Escolar Documentos
Profissional Documentos
Cultura Documentos
Código: ESTAT0077
Nı́vel: Graduação
Carga horária: 60h
Perı́odo: 2020.2
Professor responsável e ministrante: Luiz Henrique Dore
Sumário
2 Introdução
3 Aula 4
Tópico 7: função média
Tópico 8: função de autocorrelação
Tópico 9: função de autocovariância
4 Referências
Metas
Objetivos
Pré-requisitos
1 Aula 2.
Introdução
Introdução
Introdução
Definição 1
mX (t) = E [X (t)].
Continuação do exemplo 1
Se os arremessos da moeda são independentes, então a função
de probabilidade de ordem 1, no tempo 2, é dada por
2p(1 − p) se x = 0;
2
p se x = 2;
p(x; 2) ≡ P[X2 = x] = 2
(1 − p) se x = −2.
0 outros casos,
onde p := P[{Coroa}] (ver exemplo 13, aula 2). Portanto, o
valor a função média em t = 2 é
P
mX (2) = E [X2 ] = x2 P[X2 = x2 ] =
x2 ∈SX2
Exemplo 2
= 3 · P[X1 = 1] + 5 · P[X1 = 5]
4 6 42
=3· 10 +5· 10 = 10 = 4, 2.
Exemplo 3
Exemplo 4
Exemplo 5
Continuação do exemplo 5
Fazendo p = P[{Coroa}], tem-se que
1 − p se yn = −1;
P[Yn = yn ] =
p se yn = 1.
Portanto,
E [Yn ] = −1 · (1 − p) + 1 · p = 2p − 1
e a função média do passeio aleatório é
mx (n) = E [Xn ] = E [Y1 + Y2 + · · · + Yn ] =
= E [Y1 ] + E [Y2 ] + · · · + E [Yn ] = n(2p − 1).
Em particular, mX (2) = 2(2p − 1), como no exemplo 1.
Definição 2
Continuação do exemplo 6
Por exemplo, pode-se lançar um dado um número indefinido de
vezes, de maneira independente, e definir o sucesso como sendo
o número “6”. Um processo de Bernoulli é uma sequência
{X1 , X2 , · · · } de variáveis aleatórias de Bernoulli associadas
a experimentos de Bernoulli. Isto é, Xk = 1 se o k-ésimo
experimento é um sucesso e Xk = 0 caso contrário. A função
de probabilidade de ordem 1, no tempo k, é
1 − p se x = 0;
p(x; k) ≡ P[Xk = x] =
p se x = 1,
onde p é a probabilidade de sucesso. Logo, a função média é
mX (k) = E [Xk ] = 0 · (1 − p) + 1 · p = p.
Continuação do exemplo 6
Se k1 6= k2 , então
1 se Xk1 = Xk2 = 1;
Xk1 Xk2 =
0 caso contrário.
Como Xk1 e Xk2 são independentes, tem-se que
Continuação do exemplo 6
Logo, se k1 6= k1 , a função de autocorrelação em k1 e k2 é
RX (k1 , k2 ) = E [Xk1 Xk2 ] = 0 · (1 − p 2 ) + 1 · p 2 = p 2 .
Se k1 = k2 = k, então Xk1 Xk2 = Xk2 . Como Xk só pode assumir
os valores 0 ou 1, tem-se que Xk2 = Xk . Logo, se k1 = k2 = k,
RX (k1 , k2 ) = RX (k, k) = E [Xk2 ] = E [Xk ] = p.
Portanto, a função de autocorrelação em k1 e k2 é
2
p se k1 6= k2 ;
RX (k1 , k2 ) =
p se k1 = k2 .
Exemplo 7
Exemplo 8
Definição 3
Exemplo 9
Exemplo 10
Exemplo 11
Definição 4
Exemplo 12
Exemplo 13
= 32 · P[X1 = 1] + 52 · P[X1 = 5]
4 6 186
=9· 10 + 25 · 10 = 10 = 18, 6.
Utilizando esses resultados e a fórmula 2, tem-se que
186 42 2 96
VX (1) = RX (1, 1) − mX (1)2 =
10 − 10 = 100 = 0, 96.
Exemplo 14
Exemplo 15
Exemplo 16
Exemplo 17
Continuação do exemplo 17
Sabe-se que Var [Yn ] = E [Yn2 ] − (E [Yn ])2 . Conforme visto no
exemplo 5, E [Yn ] = 2p − 1. Além disso, como Yn só pode assumir
os valores 1 ou -1, tem-se que P[Yn2 = 1] = 1. Logo, E [Yn2 ] = 1 e
Var [Yn ] = E [Yn2 ] − (E [Yn ])2 = 1 − (2p − 1)2 = 4p(1 − p).
Dessa forma, conclui-se que
VX (n) = Var [Xn ] = Var [Y1 ] + · · · + Var [Yn ] = n4p(1 − p).
Em particular, se n = 2, então
VX (n) = VX (2) = 8p(1 − p),
como no exemplo 12.
Definição 5
Exemplo 18
Exemplo 19
Exemplo 20
Referências I