3M
!Te a
f ur
Per
Te !Perf u
sta
r 0,7 vel ra
or -500k
Fav
!Fa 0,
vo 3
r a -500k-3M
ve f ur
l Per
!Perf u
ra
-500k
3 de 15 29/08/2017 22:05
Lista1TopicosEspeciais http://localhost:8888/nbconvert/html/Lista1Topi...
ETFP= Pe*Tf_e*(-pTeste-pPerfura+Lucro)
ETF_P= Pe*Tf_e*(-pTeste)
ET_FP= Pe*(1-Tf_e)*(-pTeste-pPerfura+Lucro)
ET_F_P= Pe*(1-Tf_e)*(-pTeste)
E_TP= Pe*(-pPerfura+Lucro)
E_T_P=0
_ETFP= (1-Pe)*(Td_ne)*(-pTeste-pPerfura)
_ETF_P= (1-Pe)*(Td_ne)*(-pTeste)
_ET_FP= (1-Pe)*(1-Td_ne)*(-pTeste-pPerfura)
_ET_F_P= (1-Pe)*(1-Td_ne)*(-pTeste)
_E_TP= (1-Pe)*(-pPerfura)
_E_T_P= 0
print("c)")
print("Lucro esperado se no fizer o teste e perfurar ", E_TP+_E_T
P) #!TP
print("Lucro esperado se fizer o teste e perfurar ", ETFP+ET_F
P+_ETFP+_ET_FP) #TP
print("Lucro esperado se fizer o teste perfurando ou no ", ETFP+ETF_
P+ET_FP+ET_F_P+_ETFP+_ETF_P+_ET_FP+_ET_F_P) #T
print("Lucro esperado se teste favorvel e perfurar ", ETFP+_ETF
P) #TFP
print("Lucro esperado se teste no favorvel e perfurar ", ET_FP+_ET
_FP) #T_FP
print("Lucro esperado se teste no favorvel e no perfurar ", ET_F_P+_E
T_F_P) #T_F_P
print("Lucro esperado se teste favorvel e no perfurar ", ETF_P+_ET
F_P) #TF_P
print("Lucro esperado se no perfurar fazendo ou no o teste", ETF_P+ET_
F_P+E_T_P+_ETF_P+_ET_F_P+_E_T_P) #!P
print("Lucro esperado se fizer o teste e no perfurar ", ETF_P+ET_
F_P+_ETF_P+_ET_F_P) #T!P
print("Lucro esperado se no fizer o teste e no perfurar ", E_T_P+_E_
T_P) #!T!P
c)
Lucro esperado se no fizer o teste e perfurar 27000000.0
Lucro esperado se fizer o teste e perfurar 26500000.000000004
Lucro esperado se fizer o teste perfurando ou no 26000000.000000004
Lucro esperado se teste favorvel e perfurar 21480000.000000004
Lucro esperado se teste no favorvel e perfurar 5019999.999999999
Lucro esperado se teste no favorvel e no perfurar -140000.00000000003
Lucro esperado se teste favorvel e no perfurar -360000.0
Lucro esperado se no perfurar fazendo ou no o teste -500000.0
Lucro esperado se fizer o teste e no perfurar -500000.0
Lucro esperado se no fizer o teste e no perfurar 0
4 de 15 29/08/2017 22:05
Lista1TopicosEspeciais http://localhost:8888/nbconvert/html/Lista1Topi...
4) Considere nesta questo os conceitos bsicos de conabilidade, tempo mdio de falhas, taxa de falhas e
clculo da conabilidade de sistemas. Seja T o tempo de vida de um componente, dene-se a conabilidade
R (t)
como sendo R(t) = P[T > t] = 1 FT (t) a funo taxa mdia de falha denida como sendo r(t) = R(t)
Considere tambm que um determinado sistema seja composto por subsistemas em serie ou em paralelo. Sob
estas condies solucione as seguintes questes:
a) Demonstre que o tempo mdio de vida (MTTF) denido por MTTF= E[T] = 0 tft (t)dt = 0 R(t)dt sendo R(t)
funo densidade de probabilidade da V.A. T.
R(t) = 1 Ft (t)
R (t) = ft (t)
E[T] = 0 tft (t)dt = 0 tR (t)dt
u = t, dv = R (t)
du = dt, v = R(t)
0 tR (t)dt = tR(t)|
0 + 0 R(t)dt = (0 R(0) limt tR(t)) + 0 R(t)dt = 0 R(t)dt
b) Considerando que a funo taxa de falhas seja constante e igual e que R(0)=1, mostre que fT (t) = et e t , isto ,
T possui uma distribuio exponencial.
R (t)
= R(t)
R(t) + R (t) = 0
R (t) + R (t) = 0
f (t) f (t) = 0
x+=0
x =
f (t) = cet
0 cet dt = 1 = c (e 1)
c=
f (t) = et
c) Para um sistema composto por n subsistemas independentes em srie e que cada um tem taxa de falhas i , calcule a
conabilidade deste sistema.
Rs (t) = Ri (t) = ei t
Rp (t) = 1 (1 R(t)) = 1 (1 ei t )
e) Para n=2 subsistemas e 1 = 2 = , calcule a razo entre a conabilidade dos subsistemas em paralelo e
conabilidade do subsistemas em srie.
5 de 15 29/08/2017 22:05
Lista1TopicosEspeciais http://localhost:8888/nbconvert/html/Lista1Topi...
5) Um certo tipo de chip de uma determinada marca tem uma durao de vida que segue uma distribuio
exponencial com vida mdia de 100 horas. Cada chip tem um custo de 10 reais e, se durar menos de 200 horas,
existe um custo adicional de 8 reais.
b) Foi proposta a compra de uma outra marca que tem tempo de vida mdia de 200 horas e um custo mdio de 15 reais
e existe tambm a incidncia do custo adicional de 8 reais se durar menos de 200 horas. Considerando o custo mdio
decida se deve ser feita a troca de marcas.
6) O nmero de chamadas telefnicas que chegam a uma central de comutao durante um intervalo de tempo
uma varivel aleatria com distribuio de Poisson. Considere um intervalo de dez minutos com = 2 .
Determine a probabilidade de mais de trs chamadas chegam durante o intervalo de 10 minutos.
e x
P(x) = x!
e2 20 e2 21 e
P(x > 3) = 1 P(x <= 3) = 1 P(x = 0) P(x = 1) P(x = 2) P(x = 3) = 1 0!
1!
Assim, h a probabilidade de 14,29% de mais de trs chamadas chegarem durante o intervalo de 10 minutos.
c)O tempo do projeto que corresponda a uma probabilidade de 0,90 de concluir o projeto
Observao: Faa uso nas consideraes para soluo do problema o teorema do limite central.
6 de 15 29/08/2017 22:05
Lista1TopicosEspeciais http://localhost:8888/nbconvert/html/Lista1Topi...
med= np.array([[2.7,3.2,4.6,2.1,3.6,5.2,7.1,1.5,3.1,4.2,3.6,0.5,2.1,1.5,
1.2,2.8],
[1.0,1.3,1.0,1.2,0.8,2.1,1.9,0.5,1.2,0.8,1.6,0.2,0.6,0.7,
0.4,0.7]])
mu=sum(med[0])
sx=np.math.sqrt(sum(med[1]))
print("a) Tempo esperado:", mu)
#print("Desvio padrao ", sx)
p90= scipy.stats.norm(mu,sx).ppf(0.9)
print("c) 90% de certeza terminar antes de", p90, "semanas")
determine:
a) As distribuies marginais;
Distribuio em X: 0 xex(y+1) dy = 0 xex exy dy
1 xy
xex x e |0 = ex [0 1] = ex
Distribuio em Y: 0 xex(y+1) dx
u = x > du = dx
ex(y+1)
dv = ex(y+1) dx > v = (y+1)
e x(y+1) ex(y+1)
uv vdu = x (y+1) |
0 0 y+1
x(y+1)
e 1 1
x (y+1) (y+1) x(y+1)
ex(y+1)
x(y+1)
x ey+1 1
ex(y+1) |
0 = 1
(y+1)2 (y+1)2
7 de 15 29/08/2017 22:05
Lista1TopicosEspeciais http://localhost:8888/nbconvert/html/Lista1Topi...
COV(X,Y)
b) O coeciente de correlao x,y = x y ;
u = x 2 > du = 2xdx
etx
dv = etx , onde t = y + 1 > v = t
tx
etx
uv vdu = x 2 e t + t 2xdx
u = 2x > du = 2x;
e tx etx
dv = t >v= t2
tx 2xetx etx tx
2xetx 2etx
x2 e t + ( t2
+ t2
2dx) = x 2 e t t2
t3 0
|
2
0 x 2 etx dx =
(y+1)3
2y
0 0 xyex(y+1) dxdy = 0 dy
(y+1)3
2y A B C
= y+1
+ +
(y+1)3 (y+1)2 (y+1)3
C = 2
A(y+1)2 +B(y1)2 2y
= =
(y+1)3 (y+1)3
= A(y2 + 2y + 1) + By + 1 2 = 2y > A = 0
2A + B = 2 > B = 2
2y 2 2
0 dy = 0 dy
(y+1)3 (y+1)2 (y+1)3
1 2
= 2 1
2
| = 1
| =1
y+1 1 (y+1)2 2 0 y+1 (y+1)2 0
E(X) = 0 xex dx = xex + 0 ex dx = xex ex |
0 = 1
y 1 1 1
E(Y) = 0 dy = 0 y+1
dy = ln(y + 1) + y+1
= indef inido
(y+1)2 (y+1)2
y A B
= y+1
+ > A(y + 1) 1 = Y; A = 1, B = 1.
(y+1)2 (y+1)2
x =
x e dx E(X )2 = 1
2 x
0
y =
dy E(Y )2 = indef inido
y2
0 Y+1
1E(Y)
COV(fx,y (X, Y)) = = indef inido
E(Y )E(Y )
2 2
x
c) A mdia condicional E[X|Y]. xf (x|y
y )dx
x f (x,y) xex(y+1)
f (x|y
y) = f (y)
= 1 = x(y + 1)2 ex(y+1)
(y+1)2
2
E(X|Y) = 0 x (y + 1)2 ex(y+1) dx =
2
y+1
8 de 15 29/08/2017 22:05
Lista1TopicosEspeciais http://localhost:8888/nbconvert/html/Lista1Topi...
1) Utilizando os mtodos de gerao de nmeros aleatrios, desenvolva um software que possibilite gerar as
seguintes distribuies de probabilidades.
a) Exponencial
b) Normal (Gaussiana)
c) t-Student
d) Rayleight
e) Qui-quadrado
Apresente os resultados deste software sob forma de grcos, tabelas e compare com os resultados analticos.
l=1/100
Nsamples= 99999
data= expDist(l, Nsamples)
plt.figure(figsize=(20,10))
plt.hist(data, bins=100,normed=True)
x1= np.linspace(data.min(),data.max(),1000)
y1= ft(x1,l)
plt.plot(x1,y1,'r')
plt.title('Expodencial')
plt.legend(['Teorica','Gerada'])
plt.show()
9 de 15 29/08/2017 22:05
Lista1TopicosEspeciais http://localhost:8888/nbconvert/html/Lista1Topi...
mu= 0
std= 1
Nsamples= 99999
data= normalDist(mu, std, Nsamples)
plt.figure(figsize=(20,10))
plt.hist(data,normed=1,bins=100)
x= np.linspace(data.min(),data.max(),1000)
y= fx(x,mu,std)
plt.plot(x,y)
plt.title('Gaussiana')
plt.legend(['Teorica','Gerada'])
plt.show()
10 de 15 29/08/2017 22:05
Lista1TopicosEspeciais http://localhost:8888/nbconvert/html/Lista1Topi...
Nsamples= 99999
K= 25
l= 1/15
data= erlangDist(K,l,Nsamples)
plt.figure(figsize=(20,10))
plt.hist(data, bins=100,normed=True)
x1= np.linspace(data.min(),data.max(),1000)
y1= flang(x1,K,l)
plt.plot(x1,y1,'r')
plt.title('Erlang')
plt.legend(['Teorica','Gerada'])
plt.show()
11 de 15 29/08/2017 22:05
Lista1TopicosEspeciais http://localhost:8888/nbconvert/html/Lista1Topi...
Nsamples= 99999
df= 21
plt.figure(figsize=(20,10))
plt.hist(data, normed=1, bins= 100)
plt.title('Chi2')
plt.legend(['Teorica', 'Gerada'])
plt.show()
12 de 15 29/08/2017 22:05
Lista1TopicosEspeciais http://localhost:8888/nbconvert/html/Lista1Topi...
Nsamples= 99999
gl= 30
# Normal(0,1)/sqrt(Chi2(gl)/gl)
data= normalDist(0,1,Nsamples)/np.sqrt(chi2Dist(gl,Nsamples)/(gl))
#data= normalDist(0,1,Nsamples)/np.sqrt(np.random.chisquare(gl,Nsamples)
/gl)
plt.figure(figsize=(20,10))
plt.hist(data, normed=1, bins= 100)
x= np.linspace(data.max(), data.min(), 200)
plt.plot(x,scipy.stats.t.pdf(x,gl))
plt.title('T-student')
plt.legend(['Teorica', 'Gerada'])
plt.show()
13 de 15 29/08/2017 22:05
Lista1TopicosEspeciais http://localhost:8888/nbconvert/html/Lista1Topi...
Nsamples= 99999
#Metodo da inversa
data= np.sqrt(-2*np.log(np.random.random(Nsamples)))
plt.figure(figsize=(20,10))
plt.hist(data, normed=1, bins= 100)
x= np.linspace(data.max(), data.min(), 200)
plt.plot(x,scipy.stats.rayleigh.pdf(x))
plt.title('Rayleigh')
plt.legend(['Teorica', 'Gerada'])
plt.show()
2) Utilizando mtodo de Monte Carlo calcule as seguintes integrais denidas. Compare os resultados com
valores tabelados e ou solues analticas se existirem.
1 2
a) I = 2
3 sin2 (x)e(x1) dx
3
2 2 2
+y2 )
b) I = 0 0 xye(x dydx
14 de 15 29/08/2017 22:05
Lista1TopicosEspeciais http://localhost:8888/nbconvert/html/Lista1Topi...
a) 0.296733721198
b) 0.241494099042
15 de 15 29/08/2017 22:05