Geovanne Pereira Furriel

Funes de Densidade de Probabilidade

Trabalho apresentado ao professor Dr. Wesley Pacheco Calixto, com objetivo de descrever as principais funes de Densidade de Probabilidade para utilizao em Sistemas de Eventos Discretos

Instituto Federal de Educao, Cincia e Tecnologia de Gois - IFG Engenharia de Controle e Automao

Goinia - Brasil 14 de maio de 2013

Lista de ilustraes
Figura 1 Figura 2 Figura 3 Figura 4 Exemplos de distribuio Beta . . . . . . . . . . . . . . . . . . . . . . . . . . Distribuio Binormal . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Grco da distribuio de Cauchy . . . . . . . . . . . . . . . . . . . . . . . . Comparao entre a distribuio de Cauchy, distribuio Normal Padro e distribuio Exponencial Dupla . . . . . . . . . . . . . . . . . . . . . . . . . . Grco de uma distribuio Qui-quadrado para alguns valores de n . . . . . Exemplo de distribuio Qui-quadrada no matlab . . . . . . . . . . . . . . . Exemplo de distribuio F no centrada . . . . . . . . . . . . . . . . . . . . . Exemplo de distribuio t dupla no central . . . . . . . . . . . . . . . . . . . Distribuio de Valor Extremo normalizada . . . . . . . . . . . . . . . . . . . Distribuio F para (a) m = 10 e n = 1, 2, . . . , 10 e (b) m = 1, 2, . . . , 10 e n = 10 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Exemplo de distribuio Gamma . . . . . . . . . . . . . . . . . . . . . . . . . Exemplo de distribuio Gamma Generalizada . . . . . . . . . . . . . . . . . Grco da distribuio Logistic para a = 0 e k = 1 . . . . . . . . . . . . . . . Distribuio Log-normal . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Distribuio de Maxwell . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . A distribuio moyal . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Grco da distribuio Beta no-centrada para p = 3 2 , q = 3 e alguns valores de . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Grco de uma distribuio Qui-quadrada no-centrada para n = 5 e alguns valores de . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Grco de uma distribuio F no-centrada para m = 10, n = 5 e alguns valores de . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Grco de uma distribuio t No-centrada para n = 10 e alguns valores de Distribuio Normal padro . . . . . . . . . . . . . . . . . . . . . . . . . . . . Testes de Mdia e Variana de uma distribuio Normal . . . . . . . . . . . . 7 10 12 13 14 15 18 19 21

Figura 5 Figura 6 Figura 7 Figura 8 Figura 9 Figura 10

23 25 26 31 32 33 34

Figura 11 Figura 12 Figura 13 Figura 14 Figura 15 Figura 16 Figura 17

38

Figura 18

39

Figura 19

40 42 43 44

Figura 20 Figura 21 Figura 22

Sumrio
1 Distribuio de Bernoulli 1.1 Relaes Importantes: . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1.2 Relao com outras distribuies . . . . . . . . . . . . . . . . . . . . . . . . . . Distribuio Beta 2.1 Relaes Importantes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2.2 Matlab . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Distribuio Binomial 3.1 Relaes Importantes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3.2 Matlab . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Distribuio Binormal 4.1 Funo Caracterstica . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Distribuio de Cauchy 5.1 Relaes Importantes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5.2 Comparao com outras distribuies . . . . . . . . . . . . . . . . . . . . . . . . Distribuio Chi-square 6.1 Relaes Importantes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6.2 Matlab . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Distribuio Compound Poisson 7.1 Relaes Importantes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Distribuio Double-Exponential 8.1 Funo Caracterstica . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Distribuio-F Doubly Non-Central 6 6 6 7 7 8 9 9 9 10 11 12 12 12 14 14 14 16 16 17 17 18 19 20 20 20 21 21 22 23 23 23 24 25 25 25

10 Distribuio-t Doubly Non-Central 11 Distribuio Exponencial 11.1 Relaes Importantes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11.2 Matlab . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12 Distribuio Extreme Value 12.1 Parmetros Importantes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12.2 Matlab . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13 Distribuio-F 13.1 Relaes com outras distribuies . . . . . . . . . . . . . . . . . . . . . . . . . . 13.2 Funo Caracterstica . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13.3 Relaes Importantes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14 Distribuio Gamma 14.1 Parmetros Importantes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14.2 Relao com outras distribuies . . . . . . . . . . . . . . . . . . . . . . . . . .

15 Distribuio Generalized Gamma 16 Distribuio Geometric 16.1 Parmetros Importantes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17 Distribuio Hyperexponential 18 Distribuio Hypergeometric 18.1 Parmetros Importantes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19 Distribuio Logarithmic 19.1 Parmetros Importantes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20 Distribuio Logistic 21 Distribuio Log-normal 21.1 Parmetros Importantes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22 Distribuio Maxwell 22.1 Parmetros Importantes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23 Distribuio Moyal 23.1 Parmetros Importantes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24 Distribuio Multinomial 24.1 Parmetros Importantes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25 Distribuio Multinormal 26 Distribuio Negative Binomial 26.1 Parmetros Importantes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27 Distribuio Beta Non-central 28 Distribuio Non-central Chi-square 28.1 Aproximaes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29 Distribuio-F Non-central 29.1 Aproximaes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30 Distribuio-t Non-central 30.1 Aproximao . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31 Distribuio Normal 31.1 Funo Caracterstica . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31.2 Independncia de x e s2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31.3 Testes de parmetros da distribuio Normal . . . . . . . . . . . . . . . . . . . . 32 Distribuio de Pareto 32.1 Distribuio Cumulativa . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32.2 Parmetros Importantes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33 Distribuio de Poisson 33.1 Parmetros Importantes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

26 27 27 28 29 29 30 30 31 32 32 33 33 34 34 35 35 36 37 37 38 39 39 40 40 42 42 43 43 43 44 45 45 45 46 46

34 Distribuio de Rayleigh 34.1 Parmetros Importantes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35 Distribuio-t Students 35.1 Intervalos de conana . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36 Distribuio Triangular 36.1 Parmetros Importantes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37 Distribuio Uniforme 37.1 Parmetros Importantes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38 Distribuio de Weibull

47 47 48 48 49 49 50 50 51

1 Distribuio de Bernoulli
A Distribuio de Bernoulli a distribuio discreta de espao amostral (0, 1), com probabilidades P (0) = 1 p e P (1) = p. O parmetro p a probabilidade de sucesso para um evento nico a probabilidade de uma falha , portanto, 1 p tambm conhecido como q . Ambos p e q so limitados em um intervalo de zero um. A distribuio tem a forma de:
{

p(r; p) =

1 p = q se r = 0 f alha p se r = 1 sucesso

1.1 Relaes Importantes:

M dia : E(x)=p V arincia : V ar(x) = p(1 p)

1.2 Relao com outras distribuies

Partindo da Distribuio de Bernoulli podemos deduzir outras vrias Funes de Densidade de Probabilidade, que sero discutidas futuramente. Todas as quais so baseadas em sries de ensaios independentes de Bernoulli: Distribuio binomial: Expressa a probabilidade de r sucessos em um experimento com n series (0 r n). Distribuio geomtrica: Expressa a probabilidade de ter de esperar exatamente r ensaios antes do primeiro evento de sucesso (r 1). Distribuio binomial negativa: Expressa a probabilidade de ter de esperar exatamente r ensaios at que k sucessos tenham ocorrido (r k ). Esta forma tambm conhecida como Distribuio de pascal. Algumas vezes essa distribuio expressa como o nmero de falhas n que ocorrem enquanto espera-se por k sucessos (n 0).

2 Distribuio Beta
A distribuio beta e dada por f (x; p, q ) = 1 xp1 (1 x)q1 B (p, q )

onde os parmetros p e q so reais e positivos e a varivel x satisfaz 0 x 1. A grandeza dada por B(p,q) a funo beta denida em termos da mais comum funo Gamma como: (p)(q ) B (p, q ) = (p + q ) Para p = q = 1 a distribuio Beta simplesmente se torna uma distribuio uniforme entre zero e um. Para p = 1 e q = 2 ou vice-versa temos uma distribuio na forma triangular como f (x) = 2 2x e f (x) = 2x . Para p = q = 2 obtemos uma distribuio de forma paraboloide, f (x) = 6x(1 x) . De forma geral se p e q so ambos maiores do que um, a distribuio tem um nico modo em x = (p 1)/(p + q 2) e tem como pontos nais zero. Se p e ou q so menores do que um f (0) e/ou f (1) a distribuio dita J-Shaped. Na gura 1 mostramos a distribuio Beta para dois casos: p = q = 2 e p = 6, q = 3.

Figura 1 Exemplos de distribuio Beta

Uma distribuio Beta uma distribuio de probabilidade contnua, com dois parmetros a e b cuja funo densidade para valores 0 < x < 1 : f (x) = Onde a funo Gama (a + b) a1 x (1 x)b1 (a)(b)

2.1 Relaes Importantes

O valor esperado, variana, terceiro e quarto momento dado por E (x) =
p p+q

V (x) = 3 = 4 =

pq (p+q )2 (P +q +1)

2pq (q p) (p+q )3 (p+q +1)(p+q +2)

3(2pq (p+q )2 +pq (p+q 6)) (p+q )4 (p+q +1)(p+q +2)(p+q +3)

Mais momentos algbricos genricos so dados em termos da funo Beta por

k =

B (p + k, q ) B (p, q )

2.2 Matlab
A funo betat retorna a aproximao de mxima probabilidade (MLE)e o intervalo de conana para os parmetros da distribuio Beta. Um exemplo utilizando nmeros aleatrios para a distribuio Beta com a = 5 e b = 0.2 mostrado abaixo.

r = betarnd(5,0.2,100,1); [phat, pci] = betafit(r) phat = 4.5330 pci = 2.8051 6.2610

0.2301

0.1771 0.2832

O MLE para o parmetro a = 4.5330, comparado com o valor real de 5%. O intervalo de conana de 95% para a vai de 2.8051 a 6.2610. Similarmente o MLE para o parmetro b 0.2301 comparado com o valor real que 0.2. O intervalo de conana para b de 0.1771 a 0.2832.

3 Distribuio Binomial
A distribuio Binomial dada por
( )

p(r; N ; p) =

N r p (1 p)N r k

Onde a varivel r com 0 r N e o parmetro N (N 0) so inteiros e o parmetro p(0 p 1) um valor real. A distribuio descreve a probabilidade de exatamente r sucesso em N tentativas, se a probabilidade de sucesso em um nico evento p (tambm usado q = 1 p, probabilidade de falha, se assim for conveniente).

3.1 Relaes Importantes

Valores esperados, variana, terceiro e quarto momentos so dados por E (r) = N p V (r) = N p(1 p) = N pq 3 = N p(1 p)(1 2p) = N pq (p q ) 4 = N p(1 p)[1 + 3p(1 p)(N 2)] = N pq [1 + 3pq (N 2)]

3.2 Matlab
A funo binot retorna os MLEs e os intervalos de conana para os parmetros da distribuio Binomial. Um exemplo utilizando nmeros aleatrios da distribuio Binomial com n = 100 e p = 0.9 mostrado abaixo r = binornd(100,0.9) r = 88 [phat, pci] = binofit(r,100) phat = 0.8800 pci = 0.7998 0.9364 O MLE para o parmetro p 0.8800, comparado com o valor real de 0.9. O intervalo de conana para p vai de 0.7998 a 0.9364, que inclui o valor real.

4 Distribuio Binormal
A distribuio Binormal denida como uma generalizao da distribuio Normal ou da de Gauss para duas dimenses, podendo ser expressa por f (x1 , x2 ) = 1 21 2

.e 1 2

x x x x 1 (( 1 1 )2 +( 2 2 )2 2. 1 1 + 2 2 ) 2(12 ) 1 2 1 2

Onde 1 e 2 so os valores esperados de x1 e x2 , 1 e 2 seus desvios padres e o coeciente de correlao entre eles. Fazendo = 0 vemos que a distribuio se torna o produto de duas distribuies unidimensionais de Gauss Na gura 2 mostramos os contornos padronizados para uma distribuio Binormal fazendo 1 = 2 = 0 e 1 = 2 = 1 esses parametros so apenas de escala e deslocamento.

Figura 2 Distribuio Binormal

No exemplo mostrado = 0.5. Usando as variveis padronizadas da regio de contorno de um circulo perfeito partindo de = 0 comea a se tornar uma elipse da direo de 45o direcionada com 1. Os contornos mostrados correspondem ao primeiro, segundo e terceiro nvel de desvio padro.

4.1 Funo Caracterstica

A funo caracterstica da distribuio Binormal dada por (t1 , t2 ) = E (e
{
it1 x1 +it2 x2

)=

eit1 x1 +it2 x2 f (x1 , x2 )dx1 dx2

]}

= exp it1 1 + it2 2 +

1 2

2 + (it )2 2 + 2(it )(it ) (it1 )2 1 2 1 2 1 2 2

Onde mostra que se o coeciente de correlao zero entao as variaveis so independentes. Esta uma propriedade nica da distribuio Normal, uma vez que = 0 no implica em independncia.

5 Distribuio de Cauchy
A distribuio de Cauchy dada por f (x) = 1 1 . 1 + x2

e denido como < x < . uma funo simtrica e unimodal, como mostrado na gura 3.

Figura 3 Grco da distribuio de Cauchy

5.1 Relaes Importantes

Esta funo de densidade de probabilidade peculiar na medida em que tem um valor esperado indenido e todos os momentos mais altos divergem. Para a Esperana temos o valor da integral 1 x E (x) = dx 1 + x2 que no completamente convergente, pois o limite nao existe 1 lim a+,b+
b
a

Porm a conveno considerar o valor esperado da distribuio de Cauchy como indenido. Outras medidas de localizao e de disperso que so teis no caso da distribuio de Cauchy a mediana e a moda que so em x = 0 e a mdia largura e a mdia altura em 1 (mdia mxima em x = 1)

5.2 Comparao com outras distribuies

A distribuio de Cauchy geralmente comparada com a Normal (Gaussiana) com media e desvio padro > 0 1 x 2 1 f (x; , ) = e 2 ( ) 2

e a distribuio Double-Exponential com mdia e coeciente de inclinao > 0 f (x; , ) = |x| e 2

Temos tambem exemplos de distribuies simtricas e unimodais. A distribuio de Cauchy tem ramicaes mais longas que a exponencial dupla. Na gura 4 comparamos a distribuio de Cauchy e com a Normal Padro ( = 0 e = 1) e a exponencial dupla( = 1) para x > 0.

Figura 4 Comparao entre a distribuio de Cauchy, distribuio Normal Padro e distribuio Exponencial Dupla

6 Distribuio Chi-square
A distribuio Qui-quadrado dada por ( x ) 2 1 e 2 f (x; n) = 2 2( n 2)
n x

Onde a varivel x 0 e o parmetro n, positivo e inteiro, o numero de graus de liberdade. Na gura 5 a distribuio mostrada para n-valores de 1, 2, 5 e 10. Para n 2 a distribuio tem um mximo em n 2.

Figura 5 Grco de uma distribuio Qui-quadrado para alguns valores de n

6.1 Relaes Importantes

A esperana e a variana sao dados por E (x) = n V ar(x) = 2n

6.2 Matlab
A distribuio Qui-quadrada inclinada para a direita com poucos graus de liberdade. A gura 6 mostra a distribuio Qui-quadrado com 4 graus de liberdade. x = 0:0.2:15; y = chi2pdf(x,4); plot(x,y)

/
Figura 6 Exemplo de distribuio Qui-quadrada no matlab

7 Distribuio Compound Poisson

A distribuio Poisson composta descreve um processo de ramicao para as variveis de Poisson e dada por (n)r en n e p(r; , ) = r! n! n=0 Onde r 0 inteiro e varivel, e os parmetros e so reais e positivos.

7.1 Relaes Importantes

O valor esperado e a variana da distribuio Composta de Poisson so dados por E (r) =

V (r) = (1 + )

8 Distribuio Double-Exponential
A distribuio Exponencial Dupla dada por f (x; , ) = |x| e 2

Onde a varivel x um numero real assim como a localizao do parmetro enquanto o parmetro um nmero positivo e real.

8.1 Funo Caracterstica

A funo caracterstica que gera o momento central dada por x (t) = 2 2 + t2

de onde podemos achar a funo caracterstica que gera os momentos algbricos x (t) = E (eitx ) = eit E (eit(x) ) = eit x (t) = eit 2 2 + t2

Algumas vezes podemos ter uma alternativa que gera a sequencia , 1 , 2 , 3 . . . que dada por (t) = it + 2 2 + t2

9 Distribuio-F Doubly Non-Central

Se x1 e x2 so distribudos independentemente de acordo com ambas distribuies, Quiquadrado e No-central, com n1 e n2 graus de liberdades e parmetros no centrais 1 e 2 , respectivamente, ento a varivel x1 /n1 F = x2 /n2 dita como sendo uma duplamente no centrada distribuio F , com n1 , n2 graus de liberdades inteiros e positivos, e parmetros no centrais e maiores do que zero dado por 1 e 2 . Essa distribuio pode ser escrita como
1 r 2 s ( n1 x ) 2 + r 1 ( 2 ) ( 2 ) n2 n1 1 f (x; n1 , n2 , 1 , 2 ) = e 2 n n 1 2 n x + r + s 1 n2 r! s! (1 + n B ( 2 + r, n )2 2 + s) r=0 s=0
2 n1

Onde colocando n = n1 + n2 e = 1 + 2 . Para 2 = 0 obtemos isoladamente a distribuio F no centrada, e se tambm colocarmos 1 = 0 voltaremos para a taxa de varincia comum ou a distribuio F . Com quatro parmetros uma variedade de formas de onda possvel. Como exemplo a gura 7 mostra a distribuio F Duplamente no-centrada para o casa de n1 = 10, n2 = 5 e 1 = 10 variando 2 de zero (uma distribuio F no centrada comum) at cinco.

Figura 7 Exemplo de distribuio F no centrada

10 Distribuio-t Doubly Non-Central

Se x e y so independentes e x normalmente distribuda com mdia e varincia unitria enquanto y distribudo de acordo com uma distribuio Qui-quadrado no centrada, com n graus de liberdade e parmetro de no centralidade ento a varivel t = x y/n

ento dita como sendo uma distribuio t no centrada, com n graus de liberdade(positivos e inteiros) e parmetros de no centralidade e com 0 Essa distribuio pode ser expressa como n1 f (t; n, , 1 , 2 ) = e 2 n2
r=0 s=0

1 2

)r (

2 2

)2 (

( n1 x ) n1 +r1
n2
2

r!

s!

1+

n1 x n2

) n +r+s
2

( n1
2

1 ) 2 + r, n 2 +s

Exemplo de uma distribuio t no centrada mostrada na gura 8 para n = 10 e 2 = 5 variando de zero a (uma distribuio t no centrada comum) dez.

Figura 8 Exemplo de distribuio t dupla no central

11 Distribuio Exponencial
A distribuio Exponencial dada por f (x; ) = 1 x e

onde a varivel x assim como o parmetro so reais e positivos A distribuio Exponencial ocorre em vrios eventos diferentes, como radiao, o decaimento de uma partcula ou o tempo entre os acontecimentos de um processo de Poisson em que os acontecimentos ocorrem em uma taxa constante.

11.1 Relaes Importantes

A esperana, variana, e o valor central mais baixo da ordem de momento so dados por E (x) = , V (x) = 2, 3 = 23 , 4 = 94 , 5 = 445 . . . Genericamente os momentos algbricos so dados por
n , n = n!

O momento central torna-se assim n = n n !

n (1)m n=0

m!

n n! , = n quando n e e

A aproximao , de fato, bem precisa para n = 5 onde o erro absoluto de 0.1465 e o erro relativo de 0.3%

11.2 Matlab
A funo expt retorna os MLEs e o intervalo de conana para os parmetros da distribuio exponencial. Abaixo temos um exemplo utilizando nmeros aleatrios da distribuio Exponencial com = 700 lifetimes = exprnd(700,100,1); [muhat, muci] = expfit(lifetimes) muhat = 672.8207 muci = 547.4338 810.9437 O MLE para o parmetro 672, comparado com o valor real que 700. O intervalo de conana de 95% para vai de 547 a 811

12 Distribuio Extreme Value

A distribuio de Valor Extremo dada por
x 1 x f (x; , ) = exp e

onde o sinal superior para o mximo e o sinal inferior para o mnimo, geralmente apenas o mximo considerado. A varivel x e o parmetro (moda) so nmeros reais, enquanto um nmero real e positivo. A distribuio de Valor Extremo da a distribuio limite para os maiores ou menores elementos de um conjunto de observaes independentes de um tipo de distribuio exponencial (normal, gamma, exponencial, etc). A forma normalizada, til para facilitar os clculos, obtida com a substituio da varivel z = x que tem como distribuio g (z ) = ez e
z

Na gura 9, mostramos a distribuio em sua forma normalizada. A forma corresponde ao caso com valor mximo enquanto o valor minimo seria espelhado em z = 0

Figura 9 Distribuio de Valor Extremo normalizada

12.1 Parmetros Importantes

Os momentos algbricos para f (x) so dados por E (xn ) =

xn f (x)dx =

inf ty

( z )n g (z )dz

que relacionado aos momentos de g (z ) E (x ) =

n

z e

n z ez

dz =
0

( ln y )n ey dy

Em particular a Esperana e a Variana de f (x) so dados por

E (x) = E (z ) = V (x) = 2 V (z ) = 22 6

12.2 Matlab

13 Distribuio-F
A distribuio F e dada por
+n m 2 n 2 ( mn ) m 2 n2 F 2 1 F 2 1 f (F ; m, n) = = . . m + n m+n n n ( m B( m (mF + n) 2 2 )( 2 ) 2 , 2 ) (mF + n) 2
m n m m n m

onde os parmetros m e n so inteiros e positivos, os graus de liberdade e a varivel F so reais e positivos. As funes e B so as funes usuais Gamma e Beta. Na gura 10 mostramos a distribuio F para valores baixos de m e n

Figura 10 Distribuio F para (a) m = 10 e n = 1, 2, . . . , 10 e (b) m = 1, 2, . . . , 10 e n = 10

13.1 Relaes com outras distribuies

Partindo de m = 1 obtemos uma distribuio t2 , A distribuio da raiz da varivel distribuda de acordo com a t-Student. Com n o valor mF se aproxima da Qui-quadrada com n gaus de liberdade.

13.2 Funo Caracterstica

A funo caracterstica da distribuio F pode ser expresso em termos do conuente hipergeomtrico da funo M como (t) = E (eiF t ) = M ( n m n , ; it) 2 2 m

13.3 Relaes Importantes

O primeiro momento algbrico, a mdia, vem de E (F ) = e a variana dada por V (F ) = 2n2 (m + n 2) para n > 4 m(n 2)2 (n 4) n para n > 2 n2

14 Distribuio Gamma
A distribuio Gamma dada por f (x; a, b) = a(ax)b1 eax /(b) quando os parmetros a e b so real e positivos, assim como a varivel x. Note que o parmetro a um simples fator de escala.

14.1 Parmetros Importantes

Esta distribuio tem Esperana, variana, e terceiro e quarto valores centrais dados 3b(2+b) b 2b como E (x) = a , V (x) = ab2 , 3 = a 3 , e 4 = a4

14.2 Relao com outras distribuies

Para b 1 a distribuio em formato J e para b > 1 unimodal com seu mximo 1 em x = b a . No caso especial em que b um inteiro positivo, esta distribuio ca conhecida tambm como distribuio de Erlangian. Para b = 1 obtemos a distribuio Exponencial e com n a= 1 2 e b = 2 com n sendo um inteiro, obtemos a distribuio Qui-quadrada, com n graus de liberdade. Na gura 11 mostramos a distribuio Gamma para b valores de 2 e 5

Figura 11 Exemplo de distribuio Gamma

15 Distribuio Generalized Gamma

A distribuio Gamma Generalizada geralmente utilizada para descrever variveis com tendencia para um lado. Uma verso ainda mais exvel desta distribuio obtida adicionando um terceiro parmetro gerando uma distribuio Gamma Generalizada. f (x; a, b, c) = ac(ax)bc1 e(ax) /(b) onde a (parmetro de escala) e b so os mesmos parmetros reais e positivos utilizados para a distribuio Gamma, porm o terceiro parmetro c foi adicionado (c = 1 para distribuio Gamma comum). Este novo parmetro pode a principio pode ter qualquer valor mas normalmente considerado o caso onde c > 0 ou mesmo c 1. Adicionando |c| na normalizao para f (x) se c < 0. Na gura 12 mostramos a distribuio Gamma Generalizada para diferentes valores de c para o caso em que a = 1 e b = 2
e

Figura 12 Exemplo de distribuio Gamma Generalizada

16 Distribuio Geometric
A distribuio Geomtrica dada por p(r; p) = p(1 p)r1 onde a varivel r inteira e maior que 1 e o parmetro p est limitado entre 0 < p < 1. Ela expressa a probabilidade de ter que esperar exatamente r tentativas antes do primeiro evento favorvel, se a probabilidade de sucesso em um nico evento p (probabilidade de falha q = 1 p). um caso especial da distribuio Binominal Negativa com k = 1.

16.1 Parmetros Importantes

A esperana, variana, terceiro e quarto momentos so dados por 1 E (r) = , p V (r ) = 1p , p2 3 = (1 p)(2 p) , p3 4 = (1 p)(p2 9p + 9) p4

os coecientes de assimetria e achatamento so 2p p 2 6p + 6 1 = e = 1p 1p

17 Distribuio Hyperexponential
A distribuio Hiper exponencial descreve um processo exponencial em paralelo e dada por f (x; p, 1 , 2 ) = p1 e1 x + q2 e2 x onde a varivel x e os parmetros 1 e 2 so reais e positivos e 0 p 1 a relao do primeiro processo e q = 1 p a relao do segundo. A distribuio descreve o tempo entre eventos em um processo onde os eventos so gerados a partir de duas distribuies Exponenciais independentes. Para processos exponenciais em srie obtemos a distribuio de Erlangian, um caso especial da distribuio Gamma. A distribuio Hiper Exponencial pode ser generalizada facilmente para o caso de k processos em paralelo f (x) =
k i=1

pii ei x

onde 1 o declive e pi a proporo para cada processo, com a restrio de que

pi = 1

18 Distribuio Hypergeometric
A distribuio Hiper Geomtrica dada por
(M )(N M )

p(r; n, N, M ) =

nr

(N )
n

onde a varivel discreta r limitada entre o mximo (0, n N + M ) e o minimo (n, M ). Os parmetros n (1 n), N (N 1) e M 1 so todos inteiros. Essa distribuio descreve o experimento onde elementos so selecionados de forma randmica e sem reposio. Mais precisamente, suponhamos que temos N elementos dos quais M tem uma determinada caracterstica (e NM no tem). Se escolhermos n elementos randomicamente e sem reposio p(r) a probabilidade de que se selecione r elementos do grupo atribudo. Se N n essa distribuio se aproxima da distribuio Binomial com p = M N . se ao invs de dois grupos tivermos k grupos com diferentes atributos a distribuio Hiper Geomtrica Generalizada p(r; n, N, M ) = k i=1
(Mi )
ri

(N )
n

onde, como anteriormente, N o numero total de elementos, n o numero de elementos escolhidos e M um vetor de com o numero de elementos de cada atributo (o qual a soma igual a N ). Aqui n = ri e os limites para cada rk dado por max(0, n N + Mk ) rk min(n, Mk ).

18.1 Parmetros Importantes

Fazendo p = so dados por
M N

e q = 1 p, temos que a esperana, variana, terceiro e quarto momento, E (r) = np V (r) = npq 3 = npq (q p) N n N 1

(N n)(N 2n) (N 1)(N 2)

4 = npq (N n)

N (N + 1) 6n(N n) + 3pq (N 2 (n 2) N n2 + 6n(N n)) (N 1)(N 2)(N 3)

i Para distribuio Hiper Geomtrica Generalizada usando pi = M N e qi = 1 pi achamos os momentos de ri usando as formulas acima em relao grupo i tendo um atributo como todos os outros grupos que no tem esse atributo. a covarincia dada por

Cov (ri , rj ) = npi pj

N n N 1

19 Distribuio Logarithmic
A distribuio Logartmica dada por p(r; p) = (1 p)r r ln p

onde a varivel r 1 um inteiro e o parmetro 0 < p < 1 um real. uma forma limitante da distribuio Binomial negativa quando uma classe zero foi omitida e o parmetro k 0.

19.1 Parmetros Importantes

A esperana e a variana so dados por E (r) = q p e V (r) = q (1 + q ) p2

Foi introduzido os parmetros q = 1 p e = 1/ ln p por convenincia.

20 Distribuio Logistic
A distribuio Logistic dada por f (x; a, k ) = ez k (1 ez )2 com z= xa k

onde a varivel x um numero real, e o parmetro a um parmetro real de localizao(moda, mediana e mdia) e k um parmetro positivo e real de escala, relacionado ao desvio padro. Na gura 13 mostrada a distribuio Logistic com parmetros a = 0 e k = 1.

Figura 13 Grco da distribuio Logistic para a = 0 e k = 1

21 Distribuio Log-normal
A distribuio Log-normal dada por f (x; , ) = x 2 1 e 2 (
1 ln x 2 )

onde x < 0 uma varivel real, e os parmetros e > 0 so todos nmeros reais. algumas vezes denotada por (, 2 ) do mesmo modo que geralmente representamos a varivel normalmente distribuda por N (, 2 ). Se u distribuda como N (, 2 ) e u = ln x ento x distribudo de acordo com a distribuio Log-normal. Note tambm que se x tem a distribuio (, 2 ) ento y = ea xb distribudo como (a + b, b2 2 ).

Figura 14 Distribuio Log-normal

Na gura 14 mostramos a distribuio Log-normal na forma bsica, com = 0 e = 1.

21.1 Parmetros Importantes

A esperana e a variana so dados por E (x) = e
2 2

V (x) = e2+ (e 1)

22 Distribuio Maxwell
A distribuio Maxwell dada por 1 f (x; a) = 3 a

2 2 y2 x e 2

onde a varivel x com x 0 e o parmetro com > 0 so reais. O parmetro um simples fator de escala e a varivel y = x/ tem a distribuio simplicada

g (y ) =

2 2 y2 y e 2

Figura 15 Distribuio de Maxwell

A distribuio mostrada na gura 15, tem moda em x = a e inclinada positivamente.

22.1 Parmetros Importantes

A esperana e a variana so dados por

E (x) = 2

V (x) =

8 3

23 Distribuio Moyal
A distribuio Moyal dada por 1 1 f (z ) = exp (z + ez ) 2 2
{ }

para valores reais de z . Uma mudana de escala ou de um fator de escala introduzido tornando a varivel padronizada z = (x )/ e assim a distribuio na varivel x dada por 1 g (x) = f
(

A distribuio de Moyal a forma universal para Perda de energia por ionizao em uma partcula rapidamente carregada. Nmero de pares de ons produzidos nesse processo.

Figura 16 A distribuio moyal

A distribuio apresentada na gura 16, tem moda em z = 0 e inclinada positivamente. Isto implica que o modo da distribuio X , g (x), igual ao parmetro .

23.1 Parmetros Importantes

Fara a distribuio g (x) temos E (x) = E (z ) + , V (x) = 2 V (z ) ou genericamente os momentos centrais so obtidos por n (x) = n n (z ) para n 2.

24 Distribuio Multinomial
A distribuio Multinomial dada por p(r; N, k, p) =
ri N! rk k pi 1 r2 pr p . . . p = N ! i=1 k r1 !r2 ! . . . rk ! 1 2 ri !

onde a varivel r um vetor com k elementos inteiros respeitando 0 ri N e ri = N . Os parmetros N > 0 e k > 2 so inteiros e p um vetor com elementos 0 pi 1 com condio que pi = 1.

24.1 Parmetros Importantes

Para cada ri especico obtemos momentos utilizando a distribuio Binomial com qi = 1 pi E (ri ) = N pi e V (ri ) = N pi (1 pi ) = N pi qi A covarincia entre os dois grupos dada por Cov (ri , rj ) = N pi pj para i = j

25 Distribuio Multinormal
Denimos a distribuio Multinormal como sendo uma generalizao da distribuio Normal ou de Gauss para vrias dimenses. A distribuio Multinormal em x = {x1 , x2 , . . . , xn } com parmetros (vetor da mdia) e V (matriz da variana) dado por e 2 (x)V (x) f (x|, V ) = (2 ) 2 |V |
1 1 T

A matriz de variana V tem que ser positiva e semidenida de ordem f para ser propriamente a funo de densidade de probabilidade. Se x normal e V no-singular ento (x )V i (x )T chamada de forma de covariana de x e tem uma distribuio 2 com n graus de liberdade. Note que a distribuio tem uma densidade de probabilidade para valores constantes da forma de covariana.

26 Distribuio Negative Binomial

A distribuio Binominal Negativa dada por
(

p(r; k, p) =

r1 k p (1 p)rk k1

onde a varivel r k e o parmetro k > 0 so inteiros e o parmetro p (0 p 1) um nmero real. A distribuio expressa a probabilidade de ter que esperar exatamente r tentativas at k sucessos terem ocorrido, se a probabilidade de sucesso em uma nica tentativa p (a probabilidade de falha q = 1 p). A distribuio expressa algumas vezes em termos do nmero de falhas que ocorrem enquanto esperando por k sucessos, n = r k , em cada caso escrevemos
(

p(n; k, p) = onde a nova varivel n 0

n+k1 k p (1 p)n n

A distribuio pode tambm ser generalizada para valores reais de k , entretanto podendo assim car meio obscuro do ponto de vista da probabilidade (sucessos fracionados), escrevendo o coeciente binominal como (n + k 1)(n + k 2) . . . (k + 1)k/n!.

26.1 Parmetros Importantes

Na primeira forma dada acima temos a esperana, variana terceiro e quarto momentos dados por E (x) = k kq kq (2 p) kq (p2 6p + 6 + 3kq ) , V (r ) = 2 , 3 = e = 4 p p p3 p4

Na segunda foma dada acima, p(n), a nica diferena o valor da esperana que se torna E (n) = E (r) k = k (1 p) kq = p p

27 Distribuio Beta Non-central

A distribuio Beta no centrada dada por f (x; p, q ) =
r=0

e 2

xp+r1 (1 x)q1 B (p + r, q )

onde p e q so valores reais e positivos e o parmetro de no-centralidade 0.

3 , Na gura 17 mostrado exemplos de uma distribuio Beta no-centrada com p = 2 q = 3 variando o parmetro no-central de zero (uma distribuio Beta comum) a dez, em passo dois.

, q = 3 e alguns valores de Figura 17 Grco da distribuio Beta no-centrada para p = 3 2

28 Distribuio Non-central Chi-square

Se ao invs de acionar quadrados de n padres normais independentes, N (0, 1), variveis dando origem a a distribuio Qui-quadrado com n graus de liberdade, adicionando quadrados de N (i , 1) variveis, obtendo a distribuio qui-quadrada no centrada f (x; n, ) =

r=0

1 r ( + r) n (x)r ( 2 1 1 1 (x+) 2) 2 2 e f (x; n + 2r) = n 1 x n r! (2 r )! ( 2 2 ( 2 ) 2 + r) r=0

2 onde = r=0 i o parmetro no central e f (x; n) a distribuio Qui-quadrada comum. Temos tambm a varivel x 0 e o parmetro n como inteiros e positivos. O parmetro adicional 0 e o limitante = 0 que mantemos como distribuies qui-quadradas comuns. Na gura 18 mostrada a distribuio para n = 5 e parmetro no-central = 0, 1, 2, 3, 4, 5 (zero corresponde a uma distribuio Qui-quadrada comum).

Figura 18 Grco de uma distribuio Qui-quadrada no-centrada para n = 5 e alguns valores de

28.1 Aproximaes
Uma aproximao para a distribuio Qui-quadrado e dada equacionando as duas primeiras acumulaes de uma distribuio Qui-quadrada no central com vezes a distribuio Qui-quadrada. Temos a constante a ser determinada. O resultado e tal que = n + 2 (n + )2 2 =1+ e n = =n+ n+ n+ n + 2 n + 2

podemos aproximar uma distribuio Qui-quadrada no centrada f (x; n, ) com a Qui-quadrada centralizada e x/ com n graus de liberdade (n geralmente fracionrio). Aproximaes para a distribuio normal padro dada usando

z=

2x 1+b

2a 1 1+b

ou

z=

2 1+b 3 (x a) 1 9. a

2 1+b 9. a

29 Distribuio-F Non-central
Se x1 distribuda de acordo com uma distribuio Qui-quadrada no central com m graus de liberdade e parmetro no central e x2 de acordo com uma distribuio Qui-quadrada com n graus de liberdade ento, temos x1 e x2 independentes a varivel F =

x1 /m x2 /n

dita ter uma distribuio F no centrada com m, n graus de liberdade positivos e inteiros, e parmetro no central 0. Esta distribuio em F pode ser escrita como f (F ; m, n, ) = e

( ) 1 r
r=0

( m+n
2 2

r!

( m

+r ) ( n ) +r 2

m n

) m +r
2

Na gura 19 mostrada a distribuio F no-centrada para o caso em que m = 10 e n = 5 variando o de zero(uma distribuio F centrada comum) at cinco.

Figura 19 Grco de uma distribuio F no-centrada para m = 10, n = 5 e alguns valores de

29.1 Aproximaes
Usando a aproximao de uma distribuio Qui-quadrada no central para uma Quiquadrada centrada dada na seco anterior temos que m F m+ aproximadamente distribuda de acordo com uma distribuio F (centrada) com m = m + 2 m+2 e n graus de liberdade. Aproximao para a distribuio Normal padro conseguida por z1 = F E (F )

F =
n m

n(m+) m(n2)

V (F )

2 (n2)(n4)

(m+)2 n2

+ m + 2

}] 1

ou
(
mF m+

) 1 ( 3

2 9n

) (

m+2 . 1 2 9 . (m+)2

z2 =
[
2 n+2 9 (m+)2 +
2 9n

mF m+

) 2 ] 1 2
3

30 Distribuio-t Non-central
Se x distribuda de acordo com uma distribuio Normal com mdia e variana 1 com y de acordo com uma distribuio Qui-quadrada com n graus de liberdade (independente de x) ento x t = y/n temos uma distribuio t no central com n graus de liberdade, inteiros e positivos, e parmetro no-central real. Podemos tambm escrever z+ t = w/n

onde z a varivel normal padro e w distribuda como uma varivel Qui-quadrada com n graus de liberdade. A distribuio dada por
(t )r e 2 ( n ) f (t ; n, ) = r n 2 r=0 r!n 2
2

tr 2 1+ n

) n+r+1
2

n+r+1 2 2
r 2

Na gura 20 mostrada a distribuio t No-centrada para o caso de n = 10 e variando o de zero (uma distribuio t comum) at cinco

Figura 20 Grco de uma distribuio t No-centrada para n = 10 e alguns valores de

30.1 Aproximao
Uma aproximao dada por t z=

1 4n

1+

tr2 2n

que assintoticamente distribuda como uma varivel normal padro

31 Distribuio Normal
A distribuio normal, ou como geralmente chamada, distribuio de Gauss a mais importante distribuio estatstica. E dada por
1 x 2 1 f (x; , 2 ) = e 2 ( ) 2

onde e um parmetro de localizao, igual media, e o desvio padro. Para = 0 e = 1 nos referimos a essa distribuio como a Normal padro. Em vrias conexes isso suciente para usar esta forma mais simples desde que e podem ser consideradas parmetros de deslocamento e de escala, respectivamente. Na gura 21 mostrada a distribuio normal padro.

Figura 21 Distribuio Normal padro

31.1 Funo Caracterstica

A funo caracterstica para a distribuio normal facilmente conseguida da denio geral 1 (t) = E (eitx ) = exp{it 2 t2 } 2

31.2 Independncia de x e s2
Uma propriedade nica da distribuio normal a independncia de exemplos estatsticos x e s2 , que estimam a mdia e a variana da distribuio. Lembrando que a denio destas quantias n n 1 1 x= xi e s2 = (xi x)2 n i=1 n 1 i=1 onde x um estimador da verdadeira mdia e s2 o estimador usual para a verdadeira variana 2.

Para uma populao de n eventos de uma distribuio Normal x tem a distribuio e (n 1)s2 / 2 distribuda de acordo com a distribuio Qui-quadrado com n 1 graus de liberdade. Usando a relao N (, 2 /n)
) n ( xi 2
i=1

(n 1)s2 + 2

x / n

)2

e criando a funo caracterstica comum para as variveis (n 1)s2 / 2 e ( n(x )/ 2 )2 pode-se mostrar que esta funo favorvel implicando, assim, a independncia dessas quantidades e, portanto, tambm de x e s2 .

31.3 Testes de parmetros da distribuio Normal

Para observaes partindo de uma amostra de diferentes distribuies estatsticas normais, so aplicveis alguns testes para a estimativa de um ou de ambos os parmetros e . na gura 22 tentamos resumir estas validaes.

Figura 22 Testes de Mdia e Variana de uma distribuio Normal

32 Distribuio de Pareto
A distribuio de Pareto dada por f (x; , k ) = k x+1

onde a varivel x k e o parmetro > 0 so nmeros reais. Como visto k apenas um parmetro de escala.

32.1 Distribuio Cumulativa

A distribuio cumulativa dada por
x ( )

F (x) =
k

f (u)du = 1

k x

32.2 Parmetros Importantes

Os momentos algbricos so dados por E (x ) =
k n

x f (x) =
k

k k x +1 = n+1 x x
n

=
k

k n

que denido por > n Especialmente o valor da esperana e da variana dado por E (x) = V (x) = k 1 para >1 para >2

k 2 ( 2)( 1)2

33 Distribuio de Poisson
A distribuio de Poisson dada por p(r; ) = r e r!

onde a varivel r um inteiro (r 0) e o parmetro umaquantidaderealepositiva. A distribuio de Poisson descreve a probabilidade de se encontrar exatamente r eventos em um dado espao de tempo se estes eventos ocorrem independentemente em uma taxa constante . Um estimador eciente e imparcial do parmetro de Poisson por exemplo com = x, a amostra da media, com variana V ( ) = /n. Para a n observaes xi e distribuio tende a uma distribuio Normal com mdia e variana .

33.1 Parmetros Importantes

O valor da esperana, variana terceiro e quarto momentos da distribuio de Poisson so: E (r ) = V (r ) = 3 = 4 = (1 + 3)

34 Distribuio de Rayleigh
A distribuio de Rayleigh dada por f (x; ) = x x22 e 2 2

para valores reais e positivos da varivel x e um parmetro real e positivo . Note que o parmetro um simples fator de escala e que a varivel y = x/ tem uma distribuio simplicada g (y ) = ye
y2 2

34.1 Parmetros Importantes

Os momentos algbricos so dados por E (x ) =
0 n

1 x f (x)dx = 2 2
n

inf ty

|x|n+1 ex

2 /22

tem-se uma conexo com os momentos absolutos da distribuio de Gauss, de onde denotamos a esperana, variana, terceiro e quarto momentos centrais, que so dados por

E (x) =

, V (x) = 2 2 , 3 = 3 ( 3) 2 2
( )

3 2 e 4 = 4 8 2 4

35 Distribuio-t Students
A distribuio t de Students dada por n+1 t2 2 ( n ) 1 + f (t; n) = n 2 n
( ) ( ) n+1
2 2 1 + tn ( ) = 1 n nB 2 ,2

) n+1

onde o parmetro n um inteiro positivo e a varivel t um nmero real. As funes e B so as usuais Gamma e Beta.

35.1 Intervalos de conana

Na determinao dos nveis de conana ou testando hipteses usando a distribuio t de Students nos denimos o valor t,n de
t,n

F (t,n ) =

f (t; n)dt = 1

a probabilidade que a varivel distribuda de acordo com a t de Students com n graus de liberdade excede t,n . Note que a distribuio tem um simetria em zero, logo t,n = t1,n No caso de uma amostra normal descrita acime devemos utilizar 1 como o intervalo de conana para s s x t/2,n1 x + t/2,n1 n n Note que no caso em que 2 conhecido no podemos utilizar a distribuio t. A distribuio apropriada a ser utilizada seira a distribuio Normal.

36 Distribuio Triangular
A distribuio Triangular dada por f (x; , ) = |x | 1 + 2

onde a varivel x pertence ao intervalo x + e os parmetros de localizao e escala e ( > 0) so todos nmeros reais.

36.1 Parmetros Importantes

O valor da esperana da distribuio E (x) = . Devido a simetria da distribuio os momentos centrais mpares no existem, enquanto os momentos pares so dados por n = 2n (n + 1)(n + 2)

para valores pares de n. Em particular a variana V (x) = 2 = 2 /6.

37 Distribuio Uniforme
A distribuio Uniforme um caso bem simples em que f (x; a, b) = 1 ba para axb

37.1 Parmetros Importantes

A distribuio Uniforme tem esperana E (x)(a + b)/2, variana V (x) = (b a)2 /12, 3 = 0, 4 = (b a)4 /80

38 Distribuio de Weibull
A distribuio de Weibull dada por f (x; , ) =
( )1 x

e( )

onde a varivel x e os parmetros e so nmeros positivos e reais. O parmetro simplesmente um parmetro de escala e a varivel y == x/ tem a distribuio g (y ) = y 1 ey Momentos algbricos so dados por E (x ) =
0 k

x f (x)dx = k
0

y e

k dy = +1
k

Especialmente o valor da esperana e da variana so dados por 1 +1 E (x) =

( )

V (x) =

{ ( )

1 +1
(

)2 }