UNIVERSIDADE ZAMBEZE

Faculdade de Ciências e Tecnologia

Ciências Atuárias 2° ano

Trabalho da cadeira de Investigação Operacional

Tema: Estatística de Ordem

Nome:

Pedro dos Santos castigo

Docente:

Dr. Oldimiro escrivão

Índice
1.1. Introdução...............................................................................................................3

2. Objetivos.................................................................................................................4

Objetivos Específicos....................................................................................................4

2.1. Metodologia........................................................................................................4

3. Método Simplex..................................................................................................5

3.1. Preparando o modelo para adaptá-lo ao método Simplex...........................6

4.1. Mudança de sinal dos termos independentes.........................................11

4.2. Padronização das restrições...................................................................12

5. Desenvolvendo o método Simplex................................................................13

5.1. Método Simplex.....................................................................................14

5.2. Método das Duas Fases..........................................................................17

6.1. FASE 2...............................................................................................19

6.2. Casos anômalos e soluções........................................................................19

7. Conclusão……………………………………………………………………....23
7.1. Referências bibliográficas………………………………………………………....24
 1.1. Introdução
Neste presente trabalho abordaremos sobre a tem temática Estatística de Ordem no decorrer do mesmo vamos
tratar de sua definição e motivação, e também de probabilidades conjunta do mesmo. Assim com respetivos
exemplos.
 2. Objetivos

Objetivo Geral

 Compreender estatística de Ordem

Objetivos Específicos

 Definir estatística de ordem

 Descrever as distribuições marginais

2.1. Metodologia

A metodologia estuda os métodos que podemos definir como sendo diferentes caminhos ou meios para se
alcançar determinados objetivos.
Para efetivação desse trabalho recorremos a método pesquisa bibliografica.
 2.2. Fundamentos teóricos
3. Estatísticas de Ordem

Na estatística, a ordem é a transformação de dados na qual os valores numéricos ou substituídos ordinais são por
dados sua classificação quando OS são Por exemplo, numéricos 3,4 / 5,1 / 2,6 / 7,3 são observados, como essas
classificações itens de dados seriam 2, 3, 1 e 4, respetivamente.

Na estatística de ordem Se X 1 , X 2 … X n são variáveis aleatórias i.i.d. com função de distribuição F x ,

Então os X i Formam uma amostra aleatória de tamanho n, retirada de uma população com

distribuição F x . As X i ordenadas crescentemente são estatísticas de ordem da amostra e

representamos X (1), X (2)… X (n) tais que :

X (1) (ω ¿ ≤ X (2) (ω) ≤ ... ≤ X (n) (ω)

Temos assim os seguintes resultados para as distribuições de estatísticas de ordem para variáveis aleatórias

contínuas.

 Se X 1 , X 2 … X n são variáveis aleatórias i.i.d. com função de distribuição Fx e

função de densidade ƒx , então teremos:

 Se X 1 , X 2 … X n são variáveis aleatórias i.i.d. com função de distribuição Fx e

função de densidade ƒx , então teremos:

 Se X 1 , X 2 … X n são variáveis aleatórias i.i.d. com função de distribuição Fx e

função de densidade ƒx , então para k¿1, temos o seguinte:

Seja (X1 , X2 ,· · ·, Xn ) um vetor aleatório n-dimensional e (x 1 , x2 ,· · ·, x n ) uma n-tupla assumida por (X 1 ,
X2 ,· · ·, Xn ).
Vamos organizar x1, x2,· · ·, xn em ordem crescente de magnitude, para que
x(1) ≤x (2) ≤· · ·≤x(n),

onde x(1) = min (x1 , x2 ,· · ·, xn ),x(2) ´ e o segundo menor valor em x 1 ,· · ·, xn e assim por diante (n) = max
(x1 ,· · ·, x n ). Se quaisquer dois xi , xj forem iguais, a ordem não importa.

Definição

Exemplo:

Demonstração:

Na apresentação dos resultados a seguir assumiremos que X 1 , X 2 ,... X n são variáveis aleatórias independentes e
igualmente distribuídas continuas com função de densidade ƒ. Seja ¿,…, X (n) ¿ } o conjunto das estatísticas de ordem
para que X 1 , X 2 ,... X n. Dado que todas as X i são continuas segue que, com probabilidade 1.

X(1) ≤X (2) ≤· · ·≤X ·

(n)

Propriedade das estatísticas de ordem

Começraremos o estudo das propriedades encontrando a fun¸c˜ao de densidade conjunta de (X(1) , X(2) ,· · ·, X(n) ).
Demonstra¸c˜ao :

A transforma¸c˜ao de (X1 ,· · ·, Xn ) a (X(1) ,· · ·, X (n) ) n˜ao ´e biunívoca. De fato, existem um total de n!

Possíveis arranjos X 1 ,… X n em ordem crescente de Magnetude. Assim, Existe n! inversa para transformação.

Por exemplo, uma das n! permutações podem ser:

X 4 < X 1 < X n−1< X 3< ¿…¿ X n < X 2

A inversa correspondente é:

O determinante desta transformação é a matriz n×n identidade com as colunas reorganizadas, isto devido a que
cada X (i) é igual a uma, e somente uma, das X 1 , X 2 ,··· , X n. Portanto J = ±1 e

Quando X (1) < X (2) < ··· < X (n). A mesma expressão é válida para cada um dos n! arranjos. Segue então que

Exemplo:

Sejam X 1 ,··· , X 1 Variáveis aleatórias independentes com função de densidade comum

Então a função de densidade conjunta de X (1), X (2),…, X (n) é

Exemplo2.

Consideremos a seguinte função de densidade e neste exemplo vamos ver se essa função realmente acontece,
para simplificar o caso de n=3 e verifiquemos se a integral da função densidade se é 1.

Um detalhe interessante ´e que esta e outras propriedades demonstradas aqui somente s˜ao v´alidas
quando as vari´aveis aleatórias s˜ao continuas. Isso n˜ao significa que estat´ısticas de ordem n˜ao possam ser
definidas no caso discreto. O que estamos dizendo ´e que estas propriedades somente podem ser demonstradas
no caso contínuo.

Demonstração:

Partimos da expressão da função de densidade conjunta das estatísticas de ordem obtida no Teorema Então
Como utilidade deste teorema podemos mencionar o facto de agora podemos encontrar os momentos das
estatísticas de ordem. Então faremos isso com a consequência do seguinte exemplo:

Observemos
que na situação
do exemplo
acima,

Logo, vale os resultados de distribuição beta e, por exemplo:

Seja X 1 ,··· , X n,··· uma amostra aleatória da função de distribuição F(·) e ( X (1),··· X (1),··· , X n) As estat´ ısticas
de ordem correspondentes. A função de distribuição da k-´esima estatística de ordem X k,··· assume a forma
dada pela expressão

Demostrando o evento Ocorre se, e somente se, pelo menos k dos X 1 , X 2 ,…, X n são menores ou
iguais a x por isso o somatório começa em k.
Demonstrando a densidade condicional de X (i) dando que X (i)=xi calcula-se dividindo a densidade conjunta de
X (i) e X (i), dada em definição acima, pela densidade marginal.

Distribuição conjunta da estatística de ordem

Se X e Y são duas variáveis aleatórias, a distribuição de probabilidade conjunta para a sua ocorrência
simultânea pode ser representada por f(x,y) para o caso em que (X,Y) é uma variável aleatória bidimensional
continua, e p(x,y) para o caso em que (X,Y) é uma variável aleatória bidimensional discreta.

Definição

Sejam E um experimento e S um espaço amostral associado a E sejam X=X(s) e Y=Y(s), duas funções cada
uma associando um numero real a cada resultado s∈S. Denominaremos uma variável aleatória bidimensional.

Em determinadas situações, X e Y não estão necessariamente ligadas a um mesmo experimento, mas existe
uma razão Bastante definida para considerar X e Y conjuntamente.

Para o nosso estudo vamos considerar que X e Y são ambas discretas ou continuas.

Do mesmo modo que no caso unidimensional (X,Y) deve ter associada a cada valor que pode assumir uma
probabilidade da sua ocorrência.

(X,Y) é avariável aleatória da distribuição bidimensional

(X,Y) será um variável aleatória de distribuição bidimensional se os valores possíveis de X e Y forem finito ou
infinito. Isto é, se os valores possíveis de (X,Y) pode ser representada de seguinte maneira ( X i ,Y j) i=1,2,…r e
j=1,2,…s.

Função de probabilidade conjunta de X e Y

Chama-se de função de probabilidade conjunta de variável aleatória distribuição bidimensional (X,Y) a

função:
 Que a cada valor de ( X i ; X J ) Associa a sua probabilidade de ocorrência.

Para que P( X i ; X J ) seja uma função de probabilidade conjunta é necessário que satisfaça as seguintes
condições:

A distribuição de probabilidade conjunta é o conjunto de para i=1,2,..,r e j=1,2,…,s.

Função de densidade de probabilidade conjunta

Seja (X,Y) uma variável aleatória bidimensional. Dizemos que f(x,y) é uma função d densidade de
probabilidade conjunta de X e Y, se satisfazer as seguintes condições :

Temos ainda que:

Distribuição marginal de estatística de ordem

A distribuição marginal é constituída pelos valores da variável aleatória e suas respetivas probidades marginas,
que serão apresentadas na forma gráfica ou tabular conforme visto para a variável aleatória unidimensionais. A
probabilidade marginal para cada valor é obtida da seguinte forma:

Função de densidade de probabilidade de distribuições marginais

As variáveis (X,Y) será uma variável aleatória bidimensional se (X,Y) pode assumir todos os valores em alguns
conjuntos não inumeráveis.

As funções de distribuições de probabilidade marginais de X e Y são dadas por:

Temos ainda que:

Distribuições condicionais

Seja X e Y variável aleatória continua com função de distribuição de probabilidade conjunta f(x,Y) e funcao de
distribuição de probabilidade marginas é dada por g(x) e h(y).

A função de distribuição de probabilidade condicional de X, dado que Y=y é definida por:

A função de distribuição de probabilidade condicional de Y, dado que X=x é definida por:

As funções de distribuição de probabilidade condicionais acima, satisfazem a todas as condições impostas para
uma função de distribuição de probabilidade unidimensional.

Deste modo para y fixado, teremos:

Estatística de ordem máxima e mínima

Para introduzir a distribuição do mínimo e do máximo iremos apresentar uma breve exposição de variáveis
aleatórias n-dimensionais.

Considere n variáveis aleatórias X1,...,Xn definidas em um espaço amostral.

Definição

(Função densidade de probabilidade conjunta) A função f(x1,...,xn) definida para (x1,...,xn)∈Rn é denominada
densidade de probabilidade conjunta, se para todo subconjunto B⊂Rn

De modo análogo ao que foi feito para variáveis bidimensionais pode-se obter a densidade marginal de cada uma
das variáveis da n-upla ( X 1 , X 2 2,..., X n)

Para obter a densidade marginal de Xi basta substituir X1 por Xi e integrar em relação a todas as variáveis
exceto xi. De modo análogo pode-se obter a densidade marginal conjunta de quaisquer 2,3,...,n−1 das variáveis.

Distribuição de ordem Mínimo e do Máximo

A função de distribuição conjunta das variáveis aleatórias X1,...,Xn que denotaremos por:
 Para variáveis aleatórias n-dimensionais contínuas, com densidade conjunta f( x 1,..., X n), a função de
distribuição é dada por:

Conclusão

Na estatística, a ordem é a transformação de dados na qual os valores numéricos ou substituídos ordinais são por
dados sua classificação quando OS são Por exemplo, numéricos 3,4 / 5,1 / 2,6 / 7,3 são observados, como essas
classificações itens de dados seriam 2, 3, 1 e 4, respetivamente.
Referencias biblioteca

BHATTACHARYYA, G.K.; JOHNSON, R.A. Statistical concepts and methods. New York: John Wiley &
Sons, Inc., 1977.

BUSSAB, W.O.; MORETTIN, P.A. Estatística básica. São Paulo: Saraiva, 2003.

ELANDT-JOHNSON, R.C. Probability models and statistical methods in Genetics. New York: John Wiley &
Sons, Inc., 1971.

MAGALHÃES, M.N.; LIMA, A.C.P. Noções de probabilidade e estatística. São Paulo: Edusp, 2002.
PETRIE, A.; WATSON, P. Estatística em ciência animal e veterinária. São Paulo: Editora Roca Ltda, 2009.