EMENTA:
Princípios básicos de análise combinatória. Definição de probabilidade. Probabilidade condicional e independência. Variáveis aleatórias. Funções distribuição de probabilidades discretas e contínuas. Principais distribuições: de Bernoulli, binomial, de Poisson, geométrica, hipergeométrica, uniforme, de Cauchy, exponencial, normal. Variáveis Aleatórias Independentes. Valor médio e variâncias. Estatística descritiva. Lei fraca dos Grandes números. Teorema Central do Limite. Consequências do Teorema central do Limite.
PROGRAMA
- Análise Combinatória
- Principio Básico da Contagem
- Permutação e Combinação
- Coeficientes Multinomiais
- Número de Soluções de Equações Inteiras
- Probabilidade
- Eventos e Espaços Amostrais
- Axiomas da Probabilidade e Propriedades Decorrentes
- Probabilidade em Espaços Equiprováveis
- Probabilidade Condicional e Independência
- Probabilidade Condicional
- Fórmula de Bayes
- Eventos Independentes
- Variáveis Aleatórias
- Variáveis Aleatórias Discretas
- Valor Esperado
- Variância
- Exemplos Bernoulli , Binomial, Poisson, Geométrica
- Valor Esperado da Soma de Variáveis Aleatórias
- Variáveis Aleatórias Contínuas
- Valor Esperado
- Exemplos: Uniforme, Normal e Exponencial
- Distribuição de uma função de uma variável aleatória: Expositivo
- Distribuição Conjunta
- Função de distribuição conjunta.
- Independência de Variáveis Aleatórias.
- Soma de Variáveis Aleatórias Independentes.
- Esperança
- Esperança da soma de variáveis aleatórias.
- Covariância e variância de soma de variáveis aleatórias, e correlações;
- Associação linear entre duas variáveis aleatórias.
- Estatística Descritiva
- Medidas descritivas para distribuições de frequências.
- Medidas de posição.
- Medidas de dispersão.
- Teorema Central do Limite
- Aproximação Normal à Binomial.
- Consequências práticas do Teorema Central do Limite: Intervalos de confiança.