Você está na página 1de 2

Uma Breve Introducao as Distribuicoes -Estaveis

Autores: Maicon J. Karling1 e Slvia R. C. Lopes2 .

Instituicao: UFRGS.

e-mail para contato: maiconkarling@gmail.com

Resumo
A teoria que envolve distribuicoes -estaveis surgiu primordialmente nas decadas
de 1920 e 1930. Grandes matematicos como Paul Levy e Aleksander Khinchin
se consagraram responsaveis por abrirem alas a este campo de estudo, que hoje
mostra-se relevante em diversas areas de pesquisa. De acordo com Samorodnistky
e Taqqu (2000), Distribuicoes -estaveis tem sido utilizadas para modelar diversos
fenomenos, como por exemplo, o campo gravitacional de estrelas, distribuicoes de
temperatura em reatores nucleares, tensoes em redes cristalinas, precos no mercado
de acoes e quedas anuais de chuvas.
A classe de distribuicoes -estaveis e caracterizada por quatro parametros,

(0, 2], > 0, [1, 1] e R, (0.1)

onde estes denotam respectivamente, o ndice de estabilidade, parametro de escala,


parametro de simetria e parametro de locacao. Como caso particular dessa classe de
distribuicoes, quando fixamos = 2 e = 0, nos deparamos com uma distribuicao
Normal de media e variancia 2 2 .
Ao contrario do que verificamos para a distribuicao Normal, se X tem distri-
buicao -estavel com ndice de estabilidade (0, 2), e bem conhecido que X nao
apresenta variancia finita (ver Samorodnistky e Taqqu, 2000), o que representa uma
grande perda de informacao a cerca de tal variavel aleatoria. Varios dos resultados
que conhecemos para o caso em que a variancia e finita, nao podem ser aplicados.
A funcao de autocovariancia e funcao densidade espectral sao um exemplo classico
desta perda de informacao, uma vez que ambas nao podem ser definidas.
Com o objetivo de contornar a falta de variancia finita, novas medidas de de-
pendencia foram propostas no decorrer das ultimas decadas. Podemos mencionar a
covariancia espectral (ver Paulauskas, 1976; e Damarackas e Paulauskas, 2014), a
covariacao (ver Mohammadi e Mohammadpour, 2009) e a funcao codiferenca (ver
Samorodnistky e Taqqu, 2000). Mais informalmente, estas medidas de dependencia
podem ser utilizadas para analisar a relacao de dependencia entre duas variaveis
aleatorias, podendo estas variaveis aleatorias serem mais, ou menos relacionadas,
tendo em vista o valor apresentado por determinada medida de dependencia.
1
Aluno de Doutorado do PPG-MAT
2
Professora Permanente do PPG-MAT
Em virtude da diversidade de aplicacoes das distribuicoes -estaveis em mode-
los concretos, gostaramos de apresentar a comunidade academica algumas de suas
definicoes, propriedades e principais aplicacoes. A classe de distribuicoes -estaveis
e muito ampla e normalmente nao costuma ser um dos temas abordados em cursos
basicos de graduacao ou mestrado.

Referencias

Damarackas, J. e Paulauskas, V. (2014). Properties of Spectral Covariance


for Linear Processes with Ininite Variance. Lithuanian Mathematical Journal,
Vol. 54(3), 252-276.

Mohammadi, M. e Mohammadpour, A. (2009). Best Linear Prediction for


-Stable Random Processes. Statistics and Probability Letters, Vol. 79(21),
2266-2272.

Paulauskas, V.J. (1976). Some Remarks on Multivariate Stable Distributi-


ons. Journal of Multivariate Analysis, Vol. 6(3), 356-368.

Samorodnitsky, G. e Taqqu, M.S. (2000). Stable Non-Gaussian Random Pro-


cesses. New York: Chapman & Hall.