CC0285 - Probabilidade II

Transformação - 26/05/2021

Prof. Maurı́cio Mota

1 Introdução
O objetivo destas notas de aula criada para a disciplina CC0285-Probabilidade II ministrada pelo Professor
Maurı́cio Mota em 2021.1 é desenvolver o conceito de transformação de uma variável contı́nua X. O capı́tulo 5 do
Meyer é a base para a construção do conceito de transformação. O aluno deverá ler também o capı́tulo 7 do livro
do Bussab&Morettin. Para fixar as ideias resolva os exemplos apresentados.

2 Exemplos Resolvidos:
Exemplo 1: Seja X ∼ U (0, 1). Qual a densidade de Y = −ln(X)?

Solução: A fdp de X é dada por

f (x) = I(0,1) (x).

A função de distribuição acumulada de X é dada por

F (x) = x I(0,1) (x) + I[1,∞)] (x).

O suporte de X é

A = (0, 1).

Como

0<x<1

−∞ < lnx < 0

multiplicando por (-1) temos:

0 < −lnx < ∞

Logo

0 < y < ∞.

Assim o suporte de Y = −lnX é o conjunto

B = (0, ∞).

Seja G(y) a função de distribuição acumulada de Y . Assim

1
 G(y) = 0, y ≤ 0.

Para y > 0 temos

G(y) = P (−lnX ≤ y) = P (lnX ≥ −y) = P (X ≥ e−y ) = 1 − P (X ≤ e−y ) = 1 − F (−e−y ).

Logo,

G(y) = 1 − ey y > 0.

A função densidade de probabilidade de Y é dada por:

g(y) = G0 (y) = e−y I(0,∞) (y),

que é a densidade da exponencial de parâmetro λ = 1.

Podemos obter a densidade de Y sem calcular a acumulada de X.

G(y) = 1 − F (−e−y )

g(y) = G0 (y) = −(−e−y )0 F 0 (−e−y ) = e−y f (−e−y ) = e−y 1 = e−y .

Observação 1 Note que a transformação é uma função bijetora de A = (0, 1) em B = (0, ∞).
Para mostrar que uma função h : A −→ B é biunı́voca se:

i. h é injetora.
Devemos prova que
Se
h(a) = h(b) −→ a = b.

ii. h é sobrejetora.
Devemos mostrar que dado y ∈ B existe x ∈ A tal que h(x) = y

Vamos mostrar que h(x) = ln(x) é injetora.

Se h(a) = h(b) temos:

−ln(a) = −lnb

lnb − lna = 0

ln(b/a) = 0

logo

b
=1 e a = b.
a
Logo h(x) = −ln(x) é injetora.
Vamos mostrar que h(x) = −ln(x) é sobrejetora.

2
 Figura 1:

Seja y ∈ B = (0, ∞) tome x = e−y ∈ A. Note que 0 < x < 1.

Assim

h(x) = f (e−y ) = −ln(e−y ) = −(−y) = y

logo h(x) é sobrejetora.

Assim h(x) é bijetora. Veja o gráfico:
Seja w(x) a função inversa de h(x) = −ln(x)
Assim,

y = −lnx

trocando x por y

x = −lny

Assim

−x = lny

y = w(x) = e−x .

A derivada de w(x) é dada por:

w0 (x) = −e−x

|w0 (x)| = e−x .

Exemplo 2:

Seja X ∼ Laplace(0, 1). Qual a densidade de Y = |X|?

3
 Solução: A fdp de X é dada por

1 −|x|
f (x) = e (x).
2
A função y = h(x) = |x| não é injetora pois

h(2) = h(−2) = 2

mas

2 6= −2.

4
 Veja o gráfico:

Figura 2:

O suporte de X é A = (−∞, ∞). O suporte de Y é B = [0, ∞).

Seja G(y) a função de distribuição acumulada de Y . Assim

G(y) = 0, y ≤ 0.

Para y > 0 temos

G(y) = P (|X| ≤ y) = P (−y ≤ X ≤ y) = P (X ≤ y) − P (X ≤ −y) = F (y) − F (−y).

A densidade de Y é dada por:

1 −|y| 1 −|−y|
g(y) = G0 (y) = [F (y)]0 − [F (−y)]0 = f (y) + f (−y) = e + e
2 2

1 −|y| 1 −|y|
g(y) = e + e = e−|y| = e−y I(0,∞) (y).
2 2

5
 3 Transformação de Uma Variável Aleatória Contı́nua
Unidimensional X.

Seja X uma variável aleatória contı́nua unidimensional com função densidade de probabilidade dada por f (x)
com suporte A. Seja F (x) a respectiva função de distribuição de X.

3.1 Caso Biunı́voco.

Suponha que:

i. y = h(x) define uma transformação biunı́voca de A em B.

ii. A derivada de x = h−1 (y) = w(y) com respeito a y é uma função contı́nua e não nula para todo y ∈ B.

Então Y = h(X) é uma variável aleatória contı́nua X com suporte B e densidade:

g(y) = f (w(y)) |w0 (y)| IB (y).

Se o suporte de Xb for A = (a, b) o suporte de Y é, B = (h(a), h(b) se h for crescente ou B = (h(b), h(a) se h
for decrescente .
Exemplo 3: Refaça o exemplo 1 usando o teorema dado.
Como h(x) = −lnx é uma função decrescente pois h0 (x) = − x1 < 0. Vamos usar o caso biunı́voco.
O módulo da derivada de w(x) no ponto y é:

|w0 (y)| = e−y .

f [w(y)] = f (−lny) = 1.

(a, b) = (0, 1)
temos:

h(1) = −ln1 = 0,

h(0) = lim −lnx = ∞.

x→0

Temos que

g(y) = f (w(y)) |w0 (y)| IB (y).

g(y) = 1 × e−y ; IB (y), B = (0, ∞).

g(y) = e−y IB (y), B = (0, ∞).

6
3.2 Caso Não Biunı́voco.
A condição que y = h(x) seja uma transformação biunı́voca de A em B é muito restritiva. Vamos relaxá-la,
isto é, suponha que o suporte de A possa ser decomposto em uma partição finita ( ou infinita enumerável),
A1 , A2 , . . . , Am de tal maneira que y = h(x) defina uma transformação biunı́voca de Ai em B, i = 1, 2, . . . , m. Seja
x = h−1i (y) = wi (y) a inversa de y = h(x) para x ∈ Ai , i = 1, 2, . . . , m.
Então Y = h(X) é uma variável aleatória contı́nua X com suporte B e densidade:

m
X
g(y) = f (wi (y)) |wi0 (y)| IB (y).
i=1

Exemplo 4: Refaça o exemplo 2 usando o teorema dado.

Como h(x) = |x| uma função não biunı́voca vamos decompor o suporte

A = (−∞, ∞) = (−∞, 0) ∪ (0, ∞) = A1 ∪ A2 .

Logo m = 2.
Note que: Em A1

h(x) = |x| = −x,

pois x é negativo. Assim

w1 (x) = −x
e sua derivada é

w10 (x) = −1

1 −|−x| 1
f (w1 (x)) = f (−x) = e = e−|x| .
2 2

Em A2

h(x) = |x| = x,
pois x é positivo. Assim

w2 (x) = x
e sua derivada é

w20 (x) = 1

1 −|x|
f (w2 (x)) = f (−x) = e .
2
Logo,
2
X
g(y) = f (wi (y)) |wi0 (y)| IB (y).
i=1

g(y) = f (w1 (y)) |w10 (y)| + f (w2 (y)) |w20 (y)|.

1 −|y| 1 −|y|
g(y) = e + e = e−|y| e−y IB (y).
2 2

7
4 Exemplos.
Para uma melhor fixação das ideias apresentadas serão resolvidos alguns exemplos.

4.1 Exemplo 1:
Seja X ∼ P areto(0, 1). Qual a densidade de Y = ln(X)?

4.2 Exemplo 2:
Seja X ∼ N ormal(µ, σ 2 ). Qual a densidade de Y = eX ?

4.3 Exemplo 3:
X −α
−
Seja X ∼ Gumbel(α, β). Qual a densidade de Y = e β ?

4.4 Exemplo 4:
Seja X ∼ Laplace(0, 1). Qual a densidade de Y = X 2 ?

4.5 Exemplo 5:
Seja X uma v.a.c. com densidade :

2(x + 1)
f (x) = I (−1,2) .
9
Mostre que a densidade de Y = X 2 é dada por:
2 −1/2 1
g(y) = y I (0,1) (y) + (1 + y −1/2 )I (1,4) (y).
9 9

4.6 Exemplo 6:
Seja X ∼ N ormal(0, 1). Qual a densidade de Y = X 2 ?

8
4.7 Exemplo 7:
Seja X ∼ N ormal(µ, 1). Qual a densidade de Y = X 2 ?

4.8 Exemplo 8:
Seja X ∼ N ormal(µ, σ 2 ). Qual a densidade de Y = X 2 ?

4.9 Exemplo 9:
Seja X ∼ U (−3/2, 3/2). Qual a densidade de Y = (X 2 − 1)2 ?

Obs. Este exemplo foi extraı́do do livro: Teoria da Probabilidade, de autoria dos professores Rathie e Peter
Zornig. Editora UNB.

4.10 Exemplo 12:

Considere a transformação Y = F (X), a função de distribuição acumulada de X. Mostre que ela tem distribuição
uniforme padrão.

4.11 Exemplo 13:

Considere a transformação Y = S(X), a função de sobrevivência de X. Mostre que ela tem distribuição uniforme
padrão.