Professional Documents
Culture Documents
Probabilidade Um Curso de Nivel Intermed PDF
Probabilidade Um Curso de Nivel Intermed PDF
Oe c © R. Endo ¥ tem densidade 1, (v-e fon jx (4), ver (Notemos que no exemplo da normal, c= ib = 0) Prova, Fy(y) = PUY ay Pela Definigao 2.3(b), 9(u) nt ‘A distribuigdo de uma varivel aleatéria 53, ‘Comaconseqiéncia da proposigao, vemos que quando f(z) €densidade, po einosconsvirama familia de densidades(f,) dfinindo fy) = hf (5°) este e380, 6 chamado pardmerro de loeagao e b, pardmeto de escala. No Fxemplo9 (norma, € parimetro de Tocagio eo & parimetro de eseals. (Para ficar a Tinguagem, notemos que multiplicagao pelo fator b corresponde a ust - do da constante ¢ resulta numa translag: ina mudanga de escala, © ad smudianga de Toea40.) ‘psemplo 10. X tem distribuigio de Cauchy (padrio) se X possui densidade f(a) = 4 =item FP (Werfique se € realmente uma densidade!), Se ¥ — bX + AM, onde b > 0, IM ER, entio ¥ possui densidade b WO= eT yoy YE® Na familia de distribuigdes de Cauchy, o parimetro de loc co parimetro de escala brepresenta a distincia entre a mediana e 0 primeiro (ou o terceito) quartl: Hyp 25% 25% fH Ne Mb ar Mib v 1° quart 3° quattil Figura 17 Exemplo L1. Distribuigo gama, Quando > 0a fungi g(z) = n°-te* € integrivel no intervalo (0,20), ie. Jj” 2! ef der < co. Consideremos, entZo, a fungao gama, definida por (a) = fo° 2-'eF dar, ee >. Int Por partes, vemos que F(a +1) = aF (a) e, por indugtio, (n+ 1) = nt (pois TA) = fg" e-Fde = 1), ébvio que Pa) > 0; logo, f definida por iget tee, >0 seo { 2 0, so rando54 variveisAleatxas cama gto: Tad. Be Yedda t, o X-Pajl), mio realy tet = yee, y>0 fy) = °. y<0 Esta € a densidade da distribui T(a,8). gama com pardmetros ae (3, indieada eom Neste caso, 4 € parimetro de escala (is vezes, escreve-se a densidade subs- tituindo (por +). fazendo dom que (3 seja pat a). O parimetro a & parimetro de configuracdo (faga o grafico da densidade para entender porque tem esse nome) tro de e Obscevagiio. Quando a ~ 1, a distibuiglo & a exponencial com parimeto 9, que tem densidade f(y) = e-*®, y > 0. Quando a = 4 ¢ 3 dlistribuigdo qui-quadrado com n graus de liberdade (veja 0§2.8). J, temos a No caso discreto, a representagaio mais conveniente da distribuigao de X & geralmente, a fungao de probabilidade. J4 tratamos de umn exemplo de varidvel aleatGria disereta no §2.1, quando vimos a fungao de distriby tendo distribuigo de Poisson com parimetro At. Com efei vemos que se X ~ Poisson (), entio ode uma varisvel Exemplo 12. Dizemos que X tem distribuigdo binomial com parimetros n e P. ‘onde n 6 um inteiro positivo e0
2, entio
sconte em srs, em ary, el.
Ping 225+ sn) LF leaytay + Pn) quando Mm — 00
alendo resultados antogos quando yn {2s tm Ls ee
FB. Para odo i,
Tim Pers. tn) = 0.
Também,
lim F(tay- tn) = 1.
vigintoo
(Este € 0 limite quando todas as coordenadas convergem simultaneamente
para +00.)
Prova. Como no caso unidimensional. Somenté a propriedade F3 € um pouco
diferente, E importante notar que se i fixo, entio [X; 0).
Exemplo 16, Seja Cc Ruma regito tal que Vol G > 0, onde Vol Gé 0 volume
adimensional de G, de modo que Vol G@ = fg, {1dr ..din. (Quando
Kayes Xn)
n= 2 porerempl, ol @ = dren) Dizemot que X =
uniformemente distribufdo em G se X posstt densidade
tcc styye {HEY Cte yen) EC
Fry. tn) {3 (ips sata) FG
i.e. f= gig. onde Ic € 0 indicador de G.
(Observagio: O indicador, ou fungao indicadora, de um conjunto G €a fungi
{que toma o valor 1 em Ge toma 0 valor 0 fora de G, ie. Iq(t) = Ler eG,
Igla) =08e xe")
Neste caso, X tem a distribuigdo uniforme em Gi, dada por
pope B= fig f foew ender ndin= fy f Gly =
VoBNG) ye yn
Val @
Notagito:
(8 pontos de C’ so, de certa maneira
relativo, representado pela densidade
X ~ U(G). Quando a distribuigio de X € uniforme em G, todos
.quiproviveis”, pois tém o mesmo peso
sta definigao pode ser usada também no caso de n = 1, com Vol @ =
comprimento G. Por exemplo, X tem distribuigao uniforme em (0 | se possi
Indepondéncia 67
sagho25
densidade ;
joa)
J = Somprimentofo, a] ~ 7"!
Se G é retdngulo, ex X, Xn, sio independentes e cada uma € uni-
formemente distribufda, Por exemplo, seja G = [] (aj, 4). Entiio
Iele,.--en)=T1{
a) i
nde a sitima iguaiade se justia por
(iy 5@n) €G ay € fay, bi] Vi,
ou ja,
Iettsev- sn) =14 Fgh (2a) = 1s para todo t= 1... sm
Como
= a;
6 densidade da distibuigdo Ulaj,®%h a Propose 2.50) diz que Xi... Xn
So independents e X; ~ Ula,
Se Vol @ = 0 nio se poe usar a defnigio dada acima para definir
distibuighouniforme em G. Mas em ceres casos, tal dstribuigo pode ser
dein de manera bem intutiva, Para ustraresteConceto, sea Ca diagonal
o quar uritirio no plano
Figura 19)
Como voe® interpretaria “o vetor (X,¥) € uniformemente distribuido emop.
claro que com isto queremos dizer que para todo boreliano B no plano,
comprimento (GB)
v2
Notemos que esta distribuigio é singular; nao existe uma densidade conjunta,
(Suponhamos que exista uma densidade conjunta, f(x,y). Entio
Pxy(@=1 +f [ femdedy=1
Pxy(B) = PUX.Y) € B)=
Mas rea G=0, logo
i [ fevn)dedy =o.
Absurd)
E ficl verfcar que X ~ U0, 1] €¥ ~ Ub, 1. Logo, fea provado que se
X tem densidade e Y também, ndo é necessariamente verdadeiro que X e Y
possuam wma densidadle conjunta. Ja sabemos, contudo, que vale a reciproca
(Proposigio 2.6(b)): se X e ¥ tém densidade conjunta, entio existem as densi
ddades marginais, com
sxe) = [ fewey
frin= f° Seow) de
‘Cabe notar aqui que X e Y sao discretas se, ¢ somente se, (X,Y) € discret,
(Verifique!) Logo, temos o seguinte esquema, onde Xp So varkiveis
aleatérias em (9, A, P)
xX rn diseretas +5 (X1,.-. Xn) discreto
Xijes- Xn absolutamente | (Xiy--- Xn)absoluamente
ccontinuas. continuo.
‘
es Xn eames - (e zstearenes>
continua continuo.
aquest Distribuigsios de tungées do vardveis ¢ votoresaleatérios
‘Observamos que sob a hipétese adicional de independéncia, temos equi-
valencia nos dois casos, pois Ny... , Xn independents ¢ absolutamente cont
suas = (Xi,--+ Xn) absolutamente continuo, pela Proposigio 2.5(a).
26. Distribuigdes de funcdes de variaveis e vetores aleatérios
sein X = (Xrs--- Xn) um vetoraleatrio em (9, A, P), consideremos o pro-
plema de determinar a distribuigdode¥ = g(Xi,... , Xn). Este problema inclu
‘oproblema de determinar a distribuigo da fungio de uma varidvel aleat6ria, ou
seja, de Y = 9(X), pois uma varidvel alea
n=0)
CObservagio. Para que Y seja uma varivel aleatéria, vamos supor que g seja
-mensuravel a Borel, ie.,
g(B) = {en
‘Toda fungiio que se pode visualizar é mensurdvel a Borel ~ em particular, toda
fungao continua © é ~ € niio vamos nos preocupar com esta questo. (Para um
‘bom tratamento da mensurabilidade de fungdes, veja Doob [8], §V.1.)
+tn) ER” :g(a1,... an) € BEB", VB EB
Formalmente, 0 problema é de fécil solugio, pois a fungao de distribuigtio
aye
Fy) = PY <¥) = P(X... Xn) <9),
cesta tiltima probabilidade pode ser calculada por meio da distribuigo conjunta
de Xy,... Xn: se definirmos
By = ((r1)--- 2m): g(tay--- stn) Sw),
entdo g(X1,-.. Xn) 8) <1
Solugdo: ¥ ~ exp(1), ie. ¥ tem distribuigao exponencial com parametro I
Exemplo 18, Se X ¢ ¥’ sio independentes, cada uma com distribuigo uniforme
‘no intervalo [0, 1}, qual a distribuigao de Z = X/Y?
Como < Z <0 se X > Oe ¥ > 0,temos
P< Z <)> POX S1,0 2, a prova€ andloga. Neste caso, a fungio g & nl a Le hi n!
Rgides G;, correspondentes as n! permutagdes de G = {(11,...,0n) 2a) <
2<... < aq}. Como 0 jacobiano de cada permutagio é 1 ou —1, © como
produto dos n termos f(y) nio depende da ordem
oy ie) seen orem seas, eps»86 Varieveis Aloatéras cap.2
Consideremos o seguinte exemplo especifico: se X;,-.. , Ny sao indepen-
lentes ¢ idenlicamente distribuidas, com Xj ~ U[0,1}, entao f(x) = Ip,(2)e
‘adensidade conjunta das estatisticas de ordem &
0 caso contririo,
Te
de modo que Xap +++ Ny) «Em distribu
fim,
o uniforme na pirfmide
tn) 0521S... ¢ tn SI}
2.8. Observagées adicionais — varidveis e vetores aleatérios
(a) Se X,,.2. Xm tém densidade conjunta f(y
unidimensional, f €a derivada de F
rn), entio, como no caso
no seguinte sentido:
Po,
Sleysoe yan) = AF Er
fem quase toda parte, i.e., em todo ponto exceto num conjunto de medida de
Lebesgue nula (volume zero).
ED}
(b) Seja f:R" —+ R uma fungi ndo-negativa (f(zy,... ,2t») > 0). Como
no caso unidimensional (veja §2.2), f & densidade de algum vetor aleat6rio se, €
a [=| to
O argumento € © mesmo: se a integral é igual a 1, entio
ryder, btn =
definida por
Peso tn) = foe PP Slt tna
satisfa as quatro condigdes definidoras de func de disribuigo n-dimensional
(erifique!). Reciprocamente, se f € densidade, entio a Definiglo 2.7(b) € 8
propriedade F3 implicam que «integral de f em Bt" & igual a1.
(©) Eis uma relago de algumas outras distribuigdes tteis na Estatistica:
(i) Sejam Xy,....Xn Varidveis aleatris independentes e identieament=
istibuidas com distribuigdo comum 1V(0,1)
Dizemos que a soma X? + XP-+--+ + Xf tem distribuigdo qui-quadrado
‘com m graus de liberdade, Notagao:
XP4 XB xn).
Bees exerccioe
Para verificar que a distribuigo y2(n) a P(ni/2, 1/2), siga este camino:
Sertique primeiro que X? ~ T(1/2,1/2) (veja 0 Exemplo 20); prove a seguir
qquese X e¥ sho independentes e X ~T(a1,8).¥ ~ Faas). +¥~
Tay + 0, ); € finalmente, mostre por indugio e pela propriedade hereditria
daindependéncia que X? + ----+NZ ~ P'(n/2, 1/2). (Para verificar que X+Y ~
Plas + 02,3), use a convolugio ~ veja a Proposigie 2.706)
Nota: quando n ~ 2a dstibuigio € exponenca
(ii) Se X ~ N(0,1), ¥ ~ x2(n), € X, Y so independentes, entio
ae
"Win
tem distribu t de Student com graus de iberdae,
Por exempo, seam X;,... , Xn vardves aati inependentes eke
deamente distibuidas, eam X, ~N(0y22), onde 0? > 0. De
Ka Lv beet Nn) = “média amostal”
E fécil verificar que “2% possui distribuigao NV (0, 1). Acontece que
(n—ps?
=~ xn 1)
eX c $* sao independentes (voc® ver isso em algum curso de Estatistica), logo
x ~t(n— 1),
{iy Se X ~ 209, ¥ ~ 2(n),€ X, ¥ sfo independentes, entio
X/k
Y/n
tem distribuicao F com ke n graus de liberdade, i... ~ (k,n). Pelo item
8 T possui distribuicdo f(x), entio T* ~ (1,1),
29. Exercicios
a
1. Seja Xo mimero de caras obtidas em 4 langamentos de uma moeda honesta.
er88 Variévois Aleatérias
con.
Desenhe 0 grifico da fungao de distribuigao de X,
2. Um ponto é selecionado, a0 acaso, do quadrado unitirio (0,1] x (01). Seja
1X 1 primeira coordenada do ponto selecionado, Faca o grifico da fungig
de distribuigo de X.
4, Se adotissemos F(x) = P(X 0. a
Corotirio. Se E|X|" éfnita para algum 0 a) < $EX.
WX, para toda a,b € Rt.
ty = B(a%(X — EXP) =a? Var X. 0
hisica” (ou desiguaklade generalizada de Tehebyehev)
). Para todo > 0,
Prova. Consideremos. seguinte desenho, admitindo a possiblidade de um salto
Ps Pe emy4124 Eaperanga Matematica cap.
Leeciepersa tN
Fo
Figura 35
Indicando com I a regio hachurada, € como X > 0, temos
EX= - P(X > ldo = fea I > Seva (retingulo A) =
=AP(X 2),
portanto,
D(X = 2) < 5 BX. 3
CObservacio. Bis uma prova alternativa, que sera generalizada adiante na prova
da desigualdade de Kolmogorov (Capitulo 5):
Seja ¥ = Aixay- Entio 0 < ¥_< X, como vemos considerando os
eventos complementares [X > A] [0 < X <2)
a
Figura 36
Portanto, EY ‘Mas ¥ uma varidvel aleatéria discreta e BY =
0. Pony APOY © 3) APU >, Resmi em
areceaysex ow PRSWSEEX. 0
Algumas conseqiléncias so:
ere Momentos 125
(a Desgualdace (cliesien) de Tchebychev (ou de Bienaymé-Tehebyeher).
go X & integravel,
Pux-Exi>< "8X, vaso
ren.
px ~ BX 2) = PUX ~ EX) >) < Lx — xy = SX
0
(b) Desigualdade de Markov. ‘Seja Xuma variével aleatéria qualquer.
Entao para todo t > 0,
EIx(
A VAD o.
PUXI> ANE
Prova. P(|X| 2 A)
(@SeZ>200EZ
P(IX|t = At) < HEX. a
=0, entéo P(Z = 0) =1 (i.e., Z =O quase certamente).
Prov. P(Z > }
You might also like