Escolar Documentos
Profissional Documentos
Cultura Documentos
1
3.1 Variáveis aleatórias bidimensionais
2
3.2 Função de distribuição conjunta
• Definição – Função de distribuição conjunta
Seja (X ,Y ) uma variável aleatória bidimensional. A função real de duas variáveis
3
• Propriedades da função de distribuição
1) 0 ≤ F(x, y) ≤ 1.
>0⇒ ( , )≤ ( + , )e >0⇒ ( , )≤ ( , + ).
2) F é não decrescente, separadamente, em relação a x e em relação a y:
4
5)Qualquer função de distribuição F é contínua à direita em relação a x e em relação a
lim F (x + s, y) = F (x + , y) = F (x, y) e
y,
s →0+
lim+F (x, y + s) = F (x, y + ) = F (x, y).
s →0
0 se x < 0 ou y < 0
F(x, y) = −x −y
1− e − e + e
− x− y se x ≥ 0 e y ≥ 0
5
3.3 Função de distribuição marginal
• Funções de distribuição marginais - cada variável é considerada de forma isolada
P ( X ≤ x) = P ( X ≤ x, Y < +∞) = lim F (x, y) = F (x, +∞) = FX(x);
y →+∞
P(Y ≤ y) = P ( X < +∞, Y ≤ y) = lim F (x, y) = F(+∞, y) = FY(y).
x→+∞
A distribuição conjunta determina univocamente as distribuições marginais, mas
a inversa não é verdadeira.
• Exemplo:
Calcular as funções de distribuição marginais do exemplo anterior
6
3.4 Independência de variáveis aleatórias multivariadas
7
5. Variáveis aleatórias discretas multivariadas
&',( , = ) * = , + =
variáveis reais, com domínio ℜ 2 , definida por,
8
• &',( , ≥0
Propriedades da função probabilidade conjunta:
• ∑(.,/)∈0 &',( , =1
• P [(X , Y) ∈ B ] = ∑(.,/)∈0∩2 &',( ,
• ',( , = ) * ≤ ,+ ≤
= 3 3 &',( 4, 5 −∞ < < +∞, −∞ < < +∞
:9. 89/
9
• Definição - Função probabilidade marginal
Sejam
Considere a variável aleatória bidimensional (X ,Y ).
) *= =3 &',( , ∈ B'
&' =@ /∈0A
0 ∉ B'
10
Exemplo 3.1 - Lançamento de dois dados. Sejam X: número de pontos obtido com o
11
• As variáveis aleatórias X e Y não são independentes. Por exemplo,
f X,Y (4,5) = 1/ 36 ≠ fX(4) fY(5) = (6 / 36) × (9 / 36) = 1/ 24.
• As distribuições marginais não definem a distribuição conjunta. Poder-se-ia
definir outra distribuição conjunta através de h(x, y)= fX(x) fY(y).
• Cálculo de probabilidades:
P(2 < X < 5,Y > 2) =
P(X < 3) =
P(Y > 4) =
12
3.6 Variáveis aleatórias contínuas multivariadas
/ .
',( , =F F &',( G, H IGIH
JK JK
13
• Propriedades da função densidade conjunta
JK JK
&',( , =0.
• Nos pontos em que não existe segunda derivada, convenciona-se
14
• Funções densidade marginais:
&' =I ⁄I = QJK &',( , I já que
OK
'
= , +∞ = QJK QJK &',( G, I IG
. OK
' ',(
15
3.7 Funções de distribuição condicionais
)(* = ; + = ) &',( ,
pela realização do acontecimento {X = x }, com P( X = x ) > 0, através de,
17
3.7.2 Variáveis aleatórias continuas
18
• Note-se que )(* ∈ b|+ = ) = Qc &'|(S/ ( )I
Por exemplo )(d < * < e|+ = ) = Qg &'|(S/ ( )I
f
19
3.8 Valores esperados de funções de variáveis aleatórias multivariadas
Definição – Valor esperado de função de v.a. bidimensional
20
3.9 Valores esperados marginais
21
Teorema – Dois resultados importantes
Valor esperado de uma soma de v.a. – Se (X ,Y ) for uma variável aleatória
bidimensional e se existirem E( X ) e E(Y ) , então,
E( X + Y ) = E( X ) + E(Y ) .
E( XY ) = E( X )× E(Y ) .
22
Exemplo 3.4 – Seja (*, +) uma v.a. bidimensional discreta com função
&* ( )
probabilidade dada por
X\Y 3 5
1 0.1 0.3 0.4
&+ ( ) 0.5
2 0.4 0.2 0.6
0.5 1
23
3.10 Momentos em relação à origem
uz:
{
= t(* z + : ),
24
3.11 Momentos em relação à media
25
• Caso contínuo:
OK OK
=F F ( − u' )z ( − u( ): &',( ( , ) I I
JK JK
26
3.12 A covariância
27
cov(X, Y) = E(XY) − E(X) E(Y) Resultado importante
• cov(a X ,b Y) = ab cov(X ,Y )
28
3.13. O coeficiente de correlação
Definição - Coeficiente de correlação
• O coeficiente de correlação entre as variáveis aleatórias X e Y é dado por,
cov(',()
~',( = =
‚U,A
Var(')Var(() ‚U ‚A
.
• Comentários:
variáveis.
o Se X e Y são independentes então |}H( *, +) = 0. A recíproca não é verdadeira,
isto é, covariância nula não implica independência.
3.14 Momentos de funções lineares de variáveis aleatórias
30
• Exemplo – Considerem-se as v.a. X e Y, com função probabilidade conjunta
X\Y –1 0 1 &* ( )
–1 0.00 0.25 0.00 0.25
0 0.25 0.00 0.25 0.50
&+ ( ) 0.25
1 0.00 0.25 0.00 0.25
0.50 0.25 1.00
Mostrar que a covariância é nula mas que as variáveis aleatórias não são
independentes.
31
15. Expectativas Condicionais
32
Caso particular mais interessante:
33
16. A lei das expectativas iteradas
34
Definição – Variância condicionada
var(+|* = ) = t + − t(+|* = ) l
|* =
35