Escolar Documentos
Profissional Documentos
Cultura Documentos
Aula Sim VA PDF
Aula Sim VA PDF
Estocástica
Lembrete
Formas simples:
Exponencial
Programa no R:
n<-50
theta <-2
u <- runif(n)
x <- -theta*log(1-u)
Valores simulados
0.06
0.04
0.04
densidade
densidade
0.02
0.02
0.00
0.00
0 20 40 60 80 100 0 10 20 30 40 50 60
valores valores
media = 14.56 , var= 191.68 , n= 100 media = 14.19 , var= 219.85 , n= 500
0.04
0.03
densidade
densidade
0.02
0.02
0.01
0.00
0.00
0 10 20 30 40 50 60 70 0 50 100 150
valores valores
Normal truncada
2
a−µ a−µ
− b−µ b−µ a−µ b−µ
σ φ σ σ φ σ φ σ − φ σ
V(X )=σ 2 1 + −
b−µ
a−µ
b−µ
a−µ
Φ σ +φ σ Φ σ +φ σ
Cont.
Programa no R:
Valores simulados
0.6
0.6
densidade
densidade
0.4
0.4
0.2
0.2
0.0
0.0
0.0 0.5 1.0 1.5 2.0 2.5 0.0 0.5 1.0 1.5 2.0 2.5
valores valores
media = 0.8294 , var= 0.381 , n= 100 media = 0.815 , var= 0.3968 , n= 500
0.8
0.6
0.6
densidade
densidade
0.4
0.4
0.2
0.2
0.0
0.0
valores valores
Normal multivariada
Comentários
Valores simulados
0.30
0.20
0.20
densidade
densidade
0.10
0.10
0.00
0.00
−6 −4 −2 0 2 4 −4 −2 0 2 4
valores valores
media = 1.92 , var= 3.76 , n= 100 , p = 3 media = 2.97 , var= 5.16 , n= 100
0.20
0.20
0.15
densidade
densidade
0.10
0.10
0.05
0.00
0.00
−2 0 2 4 6 0 2 4 6 8 10 12 14
valores valores
P
Seja X uma v.a discreta, PX (X = xi ) = pi 11{0,1,2,...} (i), i pi = 1.
Cont.
Bernoulli
0, se u > θ
xi =
1, se u ≤ θ
Valores simulados
1.0
0.8
0.8
0.6
0.6
0.4
0.4
0.2
0.2
0.0
0.0
0 1 0 1
mean = 0.78 var= 0.17 n = 100 mean = 0.764 var= 0.18 n = 500
1.0
1.0
0.8
0.8
0.6
0.6
0.4
0.4
0.2
0.2
0.0
0.0
0 1 0 1
Binomial
Duas formas:
Valores simulados
0.5
0.4
0.4
densidade
densidade
0.3
0.3
● ●
● ●
0.2
0.2
● ●
● ●
0.1
0.1
● ●
● ● ● ●
0.0
0.0
● ● ● ● ● ● ● ●
5 6 7 8 9 5 6 7 8 9 10
valores valores
media = 7.01 , var= 2.03 , n= 100 , p = 3 media = 6.94 , var= 2.29 , n= 500 , p = 3
0.5
0.5
0.4
0.4
densidade
densidade
0.3
0.3
● ●
● ●
0.2
0.2
● ●
● ●
0.1
0.1
● ●
● ● ● ●
0.0
0.0
● ● ● ● ● ● ● ●
4 5 6 7 8 9 10 3 4 5 6 7 8 9 10
valores valores
Poisson
e −λ λi
Seja X ∼ Poisson(λ), λ > 0. pi = P(X = i) = i! 11{0,1,2,...} (i)
λ
Pode-se provar que pi+1 = i+1 pi
Algoritmo:
Valores simulados
0.5
0.4
0.4
densidade
densidade
0.3
0.3
● ● ● ●
0.2
0.2
● ●
● ●
0.1
0.1
● ●
● ● ● ●
● ●
0.0
0.0
● ●
0 1 2 3 4 5 6 7 8 0 1 2 3 4 5 6 7 8
valores valores
media = 3.02 , var= 3.12 , n= 100 , p = 3 media = 2.92 , var= 3.22 , n= 500 , p = 3
0.5
0.5
0.4
0.4
densidade
densidade
0.3
0.3
● ● ● ●
0.2
0.2
● ●
● ●
0.1
0.1
● ●
● ● ●
● ●
0.0
0.0
1 2 3 4 5 6 7 0 1 2 3 4 5 6 7
valores valores
Beta a = 2 e b =4
Valores simulados
2.5
2.0
2.0
densidade
densidade
1.5
1.5
1.0
1.0
0.5
0.5
0.0
0.0
0.0 0.2 0.4 0.6 0.8 0.0 0.2 0.4 0.6 0.8
valores valores
media = 0.33 , var= 0.03 , n= 100 media = 0.34 , var= 0.03 , n= 500
3.0
2.0
1.5
2.0
densidade
densidade
1.0
1.0
0.5
0.0
0.0
0.0 0.2 0.4 0.6 0.8 0.0 0.2 0.4 0.6 0.8 1.0
valores valores
Gama r = 3/2 e λ =1
Valores simulados
0.6
0.4
0.4
densidade
densidade
0.2
0.2
0.0
0.0
0 1 2 3 4 5 6 0 1 2 3 4
valores valores
media = 1.37 , var= 1.3 , n= 100 media = 1.45 , var= 1.34 , n= 500
0.6
0.6
0.4
0.4
densidade
densidade
0.2
0.2
0.0
0.0
0 1 2 3 4 5 6 0 2 4 6 8
valores valores
Algoritmo:
Valores simulados
n= 30 n= 50
0.6
●
prop.table(table(v.x))
prop.table(table(v.x))
●
0.4
0.4
●
●
0.2
0.2
● ●
0.0
0.0
−1 0 1 −1 0 1
v.x v.x
n= 100 n= 500
0.6
0.5
●
●
prop.table(table(v.x))
prop.table(table(v.x))
0.4
0.4
●
●
0.3
0.2
0.2
● ●
0.1
0.0
0.0
−1 0 1 −1 0 1
v.x v.x
f (x)
cθ = maxx∈X (Ω)
gθ (x)
0
−2
−4
−4
lpx
lpx
−6
−6
−8
−8
−10
−10
x x
f (x) (bd)−1 e (0,5b2 −ba) , se b > a,
cb = maxx>a =
be −b(x−a) (bd)−1 e −0,5b2 , se b ≤ a
√
em que d = 2π(1 − Φ(a)). O primeiro limite é minimizado em
√
b ∗ = (a + a2 + 4)/2 e o segundo em b
b = a. A escolha de b é b ∗ .
Cont.
Algoritmo
Valores simulados
1.2
densidade
densidade
0.8
0.8
0.4
0.4
0.0
0.0
1.0 1.5 2.0 2.5 1.0 1.5 2.0 2.5 3.0
valores valores
media = 1.68 , var= 0.39 , n= 100 media = 1.66 , var= 0.44 , n= 500
1.2
1.2
densidade
densidade
0.8
0.8
0.4
0.4
0.0
0.0
valores valores
Seja X ∼ fX (.; r ),
πsinr (πx)
f (x) = 11(0,1) (x)
beta(0.5, (r + 1)/2)
g(x)
2.0
f.x
1.5
1.0
f(x)
0.5
0.0
v.x
Valores simulados
n= 30 n= 50
4
4
3
3
densidade
densidade
2
2
1
1
0
0
0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.3 0.4 0.5 0.6 0.7
valores valores
n= 100 n= 500
4
4
3
3
densidade
densidade
2
2
1
1
0
0.2 0.3 0.4 0.5 0.6 0.7 0.2 0.4 0.6 0.8
valores valores
Representação Estocástica
Faça y = x1 /(x1 + x2 ).
Programa
Programa
Valores simulados
n= 20 n= 50
3.0
3.0
2.0
2.0
densidade
densidade
1.0
1.0
0.0
0.0
0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8
valores valores
n= 100 n= 500
3.0
3.0
2.0
2.0
densidade
densidade
1.0
1.0
0.0
0.0
0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.2 0.4 0.6 0.8
valores valores
Beta binomial
Programa
Programa
Valores simulados
0.5
0.4
0.4
densidade
densidade
● ●
0.3
0.3
● ●
● ●
0.2
0.2
● ●
0.1
0.1
● ●
0.0
0.0
0 1 2 3 4 0 1 2 3 4
valores valores
media = 1.32 , var= 1.43 , n= 100 , p = 3 media = 1.27 , var= 1.51 , n= 500 , p = 3
0.5
0.5
0.4
0.4
densidade
densidade
● ●
0.3
0.3
● ●
● ●
0.2
0.2
● ●
0.1
0.1
● ●
0.0
0.0
0 1 2 3 4 0 1 2 3 4
valores valores
Outros métodos
Rejeição adaptativa.
Amostragem condicional.