Escolar Documentos
Profissional Documentos
Cultura Documentos
Nome:
Docente:
2. Objetivos.................................................................................................................4
Objetivos Específicos....................................................................................................4
2.1. Metodologia........................................................................................................4
3. Método Simplex..................................................................................................5
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
Objetivos Específicos
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.
Então os X i Formam uma amostra aleatória de tamanho n, retirada de uma população com
Temos assim os seguintes resultados para as distribuições de estatísticas de ordem para variáveis aleatórias
contínuas.
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.
Começraremos o estudo das propriedades encontrando a fun¸c˜ao de densidade conjunta de (X(1) , X(2) ,· · ·, X(n) ).
Demonstra¸c˜ao :
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:
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,
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.
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) 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:
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:
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 :
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:
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).
As funções de distribuição de probabilidade condicionais acima, satisfazem a todas as condições impostas para
uma função de distribuição de probabilidade unidimensional.
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.
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.