Resumo Elementos de Probabilidades e Estatstica

Captulo 1 Dados Estatsticos 1.2 Amostra, Populao Coleco de Dados : conjunto de observaes de certo(s) atributo(s), qualquer que seja a forma como foram recolhidas Categorias Bsicas de Dados : a) Dados temporais : dados cujas observaes se referem a uma mesma entidade, para vrios momentos ou periodos de tempo ; caracterizados essencialmente pela sua ordem cronolgica ; a frequncia temporal das observaes outro aspecto importante ; descrio da evoluo no tempo srie temporal / cronograma ; b) Dados seccionais : dados cujas observaes se referem a determinadas entidades (unidades estatsticas) em certo momento ou periodo de tempo ; a caracterstica fundamental que a ordem das observaes irrelevante ; c) Dados seccionais combinados : dados com aspectos seccionais e temporais ; conjunto de dados seccionais, cada um referente a certa data ; comparao de comportamentos entre as datas ; d) Dados de painel : conjunto fixo de entidades observadas em vrias datas ; caracterstica essencial o conjunto de entidades a observar sempre o mesmo para todas as observaes temporais (dificulta a obteno) / vrias observaes temporais para a mesma entidade Populao : conjunto dos elementos cujos atributos so objecto de um determinado estudo conjuntos fundamentais para efectuar anlises estatsticas Unidade Estatstica : facto ou entidade elementar que objecto de observao, qualquer que seja a sua natureza Censo / Indagao Completa : anlise de todos os elementos de uma populao Amostra : subconjunto finito de uma populao sobre o qual incide o estudo dos atributos da populao (conjunto de unidades estatsticas) Processo de Amostragem : forma de seleco de uma amostra a partir da populao ; determinante para a qualidade das inferncias ; geralmente aleatrio Tipos de Atributos : 1) Atributos Quantitativos : os seus valores determinam as suas intensidades 2) Atributos Qualitativos : a) Representao em Escalas Nominais : atribuio dos valores no tem qualquer significado (ex: mulher = 0 ; homem = 1) b) Representao em Escalas Ordinais : numerao deve respeitar a ordem das vrias modalidades (ex: graus de especializao de 1 a 5) Varivel e Dimenso : O valor nmerico de um atributo representado por uma varivel . Se a amostra observada tem dimenso (ou seja, elementos), tem-se , , , onde ( = 1,2, , ) o valor do atributo da -sima observao. Tipos de Variveis : a) Variveis Discretas : variveis que podem tomar somente um nmero finito ou uma infinidade numervel de valores (ex: contagens, escalas nominais/ordinais, etc) b) Variveis Contnuas : variveis que podem tomar qualquer valor dentro de um intervalo de nmeros reais (ex: altura, peso, taxas de juro, etc)

Resumo Elementos de Probabilidades e Estatstica

1/30

Joo Marques

1.3 Grfico caule-e-folhas Grfico caule-e-folhas : mtodo semigrfico usado quando a amostra pequena ; permite que o observador se torne mais sensvel ao aspecto global dos dados e comece a explorar a existncia de padres Construo/Elementos dos grficos caule-e-folhas : Nmero de folhas : nmero de dgitos dominados de cada dgito dominante Caule : dgitos dominantes Folhas : dgitos dominados : nmero total de folhas (dimenso da amostra) unidade : primeiro dgito dominado Excepes : Caules com demasiadas folhas : 12 + e 12 / dgito dominado : 0 , , , , 0 , 1 , Valores anormalmente pequenos/grandes : novas linhas rotuladas com Pe e Gr Nmero de linhas de um grfico caule-e-folhas : parte inteira de 2 Propriedades que se podem identificar graas construo de grficos caule-e-folhas : a) Existncia de valores em torno dos quais se concentram os restantes b) Maior ou menor disperso dos valores c) Simetrias ou assimetrias d) Presena de valores extremos (pequenos e grandes)

1.4 Distribuies de Frequncias, Histogramas Frequncia Absoluta : nmero de vezes que um valor de observado ; notao: ; propriedade : = Varivel contnua classes de valores : os intervalos de classe no tm pontos em comum : = , o domnio da varivel deve ser igual unio de todos os intervalos : = os intervalos devem ser abertos esquerda e fechados direita : = , a amplitude deve ser constante : = ( = 1,2, , ) Representao grfica de distribuies de frequncias de variveis discretas : diagramas de barras Representao grfica de distribuies de frequncias de variveis contnuas : diagrama de reas / histograma, formado por uma sucesso de rectngulos adjacentes reas dos rectngulos = resp. frequncias relativas Intervalos de classe com amplitude constante : base do rectngulo : = 1 altura do rectngulo : ou Intervalos de classe com amplitudes diferentes : base do rectngulo : = altura do rectngulo : ou

Frequncia Relativa : =

; propriedade : = 1

1.5 Caractersticas Numricas : Mdia e Desvio-Padro Mdia : = = (medida de localizao) Ponto mdio de uma classe : = + =
Mdia (de dados agrupados em classes) : = = Propriedade da Mdia : A soma dos desvios em relao mdia nula. ( ) = 0

Resumo Elementos de Probabilidades e Estatstica

2/30

Joo Marques

Moda ( ) : valor com maior frequncia Classe modal : classe com maior frequncia Varincia : = (medida de disperso) ( )
ou = Desvio-Padro : = = ( )

Varincia corrigida (quando a amostra tem dimenso pequena) : =

unidade em que se exprime a varivel / permite comparao entre distribuies

( ) Varincia (para dados classificados) : = = = Varincia corrigida (para dad. class.) : = ( ) = ( ) Varincia (forma simplicifada) : = | | ou = Desvio-absoluto mdio : = Coeficiente de Variao : = ; observaes com sinal positivo / independente da

1.6 Caractersticas Numricas : Estatsticas da Ordem () = ( ) Extremos : ; () = ( ) Mediana : valor da coleco que tem 50% de observaes inferiores e 50% de () = 2 + 1 observaes superiores ; = ()() = 2 Quantil de ordem : valor da coleco que tem observaes inferiores e (1 ) observaes superiores ; calcula-se a ordem: = 1 + ( 1) ; se , = () se , = () + () () = (1 )() + () , onde 0 < 1 Quartis : Quartis Ordem aproximada a parte inteira a parte fraccionria +3 1 quartil : 4 +1 Mediana : 2 3 + 1 3 quartil : 4 Amplitude do Intervalo de Variao : ( = ) () (medida de disperso absoluta) Amplitude do Intervalo de Interquartis : = (medida de disperso absoluta) Uma medida de disperso relativa (qdo todas as obs. tm o mesmo sinal) : Resumo dos 5 nmeros : mnimo, 1 quartil, mediana, 3 quartil, mximo Grfico : caixa-de-bigodes caixa formada por 1 e 3 quartis mediana atravessa a caixa bigodes mnimo e mximo caixa contm 50% das observaes Estimativa da estatstica de ordem () : : limite inferior da classe ; : frequncia absoluta acumulada at classe : + + + ; : amplitude da classe ; : frequncia absoluta da classe ;
() = + , onde:

Resumo Elementos de Probabilidades e Estatstica

3/30

Joo Marques

Estimativa do quantil :

Amplitude dos intervalos de classe : =

= +

Principais medidas de localizao e de disperso : Medidas . / Localizao Disperso absoluta Disperso relativa Atributo quantitativo Atributo qualitativo nominal Atributo qualitativo ordinal < 3( ) > + 3( )

1.7 Outliers Outlier Severo : um outlier severo quando

ou Outlier Moderado : um outlier moderado quando 3( ) < < 1,5( ) ou + 1,5( ) < < + 3( ) Barreira externa inferior : 3( ) Barreira externa superior : + 3( ) Barreira interna inferior : 1,5( ) Barreira interna exterior : + 1,5( ) Caixa-de-bigodes (modificada) : bigodes : barreiras internas superior e inferior outliers moderados/severos representados por smbolos grficos diferentes (, )

1.8 Correlao Covarincia : = ) ou = ( )( ( ) 1 1 CC mede o grau de associao linear sinal correlao positiva ou negativa valor absoluto intensidade da associao linear CC prximo de 1 dados dispostos essencialmente nos 1 e 3 quadrantes (linear) CC prximo de 1 dados dispostos essencialmente nos 2 e 4 quadrantes (linear) Coeficiente de correlao de Spearman : Substitui-se cada par ( , ) substitudo pelo par ( ), ( ), onde ( ) representa a ordem de na coleco. Calcula-se o coeficiente de correlao com a frmula habitual. mesmos valores mdia das ordens outliers podem influenciar CC retirar outliers Coeficiente de correlao de Pearson : = =

) ( ) (

) ( )(

Resumo Elementos de Probabilidades e Estatstica

4/30

Joo Marques

Captulo 2 Probabilidades 2.1 Introduo Experincia aleatria : Diz-se que uma experincia aleatria se apresentar as seguintes caractersticas: a) O conjunto dos resultado possveis fixado antecipadamente; b) O resultado da experincia nunca pode ser previsto de forma exacta, mesmo que se desenvolvam todos os esforos para manter sob controlo as circunstncias relevantes para o resultado. 2.2 Espao de resultados / Acontecimentos Espao de resultados ou Espao-amostra () : conjunto fundamental (no vazio) formado por todos os resultados que hipoteticamente possvel obter quando se efectua uma determinada experincia aleatria Acontecimento : subconjunto do espao Acontecimentos elementares : subconjuntos formados por um s elemento Realizao de um acontecimento : Ao efectuar a experincia aleatria associada com , diz-se que o acontecimento se realiza, se o resultado da experincia um ponto que pertence a : lgebra dos acontecimentos : Implicao de acontecimentos : () > = ( > = < ) Identidade de acontecimentos : () > = < ( > = < ) = Unio de acontecimentos : = : ( ; = = ) Interseco de acontecimentos : = : ( ; = = ) Acontecimentos incompatveis / mutuamente exclusivos : e so incompatveis sse a realizao de um implica a no realizao do outro (acontecimentos disjuntos) Acontecimento impossvel : (exemplo : e so incompatveis sse ) = Acontecimento certo : (para qualquer da experincia aleatria tm-se ) = : Diferena de acontecimentos : = Acontecimento contrrio/complementar : = : ( = ; = ; = ) Propriedades das operaes definidas sobre acontecimentos : 1) Associatividade : ) ( = ) ( ; ) ( = ) ( 2) Comutatividade : = ; = 3) Distributividade : ) ( ) ( = ) ( ; ) ( ) ( = ) ( ; 4) Leis de Morgan : = = Operaes sobre infinidades numerveis de acontecimentos : 1) Unio numervel : 2) Interseco numervel :

2.3 Medida de Probabilidade. Axiomtica de Kolmogorov Medida de probabilidade : funo que a cada acontecimento , , faz corresponder um nmero real, (), probabilidade do acontecimento , que verifica os 3 axiomas seguintes : P1) ( )0 P2) () = 1 P3) Se e forem acont. incompatveis, = , ento ( )( = ) + () P3*) Se , , , , , forem acontecimentos em nmero finito numervel, dois a dois incompatveis, = ( ), ento =
Resumo Elementos de Probabilidades e Estatstica 5/30 Joo Marques

Propriedades da medida de probabilidade : 1) ( = )1 () 2) () = 0 3) ( )( = ) () 4) ( )( = ) + ( ) () 5) )( )( 6) ( )1 (= )

2.4 Interpretaes do conceito de probabilidade Regra de Laplace : Sejam os acontecimentos elementares equiprovveis, ento temos Como reconhecer que os casos so igualmente possveis? 1) O princpio da indiferena faz apelo s propriedades de simetria ou de homogeneidade da situao experimental (se o dado perfeito, porque seriam umas faces preferidas em detrimento de outras?); 2) O princpio da razo insuficiente diz que se no h razo para crer em que qualquer dos casos mais provvel do que os outros, pode actuar-se como se todos os casos fossem igualmente provveis. Lei dos grandes nmeros : lim (| ( ) ( = ) < |)1 As propriedades das frequncias relativas verificam a axiomtica de Kolmogorov : E1) ( )0 E2) () = 1 E3) Se e forem acont. incompatveis, ento ( = ) ( )+ () Probabilidade subjectiva (grau de credibilidade) : aproximao quantitativa credibilidade que se atribui a um determinado acontecimento. (deve respeitar o princpio da coerncia) = #() =
#()

2.5 Mtodos de contagem Regra fundamental da contagem : Suponha-se que uma experincia aleatria composta por etapas. Se na primeira etapa h casos possveis, na segunda etapa h casos possveis, , na -sima etapa h casos possveis, ento o nmero total de resultados da experincia aleatria, combinando as etapas . Amostra ordenada : Se elementos so seleccionados de um conjunto de elementos e se a ordem da seleco registada, o conjunto de elementos forma uma amostra ordenada de dimenso . Amostragem sem reposio : Quando se selecciona um elemento e o mesmo no reposto no conjunto, diz-se que se seguiu um processo de amostragem sem reposio. Amostragem com reposio : Um processo de amostragem com reposio ocorre quando se selecciona um elemento e o mesmo reposto no conjunto antes de se seleccionar o elemento seguinte. Conceitos fundamentais de Anlise Combinatria : ! Arranjos (sem repetio) : = ()!
Arranjos completos (com repetio) : = Permutaes : = = ! ! Combinaes : = = = !()! (coeficiente binomial) ! Permutaes de elementos no todos distintos : ! ! ! (coeficiente multinomial)

Resumo Elementos de Probabilidades e Estatstica

6/30

Joo Marques

2.6

Nota 1 : | = 1 Nota 2 : | = Interpretao do Teorema de Bayes : Probabilidade a priori : Probabilidade a posteriori : | Verosimilhanas de para cada : | probabilidade probabilidade verosimilhana proporcional a

Regra da multiplicao de probabilidades : = | = | Generalizvel para 3 ou + acont. (Ex: = | |) Partio do espao de resultados : Diz-se que a classe de acontecimentos , , , , , uma partio de quando = e = Consequncia : = = 1 Regra da Probabilidade Total : Se , , , , , uma partio de e se > 0 = 1,2, , , , vem, para qualquer acontecimento , = | Teorema de Bayes : Se , , , , , uma partio de e se > 0 = 1,2, , , , vem, para qualquer acontecimento , a verificar > 0, | =
|

Probabilidade Condicionada : (| =

Probabilidade Condicionada. Teorema de Bayes

se > 0

= 1,2, , ,

2.7 Acontecimentos Independentes Acontecimentos independentes : Dois acontecimentos, e , do mesmo espao de resultados, dizem-se independentes, se e s se = Teorema : Se e forem acontecimentos independentes, ento | = se > 0 ; | = se > 0 Nota sobre o Exemplo 2.38 (Lanamento de uma moeda regular/viciada) : A igualdade = verifica-se apenas nos casos triviais, = 0 e = 1, e no caso simtrico, ( = moeda regular). Assim, e podem ser ou no independentes, consoante a natureza da moeda. Casos com 3 (ou mais) acontecimentos : Os acontecimentos , e podem ser independentes dois a dois e no se verificar = ou vice-versa. Independncia completa ou mtua : Os acontecimentos , e do mesmo espao de resultados dizem-se completamente independentes ou mutuamente independentes se e s se: = , = , = , = Nota : Definio extensvel a quatro ou mais acontecimentos. Independncia condicional : Dois acontecimentos, e , so independentes condicionalmente em relao a um acontecimento se e s se | = | | Nota : A independncia condicional no implica independncia no sentido corrente a no ser, obviamente, quando = .

Resumo Elementos de Probabilidades e Estatstica

7/30

Joo Marques

Captulo 3 Varivel Aleatria / Funo de Distribuio 3.1 Varivel Aleatria Varivel Aleatria : Uma varivel aleatria , uma funo com domnio e com contradomnio . Assim: () 3.2 Funo de Distribuio Funo de Distribuio : A funo real de varivel real, , com domnio , definida por () ( = ) designa-se por funo de distribuio da varivel aleatria . Propriedades da Funo de Distribuio : 1) 0 )(1 2) no decrescente: > 0 ( )(+ ) 3) () = lim = )(0 e (+) = lim = )(1 4) ( < ) = )( )(, , : > 5) contnua direita: (+ 0) = lim )( = )( 6) ( = ) = )( ( 0), Acontecimentos com probabilidade zero : Estes acontecimentos tm probabilidade zero, mas no so impossveis. Exemplo: Obter na escolha de um nmero real qualquer no intervalo 3,4. Voltar a calhar praticamente impossvel, da ser um acontecimento com probabilidade zero. Mais Propriedades da Funo de Distribuio : a) ( < ) = ( 0) b) ( > ) = 1 )( c) ( ) = 1 ( 0) d) ( < < ) = ( 0) )( e) ( < ) = ( 0) ( 0) f) ( ) = )( ( 0) Teorema : A funo real de varivel real, , uma funo de distribuio se e s se verifica as propriedades 2, 3 e 5.

3.3 Classificao das Variveis Aleatrias Conjunto dos Pontos de Descontinuidade : = )( = ) = ( ( 0) > 0 Classificao das Variveis Aleatrias : uma varivel aleatria discreta se e s se ( = )1, ou seja, se e s se a soma dos saltos da funo de distribuio for igual a 1. Assim: ( = ) ( = = )1 uma varivel aleatria contnua se e s se = e se existe uma funo real de varivel real , no negativa, tal que ( = ) ( ), Seja uma funo de distribuio associada a uma varivel aleatria discreta, , e outra funo de distribuio carterizadora de uma varivel aleatria contnua, . Diz-se que uma varivel aleatria mista se e s se a respectiva funo de distribuio puder ser escrita do seguinte modo: ( = ) ( )+ (1 ) (), onde 0 < < 1 Existem variveis aleatrias que no so nem discretas, nem contnuas nem mistas. A) Variveis Aleatrias Discretas Nota : Uma varivel aleatria discreta quando toda a massa de probabilidade est concentrada nos pontos de descontinuidade da funo de distribuio.

Resumo Elementos de Probabilidades e Estatstica

8/30

Joo Marques

Funo Probabilidade : A funo chama-se funo probabilidade da varivel aleatria discreta se e s se: ( = > )0 ( = ) ( = = )0 Suporte da Distribuio : Subdomnio de ; valores de que pertencem a ; habitualmente, refere-se a funo probabilidade apenas para os valores do suporte ( = )( = ) () = ) ( = )( ( ) , com = , , indiferente representar-se uma v.a. discreta por )(ou (). B) Variveis Aleatrias Contnuas Funo Densidade de Probabilidade : A funo , tal que ( = ) (), chama-se funo densidade de probabilidade ou simplesmente funo densidade. (( )nos pontos onde existe derivada) ( = ) (nos outros pontos) 0 (( = )+) () = 1 ( = ) ( = ) () Se = , , com < , tem-se ( = ) < ( = ) ( )( = ) )( Devido continuidade da funo de distribuio, ( = ) = ( = ) = 0, e pode escrever-se: ( < ) = ( < ) = ( < < ) = ( ), com < indiferente representar-se uma v.a. discreta por )(ou (). C) Variveis Aleatrias Mistas Varivel Aleatria Mista : Seja uma funo de distribuio associada a uma varivel aleatria discreta, , e outra funo de distribuio carterizadora de uma varivel aleatria contnua, . Diz-se que uma varivel aleatria mista se e s se a respectiva funo de distribuio puder ser escrita do seguinte modo: ( = ) ( )+ (1 ) (), onde 0 < < 1 3.4 Funes de uma varivel aleatria Mudana de Varivel : Seja uma varivel aleatria, e considere-se uma funo = () tambm uma varivel aleatria que assume o valor )( = quando = . Conhecida a funo de distribuio de , , pretende-se determinar a funo de distribuio de , . Ao substituir a varivel aleatria pela varivel aleatria , est a efectuar-se uma mudana de varivel. Utilidade : facilita a interpretao e o tratamento quando da varivel aleatria original Caso 1 : Varivel Aleatria Discreta : Conjunto dos pontos que assume com probabilidade positiva : = ( ) ; = = )( , Funo Probabilidade de : ( ( = ) = ( = ) ) = (), para Caso 2 : Varivel Aleatria Qualquer : Funo de Distribuio de : ( = ) ( = ) onde = )( Condio suficiente para que uma varivel aleatria = () seja tambm contnua : Seja = (), onde uma varivel aleatria contnua e uma funo real de varivel real com domnio em ;supe-se que este domnio contm o conjunto dos valores assumidos por com densidade positiva. Se tem derivada no nula em todos os pontos do seu domnio e estritamente montona em , ento uma varivel aleatria contnua.

Resumo Elementos de Probabilidades e Estatstica

9/30

Joo Marques

3.5 Variveis Aleatrias Bidimensionais Varivel Aleatria Bidimensional : Uma varivel aleatria bidimensional, (, ), uma funo com domnio e com contradomnio . Assim, (, ) (), () Funo de Distribuio Conjunta : Seja (, ) uma varivel aleatria bidimensional. A funo real de duas variveis reais, , , com domnio , definida por , (, ( = ), ), a funo de distribuio de (, ), ou funo de distribuio conjunta das variveis e . Propriedades da Funo de Distribuio Conjunta : 1) 0 (, )1 2) no decrescente, separadamente, em relao a e em relao a : > 0 (, ( )+ , )e > 0 (, ( ), + ) 3) (, ( = ), ) = 0 e (+, +) = 1 4) (( = ) < , < ) = ( , ) ( , ) ( , ) + ( , ) 5) contnua direita, separadamente, em relao a e em relao a : (+ 0, ( = ), ), (, + 0) = (, ) Funo de Distribuio Marginal : A funo definida por ( = ), (, +) designase por funo de distribuio marginal da varivel aleatria . A funo dada por ( = ), (+, ) a funo de distribuio marginal da varivel aleatria . Variveis Aleatrias Independentes : Considere-se uma varivel aleatria bidimensional (, ). Sejam e dois acontecimentos quaisquer tais que envove apenas , e refere-se apenas a . As variveis aleatrias e so independentes se e s se ( , ) = ( )( ) ou ento , (, = ) () () Teorema : Se e so variveis aleatrias independentes, e se e so duas funes, ento as variveis aleatrias = () e = () so tambm independentes. 3.6 Variveis Bidimensionais Discretas Varivel Aleatria Bidimensional Discreta : (, ) varivel aleatria bidimensional discreta se e s se e so variveis aleatrias discretas. Conjunto dos Pontos de Descontinuidade : = (, = ( ), = > )0 Funo Probabilidade Conjunta : Seja (, ) varivel aleatria bidimensional discreta. A funo real de duas variveis reais, , , com domnio , definida por , (, = ( = ), = ) a funo probabilidade de (, ), ou funo probabilidade conjunta das variveis e . ( = , = > )0 ( , ) (, = ) ( = , = = )0 ( , ) (,) (, = )1 ; (, ) = (,) (, ) (, ( = ), = ) ( , ) Funo Probabilidade Marginal : Considere-se uma varivel bidimensional discreta, (, ). Seja a funo de distribuio marginal de , e = = ) = ( ( ) ( 0) > 0 o conjunto dos pontos de descontinuidade de . A funo probabilidade marginal de , , definida da seguinte maneira: ( = > )0 ( = ) ( = = )0 Do mesmo modo se define a funo probabilidade marginal de , , ( = > )0 ( = ) ( = = )0 onde = = ) = ( ( ) ( 0) > 0

Resumo Elementos de Probabilidades e Estatstica

10/30

Joo Marques

A funo probabilidade marginal de obtm-se somando, para cada , a funo probabilidade conjunta para todos os : ( = ) = ( = ) ( = , = = ) , (, ) idem para Teorema : As variveis aleatrias discretas, e , so independentes se e s se , (, = ) () () isto , se e s se a funo probabilidade conjunta for igual ao produto das funes probabilidade marginais. Funo Probabilidade Condicionada : Seja , a funo probabilidade conjunta de e . A funo probabilidade de condicionada pela realizao do acontecimento = , com ( = > )0, dada por: De modo anlogo, a funo probabilidade de condicionada pela realizao do acontecimento = , com = > 0, dada por: | = 1 e | = 1 Se e so independentes, ento | = , se > 0 ; | = , se > 0 | = = = | =
,

| = = = | =

, , , ,

( fixo)

( fixo)

3.7 Variveis Bidimensionais Contnuas Varivel Aleatria Bidimensional Contnua : A varivel aleatria , , com funo de distribuio , , uma varivel aleatria bidimensional contnua se e s se existe uma funo real de duas variveis reais, no negativa, , , tal que , , = , , , , Funo Densidade Conjunta : A funo , (introduzida na definio anterior) chama-se funo densidade de , ou funo densidade conjunta de e , +, + = , = 1 Funes Densidade Marginais : A funo densidade marginal de , , dada por De forma anloga, = =

Se a funo densidade , for contnua no ponto , , ento , = = , ,

= , ,

a funo densidade marginal de , . Teorema : As variveis aleatrias e dizem-se independentes se e s se , , = isto , se e s se a funo densidade conjunta for igual ao produto das funes densidade marginais. Funo Densidade Condicionada : Seja , , a funo densidade conjunta de e . A funo densidade de condicionada por = , com > 0, definida da seguinte maneira: A funo densidade de condicionada por = , com > 0, dada por: = < < | = = |

| =

= 1 |

| =

, ,

, ,

( fixo)

( fixo)

, ,

Resumo Elementos de Probabilidades e Estatstica

11/30

Joo Marques

 Factorizao da Fun. de Dens. Conj. : , (, = ) ()| = | Frmula de Bayes para Densidades : | =

|

| |

, com > 0

3.8 Distribuies Multidimensionais Vectores Aleatrios : Variveis Aleatrias -dimensionais (com 2) Funo de Distribuio : A funo de distribuio de = , , , , a funo real de variveis reais definida por , , = , , no decrescente e contnua direita em relao a cada varivel , , , = = , , , = 0 ; +, +, , + = 1 A noo de funo de distribuio marginal abrange agora no s as situaes unidimensionais mas tambm todos os possveis subconjuntos das variveis. Exemplo 1 : Seja = , , , com < , ento = , , , +, , + Exemplo 2 : , +, , + = = Vectores Aleatrios Independentes : Os vectors aleatrios e dizem-se independentes se e s se , , = , , = ou seja, se e s se a funo de distribuio conjunta igual ao produto das funes de distribuio marginais. Variveis Aleatrias Independentes : As variveis aleatrias , , dizem-se independentes se e s se , , = Varivel Aleatria -dimensional Discreta : = , , varivel aleatria dimensional discreta se e s se as variveis aleatrias , com = 1, , , so discretas. As restantes propriedades das variveis aleatrias discretas so generalizveis. Varivel Aleatria -dimensional Contnua : A varivel aleatria -dimensional = , , , onde a respectiva funo de distribuio, contnua se e s se existe uma funo real de variveis reais, no negativa, , a verificar As restantes propriedades das variveis aleatrias discretas so generalizveis. , , = , ,

Captulo 4 Distribuies Discretas 4.2 Valor Esperado Valor Esperado de uma Varivel Aleatria Discreta : Se uma varivel aleatria discreta com funo probabilidade , a expresso = = quando || < + (4.2) define o valor esperado, mdia ou esperana matemtica de . centro de gravidade da distribuio parmetro de localizao Valor Esperado de uma Funo de uma Varivel Aleatria Discreta : Se uma varivel aleatria discreta com funo probabilidade , a expresso = o valor esperado de , impondo-lhe uma condio semelhante a (4.2) = < = > =
Resumo Elementos de Probabilidades e Estatstica 12/30 Joo Marques

Propriedades do Valor Esperado : 1) Se uma constante, ento = )( 2) Se uma constante e se existe (), ento () = () 3) Se existirem () e (), ento () + () = () + () Outra Propriedade : O valor esperado de uma combinao linear de funes de varivel aleatria a respectiva combinao linear dos valores esperados: () = () Resultados Importantes : Se e so duas variveis aleatrias discretas, ento (+ ) = )(+ )( Se e so duas variveis aleatrias discretas independentes, ento )()( = )(

4.3 Momentos Momento de Ordem em Relao Origem : O valor esperado, = = () se existir, o momento de ordem em relao origem, ou momento ordinrio de ordem da varivel aleatria . Nota : = = )( ( )valor esperado Teorema : Se existe o momento ordinrio de ordem de uma varivel aleatria, ento tambm existe o momento ordinrio de ordem , com < , da mesma varivel aleatria. Momento de Ordem em Relao Mdia : O valor esperado, = ( ) = ( ) () se existir, o momento de ordem em relao mdia, ou momento central de ordem da varivel aleatria . Varincia : Designa-se por varincia de o valor esperado, se existir, de ( ) , = )( = ( ) = ( ) () )(0 ; = )(0 < = > ( = ) = 1 parmetro de disperso da distribuio de em torno da mdia Propriedades da Varincia : 1) Se uma constante, = )(0 2) Se uma constante, = )( )( 3) Se e so constantes, (+ ) = )( Frmula mais operacional para o clculo da varincia : ( = )( ) Desvio Padro : Ao valor positivo da raz quadrada da varincia, = +)(, chamase desvio padro da varivel aleatria . medida de disperso absoluta Coeficiente de Variao : Considere-se uma varivel aleatria com suporte contido no cpnjunto dos nmeros reais positivos. O coeficiente de variao de igual, se existir, ao quociente entre o desvio padro e a mdia, = medida de disperso relativa Coeficiente de Assimetria : O quociente = = , se exisir, designado por coeficiente de assimetria da varivel aleatria . = 0 sse a distribuio simetrica > 0 sse os desvios positivos dominam < 0 sse os desvios negativos dominam Varincia de Variveis Aleatrias Independentes : Se e so duas variveis aleatrias discretas independentes, ento (+ ) + )(+ )(
()

Resumo Elementos de Probabilidades e Estatstica

13/30

Joo Marques

4.4 Funes Geradoras Sucesses Importantes : Sucesso das probabilidades : , , , Sucesso dos momentos em relao origem : = , , , , Sucesso dos momentos em relao mdia : = 0, , , , Funo Geradora das Probabilidades : Seja uma varivel aleatria discreta assumindo, com probabilidade positiva, os valores do conjunto = 0,1,2, . Seja = ( = )com = 0,1,2, a verificar = 1 A funo geradora das probabilidades de a funo real de varivel real, , definida por ( ( = ) ) =
() ()

= ( = = ) ! = )( (1) = (1) = )( + (1) (1) Funo Geradora dos Momentos : Seja uma varivel aleatria discreta com funo probabilidade . Se existir um nmero real > 0, tal que ( ) = () existe para < < , ento ( ( = ) ) define a funo geradora dos momentos de , . (0) = ()( = ) Teorema : A funo geradora dos momentos, se existir numa vizinhana de 0, determina univocamente a funo de distribuio ; inversamente, se existir, a funo geradora dos momentos nica. Formalizando: Se para cada uma das variveis aleatrias e , existe funo geradora dos momentos, e se ( = ) ( )para algum intervalo < < , ento e possuem a mesma funo de distribuio (e a mesma probabilidade, no caso de as variveis aleatrias serem discretas). Relao entre a Funo Geradora dos Momentos com a Funo Geradora das ( = )( ) = ( ) < = > ( = )ln() Probabilidades : Teorema : Se e so variveis aleatrias discretas independentes, com funes geradoras dos momentos ( )e (), ento a funo geradora dos momentos + existe, e dada pela expresso: ( = ) () ()

4.5 Distribuio Uniforme Distribuio Uniforme : Seja uma varivel aleatria discreta com = , , , . Diz-se que segue uma distribuio uniforme nos pontos , com = 1,2, , , se e s se a funo probabilidade dada por ( = ) 0 a funo probabilidade constante para um nmero finito de pontos a distribuio simetrica Principais caractersticas da Distribuio Uniforme : Valor Esperado : = = )(
Momento de Ordem em relao Origem : =

Varincia : = )(

Funo Geradora dos Momentos : = )(

Resumo Elementos de Probabilidades e Estatstica

14/30

Joo Marques

Casos Particulares Importantes : 1) Ex: Lanamento de um dado perfeito : = 1,2, , 2) Ex: Obteno de um dos 10 dgitos : = 0,1,2, ,

4.6 Distribuio de Bernoulli / Distribuio Binomial Prova de Bernoulli : Experincia aleatria em que se observa a realizao (sucesso; = 1) ou a no realizao (insucesso; = 0) de determinado acontecimento com probabilidade ( = ). 1 = 1 = 0 (| = 0 Distribuio de Bernoulli : Se a varivel aleatria tem funo probabilidade dada por | = 1 com = 0,1 para 0 < < 1 , diz-se que tem distribuio de Bernoulli. Simbolicamente, ~1; Principais caractersticas da Distribuio de Bernoulli : Valor Esperado : = = Momento de Ordem 2 em relao Origem : = Varincia : = 1 Desvio Padro : = 1 Coeficiente de Assimetria : = Funo Geradora dos Momentos : = = 1 + Sucesso de Provas de Bernoulli Independentes : Sucesso de experincias aleatrias independentes em cada uma das quais se observa a realizao (sucesso; = 1) ou a no realizao (insucesso; = 0) de determinado acontecimento com probabilidade = , constante de prova para prova. Distribuio Binomial : Se a varivel aleatria tem funo probabilidade dada por 1 = 0,1,2, , | = , para 0 < < 1 , 0 diz-se que tem distribuio binomial. Simbolicamente, ~; Principais caractersticas da Distribuio Binomial : Valor Esperado : = = Momento de Ordem 2 em relao Origem : = 1 + Varincia : = 1 Desvio Padro : = 1 Coeficiente de Assimetria : = Funo Geradora dos Momentos : = = 1 + Teorema : Sejam e duas variveis aleatrias independentes. Ento ~ ; , ~ ; = + ~; onde = + .

4.7 Distribuio Geomtrica / Distribuio Binomial Negativa Nova perspectiva : Realizar provas de Bernoulli at que se d um sucesso. O nmero de provas que passa a ser aleatrio. Distribuio Geomtrica : Quando a varivel aleatria tem funo probabilidade dada por 1 = 1,2, = 0 diz-se que tem distribuio geomtrica ou distribuio de Pascal. A sucesso das probabilidades forma uma progresso geomtrica de razo 1 .
Resumo Elementos de Probabilidades e Estatstica 15/30 Joo Marques

b) c)

Propriedades da Srie Geomtrica de razo : a) ( = ) (srie absolutamente convergente para | < |1) =
= () = ( = ) = () ( 1) ()

Principais caractersticas da Distribuio Geomtrica : ( = )|1 Valor Esperado : = = )( Coeficiente de Assimetria : = Desvio Padro : = Varincia : = )( =

Algumas Propriedades : ( ) = (1 ) (1 ) Se +, ( ) = (1 ) Se = 1, ( ) = 1 (1 ) Funo de Distribuio de uma Varivel Aleatria com Distribuio Geomtrica : 0 < 1 ( = ) 1 (1 ) + 1 para = 1,2, Propriedade da Falta de Memria : ( > > ( = ) > | ) Nova perspectiva : Realizar provas de Bernoulli independentes at obter sucessos. Distribuio Binomial Negativa : Uma varivel aleatria com funo probabilidade dada por 1 (1 ) = , + 1, + 2, ( = )| 1 , para 0 < < 1 0 diz-se que tem distribuio binomial negativa. Simbolicamente, ~) ;(. Principais caractersticas da Distribuio Binomial Negativa : Valor Esperado : = = )( Desvio Padro : = Varincia : = )( = Coeficiente de Assimetria : =
() ()

Funo Geradora dos Momentos : ( = )( ) = () , com (1 ) < 1

> 0 (enviesamento positivo)

Teorema : Sejam e duas variveis aleatrias independentes. Ento ~( ; ), ~( ; ) = + ~) ;( onde = + . Corolrio : ~(1; ) se = 1,2, , , independentes ~) ;( Interpretao do Corolrio : Realizar provas at aparecerem sucessos o mesmo que realizar provas at aparecer o primeiro sucesso, continuar at aparecer o segundo, e assim sucessivamente, at aparecer o -simo sucesso.

Funo Geradora dos Momentos : ( = )( ) = () , com (1 ) < 1

>0

Resumo Elementos de Probabilidades e Estatstica

16/30

Joo Marques

4.8 Distribuio Hipergeomtrica Distribuio Hipergeomtrica : Se a varivel aleatria tem funo probabilidade dada por 0 com = 0, , , diz-se que tem distribuio hipergeomtrica. Simbolicamente ~, , =

(|, , =

Principais caractersticas da Distribuio Hipergeomtrica : |, , = 1 Valor Esperado : = = Varincia : =

= 1

4.9 Distribuio de Poisson Processo de Poisson : Suponha-se que se procede contagem do nmero de acontecimentos (chegada de doentes, chegada de avarias, chegada de navios, etc) ocorridos ao longo do tempo. Tem-se um processo de Poisson com parmetro > 0 quando se verificam as seguintes condies: O nmero de acontecimentos que ocorrem em dois intervalos disjuntos so independentes; A probabilidade de ocorrer exactamente um acontecimento em qualquer intervalo de amplitude arbirtariamente pequena aproximadamente ; A probabilidade de ocorrerem dois ou mais acontecimentos em qualquer intervalo de amplitude arbirtariamente pequena aproximadamente igual a zero. Distribuio de Poisson : Uma varivel aleatria com funo probabilidade dada por = 0,1,2, , com > 0, 0 diz-se que tem distribuio de Poisson. Simbolicamente, ~ Principais caractersticas da Distribuio de Poisson : | =
! !

=1 Funo Geradora dos Momentos : = = 1 Valor Esperado : = Varincia : = Desvio Padro : = Coeficiente de Assimetria : = Distribuio de Poisson e Intervalos de Tempo : | = = | =
, !

de Poisson, mostra que, quando = 0 mantendo-se fixo = , a binomial tende para Poisson, lim 1 = !

Teorema : Sejam e duas variveis aleatrias independentes. Ento ~ , ~ = + ~ onde = + . Lei dos Acontecimentos Raros : A gnese da distribuio de Poisson, a partir do processo

= 0,1,2, , para > 0

Resumo Elementos de Probabilidades e Estatstica

17/30

Joo Marques

4.10 Valor Esperado e Momentos de Variveis Aleatrias Bidimensionais Discretas Valor Esperado de Funo de Varivel Aleatria Bidimensional : Se , uma varivel aleatria bidimensional discreta com funo probabilidade , , e se uma funo de , , a expresso , = (,) , ), (, ) o valor esperado de (, ). Tal como no caso unidimensional, tem de se verificar (,)|(, |), (, < )+ Teorema : Se (, ) for uma varivel aleatria bidimensional discreta com funo probabilidade , , e se existirem )(e )(, ento (+ ) = )(+ )( Teorema : Se e forem variveis aleatrias discretas e independentes, com funo probabilidade conjunta , , e se existirem )(e )(, ento )()( = )( Momentos de Ordem + em Relao Origem : Seja (, ) uma varivel aleatria bidimensional discreta. O valor esperado, = ( ) = (,) , (, ) define, se existir, um momento de ordem + em relao origem (ordinrio) de varivel aleatria (, ). Momentos de primeira ordem : = = )( = 1, = 0 = 0, = 1 = = )( Momentos de segunda ordem : = 2, = 0 = ( ) = 1, = 1 = )( = 0, = 2 = ( ) Momentos de Ordem + em Relao Mdia : Seja (, ) uma varivel aleatria bidimensional discreta. O valor esperado, = ( ) ( ) = (,)( ) ( ) , (, ) define, se existir, um momento de ordem + em relao mdia (central) de varivel aleatria (, ). Momentos de primeira ordem (so nulos) : = 1, = 0 = 0 = 0, = 1 = 0 Momentos de segunda ordem : = 2, = 0 = ( ) = = )( = 1, = 1 = ( )( ) = 0, = 2 = ( ) = = )( Covarincia : A covarincia das variveis aleatrias e (, ) = , = ( )( ) , se este valor esperado existir. (, ) = )( )()( (, ) = )( = )(0 Interpretao do Sinal e da Grandeza da Covarincia : Centro de gravidade da distribuio conjunta : ( , ) ( )( ) > 0 1 e 3 quadrantes ( )( ) < 0 2 e 4 quadrantes Coeficiente de Correlao : O coeficiente de correlao entre as variveis aleatrias e dado por , =
()() (,)

= ,

Resumo Elementos de Probabilidades e Estatstica

18/30

Joo Marques

4.11 Valor Esperado de Momentos de Variveis Aleatrias -Dimensionais Discretas Momento de Ordem + + + em Relao Mdia : Momentos Centrais de 2 Ordem : Varincia : = = Covarincia : , = Matriz das Covarincias : = Coeficiente de Correlao entre e : = =

Teorema : Se duas variveis aleatrias, e , so independentes, ento a respectiva covarincia igual a zero. A independncia implica no correlao, mas a recproca no verdadeira. Teorema : Se existem segundos momentos para as variveis aleatrias e , ento = , + Em particular, se as variveis so independentes, = + Valor Esperado Condicionado : Seja a varivel aleatria = , , funo das variveis aleatrias discretas e . O valor esperado de = , condicionado por = , definido por | = = , | = = , | se se verificar a condio habitual de existncia do valor esperado. De modo anlogo se define | = = , | = = , | Se , = , | = = | Se , = , | = = | Teorema : O valor esperado de = , , se existir, igual ao valor esperado do seu valor esperado condicionado por , = | Se = , = | regra do valor esperado iterado ( v.e. marginal) Varincia Condicionada : A varincia de condicionada por = definida por | = = | = | = = | = | Do mesmo modo se define a varincia de condicionada por = , | = = | = | = = | = | | = = | = | = | = = | = | = Teorema : Se existe , ento = | + | (Varincia Marginal) Teorema : A covarincia entre e igual covarincia entre e o valor esperado de condicionado por , , = , | Independncia em Mdia : A varivel aleatria independente em mdia da varivel aleatria se e s se | = = , qualquer que seja A varivel aleatria independente em mdia da varivel aleatria se e s se | = = , qualquer que seja

Resumo Elementos de Probabilidades e Estatstica

19/30

Joo Marques

1 1 Matriz das Correlaes do Vector Aleatrio : = Relao entre a Varincia e a Matriz das Covarincias : = = Relao entre a Matriz das Covarincias e a Matriz das Correlaes : = = Nota: e so matrizes de coeficientes

4.12 Distribuio Multinomial Distribuio Multinomial : Se uma varivel aleatria -dimensional tem funo probabilidade dada por ! , , , = !, !,, ! !
1 , para as probabilidades positivas, diz-se que tem distribuio multinomial. Principais caractersticas da Distribuio Multinomial : Valor Esperado : = Varincia : = 1 Desvio Padro : = 1 Covarincia : , = =
Coeficiente Correlao : =

Captulo 5 Distribuies Contnuas 5.2 Valor Esperado Valor Esperado de uma Varivel Aleatria Discreta : Se varivel aleatria contnua com funo densidade , a expresso = quando || < + (5.2) define o valor esperado, mdia ou esperana matemtica de . centro de gravidade da distribuio parmetro de localizao Valor Esperado de uma Funo de uma Varivel Aleatria Discreta : Se uma varivel aleatria contnua com funo densidade , e uma funo real de varivel real. A expresso = o valor esperado de , impondo-lhe uma condio semelhante a (5.2) Propriedades do Valor Esperado : As propriedades do valor esperado para variveis aleatrias contnuas so as mesmas do que as propriedades para variveis aleatrias discretas. Apenas necessrio substituir as somas por integrais.

Resumo Elementos de Probabilidades e Estatstica

20/30

Joo Marques

5.3 Momentos Momento de Ordem em Relao Origem : O valor esperado, = = se existir, define o momento de ordem em relao origem, ou momento ordinrio de ordem da varivel aleatria . Nota : = = valor esperado Teorema : Se existe o momento ordinrio de ordem de uma varivel aleatria, ento tambm existe o momento ordinrio de ordem , com < , da mesma varivel aleatria. Momento de Ordem em Relao Mdia : O valor esperado, = = se existir, o momento de ordem em relao mdia, ou momento central de ordem da varivel aleatria . Varincia : A varincia de uma varivel aleatria contnua dada por = = = parmetro de disperso da distribuio de em torno da mdia Propriedades da Varincia : = frmula mais operacional para o clculo da varincia = + = + , se e so independentes Desvio Padro : = + medida de disperso absoluta Coeficiente de Variao : = medida de disperso relativa Coeficiente de Assimetria : =

Coeficiente de Kurtosis : O coeficiente de kurtosis de uma varivel aleatria , se existir, definido por = excesso de kurtosis : 3

5.4 Parmetros da Ordem Quantil : Seja uma varivel aleatria contnua, e , um nmero real a verificar 0 < < 1. Quantil de ordem , , um valor de que satisfaz a condio > = < = = medida de localizao , Mediana : = 0,5 , = = = 0,5
, 3 Quartil : = 0,75 , = 0,75 Moda : Seja uma varivel aleatria contnua. Moda, , um valor de que verifica a condio , Nota: A moda no um parmetro da ordem, contudo trata-se de uma importante medida de localizao. Amplitude Interquartis : = , , (medida de disperso absoluta) Uma medida de disperso relativa :

1 Quartil : = 0,25 ,

, = 0,25

Principais medidas de localizao e de disperso : Medidas / Localizao Disperso absoluta Disperso relativa

Resumo Elementos de Probabilidades e Estatstica

21/30

Joo Marques

5.6 Distribuio Uniforme Distribuio Uniforme : Diz-se que uma varivel aleatria contnua, , tem distribuio uniforme no intervaalo , , com < , quando a funo densidade dada por < < |, = 0 Simbolicamente, ~ , . Principais caractersticas da Distribuio Uniforme : 0 < << Funo de Distribuio : | , = 1 Expresso Geral dos Momentos em Relao Origem : Mdia : =

5.5. Funo Geradora dos Momentos Funo Geradora dos Momentos : Seja uma varivel aleatria contnua com funo densidade . Se existir um nmero real > 0, tal que = existe e finito para < < , ento = define a funo geradora dos momentos de . a) Existe uma correspondncia biunvoca entre funo geradora dos momentos (quando existe) e funo densidade b) =

Funo Geradora dos Momentos : = =

Varincia : = Coeficiente de Assmetria nulo : = 0 Transformao Uniformizante : a) Seja uma varivel aleatria contnua com funo de distribuio estritamente crescente no intervalo aberto , onde tem densidade positiva (este intervalo pode ser ilimitado, isto , pode acontecer = ou = + ; tem-se = 0 e = 1). Ento a varivel aleatria = tem distribuio 0,1. b) Seja uma varivel aleatria contnua com distribuio 0,1, e a funo de distribuio de uma varivel aleatria contnua. Supe-se que estritamente crescente no intervalo aberto , onde esta varivel aleatria tem densidade positiva (o intervalo pode ser ilimitado, isto , pode acontecer = ou = + ; tem-se = 0 e = 1). Ento a varivel aleatria = contnua com funo de distribuio .

= =

= 0

Resumo Elementos de Probabilidades e Estatstica

22/30

Joo Marques

5.7 Distribuio Normal Distribuio Normal : Diz-se que a varivel aleatria tem distribuio normal com parmetros e quando a funo densidade da forma |, = com < < + onde e > 0. Simbolicamente ~, . Caso Particular Importante : = 0 e = 1 Funo Densidade : = Funo de Distribuio : =

Funo de Distribuio de ~, : | , =

Distribuio Normal Estardadizada : A distribuio 0,1 uma distribuio normal estandardizada se ~, e = . Simetria : , simetrica em relao recta = 0,1 = ; = 1 Funo Geradora dos Momentos de ~, : = Funo Geradora dos Momentos de ~, : = + Valor Esperado e Varincia : = ; = Coeficiente de Kurtosis : = = 3

Expresso Geral dos Momentos Centrais de Ordem Par : =

! !

Interpretao do excesso de kurtosis : a) Distribuio leptokurtica : > 3 caudas mais espessas b) Distribuio platilurtica : < 3 caudas mais finas c) Distribuio mesokurtica : = 3 distribuio normal Intervalos e Probabilidades da Distribuio Normal : Intervalos Probabilidades 0,6826 0,9544 2 0,9973 3 0,5000 0,6745 0,9000 1,6450 0,9500 1,9600 0,9900 2,5758 Teorema : Se as variveis aleatrias = 1,2, , so independentes, ento ~ , = ~ , onde = e = Qualquer combinao linear de variveis aleatrias independentes com distribuio normal tem ainda distribuio normal. Corolrio : Se as variveis aleatrias = 1,2, , so independentes e identicamente distribudas, ento ~, = ~, Corolrio : Se as variveis aleatrias = 1,2, , so independentes e identicamente distribudas, ento = ~, ~ ,
23/30 Joo Marques

Resumo Elementos de Probabilidades e Estatstica

5.8 Distribuio Exponencial Distribuio Exponencial : A varivel aleatria com funo densidade definida por 0 0 | = > 0 diz-se que tem distribuio exponencial (ou exp. negativa). Simbolicamente, ~ . Principais Caractersticas da Distribuio Exponencial : 0 0 Funo de Distribuio : | = 1 > 0 Funo Geradora dos Momentos : = 1 = , < Varincia : = Coeficiente de Variao : = 1 Coeficiente de Assimetria : = 2 Coeficiente de Kurtosis : = 9 No tem Moda porque | decrescente com e o domnio aberto.

Teorema : Se as variveis aleatrias = 1,2, , so normais tais que = , = = , , = ento = ~ , onde = e = + 2 + 2 + + 2 + 2 + + 2 + +

Valor Esperado : =

Mediana : = enviesamento positivo < Propriedade da Falta de Memria : ~ > + | > = > Teorema : Se , , , so variveis aleatrias independentes, ento ~ min ~

5.9 Distribuio Gama ; Distribuio do Qui-Quadrado Funo Gama (factorial generalizado) : Funo real de varivel real que faz corresponder a cada nmero real positivo, > 0, o nmero real definido por > 0 = Propriedades da Funo Gama : a) Substituindo por , obtm-se = b) Com > 1, integrando por partes, obtm-se = 1 1 c) Se = (inteiro positivo), tem-se = 1! mas 1 = = 1 d) =

Distribuio Gama : Uma varivel aleatria com funo densidade dada por 0 0 |, = , com > 0 e > 0 > 0

diz-se ter distribuio gama de parmetros e . Simbolicamente, ~ , . Nota : Quando = 1 cai-se no caso particular da distribuio exponencial.
24/30 Joo Marques

Resumo Elementos de Probabilidades e Estatstica

Principais Caractersticas da Distribuio Exponencial : Momentos em Relao Origem : = Coeficiente de Variao : = Coeficiente de Valor Esperado : = =
Assimetria : = Kurtosis : = 3 +

Funo Geradora dos Momentos : = 1

Varincia : = =

, <

Se 1, no tem Moda ; Se > 1, Moda : = = Se > 1, verifica-se sempre < < Teorema : Sejam e duas variveis aleatrias independentes. Ento ~ ; , ~ ; = + ~ ; , = + Generalizando para variveis aleatrias independentes, tem-se ~ ; , = 1,2, , = ~ ; , = Quando, em particular, = 1 = 1,2, , , tem-se ~, = 1,2, , = ~ ; ou seja, a soma de variveis aleatrias indepenentes com distribuio exponencial, com o mesmo , tem distribuio gama com parmetros e . Tempo de Espera pelo -simo acontecimento (Poisson) : |, = | = > 0 , para = 1,2,

Coeficiente de

Distribuio do Qui-Quadrado : Diz-se que a varivel aleatria tem distribuio do quiquadrado com graus de liberdade ( inteiro positivo), simbolicamente ~ , quando a respectiva funo densidade dada por 0 0 ~ < = > ~ ;

Nota : A distribuio do qui-quadrado uma distribuio gama com = e = , ~ 2 2 1~0,1 Mtodos de Clculo :

~ ; 2 2 Principais Caractersticas da Distribuio do Qui-Quadrado : Valor Esperado : = Varincia : = 2 Coeficiente de Assimetria : = Coeficiente de Kurtosis : = 3 +

Coeficiente de Variao : =

Teorema : Sejam e duas variveis aleatrias independentes. Ento ~ , ~ = + ~ , = + Generalizando para variveis aleatrias independentes, tem-se ~ , = 1,2, , = ~ , =
25/30 Joo Marques

Funo Geradora dos Momentos : = 1 2 com <

Resumo Elementos de Probabilidades e Estatstica

Teorema : Seja uma varivel aleatria. Ento ~0,1 = ~ 1 ou ~ ,

5.10 Distribuio Beta Funo Beta : Funo real de duas variveis reais, fazendo corresponder a cada par de nmeros reais positivos , , um nmero real definido por 1 com > 0 e > 0 , = Propriedades da Funo Beta a) , = , b) 1,1 = 1 c) As funes gama e beta esto relacionadas do seguinte modo : , = d) Distribuio Beta : A varivel aleatria com funo densidade dada por 1 0 < < 1 |, = , , para > 0 e > 0, 0 diz-se que tem distribuio beta. Simbolicamente ~, . Principais Caractersticas da Distribuio Beta : Varincia : = Coeficiente de Assimetria : = Coeficiente de Kurtosis : = Valor Esperado : = Momentos em Relao Origem : =
,

Coeficiente de Variao : =

Forma/Simetria : = distribuio simtrica < distribuio assimtrica positiva cauda longa direita > distribuio assimtrica negativa cauda longa esquerda >0e >0 distribuio unimodal = = =1e =1 distribuio uniforme outros valores de e no tem moda

5.11 Teorema do Limite Central Interpretao do Teorema do Limite Central : O Teorema do Limite Central garante que a soma de variveis aleatrias independentes, todas com a mesma mdia e a mesma varincia, tem, depois de estandardizada e para valores de suficientemente grandes, distribuio aproximada, 0,1. Teorema da Continuidade : Considere-se a sucesso de variveis aleatrias, , + , , + + + , , ou com = 1,2, Sejam e , com = 1,2, , as respectivas sucesses de funes de distribuio e de funes geradoras dos momentos [supe-se que existem para | < | > 0]. Ento, se > 0 e 0 1, a sucesso tende para a funo de distribuio que tem como funo geradora dos momentos.
Resumo Elementos de Probabilidades e Estatstica 26/30 Joo Marques

Teorema do Limite Central : Dada a sucesso de variveis aleatrias independentes e identicamente distribudas (iid), , , , , , com mdia e varincia , ento, quando +, a funo de distribuio da varivel aleatria, tende para uma funo de distribuio 0,1, ou seja, a distribuio assinttica ou aproximada de 0,1. Simbolicamente, ~0,1. lim = lim Outras formulaes : =

Corolrio : Dada uma sucesso de variveis aleatrias iid, , , , , , com distribuio de Bernoulli de mdia = e = 1 , vem ~0,1 Correco de Continuidade : para > 20, Caso particular = = : = =

( grande)

Regras prticas orientadoras do clculo de probabilidades que envolvem a distribuio binomial : Sempre que possvel, deve utilizar-se directamente a distribuio binomial, o que permite o clculo exacto das probabilidades recorrendo a meios computacionais. Quando necessrio (sempre para > 20), o clculo aproximado das probabilidades deve atender aos seguintes casos: Se 0,1, deve utilizar-se a aproximao da binomial pela Poisson; Se 0,9, deve usar-se a Poisson considerando o acontecimento complementar Se 0,1 < < 0,9, deve recorrer-se frmula da correco da continuidade Nota importante : medida que se afasta de 0,5, so necessrias amostras com dimenso cada vez maior, uma vez que a distribuio binomial se torna mais assimtrica. Corolrio : Se uma varivel com distribuio de Poisson, ~, ento lim = ~0,1 quando + Outra formulao : Correco de Continuidade : para > 20,

Resumo Elementos de Probabilidades e Estatstica

27/30

Joo Marques

5.12 Valor Esperado e Momentos de Variveis Aleatrias Contnuas Valor Esperado de Funo de Varivel Aleatria Bidimensional : Se , for uma varivel aleatria bidimensional contnua, com funo densidade , , e se uma funo de , , a expresso , = , , , define o valor esperado de , , desde que se verifique a j referida condio de existncia do valor esperado. Teorema : + = + Teorema : = Momentos de Ordem + em Relao Origem : Seja , uma varivel aleatria bidimensional contnua. O valor esperado, = = , , define um momento de ordem + em relao origem de , . Momentos de primeira ordem : = = = 1, = 0 = 0, = 1 = = Momentos de segunda ordem : = 2, = 0 = = 1, = 1 = = 0, = 2 = Momentos de Ordem + em Relao Mdia : Seja , uma varivel aleatria bidimensional contnua. O valor esperado, , , = = define um momento de ordem + em relao mdia de , . Momentos de primeira ordem (so nulos) : = 1, = 0 = 0 = 0, = 1 = 0 Momentos de segunda ordem : = 2, = 0 = = = = 1, = 1 = = 0, = 2 = = = Covarincia : A covarincia das variveis aleatrias e , = , = , se este valor esperado existir. , = , = = 0 Coeficiente de Correlao : O coeficiente de correlao entre as variveis aleatrias e dado por Teorema : Se duas variveis aleatrias, e , so independentes, ento a respectiva covarincia igual a zero. A independncia implica no correlao, mas a recproca no verdadeira. Teorema : Se existem segundos momentos para as variveis aleatrias e , ento = , + Em particular, se as variveis so independentes, = + , =
,

= ,

Resumo Elementos de Probabilidades e Estatstica

28/30

Joo Marques

Valor Esperado Condicionado : Seja a varivel aleatria = , , funo das variveis aleatrias contnuas e . O valor esperado de = , condicionado por = , definido por | = = , | = = , | se se verificar a condio habitual de existncia do valor esperado. De modo anlogo se define | = = , | = = , | Se , = , | = = |

Se , = , | = = | Teorema : O valor esperado de = , , se existir, igual ao valor esperado do seu valor esperado condicionado por , = | Se = , = | regra do valor esperado iterado ( v.e. marginal) Varincia Condicionada : A varincia de condicionada por = definida por | = = | = | = | = | = Do mesmo modo se define a varincia de condicionada por = , | = = | = | = | = | = | = = | = | = | = = | = | = Os resultados da seco 4.11 ainda so vlidos para variveis aleatrias -dimensionais contnuas (matrizes das covarincias e das correlaes, etc).

5.13 Distribuio Normal Bidimensional Distribuio Normal Bidimensional : Se a varivel aleatria bidimensional , tem funo densidade da forma , , | , , , , , = com , , , que tem distribuio normal bidimensional. Principais Caractersticas da Distribuio Normal Bidimensional : , = 1 , Valor Esperado (marginal) : = ; = Varincia (marginal) : = ; = Coeficiente de Correlao : , Covarincia : , = , Distribuio Normal Bidimensional Estandardizada : Se = = 0 e = = 1, Funo Densidade Marginal :

2 + , , , > 0, > 0 e 1 , 1, diz-se

Teorema : Se , uma varivel aleatria normal bidimensional, ento e so independentes se e so se e forem no correlacionados = 0.
29/30 Joo Marques

, , =

; =

2 +

Resumo Elementos de Probabilidades e Estatstica

Funo Densidade de condicionada por = : | , =

, ,

Valor Esperado de condicionado por = : | = = +

5.14 Distribuio Normal -Dimensional Os resultados obtidos na seco 5.13 so generalizveis.

1 Varincia de condicionada por = : | = =

Resumo Elementos de Probabilidades e Estatstica

30/30

Joo Marques