Baixe o app para aproveitar ainda mais
Prévia do material em texto
15 -1UNESP – FEG – DPD – Prof. Edgard - 2005 Estatística 15 - Variáveis Aleatórias Bidimensionais 15 -2UNESP – FEG – DPD – Prof. Edgard - 2005 Caso 1: função de variável aleatória X: V.A. discreta Y: V.A. discreta Exemplo: Lançamento de dois dados: A e B X: Ponto n dado A ⇒ V.A. discreta Y: Ponto n dado B ⇒ V.A. discreta Espaço amostral: P(X=x, Y=y) = 1/36: Função Probabilidade de V.A. (X,Y) Caso 2: X: V.A. contínua Y: V.A. contínua (X, Y) = V.A. bidimensional contínua f(x,y) ⇒ função densidade de probabilidade Conjunta ( ) ( ) ⋅⋅=<<<<• =⋅⋅• ∫ ∫ ∫ ∫+∞ ∞− +∞ ∞− b a d c dydxyx,fdyc,bxP(a 1dydxyx,f Distribuições Bidimensionais 1 3 4 5 6 2 21 3 4 5 6 Y (X, Y) V.A. Bidimensional Discreta X 15 -3UNESP – FEG – DPD – Prof. Edgard - 2005 Exemplo:( ) 1y0 ,1x0comyx2yx,f ≤≤≤≤−−= 1 1 0 2 y f(x,y) x ( ) ?21 Y,21XP =>> ( ) ∫∫ ∫ ∫∫ =⋅ −=⋅ ++−−−= =⋅ −⋅−=⋅⋅−− = == 1 2 1 1 2 1y 1 2 1x 1 2 1 21 2 1x 8 1dxx 2 1 8 5dx 8 1x 2 11 2 1x2 dx 2 yyx2ydydxyx2 1 2 1 Volume = 1 Distribuição Bidimensional Contínua 15 -4UNESP – FEG – DPD – Prof. Edgard - 2005 Conhecida f(x,y), como achar g(x) ou h(y) ? (fixa x, varia y) (fixa y, varia x) Exemplo: f(x,y) = 2-x-y para 0<x<1 e 0<y<1 ( ) ( ) ( ) ( )∫ ∫ ∞+ −∞= +∞ −∞= ⋅= ⋅= x y dxyx,fyh dyyx,fxg Distribuições Marginais: caso V.A. Contínua ( ) ( ) x)x(g x 2 y-xy-2ydyy-x-2xg 2 y −= =−−= =⋅= ∫ = 2 3 2 12 1 0 1 0 ( ) ( ) y)y(h yxyxxdxy-x-2yh x −= −−= −−=⋅= ∫ = 2 3 2 12 2 2 1 0 21 0 15 -5UNESP – FEG – DPD – Prof. Edgard - 2005 Caso Discreto: Exemplo: ( ) ( ) ( ) ( )∑ ∑ == == i jij j jii y,xPyYP y,xPxXP Distribuição Bidimensional discreta P(x,y) xi\yi 1 2 3 4 P (X = xi) 1 0,03 0,05 0,08 0,04 0,20 2 0,10 0,10 0,20 0,10 0,50 3 0 0,15 0,10 0,05 0,30 P (Y = yi) 0,13 0,30 0,38 0,19 1 Distribuições Marginais (fixa xi, varia yj) (fixa yj, varia xi) 15 -6UNESP – FEG – DPD – Prof. Edgard - 2005 Caso discreto: , para todo i , para todo j Exemplo: ( ) ( )( ) ( ) ( )( )i ji ij j ji ji xXP yY,xXP xyP yYP yY,xXP yxP = == = = == = ( ) ( )( ) ( ) ( )( ) 4 1 0,20 0,05 1xP 2y1,xP1x2yP 6 1 0,30 0,05 2yP 2y1,xP2y1xP == = == === == = == === Distribuições Condicionada Distribuição Bidimensional discreta P(x,y) xi\yi 1 2 3 4 P (X = xi) 1 0,03 0,05 0,08 0,04 0,20 2 0,10 0,10 0,20 0,10 0,50 3 0 0,15 0,10 0,05 0,30 P (Y = yi) 0,13 0,30 0,38 0,19 1 15 -7UNESP – FEG – DPD – Prof. Edgard - 2005 Caso contínuo: onde: g(x), h(x) distribuições marginais x0 , y0 valores específicos para os quais deseja-se obter as distribuições condicionadas Exemplo: ( ) ( )( ) ( ) ( ) ( )( ) ( ) 0xg,xg y,xfxyh 0yh, yh yx,fyxg 0 0 0 0 0 0 0 0 >= >= Distribuições Condicionada ( ) ( ) ( ) ( ) 1y,0y2 3 2 2 3 y20xyh 1x,0x12 1 2 3 1x21yxg ≤≤−=−== ≤≤−= − −− == f(x,y)=2-x-y para 0<x<1 e 0<y<1 g(x)=3/2-x para 0<x<1 h(y)=3/2-y para 0<y<1 15 -8UNESP – FEG – DPD – Prof. Edgard - 2005 Caso contínuo: Para todo (xi, yj) Exemplo: ( ) ( ) ( )jiji yYPxXPyY,xXP =⋅==== Variáveis Aleatórias Independentes Distribuição Bidimensional discreta P(x,y) xi\yi 1 2 3 4 P (X = xi) 1 0,03 0,05 0,08 0,04 0,20 2 0,10 0,10 0,20 0,10 0,50 3 0 0,15 0,10 0,05 0,30 P (Y = yi) 0,13 0,30 0,38 0,19 1 ( ) ( ) ( ) ( ) ( ) ( )3232 19038050032 20032 =⋅=≠== =×==⋅= === YPXPY,XP :Logo ,,,YPXP ,Y,XP X e Y não são V. A. Independentes 15 -9UNESP – FEG – DPD – Prof. Edgard - 2005 Caso Contínuo: Exemplo: ( ) ( ) ( )yhxgyx,f ⋅= Variáveis Aleatórias Independentes f(x,y)=2-x-y para 0<x<1 e 0<y<1 g(x)=3/2-x para 0<x<1 h(y)=3/2-y para 0<y<1 X e Y não são V. A. Independentes ( ) ( ) xyyxyx +−−=−⋅−=⋅ 2 3 2 3 4 9 2 3 2 3 )()(yhxg ( ) ( )yhxg y)f(x, :Logo ⋅≠ 15 -10UNESP – FEG – DPD – Prof. Edgard - 2005 ( ) n E O E EO r i ij ij s j r i ij ijij s j −= − =χ ∑∑∑∑ = == = ν 1 2 11 2 1 2 r = número de possíveis valores da variável X (Ex: X= sexo: (1) homem; (2) mulher => r = 2 ) s = número de possíveis valores da variável Y (Ex: Y=opinião: (1) favor; (2) contra; (3) indiferente => s = 3 ) Oij = freqüência observada de X com valor i e Y com valor j Eij = freqüência esperada considerando X e Y variáveis aleatórias independentes Logo: Eij = n. P(X=i).P(Y=j) ∑∑∑∑ = == = == r i ij s j r i ij s j EOn 1 11 1 Teste de Independência H0 : As variáveis X e Y são independentes H1 : Tal não ocorre Regra: REJEITAR H0 se onde: ν = (r - 1) * (s - 1) Grau de Liberdade α = Nível de Significância do teste 22 )tabelado crítico, (Valor ,ανν χ>χ Exemplo: Opiniões de homens e mulheres (X=sexo e Y=opinião) 15 -11UNESP – FEG – DPD – Prof. Edgard - 2005 Se houver independência entre as variáveis (H0 VERDADEIRA) então: pij = pi * pj , onde: pi = P (X = i) pj = P (Y = j) Eij = n * pij = n * pi * pj Probabilidades Marginais Caso pi e pj não conhecidos → estimar através da freqüência relativa pi’ = fi / n pj’ = fj / n Eij = n * (fi / n) * (fj / n) = (fi * fj) / n Teste de Independência Eij = n * pij Eij ≥≥≥≥ 5 (aproximação Binomial Normal) pij = P (X = i e Y = j ) = Probabilidade Conjunta Tabela de Contingência: Osr | Esr...Os2 | Es2Os1 | Es1X=s ............... O2r | E2r...O22 | E22O21 | E21X=2 O1r | E1r...O12 | E12O11 | E11X=1 Y= r...Y=2Y=1 15 -12UNESP – FEG – DPD – Prof. Edgard - 2005 H0 : Existe independência entre opinião e sexo H1 : Tal não ocorre, ou seja, o sexo influencia na opinião 1º passo: estimação dos Eij (pi e pj não são conhecidos) E11 = (60 * 40)/100 = 24,0 E12 = (60 * 32)/100 = 19,2 e assim por diante... Favor Contra Indiferente Total Sexo Oij Eij Oij Eij Oij Eij Homens 33 24 12 19,2 15 16,8 60 60 Mulheres 7 16 20 12,8 13 11,2 40 40 Total 40 40 32 32 28 28 100 Por simples observação da tabela, é evidente que existe diferença entre Eij e Oij QUESTÃO: Essa diferença é significativa, ou não ??? Opinião Sexo Favor Contra Indiferente Total Homens 33 12 15 60 Mulheres 7 20 13 40 Total 40 32 28 100 Opiniões de homens e mulheres sobre determinado Projeto de Lei Teste de Independência - Exemplo Rejeitar H0 se χ2calculado > χ2crítico 15 -13UNESP – FEG – DPD – Prof. Edgard - 2005 2º passo: determinação de χ2ν O ij Eij = n*pi*pj O ij - E ij (O ij – E ij)2 / E ij 33 24,0 9,0 3,375 12 19,2 -7,2 2,700 15 16,8 -1,8 0,193 7 16,0 -9,0 5,063 20 12,8 7,2 4,050 13 11,2 1,8 0,289 100 100 15,670 = χχχχ2νννν Conclusão: para um nível de significância de 1%, o sexo influencia na opinião Teste de Independência - Exemplo (continuação) 3º passo: determinação de χ2ν, α (crítico) ν = (r - 1) * (s - 1) = (2 - 1) * (3 - 1) = 2 Para um Nível de Significância αααα = 1% , tem-se. da tab. A 6.4 (p. 249) χ22, 1% = 9,210 Logo: χ2ν > χ2ν, α (crítico) REJEITA-SE H0 (15,670 > 9,210)
Compartilhar