1 / 27

Distribuição Gama

Distribuição Gama. Qual é a distribuição do tempo em que ocorre a 3 a chegada em um Processo de Poisson de taxa l ?. Distribuição Gama. A distribuição Gama com parâmetros a e l tem densidade f ( x ) = l a x a – 1 e – l x / G ( a ), para x >0.

ingo
Download Presentation

Distribuição Gama

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript


  1. Distribuição Gama • Qual é a distribuição do tempo em que ocorre a 3a chegada em um Processo de Poisson de taxa l?

  2. Distribuição Gama • A distribuição Gama com parâmetros a e l tem densidade f(x) = laxa–1e–lx/G(a), para x>0. • No caso em que a é inteiro, G(a) = (a-1)! e X tem a distribuição da soma de a variáveis independentes com distribuição exponencial de parâmetro l.

  3. Distribuição Normal • A distribuição normal padrão é a distribuição da variável aleatória Z de densidade • Notação: Z ~ N(0, 1) EZ = 0, Var Z = 1

  4. Distribuição Normal • Uma variável X tem distribuição normal com parâmetros m (média) e s2 (variância) quando é da forma X = sZ + m, onde Z~N(0,1) • Notação: X~N(m, s2)

  5. Distribuição Normal • Qual é a densidade da distribuição X~N(m, s2)? • De modo geral, qual é a densidade de g(X), onde g é uma função inversível e X é uma v. a. de densidade f?

  6. Transformando uma v. a. • A densidade de Y = g(X) é dada por onde x é tal que g( x) = y.

  7. Transformando uma v.a. • Caso particular: Se X tem densidade f, então Y = aX + b (a>0) tem densidade X X= Y/2 Y = 2X Y

  8. Densidade da distribuição normal • A densidade da v.a. X com distribuição normal N(m, s2) é

  9. Exemplo • As notas dos alunos em um teste têm distribuição normal com média 70 e desvio padrão 10. • Se um aluno for escolhido ao acaso, qual é a probabilidade de que sua nota seja maior que 85? • Qual é a nota correspondente ao percentil 95%?

  10. V. A. Multidimensionais • Exemplo: moeda honesta lançada 3 vezes X = número de caras Y = número de transições Qual é a probabilidade de que X = 2 e Y =1?

  11. V. A. Multidimensionais • Não se pode responder (em geral) a partir das distribuições individuais (marginais) de X e Y. • Pode-se responder com base na distribuição de (X, Y), também chamada de distribuição conjunta de X e Y.

  12. Distribuição Conjunta

  13. Distribuição Conjunta

  14. Distribuição Conjunta P(X=2 e Y =1) = 2/8

  15. Distribuição Conjunta • A distribuição conjunta de X = (X1, X2, ..., Xn) completamente caracteriza probabilidades envolvendo X1, X2, ..., Xne quaisquer subconjuntos delas (distribuições marginais).

  16. Distribuição Conjunta

  17. Distribuição Conjunta

  18. Função de Distribuição Acumulada • A distribuição conjunta de X = (X1, X2, ..., Xn)é completamente caracterizada pela sua função de distribuição acumulada. FX1, X2, ... Xn (x1, x2, ..., xn) = P(X1  x1, X2  x2, ..., Xn xn) • Exemplo FX1(x1) = ?

  19. Função de Distribuição Acumulada • A distribuição conjunta de X = (X1, X2, ..., Xn)é completamente caracterizada pela sua função de distribuição acumulada. FX1, X2, ... Xn (x1, x2, ..., xn) = P(X1  x1, X2  x2, ..., Xn xn) • Exemplo FX1(x1) = limx2, ..., xn FX1, X2, ... Xn (x1, x2, ..., xn)

  20. Tipos de distribuição conjunta • Discretas Quando existe um conjunto enumerável A = {x1, x2, ...} tal que P(XA) = 1. Neste caso, P(XB) = xiB P(X = xi)

  21. Tipos de distribuição conjunta • Discretas Quando existe um conjunto enumerável A = {x1, x2, ...} tal que P(XA) = 1. Neste caso, P(XB) = xiB P(X = xi) • Contínuas Quando existe uma função de densidade f tal que Neste caso:

  22. Exemplo • Um ponto (X, Y) é escolhido no quadrado unitário com densidade proporcional a x+y. • Qual é a função de densidade? • Qual é a probabilidade de que X seja menor que 1/2?

  23. Propriedades • Esperança de funções de v.a. multidimensionais E(g(X)) = Sig(xi) P(X=xi) (discreta) E(g(X)) = Rng(x) fX(x) dx(contínua) • Casos particulares: • EX = R2x fX,Y(x,y) dy dx • E(X+Y) = R2(x+y) fX,Y(x,y) dy dx == R2x fX,Y(x,y) dy dx + R2y fX,Y(x,y) dy dx = EX +EY

  24. Propriedades • Em geral, E (XY)  EX EY • Mas E(XY) = EX EY se X e Y são independentes.

  25. Observação • X, Y independentes  E(XY) = EX EY • E(XY) = EX EY  X, Y independentes não correlacionadas

  26. Covariância e Correlação • Cov(X, Y) = E(X–EX)(Y–EY) = = E(XY) – EX EY • r(X, Y) = Cov(X,Y)/s(X)s(Y) • Teorema: –1 ≤ r(X, Y) ≤ 1

  27. Exemplo • As variáveis aleatórias X e Y têm distribuição conjunta de densidade fX,Y(x,y) = x+y, para 0 < x, y < 1 • Quais são as distribuições marginais de X e Y? • Qual é a covariância de X e Y? • Qual é o coeficiente de correlação de X e Y? • Qual é a distribuição condicional de X dado Y? • X e Y são independentes?

More Related