📐 Probabilidade e Estatística

Navegação Rápida

📍 Área: 01 Matemática e Estatística | 🏠 Hub Principal

Visão Geral da Disciplina

Disciplina essencial do núcleo de 01 Matemática e Estatística. Fornece o arcabouço quantitativo para o tratamento sistemático da incerteza, da aleatoriedade e do ruído em sistemas de engenharia elétrica. Desde a caracterização da dispersão de componentes industriais e análise de incerteza metrológica (ISO GUM) até a inferência bayesiana para classificação de distúrbios em redes inteligentes e a modelagem estocástica da confiabilidade de redes de transmissão e distribuição ($MTTF$, $MTTR$, disponibilidade e índices DEC/FEC), esta disciplina estabelece o vínculo indispensável entre a física determinística e a operação real de campo.

📌 Sumário do MOC

1. 📚 Materiais Didáticos e Materiais Teóricos de Referência
2. 🎓 Aulas e Apresentações Completas da Disciplina
   • Módulo 1: Análise Exploratória de Dados e Metrologia (Apostila 01)
   • Módulo 2: Teoria Geral de Probabilidades e Axiomas de Kolmogorov (Apostila 02)
   • Módulo 3: Probabilidade Condicional e Inferência Bayesiana (Apostila 03)
   • Módulo 4: Variáveis Aleatórias Unidimensionais e Momentos (Apostila 04)
   • Módulo 5: Modelos Paramétricos e Engenharia de Confiabilidade (Apostila 05)
3. 📚 Bibliografia Clássica Recomendada

📚 Materiais Didáticos e Materiais Teóricos de Referência

• Análise de Dados Quantitativos (Estatística Descritiva, Medidas de Tendência e Dispersão)
• Probabilidades (Axiomas de Kolmogorov, Álgebra de Eventos e Combinatória)
• Probabilidade condicional e independência (Probabilidade Condicional, Teorema da Probabilidade Total e Bayes)
• Variáveis aleatórias unidimensionais (Variáveis Aleatórias, Funções de Densidade, Esperança e Variância)
• Variáveis aleatórias discretas unidimensionais (Distribuições Paramétricas, Processos de Poisson e Confiabilidade)

🎓 Aulas e Apresentações Completas da Disciplina

Módulo 1: Análise Exploratória de Dados e Metrologia (Apostila 01)

• ✅ Aula 01: 01 - Análise Exploratória de Dados, Medidas de Posição, Dispersão e Visualização Estatística
  • Conteúdo: População vs. amostra, amostragem aleatória, regra de Sturges, histogramas e boxplots, medidas de tendência central (média aritmética, mediana e moda), medidas de dispersão (variância, desvio padrão amostral e coeficiente de variação), e avaliação de incerteza do Tipo A segundo o Guia ISO GUM.
  • Visual Integrado: [[prob_aula01_analise_exploratoria_posicao_dispersao.svg]]

Módulo 2: Teoria Geral de Probabilidades e Axiomas de Kolmogorov (Apostila 02)

• ✅ Aula 02: 02 - Teoria Geral de Probabilidades, Espaços Amostrais, Axiomas de Kolmogorov e Combinatória
  • Conteúdo: Fenômenos determinísticos vs. aleatórios, espaços amostrais discretos e contínuos, álgebra de eventos (união, interseção e complementar), fundamentação axiomática de Kolmogorov, princípio fundamental da contagem, permutações, combinações e modelagem de confiabilidade estrutural em sistemas série e paralelo.
  • Visual Integrado: [[prob_aula02_teoria_probabilidades_espacos_kolmogorov.svg]]

Módulo 3: Probabilidade Condicional e Inferência Bayesiana (Apostila 03)

• ✅ Aula 03: 03 - Probabilidade Condicional, Independência Estatística, Teorema da Probabilidade Total e Bayes
  • Conteúdo: Redução do espaço amostral e regra do produto, conceito formal de eventos estocasticamente independentes, partições do espaço amostral, Teorema da Probabilidade Total, Teorema de Bayes para atualização de probabilidades a priori em a posteriori, diagnóstico de alarmes de relés e confiabilidade em canais de comunicação com ruído.
  • Visual Integrado: [[prob_aula03_probabilidade_condicional_bayes_arvore.svg]]

Módulo 4: Variáveis Aleatórias Unidimensionais e Momentos (Apostila 04)

• ✅ Aula 04: 04 - Variáveis Aleatórias Unidimensionais, CDF, Esperança e Variância
  • Conteúdo: Mapeamento de variáveis aleatórias $X(\Omega )$, função massa de probabilidade ($pmf$) e função densidade de probabilidade ($pdf$), função de distribuição acumulada ($CDF$), esperança matemática ($E[X]$), Teorema da Variância de König, momentos de ordem superior, e relação fundamental entre variância de ruído térmico Johnson-Nyquist e o valor eficaz $V_{\text{RMS}}$.
  • Visual Integrado: [[prob_aula04_variaveis_aleatorias_fda_esperanca_variancia.svg]]

Módulo 5: Modelos Paramétricos e Engenharia de Confiabilidade (Apostila 05)

• ✅ Aula 05: 05 - Modelos Discretos e Contínuos e Confiabilidade de Sistemas Elétricos
  • Conteúdo: Distribuições discretas (Bernoulli, Binomial, Poisson e Hipergeométrica), distribuições contínuas (Uniforme, Exponencial sem memória e Normal/Gaussiana), Teorema Central do Limite, Curva da Banheira, taxa de falhas $\lambda (t)$, Tempo Médio Entre Falhas ($MTBF/MTTF$), Tempo Médio de Reparo ($MTTR$) e disponibilidade operacional de equipamentos de subestação.
  • Visual Integrado: [[prob_aula05_distribuicoes_discretas_continuas_confiabilidade.svg]]

🎨 Galeria de Diagramas Técnicos Validados

📚 Bibliografia Clássica Recomendada

• MONTGOMERY, Douglas C.; RUNGER, George C. Estatística Aplicada e Probabilidade para Engenheiros. 7. ed. LTC, 2021.
• PAPOULIS, Athanasios; PILLAI, S. Unnikrishna. Probability, Random Variables and Stochastic Processes. 4th ed. McGraw-Hill, 2002.
• BILLINTON, Roy; ALLAN, Ronald N. Reliability Evaluation of Power Systems. 2nd ed. Springer, 1996.