Resumo capı́tulo 9 - Bussab / Morettin - Seções 9.1, 9.2, 9.3.

Nesta primeira seção temos um primeiro contato com aquilo que iremos estudar no decorrer do capı́tulo.
Inicialmente temos um breve resumo do que foi estudado nos capı́tulos anteriores, e propositalmete foi descrito
como são contruı́dos alguns modelos probabilı́sticos simples, descrevendo sua necessidade e praticidade de
representar situações reais ou um experimento aleatório. Em seguida, mesmo com a construção de um
modelo probabilı́stico que supri as necessidades de análise, ainda não é possı́vel extrair toda informação
possı́vel pois, certos problemas não podem ser resolvidos analiticamente e nesse caso temos de recorrer
á uma solução numérica e para isso fazemos uso do estudos de simulação para obter aproximações das
quantidades de interesse. Essa forma de solução é bastante ampla, e podemos reproduzir num ambiente
controlado o que se estuda no problema real. Para fins de estudo da solução, a solução do problema real
consistirá na simulação de variáveis aleatórias. Mais adiante é descrito que a simulação de variáveis aleatórias
deu origem aos chamados métodos Monte Carlo (MMC), que consiste em amostragens aleatórias massivas
para obter resultados numéricos. Basicamente, utilizam a aleatoriedade de dados para gerar um resultado
para problemas que a priori são determinı́sticos.
A seção 9.2 trata da Simulação de Variáveis Aleatórias, onde tendo em mãos um bom gerador de NA
podemos, gerar NA de qualquer outra v.a., usando a correspondente função de distribuição acumulada
(f.d.a.). Usando-se um gerador de NA, produz-se uma NA u; marca-se esse valor no eixo das ordenadas
de F (x); por meio da função inversa de F (x) obtém-se o valor x da v.a. X no eixo das abcissas. Isto é,
resolve-se a seguinte equação
F (x) = u,
ou seja, x = F −1 (u).
Na realidade, o procedimento descrito acima pode ser formalizado no seguinte resultado, chamado de
método da transformação integral. Supondo F estritamente crescente.
O procedimento funciona da seguinte forma: geramos um NA u entre 0 e 1 e o marcamos no eixo das
ordenadas; procura-se o inverso de u no eixo das abcissas. Suponha que u esteja entre p1 + p2 + . . . + pj−1
e p1 + p2 + . . . + pj−1 + pj .
A descrição acima pode ser resumida no seguinte procedimento: gera-se um NA u, ou seja, um valor de
uma v.a. U uniforme no intervalo [0, 1]. Coloque:


 x1 , se u < p1 ,
 x2, se p1 ≤ u < p1 + p2 ,

X= .
 ..


xj se p1 + . . . + pj−1 ≤ u < p1 + . . . + pj


A seção 9.3 trata da simulação de alguns modelos, usando a abordagem que foi feita nas seções anteriores
para cada caso especifı́co. O modelos utlizados satisfazem cada caso na qual a distribuição é caracterizada.