Baixe o app para aproveitar ainda mais
Prévia do material em texto
Notas de Aula Função Geratriz de Momentos e Função Caracteŕıstica Janeiro - 2021 Sumário 1 Função Geratriz de Momentos 2 1.1 Definição . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2 1.2 Função geratriz de momentos de distribuições . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2 1.2.1 Poisson . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2 1.2.2 Binomial . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2 1.2.3 Exponencial . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2 1.2.4 Normal . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2 1.2.5 Gama . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2 1.3 Propriedades . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3 1.4 Exemplos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3 2 Função Caracteŕıstica 4 2.1 Definição . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4 2.2 Propriedades . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4 2.3 Função caracteŕıstica de distribuições . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5 2.3.1 Normal . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5 2.3.2 Uniforme . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5 2.4 Outros exemplos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5 1 Caṕıtulo 1 Função Geratriz de Momentos 1.1 Definição A Função geratriz de momentos é definida por M(t) = E[etX ], t ∈ R, onde X é uma variável aleatória. 1.2 Função geratriz de momentos de distribuições 1.2.1 Poisson X ∼ Poisson(λ) M(t) = E[etX ] = ∞∑ x=0 etxλxe−λ x! = e−λ ∑∞ x=0(e tλ)x x! = e −λee tλ = eλ(e t−1), t ∈ R. 1.2.2 Binomial X ∼ Binomial(n, p) M(t) = E[etX ] = n∑ x=0 etx ( n x ) px(1− p)n−x = n∑ x=0 ( n x ) (etp)x(1− p)n−x = (etp+ 1− p)n, t ∈ R. 1.2.3 Exponencial X ∼ Exponencial(λ) M(t) = E[etX ] = ∫∞ 0 etxλe−λx dx = λ ∫∞ 0 e−x(λ−t) dx = λλ−t , t < λ. 1.2.4 Normal X ∼ Normal(0, 1) M(t) = E[etX ] = ∫∞ −∞ e tx 1√ 2π e− 1 2x 2 dx = ∫∞ −∞ 1√ 2π e− 1 2x 2+tx dx = ∫∞ −∞ 1√ 2π e− 1 2 (x 2−2tx+t2−t2) dx = e t2 2 ∫∞ −∞ 1√ 2π e− 1 2 (x−t) 2 dx = e t2 2 , t ∈ R. 1.2.5 Gama X ∼ Gama(α, β) M(t) = E[etX ] = ∫∞ 0 etx β α Γ(α)x α−1e−βx dx = β α Γ(α) ∫∞ 0 xα−1e−x(β−t) dx = β α Γ(α) Γ(α) (β−t)α = ( β β−t )α , t < β. 2 1.3 Propriedades 1. Seja Y = aX + b onde a e b são constantes e suponha que conhecemos MX(t) MY (t) =MaX+b(t) = E[e t(aX+b)] = E[etaXetb] = etbMX(at) - APLICAÇÃO: Qual a f.g.m de uma N(µ, σ2)? Y = σX + µ, onde X ∼ N(0, 1) MY (t) = e tµMX(σt) = e tµe σ2t2 2 , t ∈ R. 2. MX+Y = E[e t(X+Y )] = E[etXetY ] = E[etX ]E[etY ] =MX(t)MY (t) - OBS: Por indução mostra-se que se X1, X2, ..., Xn são v.a. independentes, então: M∑n i=1Xi (t) = ∏n i=1MXi(t) - APLICAÇÃO: Vimos que se X ∼ Exponencial(λ): MX(t) = λλ−t , t < λ então se Y ∼ Gama(n, λ), temos: MY (t) = ( λ λ−t )n , t < λ. 3. M (k) X (0) = [ ∂kMX(t) ∂tk ] t=0 = E[Xk] - EXEMPLO: Para k = 1: ∂MX(t)∂t = E[etX ] ∂t = E[ ∂etX ∂t ] = E[Xe tX ] t=0−−→ E[X] 1.4 Exemplos 1. X ∼ Poisson(λ), MX(t) = eλ(e t−1). Encontre V (X). 1º - Achar o primeiro momento: M ′X(0) = E[X] M ′X(t) = e λ(et−1)λet t=0−−→M ′X(0) = λ = E[X] 2º - Achar o segundo momento: M ′′X(0) = E[X 2] M ′′X(t) = e λ(et−1)λetλet + eλ(e t−1)λet t=0−−→M ′′X(0) = λ2 + λ = E[X2] 3º - Calcular a variância: V (X) = λ2 + λ− (λ)2 = λ Exerćıcio: Repita o exemplo supondo X ∼ Gama(α, β). - OBS: Qual a f.g.m. de X quando X ∼ χ2(n)? Sabemos que: X ∼ χ2(n) ∼ Gama( n 2 , 1 2 ). Então MX(t) = ( 1 2 1 2−t )n 2 = ( 1 1−2t )n 2 , t < 12 . 2. Sejam Xi ∼ Exponencial( 1θ ) independentes, i = 1, 2, ..., n e θ > 0. Seja T = ∑n i=1Xi, qual a distribuição de Y = 2T θ ? (Use f.g.m.) Sabemos que MXi(t) = 1 θ 1 θ−t , t < 1θ MY (t) =M 2T θ (t) = E[et 2T θ ] =MT ( 2t θ ) = ∏n i=1MXi ( 2t θ ) = ( MX ( 2t θ ))n = ( 1 θ 1 θ− 2t θ )n = ( 1 1−2t )n ⇒ Y ∼ χ2(2n) ∼ Gama(n, 1 2 ) Caṕıtulo 2 Função Caracteŕıstica 2.1 Definição Seja X v.a. a função caracteŕıstica de X, denotada ψX(t), é definida por : ψX(t) = E[e itX ]. 2.2 Propriedades 1. |ψX(t)| ≤ 1, ∀t ∈ R. - DEMONSTRAÇÃO: |ψX(t)| = |E[eitX ]| ≤ E[|eitX |] = E[|cos(tX) + isen(tX)|] = E[ √ sen2(tX) + cos2(tX)] = E[1] = 1 - APLICAÇÃO: E[X] existe se E[|X|] <∞. Logo E[eitX ] existe se E[|eitX |] <∞, mas E[|eitx|] = 1. Conclusão: A FUNÇÃO CARACTERÍSTICA SEMPRE EXISTE! 2. ψX(t) = ψX(−t) - DEMONSTRAÇÃO: ψX(t) = E[e itX ] = E[cos(tX) + isen(tX)] = E[cos(tX)] + iE[sen(tX)] Logo, ψX(t) = E[cos(tX)]− iE[sen(tX)] Por outro lado, ψX(−t) = E[e−itX ] = E[cos(−tX) + isen(−tX)] = E[cos(tX)− isen(tX)] = E[cos(tX)]− iE[sen(tX)] 3. Se X e Y são independentes, então: ψX+Y (t) = ψX(t)ψY (t) - OBS: Se X1, X2, ..., Xn são variáveis aleatórias independentes, então: ψ∑n i=1Xi (t) = n∏ i=1 ψXi(t) 4. Seja X variável aleatória com função caracteŕıstica ψX(t) e a, b ∈ R, então: ψaX+b(t) = E[eit(aX+b)] = eitbψX(at) 5. A função caracteŕıstica determina a distribuição da variável aleatória associada por meio da fórmula da inversão (que relaciona FX com ψX). 6. Caso existam, podemos encontrar os momentos de uma variável aleatória X por meio de ψX(t), fazendo: ψ (k) X (t) = [ ∂kψX(t) ∂tk ] t=0 = ikE[Xk] 4 7. Se X é variável aleatória simétrica em torno do zero, então: ψX(t) = ψX(t) - DEMONSTRAÇÃO: X é variável aleatória simétrica em torno de zero ⇔ P [X ≤ x] = P [X ≥ −x] ∀x ∈ R. Então: P [X ≤ x] = P [X ≥ −x] = P [−X ≤ x] = F−X(t) Logo: FX(t) = F−X(t), ∀x⇒ X e [−X] têm a mesma distribuição ⇒ ψX(t) = ψ−X(t) = ψX(−t) = ψX(t) 2.3 Função caracteŕıstica de distribuições Vamos encontrar a função caracteŕıstica associada a alguns modelos probabiĺısticos conhecidos baseando-se no fato de que ψX(t) = E[e itx] =MX(it). 2.3.1 Normal Qual é a função caracteŕıstica da N(0, 1)? Sabemos que MX(t) = e t2 2 , t ∈ R. Então: ψX(t) = e (it)2 2 = e −t2 2 , t ∈ R. E quando X ∼ N(µ, σ2)? Se Y ∼ Normal(0, 1) ⇒ X = σY + µ ∼ Normal(µ, σ2). Sabemos que: MX(t) = e tµMY (σt) = e tµe t2σ2 2 , t ∈ R. Logo, ψX(t) = eitµe −t2σ2 2 , t ∈ R. - OBS: Forma alternativa de obter ψX(t), X ∼ N(0, 1): ψX(t) = E[e itx] = ∞∫ −∞ eitx 12π e 1 2x 2 dx Exerćıcio: Finalizar a integral. Dica: use a substituição ’u=x-it’ e use limites. 2.3.2 Uniforme Exerćıcio: Seja X ∼ U(a, b), encontre ψX(t) e utilize-a para obter E[X]. 2.4 Outros exemplos 1. Sejam X1, X2, ..., Xn variáveis aleatórias iid’s com distribuição N(0, 1). Encontre a função caracteŕıstica de X = ∑n i=1 Xi n . ψX(t) = ψ∑n i=1 Xi n (t) = ψ∑n i=1Xi ( t n ) = ∏n i=1 ψXi ( t n ) = ( ψXi ( t n ))n = [ e− t2 2n2 ]n = e −t2 2n , t ∈ R. Logo, X ∼ N(0, 1n ). 2. Seja X ∼ N(0, 1), qual a distribuição de Z = X2? MZ(t) = E[e tZ ] = E[etX 2 ] = ∫∞ −∞ e tx2 1 2π e x2 2 dx = ∫∞ −∞ 1 2π e x2 2 (1−2t) dx = ( 1 1−2t ) 1 2 , t < 12 . 3. fX(x) = e−|x| 2 , x ∈ R. Encontre ψX(t) e E[X]. E[X] = 0 pois é simétrica em zero. ψX(t) = E[e itX ] = ∫∞ −∞ e itx e−|x| 2 dx = 1 2 [ ∫ 0 −∞ e itxex dx + ∫∞ 0 eitxe−x dx ] = 12 [ ex(1+it) (1+it) ∣∣∣0 −∞ − e −x(1−it) (1−it) ∣∣∣∞ 0 ] = 12 [ 1 1+it + 1 1−it] = 12 [ 1−it+1+it 1−(it)2 ] = 11−(it2) = 1 1+t2 , t ∈ R. Então: ∂(1+t 2)−1 ∂t = (−1) 2t 1+t2 ∣∣∣ t=0 = 0 ⇒ E[X] = 0 Exerćıcio: Seja Y ∼ U(0, 1) e [X|Y = y] ∼ Binomial(n, y). Qual a distribuição de X? Faça com seus conhecimentos de distribuição condicional e utilizando a função geratriz de momentos.
Compartilhar