Prof. Lorí Viali, Dr. [email protected] http://www.mat.ufrgs.br/~viali/ Prof. Lorí Viali, Dr. – UFRGS – Instit uto de Mate mática - De partame nto de Estatística Seja X uma variável aleatória com É a função que associa a cada conjunto de valores X(S). Se o conjunto x ∈ X(S) um número f(x) que deve de valores for infinito não enumerável satisfazer as seguintes propriedades: f(x) ≥ 0 então a variável é dita contínua. ∫ f (x).dx=1 Prof. Lorí Viali, Dr. – UFRGS – Instit uto de Mate mática - De partame nto de Estatística A coleção dos pares Prof. Lorí Viali, Dr. – UFRGS – Instit uto de Mate mática - De partame nto de Estatística Seja X uma VAC. Determine o valor de “c” para que f(x) seja uma função densidade de probabilidade (fdp). (x, f(x)) é denominada de distribuição de probabilidade da VAC X. Prof. Lorí Viali, Dr. – UFRGS – Instit uto de Mate mática - De partame nto de Estatística ⎧⎪c.x2 f (x) = ⎨ ⎪⎩0 se −1 ≤ x ≤ 1 c. c. Prof. Lorí Viali, Dr. – UFRGS – Instit uto de Mate mática - De partame nto de Estatística 1 Tem-se: Para determinar o valor de “c”, 1 2 ∫-1 c. x dx = devemos igualar a área total a um, isto é, 1 1 3⎤ ⎡ 3⎤ ⎡ 3 = c ⎢ x ⎥ = c ⎢ 1 − -1 ⎥ = 3 ⎦ -1 ⎣ 3 ⎦ -1 ⎣ 3 devemos fazer: 1 ∫-1 f(x)dx = 1 1 ∫-1 c. c ∫-11 x 2 dx = = x dx = 1 2 Prof. Lorí Viali, Dr. – UFRGS – Instit uto de Mate mática - De partame nto de Estatística 2 3 c =1⇒ c = 3 2 Prof. Lorí Viali, Dr. – UFRGS – Instit uto de Mate mática - De partame nto de Estatística b 1,5 P ( a < X < b ) = ∫ a f ( x ) dx 1,0 y 2 f (x) = 3x 0,5 2 a 0,0 -1,5 -1,3 -1,0 -0,8 -0,5 -0,2 0,0 0,3 0,5 0,8 1,0 1,3 b 1,5 a < X < b -1 ≤ X ≤ 1 Prof. Lorí Viali, Dr. – UFRGS – Instit uto de Mate mática - De partame nto de Estatística b P ( a < X < b ) = ∫ a f ( x ) dx Isto é, a probabilidade de que X assuma valores entre os números “a” e “b” é a área sob o gráfico de f(x) entre os pontos x = a e x = b. Prof. Lorí Viali, Dr. – UFRGS – Instit uto de Mate mática - De partame nto de Estatística x Prof. Lorí Viali, Dr. – UFRGS – Instit uto de Mate mática - De partame nto de Estatística Se X é uma VAC, então: P (X = a ) = a ∫ a f ( x ) dx = 0 P ( a < X < b ) = P (a ≤ X < b ) = = P (a < X ≤ b ) = P (a ≤ X ≤ b ) Prof. Lorí Viali, Dr. – UFRGS – Instit uto de Mate mática - De partame nto de Estatística 2 Seja X uma VAC. Determine a probabilidade de X assumir valores no A probabilidade solicitada é dada por: é: 3 x2 dx 2 P ( − 0 , 5 < X < 0 , 5 ) = ∫-0,5 0,5 intervalo [-0,5; 0,5]. = 0,5 ⎧3 x2 ⎪ f (x ) = ⎨ 2 ⎪0 ⎩ se − 1 ≤ x ≤ 1 3 0,5 2 3 ⎡x3⎤ = = ∫ - 0,5 x dx = ⎢ ⎥ 2 2 ⎣ 3 ⎦ - 05 c. c. = Prof. Lorí Viali, Dr. – UFRGS – Instit uto de Mate mática - De partame nto de Estatística 1 [ (0,5) 2 3 − (-0,5) 3 ] = 12 , 50 % Prof. Lorí Viali, Dr. – UFRGS – Instit uto de Mate mática - De partame nto de Estatística (iii) Desvio Padrão (a) Expectância, valor esperado μ = E ( X) = ∫ xf ( x )dx σ = ∫ ( x − μ)2 f (x )dx = = ∫ x 2 f ( x )dx − μ2 = E(X 2) − E(X )2 (b) Variância (iv) O Coeficiente de Variação 2 σ = V( X) = ∫ ( x −μ ) f ( x) dx = 2 γ = σ/μ = ∫ x 2 f ( x )dx − (∫ xf ( x) dx ) = 2 = ∫ x 2 f ( x )dx − μ 2 = E( X2 ) − E (X) 2 Prof. Lorí Viali, Dr. – UFRGS – Instit uto de Mate mática - De partame nto de Estatística Prof. Lorí Viali, Dr. – UFRGS – Instit uto de Mate mática - De partame nto de Estatística Se X é um VAC então o k-ésimo (c) Assimetria γ1 = [μ3 – 3μ1μ2 + 2μ 13]/σ3 momento de X é dado por: μk = E (X k ) = ∫ x k f ( x )dx (d) Curtose γ2 = E[(X - μ)4]/σ4 – 3 = 2μ = [μ4 – 4μ1μ3 + 6μ1 2 e o k-ésimo momento central de X é – 3μ 1 4]/σ 4 -3 ' k obtido por: μk = E( Xk) = ∫ ( x −μ) f ( x)dx Prof. Lorí Viali, Dr. – UFRGS – Instit uto de Mate mática - De partame nto de Estatística Prof. Lorí Viali, Dr. – UFRGS – Instit uto de Mate mática - De partame nto de Estatística 3 Considerando que o momento de ordem “k” de X é E(Xk) = μk, pode-se Calcular o valor esperado, a expressar a expectância e as demais variabilidade da variável medidas em função desse resultado. “número de caras” no lançamento de Tem-se, então: quatro moedas honestas. Prof. Lorí Viali, Dr. – UFRGS – Instit uto de Mate mática - De partame nto de Estatística Determinar a expectância e o desvio padrão da variável X dada por: ⎧3 x2 ⎪ f (x ) = ⎨ 2 ⎪0 ⎩ se − 1 ≤ x ≤ 1 c. c. Prof. Lorí Viali, Dr. – UFRGS – Instit uto de Mate mática - De partame nto de Estatística σ = E (X 2) − E(X ) 3 1 E ( X 2 ) = ∫-1 x 2 . x 2 1 2 Prof. Lorí Viali, Dr. – UFRGS – Instit uto de Mate mática - De partame nto de Estatística μ = E ( X ) = ∫-11 x.f(x)dx = 1 3 ⎡ 4⎤ 3 3 3 2 = ∫-11 x . x .dx = ∫-11 x dx = ⎢ x ⎥ = 2 ⎣ 4 ⎦ -1 2 2 1 3 ⎡ 1 4 -1 4 ⎤ 3 ⎡ 1 1 ⎤1 =0 − = ⎢ − ⎥ = 2⎣4 4 ⎦ -1 2 ⎢⎣ 4 4 ⎥⎦ -1 Prof. Lorí Viali, Dr. – UFRGS – Instit uto de Mate mática - De partame nto de Estatística 2 O desvio padrão de X será, então: dx = 3 1 4 ∫ x dx = 2 -1 1 ⎡x ⎤ 3 ⎡1 -1 ⎤ ⎢ 5 ⎥ = 2⎢5− 5 ⎥ = ⎣ ⎦ -1 ⎣ ⎦ -1 5 X = 5 = 3 2 = 3 ⎡1 1 ⎤ 3 + ⎥ = = 0 , 60 ⎢ 2 ⎣5 5⎦ 5 5 Prof. Lorí Viali, Dr. – UFRGS – Instit uto de Mate mática - De partame nto de Estatística σ = = 2 E (X 2) − E (X ) = 0 , 60 − 0 = 0 , 77 Prof. Lorí Viali, Dr. – UFRGS – Instit uto de Mate mática - De partame nto de Estatística 4 É a função F(x) definida por: Considerando a função abaixo como a fdp de uma VAC X, determinar F(x). F(x) = P(X ≤ x) = ∫−x∞ f (u)du ⎧3 x2 ⎪ f ( x) = ⎨ 2 ⎪0 ⎩ A F(x) é a integral da f(x) até um ponto genérico “x”. Prof. Lorí Viali, Dr. – UFRGS – Instit uto de Mate mática - De partame nto de Estatística A F(x) é uma função definida em todo o intervalo real da seguinte forma: ⎧ 0 ⎪ ⎪ 3 u2 F ( x ) = ⎨ ∫−x1 du 2 ⎪ ⎪1 ⎩ se Vamos determinar o valor da integral em “u”: F( x ) = x < -1 3⎤ Prof. Lorí Viali, Dr. – UFRGS – Instit uto de Mate mática - De partame nto de Estatística Acumulada (FDA) é: x ∫− ∞ 3 ⎡u = ⎢ 2⎣3 x >1 Assim a Função de Distribuição c. c. Prof. Lorí Viali, Dr. – UFRGS – Instit uto de Mate mática - De partame nto de Estatística se − 1 ≤ x ≤ 1 se se − 1 ≤ x ≤ 1 3u2 3 x du = ∫−1 u 2 du = 2 2 x ⎥ ⎦ −1 = 1 3x [u ]−1 = 2 3 x +1 2 Prof. Lorí Viali, Dr. – UFRGS – Instit uto de Mate mática - De partame nto de Estatística F( x ) = 3 x +1 1,0 2 0,8 0,9 0,7 ⎧ 0 ⎪ ⎪ 3 +1 F( x ) = ⎨ x ⎪ 2 ⎪ 1 ⎩ se 0,6 x < -1 0,5 0,4 0,3 se − 1 ≤ x ≤ 1 0,2 0,1 se x >1 Prof. Lorí Viali, Dr. – UFRGS – Instit uto de Mate mática - De partame nto de Estatística 0,0 -1,5 -1,0 -0,5 0,0 0,5 1,0 1,5 Prof. Lorí Viali, Dr. – UFRGS – Instit uto de Mate mática - De partame nto de Estatística 5 Usando a FDA, teremos sempre três casos possíveis: O uso da FDA é bastante prático no cálculo das probabilidades, pois não é necessário integrar, já que ela é um função que fornece a Integral. Prof. Lorí Viali, Dr. – UFRGS – Instit uto de Mate mática - De partame nto de Estatística P ( X ≤ x ) = F( x ) P ( X > x ) = 1 − F( x ) P ( x1 < X < x 2) = F( x 2 ) − F( x1) Prof. Lorí Viali, Dr. – UFRGS – Instit uto de Mate mática - De partame nto de Estatística Observação: Se X é uma VAC então o momento é dada por: ϕ(t) = E(e itX) = ∫e itxf(x)dx de ordem “k” é dado por: Note-se que ϕ(t) E(Xk) =∫xkf(x)dx φ(t) = E(etX) = ∫ etxf(x)dx Prof. Lorí Viali, Dr. – UFRGS – Instit uto de Mate mática - De partame nto de Estatística Seja X uma VAC com fdp dada por: se é obtida pela substituição de t por it se φ(t) existe. A fgm de X é dada por: ⎧λ e-λ x f ( x) = ⎨ ⎩0 No caso contínuo a função característica x ≥0 c. c. Assim a função característica apresenta todas as propriedades da fgm. Prof. Lorí Viali, Dr. – UFRGS – Instit uto de Mate mática - De partame nto de Estatística A fgm de X será dada por: μ k = E (e tX) = ∫0∞ λ e− λx e tx dx = = λ λ ( t − λ) x ∞ para λ > t [e ]0 = λ−t t-λ Determine a fgm de X. Prof. Lorí Viali, Dr. – UFRGS – Instit uto de Mate mática - De partame nto de Estatística Prof. Lorí Viali, Dr. – UFRGS – Instit uto de Mate mática - De partame nto de Estatística 6 Seja X uma VAC com fdp dada por: ⎧λ e-λ x f ( x) = ⎨ ⎩0 se x ≥ 0 c. c. A fc de uma VAC com fdp dada por: ⎧1- | t | ϕ( t ) = ⎨ ⎩0 Determine a fgm de X. se | t | <1 c. c. Determine a fdp de X. Prof. Lorí Viali, Dr. – UFRGS – Instit uto de Mate mática - De partame nto de Estatística Prof. Lorí Viali, Dr. – UFRGS – Instit uto de Mate mática - De partame nto de Estatística A fdp de X será dada por: f (x ) = 1 ∞ −itx ∫ ϕ( t ) e dt = 2π − ∞ [ ] 1 1 1 − itx −itx ∫ (1 + t ) e dt + ∫0 (1 − t ) e dt = 2π 0 1 1 ( 2 − eix − e− ix ) = (1 − cos x ) = = 2 2π x π x2 = = 1 ⎡ sen ( x / 2) ⎤ 2π ⎢⎣ x / 2 ⎥⎦ 2 para - ∞ < x < ∞ Prof. Lorí Viali, Dr. – UFRGS – Instit uto de Mate mática - De partame nto de Estatística 7