Escolar Documentos
Profissional Documentos
Cultura Documentos
1 Q(x, y)
f (x, y) = exp − I (x) I (y) ,
c 2(1 − ρ2 ) (−∞,∞) (−∞,∞)
onde
p
c = 2π σ1 σ2 1 − ρ2 ,
e
2 2
x − µ1 x − µ1 y − µ2 y − µ2
Q(x, y) = − 2ρ + .
σ1 σ1 σ2 σ2
Notação: (X, Y ) ∼ N2 (µ1 , µ2 , ρ, σ12 , σ22 ).
Os parâmetros µ1 e µ2 são reais, os parâmetros σ12 e σ22 são reais positivos e ρ é real
no intervalo (−1, 1).
1. f (x, y) ≥ 0
R∞ R∞
2. −∞ −∞ f (x, y) dx dy = 1
Prova.
Notamos que a primeira condição é satisfeita, já que c > 0 e a função exponencial é
sempre positiva. Para a segunda condição, seja
Z ∞ Z ∞
1 − 2(1−ρ
Q(x,y)
2)
I = e dydx
−∞ −∞ c
w1 (s, v) = µ1 + σ1 s e w2 (s, v) = µ2 + σ2 v.
O Jacobiano da transformação é dado por:
DEMA - UFC
João Maurı́cio A. Mota e Gualberto Agamez 2
∂w1 ∂w1
σ1 0
J = ∂s ∂v = = σ1 σ2 ,
∂w2 ∂w2 0 σ2
∂s ∂v
Assim,
N = (s − ρv)2 + (1 − ρ2 )v 2 .
Daı́
N (s − ρv)2 v 2
= + .
2(1 − ρ2 ) 2(1 − ρ2 ) 2
Voltando ao cálculo da integral dupla I temos
DEMA - UFC
João Maurı́cio A. Mota e Gualberto Agamez 3
Z ∞ Z ∞
1 − Q(w1 (s,v),) (s,v)
I = e w 2 2(1 − ρ2 ) |J|dvds
−∞ −∞ c
Z ∞ Z ∞
1 − N
= e 2(1−ρ2 ) σ1 σ2 dvds
c −∞ −∞
Z ∞Z ∞
σ1 σ2 − N
= e 2(1−ρ2 ) dvds
c
Z−∞ −∞
∞ Z ∞
σ1 σ2 − N
= e 2(1−ρ2 ) dvds
c
Z−∞ −∞
∞ Z ∞
σ1 σ2 − N
= e 2(1−ρ2 ) dvds
c
Z−∞ −∞
∞ Z ∞ (s−ρv)2 2
σ1 σ2 − −v
= e 2(1−ρ2 ) 2 dsdv
c −∞ −∞
Z ∞ Z ∞ (s−ρv)2
σ1 σ2 2
− v2 − 2)
= p e dv e 2(1−ρ ds
2π σ1 σ2 1 − ρ2 −∞ −∞
Z ∞ Z ∞ (s−ρv)2
1 2
− v2 − 2
= p e dv e 2(1−ρ ) ds
2π 1 − ρ2 −∞ −∞
Z ∞ "Z #
∞ (s−ρv)2
1 − v2 1 −
= √ e 2 dv √ p e 2(1−ρ2 ) ds
2π 2π 1 − ρ 2
−∞ −∞
Z ∞
1 v 2
= √ e− 2 dv × 1
−∞ 2π
= 1,
1.2 Marginais
As marginais de X e Y são dadas por:
a. X ∼ N (µ1 , σ12 ).
b. Y ∼ N (µ2 , σ22 ).
Prova.
Z ∞
fX (x) = f (x, y) dy
Z−∞
∞
1 − 2(1−ρ
1
2 ) Q(x,y)
= e dy
−∞ c
y−µ2
Fazendo a mudança z = σ2
, temos
DEMA - UFC
João Maurı́cio A. Mota e Gualberto Agamez 4
dy
dz =
σ2
assim y = µ2 + σ2 z.
Vamos trabalhar um pouco com Q(x, mu2 + σ2 z):
Logo,
2
x − µ1 x − µ1
Q(x, µ2 + σ2 z) = − 2ρ z + z2.
σ1 σ1
Completando os quadrados na variável z temos:
2 2 2 !
x − µ1 x − µ1 x − µ1 x − µ1
Q(x, µ2 + σ2 z) = z 2 − 2ρ z + ρ2 − ρ2 + .
σ1 σ1 σ1 σ1
Finalmente
2 2
x − µ1 2 x − µ1
Q(x, µ2 + σ2 z) = z − ρ + (1 − ρ ) .
σ1 σ1
Logo,
2
Q(x, µ2 + σ2 z)
z− ρ x−µ
σ1
1
(x − µ1 )2
exp = exp − exp − .
2(1 − ρ2 ) 2(1 − ρ2 ) 2σ12
DEMA - UFC
João Maurı́cio A. Mota e Gualberto Agamez 5
Z ∞
1 Q(x, y)
fX (x) = exp − dy
−∞ c 2(1 − ρ2 )
1 ∞
Z
Q(x, µ2 + σ2 z)
= exp − σ2 dz
c −∞ 2(1 − ρ2 )
2
x−µ1
σ2
Z ∞ z − ρ σ1
(x − µ1 )2
= exp − exp − dz
2σ12
p
2πσ1 σ2 1 − ρ2 −∞ 2(1 − ρ2 )
2
x−µ1
1
(x − µ1 )2
Z ∞ z − ρ σ1
= exp − exp − dz
2
p 2
2σ1 2(1 − ρ )
2πσ1 1 − ρ2 −∞
2
x−µ1
z − ρ σ1
∞
(x − µ1 )2
Z
1 1
= √ exp − √ exp − dz
2
p 2
2σ1 2(1 − ρ )
2πσ1 −∞ 2π 1 − ρ2
(x − µ1 )2
1
= √ exp − × I1
2πσ1 2σ12
(x − µ1 )2
1
= √ exp − ×1
2πσ1 2σ12
(x − µ1 )2
1
= √ exp − ,
2πσ1 2σ12
x−µ1
que é a densidade da N (µ1 , σ12 ) pois I1 é a integral da N ρ σ1
, 1 − ρ2 .
1.3 Condicionais
As condicionais de Y |X = x e X|Y = y são dadas por:
a.
x − µ1 2 2
Y |X = x ∼ N µ2 + ρ σ2 , (1 − ρ )σ2 .
σ1
b.
y − µ2 2 2
X|Y = y ∼ N µ1 + ρ σ1 , (1 − ρ )σ1 .
σ2
Prova.
DEMA - UFC
João Maurı́cio A. Mota e Gualberto Agamez 6
f (x, y)
f (y|x) =
f (x)
1
1 − Q(x,y)
e 2(1−ρ2 )
c
= (x−µ1 )2
− 2
√ 1 e 2σ1
2πσ1
√
(x − µ1 )2
2πσ1 1
= exp − Q(x, y) +
c 2(1 − ρ2 ) 2σ12
√
(1 − ρ2 )(x − µ1 )2
2πσ1 1
= exp − Q(x, y) −
2πσ1 σ2 2(1 − ρ2 ) σ12
(1 − ρ2 )(x − µ1 )2
1 1
= √ exp − Q(x, y) −
2πσ2 2(1 − ρ2 ) σ12
Mas
2 2
x − µ1 x − µ1 y − µ2 y − µ2
Q(x, y) = − 2ρ + .
σ1 σ1 σ2 σ2
Logo,
(1 − ρ2 )(x − µ1 )2
M = Q(x, y) − ,
σ12
e
2 2
(1 − ρ2 )(x − µ1 )2
x − µ1 x − µ1 y − µ2 y − µ2
M= − 2ρ + − ,
σ1 σ1 σ2 σ2 σ12
vamos simplificar M
2 2
y − µ2 y − µ2 x − µ1 2 x − µ1
M= −2 ρ +ρ .
σ2 σ2 σ1 σ1
Assim,
2
1 σ2
2 2 σ2 2
M= 2 (y − µ2 ) − 2ρ (y − µ2 )(x − µ1 ) + ρ 2 (x − µ1 ) .
σ2 σ1 σ1
Logo,
2
σ2
y−µ−ρ σ1
(x − µ1 )
M=
σ22
2
y − µy|x
M= ,
σ22
em que
σ2 σ2 σ2
µy|x = µ + ρ (x − µ1 ) = µ2 − ρ µ1 + ρ x = a + bx.
σ1 σ1 σ1
DEMA - UFC
João Maurı́cio A. Mota e Gualberto Agamez 7
Assim, a condicional de
de Y |X = x é dada por:
(1 − ρ2 )(x − µ1 )2
1 1
f (y|x) = √ exp − Q(x, y) −
σ12
p
2πσ2 1 − ρ2 2(1 − ρ2 )
" 2 #!
1 1 y − µy|x
= √ exp − ,
σ22
p
2πσ2 1 − ρ2 2(1 − ρ2 )
2
Fazendo σy|x = (1 − ρ2 )σ 2 temos que
2
Y |X = x ∼ N (µy|x , σy|x ).
Exemplo 1: Suponha que X seja a altura e Y o peso de uma pessoa selecionada
aleatoriamente de uma população. Suponha que (X, Y ) tenha uma distribuição normal
bivariada de parâmetros (µ1 , µ2 , ρ, σ12 , σ22 ).
Queremos predizer o peso Y de uma dada pessoa quando sua altura X é conhecida ou
não usando o menor erro quadrático médio.
Quando o peso não é conhecido a melhor previsão é a média E(Y ) = µ2 e o erro
quadrático médio da previsão é a V (Y ) = σ22 .
Se o peso X = x é conhecido a melhor previsão é a média condicional
σ2
E(Y |X =) = µ2 + ρ (x − µ1 )
σ1
DEMA - UFC
João Maurı́cio A. Mota e Gualberto Agamez 8
Logo para terminar a provar basta calcular a função geradora de momentos de (Z1 , Z2 ).
Assim,
K2 = (A + z22 − 2(1 − ρ2 ) t2 z2 )
em que
DEMA - UFC
João Maurı́cio A. Mota e Gualberto Agamez 9
2
A = z1 − ρz2 − (1 − ρ2 )t1 − ρ2 z22 − 2ρ(1 − ρ2 )t1 z2 − (1 − ρ2 )2 t21 .
Substituindo em
2
K2 = z1 − ρz2 − (1 − ρ2 )t1 − ρ2 z22 − 2ρ(1 − ρ2 )t1 z2 − (1 − ρ2 )2 t21 + z22
− 2(1 − ρ2 )t2 z2 + z22 − 2(1 − ρ2 )t2 z2
2
= z1 − ρz2 − (1 − ρ2 )t1 + (1 − ρ2 )[z22 − 2z2 (t2 + ρt1 ) − (1 − ρ2 )t21 ]
2
= z1 − ρz2 − (1 − ρ2 )t1 − (1 − ρ2 )B
em que
Assim K2 fica:
2
K2 = z1 − ρz2 − (1 − ρ2 )t1 − ρ2 z22 − 2ρ(1 − ρ2 )t1 z2 + (1 − ρ2 )2 t21 + z22 − 2(1 − ρ2 ) t2 z2
2
= z1 − ρz2 − (1 − ρ2 )t1 − ρ2 z22 − (1 − ρ2 )(B)
2
= z1 − ρz2 − (1 − ρ2 )t1 − ρ2 z22 − (1 − ρ2 ) (B)
finalmente K1 pode ser expresso como:
1 h
2
2 2
i
K1 = − ( z1 − ρz2 − (1 − ρ )t1 + (1 − ρ )(B) .
2(1 − ρ2 )
Logo,
!
2
(z1 − ρz2 − (1 − ρ2 )t1 ) (z2 − t2 − ρt1 )2
exp(K1 ) = exp − exp − .
2(1 − ρ2 ) 2
Depois desta maratona algébrica e fazendo c1 = exp (t21 + 2ρt1 t2 + t22 ) temos:
∞
(z1 − t2 − ρt1 )2
Z
1
M(Z1 ,Z2 ) (t1 , t2 ) = c1 √ exp − ×
−∞ 2π 2
Z ∞
(z1 − ρz2 − (1 − ρ2 )t1 )2
1
× p exp − dz2 dz1
−∞ 2π(1 − ρ2 ) 2(1 − ρ2 )
Z ∞
(z1 − t2 − ρt1 )2
1
= c1 √ exp − ×1
−∞ 2π 2
= c1
exp t21 + 2ρt1 t2 + t22 .
=
DEMA - UFC
João Maurı́cio A. Mota e Gualberto Agamez 10
1.6 Momentos
Na Normal bivariada temos:
a. E(X) = µ1 .
b. E(Y ) = µ2 .
c. V (X) = σ12 .
d. V (Y ) = σ22
e. Cov(X, Y ) = ρσ1 σ2
f. Corr(X, Y ) = ρ
g. E(XY ) = ρσ1 σ2 + µ1 µ2 .
Prova.
∂K(t1 , t2 )
= µ1 + σ12 t1 + ρσ1 σ2 t2 . (1)
∂t1
DEMA - UFC
João Maurı́cio A. Mota e Gualberto Agamez 11
∂K(t1 , t2 )
= µ2 + σ12 t2 + ρσ1 σ2 t1 . (2)
∂t2
∂ 2 K(t1 , t2 )
= σ12 . (3)
∂t21
∂ 2 K(t1 , t2 )
= σ22 . (4)
∂t22
∂ 2 K(t1 , t2 )
= ρσ1 σ2 . (5)
∂t1 ∂t2
Utilizando 1 temos:
∂K(t1 , t2 )
E(X) = (0, 0)
∂t1
= µ1 + σ12 0 + ρσ1 σ2 0
= µ1 .
Utilizando 2 temos:
∂K(t1 , t2 )
E(Y ) = (0, 0)
∂t2
= µ2 + σ12 0 + ρσ1 σ2 0
= µ2 .
Utilizando 3 temos:
∂ 2 K(t1 , t2 )
V (X) = (0, 0)
∂t21
= σ12
Utilizando 4 temos:
∂ 2 K(t1 , t2 )
V (Y ) = (0, 0)
∂t22
= σ22 .
Utilizando 5 temos:
DEMA - UFC
João Maurı́cio A. Mota e Gualberto Agamez 12
∂ 2 K(t1 , t2 )
Cov(Y ) = (0, 0)
∂t1 ∂t2
= ρσ1 σ2 .
Como
Cov(X, Y )
Corr(X, Y ) =
σX σY
ρσ1 σ2
=
σ1 σ2
= ρ.
(x − µ1 )2 (x − µ1 )2
1
f (x, y) = exp − + exp(−
2πσ1 σ2 2σ11 2σ11
(x − µ1 )2 (y − µ2 )2
1 1
= √ exp − ×√ exp −
2πσ1 2σ11 2πσ2 2σ21
= fX (x) × fY (y),
Cov(X, Y ) σ2 σ
ρ= p =√ = .
V (X)V (Y ) 2
σ τ 2 τ
A função geradora de momentos de X é dada por
σ 2 t2
MX (t) = exp µt +
2
DEMA - UFC
João Maurı́cio A. Mota e Gualberto Agamez 13
τ 2 t2
M (t) = exp µX + .
2
τ 2 t2
tY tY
MY (t) = E(e ) = E E(e |X) = E MY |X (t) = E exp µX + ,
2
Assim,
τ 2 t2 τ 2 t2
MY (t) = exp E [exp (µX)] = exp MX (t),
2 2
Finalmente,
τ 2 t2 σ 2 t2 (σ 2 + τ 2 )t2
MY (t) = exp exp µt + = exp µt + ,
2 2 2
que é a geradora de momentos da N (µ, σ 2 + τ 2 ).
Outra solução:
Vamos calcular a conjunta de (X, Y ). Sabemos que:
(x − µ)2
1
fX (x) = √ exp −
2πσ 2σ 2
e a condicional de Y |X = x é dada por:
(y − x)2
1
fY |X=x (y) = √ exp − .
2πτ 2τ 2
logo f (x, y) = fX (a) × fY |X=x (y) é dada por:
1 (x − µ)2 (y − x)2
1
f (x, y) = exp − + .
2πστ 2 σ2 τ2
Temos que simplificar a expressão:
ab
K = a(x − m)2 + b(x − n)2 = (a + b)(x − c)2 + (n − m)2 , (7)
a+b
onde
am + bn
c= .
a+b
Comparando 6 com 7 temos:
1 1
a= 2
, b = 2 , m = µ, n = y.
σ τ
DEMA - UFC
João Maurı́cio A. Mota e Gualberto Agamez 14
Além disso
1 1 σ2 + τ 2
a+b= + = ,
σ2 τ 2 σ2 τ 2
√
√ σ2 + τ 2
a+b= ,
στ
√ 1
ab = .
στ
Além disso
a+b σ2 + τ 2
= 2 2 σ2 τ 2 = σ2 + τ 2.
ab σ τ
E finalmente K fica:
ab
K = (a + b)(x − c)2 + (y − µ1 )2
a+b
A conjunta de (X, Y ) pode ser posta na forma:
1 K
f (x, y) = exp −
2πστ 2
e
1 1 ab 2 1 2
f (x, y) = exp − (y − µ1 ) exp − (a + b)(x − c)
2πστ 2 a+b 2
A marginal de Y é dada por:
Z ∞
1 1 ab 2 1 2
fY (y) = exp − (y − µ1 ) exp − (a + b)(x − c) dx
2πστ 2 a+b −∞ 2
Analisando a integral
Z ∞
1 2
I= exp − (a + b)(x − c) dx
−∞ 2
1
vemos que seu núcleo é de uma normal com média c e variância a+b
.
Assim,
√ 1 √ στ
I= 2π √ = 2π √ .
a+b σ2 + τ 2
finalmente,
√
1 1 ab 2 στ
fY (y) = exp − (y − µ1 ) 2π √ ,
2πστ 2 a+b σ2 + τ 2
assim,
1 1 ab 2
fY (y) = √ exp − (y − µ1 ) ,
2π σ 2 + τ 2 2 a+b
assim Y tem distribuição normal de média µ1 e variância dada por:
a+b
V (Y ) = = σ2 + τ 2.
ab
DEMA - UFC
João Maurı́cio A. Mota e Gualberto Agamez 15
1.7 Transformações
Se (X, Y ) ∼ N( µ1 , µ2 , σ12 , σ22 , ρ) então:
a. S = X + Y ∼ N (µ1 + µ2 , σ12 + σ22 + 2ρσ1 σ2 )
Prova.
MS (t) = E(etS )
= E(et(X+Y ) )
= E(etX+tY )
= M(X,Y ) (t, t)
1 2 2 2 2 2
= exp µ1 t + µ2 t + σ1 t + 2ρσ1 σ2 t + σ2 t
2
t2 2
2
= exp (µ1 + µ2 ) t + σ + 2ρσ1 σ2 + σ2 ,
2 1
MD (t) = E(etS )
= E(et(X−Y ) )
= E(etX−tY )
= M(X,Y ) (t, −t)
1 2 2 2 2 2
= exp µ1 t − µ2 t + σ1 t − 2ρσ1 σ2 t + σ2 t
2
t2 2
2
= exp (µ1 − µ2 ) t + σ − 2ρσ1 σ2 + σ2 ,
2 1
(S, D) ∼ N2 (µ1 + µ2 , µ1 − µ2 , σ12 + σ22 + 2ρσ1 σ2 , σ12 + σ22 − 2ρσ1 σ2 , σ12 − σ22 ).
Prova.
DEMA - UFC
João Maurı́cio A. Mota e Gualberto Agamez 16
Seja MS,D (t1 , t2 ) a função geradora de momentos bivariada de (S, D). Assim:
σ12 − σ22
ρS,D = p 2
(σ1 + σ22 + 2ρσ1 σ2 ) × (σ12 + σ22 − 2ρσ1 σ2 )
σ12 − σ22
= p 4
σ1 + σ24 + 2σ12 σ22 (1 − ρ2 )
DEMA - UFC
João Maurı́cio A. Mota e Gualberto Agamez 17
Duas medidas são avaliadas a partir matriz de variâncias e covariâncias Σ que são:
a Variância Total que é definida por:
1
A. 2
B. 34 C.1 D. 3
2
E. 2.
2. Seja (X, Y ) tendo uma distribuição normal bivariada com média comum µ e variância
comum σ 2 e correlação ρ com −1 < ρ < 1. Quais das seguintes afirmações são ver-
dadeiras?
A. I e II somente.
B. I e III somente.
C. II e III somente.
D. I, II e III.
E. A resposta correta não é dada por A, B, C ou D.
DEMA - UFC
João Maurı́cio A. Mota e Gualberto Agamez 18
a. Dado que um paı́s exportou 150 bilhões de dólares em 2017, quanto em média
ele deve ter importado nesse ano? Qual o desvio padrão?
b. Dado que um paı́s importou 100 bilhões de dólares em 2017, quanto em média
ele deve ter exportado nesse ano? Qual o desvio padrão?
c. Determine a variância total e a variância generalizada.
4. Para quais valores de c as funções são legı́timas densidades bivariadas normais. Para
cada caso apresente os 5 parâmetros envolvidos.
X1 − µ1 X2 − µ2 X1 − µ1 X2 − µ2
Y1 = + , Y2 = − .
σ1 σ2 σ1 σ2
Mostre que Y1 e Y2 são independentes.
DEMA - UFC
João Maurı́cio A. Mota e Gualberto Agamez 19
a. Ache a f.d.p.c de Y1 = X1 + X2 e Y2 = X1 − X2
b. Calcule a probabilidade P (X1 − X2 < 0, X1 + X2 > 0).
c. Sejam Y1 = X1 cos X2 e Y2 = X1 sin X2 . Ache a f.d.p.c. de (Y1 , Y2 ) bem como
suas marginais.
12. Considere a distribuição normal bivariada com parâmetros µ1 , µ2 , σ12 , σ22 , ρ. Deter-
mine o valor da constante b para que V ar(X1 + bX2 ) seja mı́nimo.
15. Seja
0 9/50 2/50
Y ∼ N2 µ = ,Σ = .
0 2/50 6/50
Calcular:
a. E(Y1 + Y2 );
b. V ar(3Y1 − 2Y2 );
c. A correlação entre Y1 e 3Y2 ;
0 0 Z1
d. Ache C tal que Z = C Y , onde Z = , Z1 e Z2 sejam estocasticamente
Z2
independentes.
1.11 Bibliografia
1. Introduction To The Theory Of Statistics- Alexander M. Mood,Franklin A. Graybill
& Duane c. Boes. Third Edition
Foi usado o material contido nas páginas 162 a 169.
2. Probability and Statistics- Morris H. deGroot & Mark J. Schervish. Third Edition
Foi usado o material contido nas páginas 313 a 318.
DEMA - UFC
João Maurı́cio A. Mota e Gualberto Agamez 20
DEMA - UFC