Escolar Documentos
Profissional Documentos
Cultura Documentos
Resumo ElementosdeProbabilidadeseEstatística
Resumo ElementosdeProbabilidadeseEstatística
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 : =
Frequncia Relativa : =
; propriedade : = 1
altura do rectngulo : 21 ou 2
1.5
Caractersticas Numricas : Mdia e Desvio-Padro
4 54 5548
Mdia : 3 = 1 6
= *
(medida de localizao)
:;1 5:
)
9
*
9
Mdia (de dados agrupados em classes) : 3 =
= )
*
Propriedade da Mdia : A soma dos desvios em relao mdia nula. *( 3 ) = 0
2/30
Joo Marques
(
- *
3 )
( 3 )
- *
9
Varincia (para dados classificados) : = )
> 9 3 ? = )
* > 3 ?
*
9
) > 9 3 ? = )
Varincia corrigida (para dad. class.) : 9 =
* - > 3 ?
- *
Varincia (forma simplicifada) : = *( 3 ) = *( ) 3
Desvio-absoluto mdio : @ = *| 3 | ou @ = )
B 9 3 B
*
E
Coeficiente de Variao : CD = 43 ; observaes com sinal positivo / independente da
Desvio-Padro : = = = *( 3 ) ou 9 = =
1.6
Caractersticas Numricas : Estatsticas da Ordem
() = /( )
Extremos :
;
() = /F( )
Mediana : valor da coleco que tem 50% de observaes inferiores e 50% de
("5)
K = 2& + 1
N
observaes superiores ;
I = J 4(L)54(LM1)
K
=
2&
Quantil de ordem O : valor da coleco que tem P observaes inferiores e (1 P)
observaes superiores ; calcula-se a ordem: Q = 1 + ( 1)P ;
se Q , TU = (V)
se Q , TU = (V) + X>(V5) (V) ? = (1 X)(V) + X(V5) , onde 0 X < 1
Quartis :
Quartis
Ordem aproximada
Q a parte inteira
X a parte fraccionria
+3
1 quartil : [
4
+1
Mediana : I
2
3 + 1
3 quartil : [^
4
-
: frequncia absoluta acumulada at classe
: amplitude da classe ;
: frequncia absoluta da classe ;
3/30
2
- :
+ + + - ;
Joo Marques
Estimativa do quantil iO de :
U-0;1
TU = ,- +
_`a
k
0
Disperso absoluta
Disperso relativa
Atributo quantitativo
1.7
Outliers
Outlier Severo : um outlier severo quando
< [ 3([^ [ )
> [^ + 3([^ [ )
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 : 4x = *( 3 )(y yz) ou 4x = *( y ) 3 yz
8
z)
}~1(4} -43 )(x} -x
8
6
z)6
=8
}~1(4} -43 ) =}~1(x} -x
1 Q 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 ( , y ) substitudo pelo
par Q@( ), Q@(y ), onde Q@( ) 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
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 : ' = ' z = : '
Acontecimento contrrio/complementar : '3 = : ' (' '3 = ; ' '3 = ; '3 = ')
Propriedades das operaes definidas sobre acontecimentos :
1) Associatividade : ' ( C) = (' ) C ; ' ( C) = (' ) C
2) Comutatividade : ' = ' ; ' = '
3) Distributividade : ' ( C) = (' ) (' C) ; ' ( C) = (' ) (' C)
4) Leis de Morgan : zzzzzzz
' = '3 z ; zzzzzzz
' = '3 z
Operaes sobre infinidades numerveis de acontecimentos :
1) Unio numervel : (5
* '
2) Interseco numervel : 5
* '
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,
5
dois a dois incompatveis, ' ' = ( $), ento >(5
* ' ? = * >' ?
Resumo Elementos de Probabilidades e Estatstica
5/30
Joo Marques
2.4
Interpretaes do conceito de probabilidade
Regra de Laplace : Sejam os acontecimentos elementares equiprovveis, ento temos
(') =
)
#(_)
= #() =
EE 0VE _
EE EEE
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) : P" = "
Permutaes : = ' = !
_8
!
Combinaes : C" = = L = "!(-")! (coeficiente binomial)
&
L
!
Permutaes de elementos no todos distintos : " !" !" ! (coeficiente multinomial)
1
6/30
Joo Marques
2.6
_
se
> 0
= >' ? >|' ?
'
Teorema de Bayes : Se , ' , '^ , , ') , uma partio de e se >' ? > 0
>_ ?>|_ ?
$ = 1,2, , /,
Nota 1 : >' |? = 1
Nota 2 : * >' ? >|' ? =
Interpretao do Teorema de Bayes :
Probabilidade a priori : >' ?
Probabilidade a posteriori : >' |?
Verosimilhanas de para cada ' : >|' ?
probabilidade F QQ probabilidade F KQQ verosimilhana
proporcional a
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 C podem ser
independentes dois a dois e no se verificar
' C =
'
C ou
vice-versa.
Independncia completa ou mtua : Os acontecimentos ', e C do mesmo espao de
resultados dizem-se completamente independentes ou mutuamente independentes se e
s se:
' =
'
,
' C =
'
C,
C =
C,
' C =
'
C
Nota : Definio extensvel a quatro ou mais acontecimentos.
Independncia condicional : Dois acontecimentos, ' e , so independentes
condicionalmente em relao a um acontecimento C se e s se
' |C =
'|C
|C
Nota : A independncia condicional no implica independncia no sentido corrente a no
ser, obviamente, quando C = .
7/30
Joo Marques
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:
( ) = 4 ( = ) = 1
uma varivel aleatria contnua se e s se = e se existe uma funo real de
varivel real , no negativa, tal que
4
() = - ()@ ,
Seja 1 uma funo de distribuio associada a uma varivel aleatria discreta, , e
6 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 () + (1 )6 (), 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.
8/30
Joo Marques
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 y = () 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 : = ( ) ;
'x = () = y,
Funo Probabilidade de : (y) = ( = y) = ( ' ) = _| (), para y
Caso 2 : Varivel Aleatria Qualquer :
Funo de Distribuio de : (y) = ( y) = >'x ? onde 'x = () y
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.
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
, (, y) = ( , y),
a funo de distribuio de (, ), ou funo de distribuio conjunta das variveis e .
Propriedades da Funo de Distribuio Conjunta :
1) 0 (, y) 1
2) no decrescente, separadamente, em relao a e em relao a y :
> 0 (, y) ( + , y) e y > 0 (, y) (, y + y)
3) (, y) = (, ) = 0 e (+, +) = 1
4) ( ) = ( < , y < y y ) = ( , y ) ( , y ) ( , y ) + ( , y )
5) contnua direita, separadamente, em relao a e em relao a y :
( + 0, y) = (, y), (, y + 0) = (, y)
Funo de Distribuio Marginal : A funo definida por () = , (, +) designase por funo de distribuio marginal da varivel aleatria . A funo dada por
(y) = , (+, y) 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 , (, y) = () (y)
Teorema : Se e so variveis aleatrias independentes, e se e so duas funes,
ento as variveis aleatrias = () e D = () 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 : = (, y) ( = , = y) > 0
Funo Probabilidade Conjunta : Seja (, ) varivel aleatria bidimensional discreta. A
funo real de duas variveis reais, , , com domnio , definida por
, (, y) = ( = , = y)
a funo probabilidade de (, ), ou funo probabilidade conjunta das variveis e .
( = , = y) > 0 K (, y) N
(, y) =
( = , = y) = 0 K (, y)
(4,x) (, y) = 1 ; (, ) = (4,x) (, y)
(, y) = ( , y) = 4} 4 x} x ( , y )
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 K N
() =
( = ) = 0 K
Do mesmo modo se define a funo probabilidade marginal de , ,
( = y) > 0 K y N
(y) =
( = y) = 0 K y
onde = y ( = y) = (y) (y 0) > 0
10/30
Joo Marques
*4,*x
*x
0,
4,x
0
x
(y fixo)
|*4
y =
= y| = =
*4,*x
*4
0,
4,x
0
4
( 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
x
4
,
, y = - - ,
, @@,
, y
Funo Densidade Conjunta : A funo , (introduzida na definio anterior) chama-se
funo densidade de
, ou funo densidade conjunta de e
5 5
,
+, + = - -
, y@@y = 1
Se a funo densidade
, y for contnua no ponto
, y, ento
, y =
6
4,x
4x
=
y =
4
4
x
x
= - ,
, y@y
5
= - ,
, y@
5
0,
4,x
0
x
(y fixo)
|*4
y =
0,
4,x
0
4
F < < | = = |*
@ =
11/30
( fixo)
0,
4,4
0
Joo Marques
0
40|~{
x
0
x
0
40|~{
x
M
; 0
40|~{
x4
, com
y > 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 :
, +, , + =
= 41
Vectores Aleatrios Independentes : Os vectors aleatrios e D 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
, , " = 1
L
"
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
41
4L
, , " =
, , " @ @"
-
12/30
Joo Marques
4.3
Momentos
Momento de Ordem em Relao Origem : O valor esperado,
"9 = > " ? = 4 " ()
se existir, o momento de ordem & em relao origem, ou momento ordinrio de ordem
& da varivel aleatria .
Nota : 9 = () = 4 () 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,
" = ( )" = 4( )" ()
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 ( )" ,
DFQ() = = ( ) = 4( ) ()
DFQ() 0 ; DFQ() = 0 < = > ( = ) = 1
parmetro de disperso da distribuio de em torno da mdia
Propriedades da Varincia :
1) Se uma constante, DFQ() = 0
2) Se uma constante, DFQ() = DFQ()
3) Se e @ so constantes, DFQ( + @) = DFQ()
Frmula mais operacional para o clculo da varincia : DFQ() = ( )
Desvio Padro : Ao valor positivo da raz quadrada da varincia, = +DFQ(), 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
(-)k
13/30
Joo Marques
4.4
Funes Geradoras
Sucesses Importantes :
Sucesso das probabilidades : , , ,
Sucesso dos momentos em relao origem : 9 = , 9 , , "9 ,
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
4 = ( = ) com = 0,1,2, a verificar 5
4* 4 = 1
A funo geradora das probabilidades de a funo real de varivel real, , definida
4
por
() = ( ) = 5
4* 4
({) ()
4 = ( = ) =
4!
() = 9 (1) = 5
4* 4
99 (1)
DFQ() =
+ 9 (1) 9 (1)
Funo Geradora dos Momentos : Seja uma varivel aleatria discreta com funo
probabilidade . Se existir um nmero real > 0, tal que
(K E ) = 4 K E4 ()
existe para < < , ento
I () = (K E )
define a funo geradora dos momentos de , I .
I9 (0) = 4 () = ()
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 I () = I () 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
I() = (K E ) = (K E ) < = > () = Iln()
Probabilidades :
Teorema : Se e so variveis aleatrias discretas independentes, com funes
geradoras dos momentos I () e I (), ento a funo geradora dos momentos +
existe, e dada pela expresso:
I5 () = I ()I ()
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
K N
() = J
0 K
a funo probabilidade constante para um nmero finito de pontos
a distribuio simetrica
Principais caractersticas da Distribuio Uniforme :
Valor Esperado : () = = *
14/30
Joo Marques
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 K = 1
N
K = 0
(| =
0
FQF Q
Distribuio de Bernoulli : Se a varivel aleatria tem funo probabilidade dada por
| = 4
1 -4 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 : DFQ
=
1
Desvio Padro : =
1
-
Coeficiente de Assimetria : =
Funo Geradora dos Momentos : I
=
K E =
1 + K E
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
Coeficiente de Assimetria : =
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 4- K = 1,2, N
=
0
FQF Q
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)
-
"-
= (-)6
= "* &
"-
99 () =
= (-)k
"* &(& 1)
9 ()
Desvio Padro : =
-
-
6
Coeficiente de Assimetria : =
-
-
Algumas Propriedades :
(F ) = (1 )- (1 )
Se +, ( F) = (1 )-
Se F = 1, ( ) = 1 (1 )
Funo de Distribuio de uma Varivel Aleatria com Distribuio Geomtrica :
0
K < 1
N
() =
1 (1 )" K & & + 1
para & = 1,2,
Propriedade da Falta de Memria : ( > | > ) = ( > )
Nova perspectiva : Realizar provas de Bernoulli independentes at obter Q sucessos.
Distribuio Binomial Negativa : Uma varivel aleatria com funo probabilidade dada
por
1 V (1
)4-V K = Q, Q + 1, Q + 2, N
(|) = Q 1
, para 0 < < 1
0
FQF Q
diz-se que tem distribuio binomial negativa. Simbolicamente, ~(Q; ).
Principais caractersticas da Distribuio Binomial Negativa :
V
Valor Esperado : () = =
V(-)
6
V(-)
Varincia : DFQ() = =
Desvio Padro : =
Coeficiente de Assimetria : =
-
>0
16/30
Joo Marques
4.8
Distribuio Hipergeomtrica
Distribuio Hipergeomtrica : Se a varivel aleatria tem funo probabilidade dada
por
(|, I, =
b -b
4 -4
K N
0
K
com = /F0,
I /, I, KQ
diz-se que tem distribuio hipergeomtrica. Simbolicamente ~
, I,
-b
-
-
=
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
K = 0,1,2, N , com > 0,
0
FQF Q
diz-se que tem distribuio de Poisson. Simbolicamente, ~
Principais caractersticas da Distribuio de Poisson :
| =
; {
4!
5
4* 4! = 1
Funo Geradora dos Momentos : I
=
K E = K
K E 1
Valor Esperado :
=
Varincia : DFQ
=
Desvio Padro : =
Coeficiente de Assimetria : = -
Distribuio de Poisson e Intervalos de Tempo :
; {
| =
= | =
;
{
,
4!
17/30
Joo Marques
, , a expresso
, = (4,x)
, y), (, y)
o valor esperado de (, y). Tal como no caso unidimensional, tem de se verificar
(4,x)|(, y)|, (, y) < +
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 + m em Relao Origem : Seja (, ) uma varivel aleatria
bidimensional discreta. O valor esperado,
9
VE
= ( V E ) = (4,x) V y E , (, y)
define, se existir, um momento de ordem Q + em relao origem (ordinrio) de varivel
aleatria (, ).
Momentos de primeira ordem :
9
= () =
Q = 1, = 0
9
Q = 0, = 1 = () =
Momentos de segunda ordem :
9
Q = 2, = 0
= ( )
9
Q = 1, = 1
= ()
9
Q = 0, = 2 = ( )
Momentos de Ordem + m em Relao Mdia : Seja (, ) uma varivel aleatria
bidimensional discreta. O valor esperado,
VE = ( )V ( )E = (4,x)( )V (y )E , (, y)
define, se existir, um momento de ordem Q + em relao mdia (central) de varivel
aleatria (, ).
Momentos de primeira ordem (so nulos) :
Q = 1, = 0 = 0
Q = 0, = 1 = 0
Momentos de segunda ordem :
Q = 2, = 0 = ( ) = DFQ() =
Q = 1, = 1 = ( )( )
Q = 0, = 2 = ( ) = DFQ() =
Covarincia : A covarincia das variveis aleatrias e
C(, ) = , = ( )( ) ,
se este valor esperado existir.
C(, ) = () ()()
C(, ) = () () = 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
, =
(,)
V()V()
18/30
= ,
Joo Marques
| = =
, | = = x
, y|*4
y
se se verificar a condio habitual de existncia do valor esperado.
De modo anlogo se define
| = y =
, | = y = 4
, y|*x
Se
, y = ,
| = = x y|*4
y
Se
, y = ,
| = y = 4 |*x
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
DFQ
| = =
| = | = = x y
| = |*4
y
Do mesmo modo se define a varincia de condicionada por = y,
DFQ
| = y =
| = y | = y = 4
| = y |*x
DFQ
| = =
| =
| =
DFQ
| = y =
| = y
| = y
Teorema : Se existe
, ento
DFQ
= DFQ
| + DFQ
| (Varincia Marginal)
Teorema : A covarincia entre e igual covarincia entre e o valor esperado de
condicionado por ,
C
, = C,
|
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
| = y =
, qualquer que seja y
" " ""
}}
19/30
}
Joo Marques
1
1
Matriz das Correlaes do Vector Aleatrio : CQQ
=
" "
Relao entre a Varincia e a Matriz das Covarincias :
DFQ
= DFQ
=
C
Relao entre a Matriz das Covarincias e a Matriz das Correlaes :
C
= C
r = rC
r
Nota:
e r so matrizes de coeficientes
"
"
4 4
4
1 6 " L
1 " -41 -46 --4L ,
para as probabilidades positivas, diz-se que tem distribuio multinomial.
Principais caractersticas da Distribuio Multinomial :
Valor Esperado :
=
Varincia : DFQ
=
1
Desvio Padro : =
1
Covarincia : C> , ? = =
6
}
Coeficiente Correlao : = =
- >-
?
$
= -
@
quando
5
- ||
@ < + (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
5
>
? = -
@
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.
20/30
Joo Marques
5.3
Momentos
Momento de Ordem em Relao Origem : O valor esperado,
5
"9 = > " ? = - "
@
se existir, define o momento de ordem & em relao origem, ou momento ordinrio de
ordem & da varivel aleatria .
5
Nota : 9 =
= -
@ 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,
5
" =
" = -
"
@
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
5
DFQ
= =
= -
@
parmetro de disperso da distribuio de em torno da mdia
Propriedades da Varincia :
DFQ
= DFQ
DFQ
=
frmula mais operacional para o clculo da varincia
DFQ
+ = DFQ
+ DFQ
, se e so independentes
Desvio Padro : = +DFQ
medida de disperso absoluta
Coeficiente de Assimetria : =
-k
k
= kk
definido por
=
excesso de kurtosis : 3
5.4
Parmetros da Ordem
Quantil : Seja uma varivel aleatria contnua, e P, um nmero real a verificar
0 < P < 1. Quantil de ordem P, U , um valor de que satisfaz a condio
@ = P < = >
U = P
-
medida de localizao
,
Mediana : P = 0,5 , = = /K@
-
@ = 0,5
,6
1 Quartil : P = 0,25 , -
@ = 0,25
,
3 Quartil : P = 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)
_`a
Uma medida de disperso relativa :
Disperso absoluta
Disperso relativa
21/30
Joo Marques
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
5
K E = - K E4
@
existe e finito para < < , ento
I
=
K E
define a funo geradora dos momentos de .
a) Existe uma correspondncia biunvoca entre funo geradora dos momentos (quando
existe) e funo densidade
b) I5
= I
I
5.6
Distribuio Uniforme
Distribuio Uniforme : Diz-se que uma varivel aleatria contnua, , tem distribuio
uniforme no intervaalo
P, , com P < , quando a funo densidade dada por
K P < < N
|P, = J -U
0
FQF Q
Simbolicamente, ~
P, .
Principais caractersticas da Distribuio Uniforme :
0
K < P
4-U
K
P < < N
Funo de Distribuio :
|P, = -U
1
K
Funo Geradora dos Momentos : I
=
K
E
{
U -U @
L
@
-U
> " ? = U
U5
4 LM1
-
J E
-U
LM1 -ULM1
= -U g "5 h =
"5
-U
U
K 0N
K = 0
Varincia : DFQ
=
Coeficiente de Assmetria nulo : = 0
Transformao Uniformizante :
a) Seja uma varivel aleatria contnua com funo de distribuio estritamente
crescente no intervalo aberto F, onde tem densidade positiva (este intervalo
pode ser ilimitado, isto , pode acontecer F = ou = + ; tem-se
F = 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 F, onde esta varivel aleatria tem densidade
positiva (o intervalo pode ser ilimitado, isto , pode acontecer F = ou = + ;
tem-se
F = 0 e
= 1). Ento a varivel aleatria = -
contnua
com funo de distribuio .
-U6
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
|, =
K 6
com < < +
6
Funo de Distribuio :
=
6
K
6
@
- 6
K
@
-
V! 6
6 E6
V!
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
~> , ? = "* P ~
,
onde
= "* P e = "* P
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
6
~
, z = "* ~ ,
"
23/30
"
Joo Marques
= , DFQ
= = , C> , ? =
$
ento
= "* P ~
,
onde
= "* P
e
= P + 2P P + 2P P^ ^ + + 2P P" "
+P + 2P P^ ^ + + 2P P" "
+P" ""
5.8
Distribuio Exponencial
Distribuio Exponencial : A varivel aleatria com funo densidade definida por
0
K 0N
| = ) -4
K
K > 0
diz-se que tem distribuio exponencial (ou exp. negativa). Simbolicamente, ~
.
Principais Caractersticas da Distribuio Exponencial :
0
K 0 N
Funo de Distribuio :
| = )
-4
1K
K > 0
E -
Varincia : DFQ
= 6
Coeficiente de Variao : CD = 1
Coeficiente de Assimetria : = 2
Coeficiente de Kurtosis : = 9
No tem Moda porque
| decrescente com e o domnio aberto.
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, P > 0, o nmero real definido por
5
P = K -4 U- @
P > 0
Propriedades da Funo Gama :
5
a) Substituindo por , obtm-se
P = U K -4 U- @
b) Com P > 1, integrando por partes, obtm-se
P =
P 1
P 1
c) Se P = (inteiro positivo), tem-se
=
1!
5
mas
1 = K -4 @ = 1
d) =
Distribuio Gama : Uma varivel aleatria com funo densidade dada por
0
K 0
N , com P > 0 e > 0
|P, = ;{ 4 ;1
K
>
0
-
U
24/30
Joo Marques
E -
=
-E
U
U5
U5"-
L
Varincia : DFQ
= =
U
6
,
<
U
Assimetria : =
U
/
Kurtosis : = 3 +
U
Coeficiente de Variao : CD =
Coeficiente de
Coeficiente de
U-
Se P 1, no tem Moda
;
Se P > 1, Moda : /@F
= =
Se P > 1, verifica-se sempre < <
Teorema : Sejam e duas variveis aleatrias independentes. Ento
~.
P ; , ~.
P ; = + ~.
P; , P = P + P
Generalizando para & variveis aleatrias independentes, tem-se
~.
P ; , = 1,2, , & = "* ~.
P; , P = "* P
Quando, em particular, P = 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) :
|, =
8 ;{ 4 8;1
-!
Distribuio do Qui-Quadrado : Diz-se que a varivel aleatria tem distribuio do quiquadrado com graus de liberdade ( inteiro positivo), simbolicamente ~0
, quando
a respectiva funo densidade dada por
0
K 0
{ 8
;
;1
N
| = 6 4 6
K > 0 , para = 1,2,
8
8
6 -
6
~0
< = > ~. ;
F
~0
2 2 1~
0,1
Mtodos de Clculo :
~.
; 2 0
2
Principais Caractersticas da Distribuio do Qui-Quadrado :
Valor Esperado :
=
Varincia : DFQ
= 2
Coeficiente de Variao : CD = =
Coeficiente de Assimetria : = =
Coeficiente de Kurtosis : = 3 +
25/30
Joo Marques
} -}
~0
}
~> , ? *
P, = U-
1 - @ com P > 0 e > 0
Propriedades da Funo Beta
a)
P, =
, P
b)
1,1 = 1
-
U-
c) As funes gama e beta esto relacionadas do seguinte modo :
P, = -
U5
d) , =
Valor Esperado :
= U5
U
Varincia : DFQ
=
U56
U55
Coeficiente de Variao : CD = =U
U55
Coeficiente de Assimetria : =
Coeficiente de Kurtosis : =
-UU55
U55U
^
U55
U56 5U
U5-/+
U
U55
U55^
Forma/Simetria :
P = distribuio simtrica
P < distribuio assimtrica positiva cauda longa direita
P > distribuio assimtrica negativa cauda longa esquerda
U-
P > 0 e > 0 distribuio unimodal /@F
= = U5-
P = 1 e = 1 distribuio uniforme
outros valores de P e no tem moda
26/30
Joo Marques
8
}~1
} -
Outras formulaes :
=
8
}~1
} -
=
( grande)
F = 4
-
-
-
54
F 6
= =
-
-
8
}~1
} -
1
6
5 -
-
+
7 6
= 6
1
6
1
6
- -
-
5 -
-
7 6
1
6
- -
-
F
-
~
0,1 quando +
Outra formulao :
-
F 6
27/30
1
6
5 -
76
1
6
- -
Joo Marques
, =
,
V
V
= ,
28/30
Joo Marques
| = =
, | = = -
, y|*4
y@y
se se verificar a condio habitual de existncia do valor esperado.
De modo anlogo se define
5
| = y =
, | = y = -
, y|*x
@
Se
, y = ,
| = = - y|*4
y@y
5
Se
, y = ,
| = y = - |*x
@
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
DFQ
| = =
| = | =
5
= - y
| = |*4
y@y
Do mesmo modo se define a varincia de condicionada por = y,
DFQ
| = y =
| = y | = y
5
= -
| = y |*x
@
DFQ
| = =
| =
| =
DFQ
| = y =
| = y
| = y
Os resultados da seco 4.11 ainda so vlidos para variveis aleatrias -dimensionais
contnuas (matrizes das covarincias e das correlaes, etc).
5
2
9
,
, ?
, > 0, > 0 e 1 , 1, diz-se
K >-86
6
=-8,
com
, y , ,
que tem
distribuio normal bidimensional.
Principais Caractersticas da Distribuio Normal Bidimensional :
5 5
- - ,
, y@ @y = 1
Valor Esperado (marginal) :
= ;
=
Varincia (marginal) : DFQ
= ; DFQ
=
Coeficiente de Correlao : ,
Covarincia : C
, = ,
Distribuio Normal Bidimensional Estandardizada : Se = = 0 e = = 1,
=
,
, y =
6
=
K >-86
, ?
2y + y 9
K 6
9 ;
y =
-86
=6
K 6
y 9
Teorema : Se
, uma varivel aleatria normal bidimensional, ento e so
independentes se e so se e forem no correlacionados
= 0.
29/30
Joo Marques
0,
4,x
0
x
6
-86
=
K 6
-86 ;
6 +
y
7< =
30/30
Joo Marques