Baixe o app para aproveitar ainda mais
Prévia do material em texto
reinaldoreinaldo@@ele.ele.pucpuc--riorio..brbr ing.jdhernandes@gmail.coming.jdhernandes@gmail.com street@ele.pucstreet@ele.puc--rioi.br jjampinho@gmail.comrioi.br jjampinho@gmail.com roxanajc@ele.pucroxanajc@ele.puc--rio.brrio.br 1 PROBESTPROBEST Aula 7Aula 7 Reinaldo Castro Souza, Reinaldo Castro Souza, PhDPhD Alexandre Alexandre StreetStreet Roxana C. Roxana C. ContrerasContreras José Daniel Hernández Vásquez, Monitor José Daniel Hernández Vásquez, Monitor José Aguinaldo M.Pinho, AuxiliarJosé Aguinaldo M.Pinho, Auxiliar 2014.12014.1 reinaldoreinaldo@@ele.ele.pucpuc--riorio..brbr 2 Aula 7Aula 7 Vetores Aleatórios Densidades Conjuntas Densidades Marginais Densidades Condicionais Independência Covariância e Correlação Momentos Condicionais Curva de Regressão reinaldoreinaldo@@ele.ele.pucpuc--riorio..brbr 3 ObjetivosObjetivos Na prática, freqüentemente encontramos variáveis aleatórias em conjunto, por exemplo: Preço e venda de um produto Número de passageiros num vôo da Ponte Aérea e horário de embarque IBOVESPA e Risco Brasil Juros, Taxa de Câmbio, Inflação, Nível de Atividade da Indústria e Risco Brasil Como estudar o comportamento destas variáveis em conjunto? Este é o nosso objetivo da aula 7. reinaldoreinaldo@@ele.ele.pucpuc--riorio..brbr 4 ObjetivosObjetivos Encontrar distribuições de probabilidade conjuntasconjuntas para expressar a relação entre duas ou mais variáveis aleatórias. Encontrar distribuições de probabilidade condicionaiscondicionais que expressam o efeito de um subconjunto de variáveis sobre outro subconjunto de variáveis. Encontrar distribuições de probabilidade marginaismarginais que indicam o comportamento de uma única variável sem o efeito das outras. reinaldoreinaldo@@ele.ele.pucpuc--riorio..brbr 5 ObjetivosObjetivos Definir e verificar as implicações da independênciaindependência entre variáveis aleatórias. Definir medidas da associaçãomedidas da associação entre duas variáveis, como a covariância e o coeficiente de correlação. Definir os momentos condicionaismomentos condicionais, estudar algumas de suas propriedades e apresentar a curva de regressão. reinaldoreinaldo@@ele.ele.pucpuc--riorio..brbr 6 Vetor AleatórioVetor Aleatório Seja E uma experiência aleatória com espaço amostral S. Sejam X1, X2, ...., Xk funções que associam números reais a cada resultado da experiência E. Então (X1, X2, ...., Xk) é um vetor aleatório de dimensão k. O caso particular k = 2 será de interesse especial aqui, e estaremos apresentando as definições para vetores aleatórios bidimensionais. reinaldoreinaldo@@ele.ele.pucpuc--riorio..brbr 7 Função de Prob. ConjuntaFunção de Prob. Conjunta Sejam X1 e X2 variáveis aleatórias discretas. A função de probabilidadefunção de probabilidade conjunta conjunta de X1 e X2 é uma função não negativa f (x1,x2 ) tal que: Pr (X1 = x1, X2 = x2) = f(x1,x2) Esta definição pode ser estendida de maneira trivial para uma n-upla de variáveis aleatórias X1 ,X2 ,...,Xn. Analogamente ao caso unidimensional, o somatório da função de probabilidade conjunta para todos os valores de X1 e X2 deve ser 1, isto é: f x x( , )1 2 1 todo xtodo x 21 reinaldoreinaldo@@ele.ele.pucpuc--riorio..brbr 8 Densidade ConjuntaDensidade Conjunta Sejam X1 e X2 variáveis aleatórias contínuas. A densidadedensidade conjuntaconjunta de X1 e X2 é uma função não negativa f (x1,x2) tal que, para qualquer subconjunto A de 2: Em particular, para calcularmos a probabilidade de X1 e X2 estarem num retângulo só precisamos calcular a integral dupla a seguir: A dxdxxxfAXX 212121 ,,Pr b a d c dxdxxxfdXcbXa 122121 ),(),Pr( reinaldoreinaldo@@ele.ele.pucpuc--riorio..brbr 9 Condição de NormalizaçãoCondição de Normalização A condição de normalização no caso bivariado é análoga ao caso univariado. A integral (ou somatório duplo) da densidade (ou função de probabilidade) conjunta deve ser 1. Ou seja: Para v.a. discretas Para v.a. contínuas 1 2 xtodo xtodo 1, 21 xxf 1, 2121 dxdxxxf reinaldoreinaldo@@ele.ele.pucpuc--riorio..brbr 10 Densidade Conjunta/Função de Densidade Conjunta/Função de Probabilidade ConjuntaProbabilidade Conjunta Interpretação Pode-se fazer uma analogiaanalogia com a probabilidade da interseçãoprobabilidade da interseção de dois eventos. A densidade (ou a função de probabilidade conjunta) permite o cálculo de probabilidades relativas às duas variáveis simultaneamente, onde os efeitos das duas variáveis são levados em consideração ao mesmo tempo. reinaldoreinaldo@@ele.ele.pucpuc--riorio..brbr 11 Densidade Conjunta/Função de Densidade Conjunta/Função de Probabilidade ConjuntaProbabilidade Conjunta Mas, o que acontece se desejamos “olhar” para cada uma das variáveis separadamente, ignorando por completo o efeito da(s) outra(s)? Isso nos leva ao conceito de densidade (ou função de probabilidade) marginalmarginal. reinaldoreinaldo@@ele.ele.pucpuc--riorio..brbr 12 Densidade MarginalDensidade Marginal Seja f (x1,x2) a densidade (ou função de probabilidade conjunta de X1 e X2. A densidade marginal de X1 é dada por: Analogamente, a densidade marginal de X2 é dada por: discreto caso no contínuo caso no 2 xtodo ),( ),( )( 21 221 11 xxf dxxxf xf discreto caso no contínuo caso no 1 xtodo ),( ),( )( 21 121 22 xxf dxxxf xf reinaldoreinaldo@@ele.ele.pucpuc--riorio..brbr 13 Densidade MarginalDensidade Marginal Nota A rigor, no caso discreto, deveríamos chamar f1(x1) e f2(x2) de funções de probabilidade marginais. É importante perceber que as densidades marginais definidas na página anterior nos permitem calcular probabilidades para uma variável IGNORANDO COMPLETAMENTE o efeito da outra variável. Por exemplo: que seria a expressão usada se X2 “não existisse”. b a dxxfbXa 1111 )()Pr( reinaldoreinaldo@@ele.ele.pucpuc--riorio..brbr 14 Densidade CondicionalDensidade Condicional Densidade Condicional de X2 dado X1 Densidade Condicional de X1 dado X2 Note a semelhança entre a definição de densidades semelhança entre a definição de densidades condicionais e a de probabilidade condicionalcondicionais e a de probabilidade condicional. A densidade condicional expressa a distribuição de uma das variáveis sujeita a uma informação adicional, que é a ocorrência da outra variável. 0)( )( ),( )|( 11 11 21 12 xf xf xxf xxf que desde que desde 0)( )( ),( )|( 22 22 21 21 xf xf xxf xxf reinaldoreinaldo@@ele.ele.pucpuc--riorio..brbr 15 Densidade CondicionalDensidade Condicional Estas densidades nos permitem calcular probabilidade condicionais. Se as variáveis aleatórias são contínuas: É a densidade condicional de X2 dado X1=x1. Analogamente podemos escrever a densidade condicional de X1 dado X2=x2 como: 212112Pr dxxxfxXbXa b a 121221Pr dxxxfxXdXc d c reinaldoreinaldo@@ele.ele.pucpuc--riorio..brbr 16 Densidade CondicionalDensidade Condicional As definições no caso discreto são análogas. No caso contínuo não faz diferença se o intervalo (a, b) é fechado ou aberto, isto é, não faz diferença se substituirmosum ou mais dos sinais de " < " por " ". No caso discreto existe diferença se o intervalo é aberto ou fechado, por exemplo, desejarmos calcular Pr(a X2 b) (ou a probabilidade condicional de X2 estar neste intervalo dado X1 = x1) devemos incluir os pontos a e b no cálculo. reinaldoreinaldo@@ele.ele.pucpuc--riorio..brbr 17 Densidade CondicionalDensidade Condicional No caso contínuo surge uma dificuldade. Como interpretar a probabilidade condicional de que (a < X2 < b) dado que X1 = x1 já que o evento {X1 = x1} tem probabilidade zero? A resposta é: pense em x1 como um parâmetro desta distribuição condicional – à medida que este parâmetro varia, a distribuição condicional assume novas formas. reinaldoreinaldo@@ele.ele.pucpuc--riorio..brbr 18 Exemplo 1Exemplo 1 Sejam X e Y variáveis aleatórias discretas com a seguinte função de probabilidade conjunta: Encontre as densidades marginais de X e Y. Encontre a densidade condicional de X dado Y = 0. Encontre a densidade condicional de Y dado X = 0. Pr( X = x) X = 0 X = 1 X = 2 X = 3 Pr(Y = y) Y = 0 0.2 0.1 0.1 0 Y = 1 0.1 0.1 0.1 0.1 Y =2 0 0.1 0.1 0 reinaldoreinaldo@@ele.ele.pucpuc--riorio..brbr 19 Exemplo 1Exemplo 1 A função de probabilidade marginal de X é dada por: Logo: fx(0) = Pr(X=0) = 0.2 + 0.1 + 0 = 0.3 fx(1) = Pr(X=1) = 0.1 + 0.1 + 0.1 = 0.3 fx(2) = Pr(X=2) = 0.1 + 0.1 + 0.1 = 0.3 fx(3) = Pr(X=3) = 0 + 0.1 + 0 = 0.1 A função de probabilidade marginal de Y é encontrada de maneira análoga. Verifique que: Pr(Y = 0) = Pr(Y = 1) = 0.4 e Pr(Y=2) = 0.2. 2 0 ),Pr(),Pr(),()Pr()( y x yYxXyYxXyxfxXxf ytodo ytodo reinaldoreinaldo@@ele.ele.pucpuc--riorio..brbr 20 Exemplo 1Exemplo 1 A função de probabilidade condicional de X dado Y = 0 é obtida pela divisão da conjunta pela probabilidade de Y ser igual a zero (0.4). Então: f(x| Y = 0) = f(x,0)/Pr(Y=0) = f(x,0)/0.4 para os diversos valores de X. f(0|0) = Pr( X = 0 | Y = 0 ) = f(0,0)/0.4 = 0.2/0.4 = 0.5 f(1|0) = Pr( X = 1 | Y = 0 ) = f(1,0)/0.4 = 0.1/0.4 = 0.25 f(2|0) = Pr( X = 2 | Y = 0 ) = f(2,0)/0.4 = 0.1/0.4 = 0.25 f(3|0) = Pr( X = 3 | Y = 0 ) = f(3,0)/0.4 = 0/0.4 = 0 reinaldoreinaldo@@ele.ele.pucpuc--riorio..brbr 21 Exemplo 1Exemplo 1 A função de probabilidade condicional de Y dado X = 0 é a conjunta divida pela probabilidade de X ser igual a zero, que é 0.3. f(y | X = 0 ) = f(0, y)/ Pr (X = 0) = f(0, y) / 0.3 f(0|0) = Pr( Y = 0 | X = 0 ) = f(0,0)/0.3 = 0.2/0.3 = 2/3 f(1|0) = Pr( Y = 1 | X = 0 ) = f(0,1)/0.3 = 0.1/0.3 = 1/3 f(2|0) = Pr( Y = 2 | X = 0 ) = f(0,2)/0.3 = 0/0.3 = 0 Note que a soma destas probabilidades para todos os valores de Y é 1 (ou seja, a função de probabilidade condicional satisfaz a condição de normalização). O mesmo acontece para a condicional de X dado Y = 0 da página anterior. reinaldoreinaldo@@ele.ele.pucpuc--riorio..brbr 22 NotasNotas Deve-se ressaltar que as funções de probabilidade (e densidades) marginais e condicionais são funções de probabilidade (ou densidades) propriamente ditas, ou seja, devem obedecer a condição de normalização, como observado neste exemplo. A densidade (ou função de probabilidade conjunta) deve satisfazer uma condição de normalização que envolve uma integral ou somatório duplo (no caso de um vetor aleatório de dimensão 2, como o que estamos tratando aqui). reinaldoreinaldo@@ele.ele.pucpuc--riorio..brbr 23 Exemplo 2Exemplo 2 Sejam X e Y variáveis aleatórias contínuas com densidade conjunta: Encontre a constante c tal que f(x, y) seja uma densidade. Calcule as densidades marginais de X e Y. Calcule Pr (X > 2). Calcule Pr (1 < Y < 3) 0 > y e 0 > x se 3/2/ ..),( yx eecyxf reinaldoreinaldo@@ele.ele.pucpuc--riorio..brbr 24 Exemplo 2Exemplo 2 A constante é encontrada a partir da condição de normalização, isto é, fazendo a integral dupla sobre todos os valores de X e Y igual a um. Então 6c = 1 c = 1/6 0 3/ 0 3/ 0 0 0 2/3/ 0 3/2/ 0 0 .6 )3/1( 1 0..2..2 )2/1( 1 0.. ...1),( ccdyecdyec dxedyecdxdyeecdxdyyxf yy xyyx reinaldoreinaldo@@ele.ele.pucpuc--riorio..brbr 25 Exemplo 2Exemplo 2 A densidade marginal de X é: Ou seja, X tem densidade Exponencial com média 2. 0 > x se 2/ 2/ 0 3/2/ 0 3/2/ 0 2 1 )3/1( 1 0. 6 . 6 1 .. 6 1 ),()( x x yxyx x e e dyeedyeedyyxfxf reinaldoreinaldo@@ele.ele.pucpuc--riorio..brbr 26 Exemplo 2Exemplo 2 A densidade marginal de Y é: Isto é, Y é Exponencial com média 3. 0 > y se 3/ 3/ 0 2/3/ 0 3/2/ 0 3 1 )2/1( 1 0. 6 . 6 1 .. 6 1 ),()( y y xyyx y e e dxeedxeedxyxfyf reinaldoreinaldo@@ele.ele.pucpuc--riorio..brbr 27 Exemplo 2Exemplo 2 A probabilidade de X > 2 é calculada a partir da densidade marginal de X. De maneira semelhante, Pr(1< Y< 3) é computada a partir da marginal de Y. 2 1 12/ )2/1( 0. 2 1 2 )2Pr( e e dx e X x 3486.03679.07165.0 . )3/1( 1 . 3 1 3 )31Pr( 13/1 3 1 3/13/3 3/ ee eedy e Y y reinaldoreinaldo@@ele.ele.pucpuc--riorio..brbr 28 Exemplo 2Exemplo 2 Nota: A probabilidade de X > 2 poderia ter sido calculada também através da densidade conjunta, notando-se que os seguintes eventos são equivalentes: 0 qualquer YXYXX 222 11 0 3/1 0 2/23/ 0 2 3/2/ 3 3 1 3 1 2 6 1 6 1 2Pr eedyeeedyedxdyeeX yyyx reinaldoreinaldo@@ele.ele.pucpuc--riorio..brbr 29 Exemplo 2Exemplo 2 Analogamente, a probabilidade de 1 < Y < 3 poderia ter sido calculada também através da densidade conjunta usando um argumento semelhante ao do slide anterior. reinaldoreinaldo@@ele.ele.pucpuc--riorio..brbr 30 Exemplo 3Exemplo 3 Suponha que X e Y têm densidade conjunta: 1) Calcule as densidades marginais de X e Y. 2) Encontre a densidade condicional de Y dado X = x. 3) Encontre a densidade condicional de X dado Y = y. 2 y 0 e 1 x < 0 onde 2 3 . ),( x yx yxf reinaldoreinaldo@@ele.ele.pucpuc--riorio..brbr 31 Exemplo 3Exemplo 3 A densidade marginal de X é: A densidade marginal de Y é: A densidade condicional de Y dado X = x é dada por: 1 x < 0 onde ,3 .2 .2 3 ),()( 2 2 0 2 2 0 x xdyx xy dyyxfxf x 1 0 2 1 0 , 63 1 3 ),()( 2y 0 onde y dxx xy dxyxfyf y [0,2] y e (0,1] x onde , 3/1 3/ . 2 1 2 3 2 3 )( ),( )|( 2 2 x yx x x x xy xf yxf xyf x reinaldoreinaldo@@ele.ele.pucpuc--riorio..brbr 32 Exemplo 3Exemplo 3 Note que existe um número infinito de densidades condicionais de Y dado X =x, cada uma para um valor de x diferente no intervalo (0,1]. Por exemplo, se x = 1, a densidade condicional de Y dado X = 1 é: (0,2] y onde , 3 1. 8 3 3 1. 4 3 . 2 1 3/11 3/1 . 2 1 )1|( yyy xyf reinaldoreinaldo@@ele.ele.pucpuc--riorio..brbr 33 Exemplo 3Exemplo 3 Abaixo exibimos um gráfico com 3 densidades condicionais. Note que, à medida que o “parâmetro” x se altera, a forma da densidade condicional muda. 0 0.5 1 1.5 2 0.2 0.4 0.6 Densidades Condicionais de Y dado X 0.75 0.25 f y 1 3 f y 2 3 f y 1( ) 20 y reinaldoreinaldo@@ele.ele.pucpuc--riorio..brbr 34 Exemplo 3Exemplo 3 A densidade condicional de X dado Y = y é: Substituindo-se Y = 1 acima encontramos a densidade condicional de X dado Y = 1: Se agora fazemos Y = 2 encontramos outra densidade condicional: [0,2] y e (0,1] xonde , 2/1 ..3 2 1. 3 1 3 )( ),( )|( 2 2 y yxx y xy x yf yxf yYxf y (0,1] xonde ,.3. 3 2 2/11 .3 )1|( 2 2 xx xx Yxf (0,1] xonde , 2 .2.3 11 .2.3 )2|( 22 xxxx Yxf reinaldoreinaldo@@ele.ele.pucpuc--riorio..brbr 35 Exemplo 3Exemplo 3 Densidades Condicionais de X dado Y = y 0,000 0,400 0,800 1,200 1,600 2,000 2,400 2,800 3,200 0,00 0,05 0,10 0,15 0,20 0,25 0,30 0,35 0,40 0,45 0,50 0,55 0,60 0,65 0,70 0,75 0,80 0,85 0,90 0,95 1,00 f(x|y = 0) f(x|y = 0.5) f(x|y = 1) f(x|y = 2) reinaldoreinaldo@@ele.ele.pucpuc--riorio..brbr 36 Exercício 1Exercício 1-- para casapara casa Sejam X e Y v.a. contínuas com densidade conjunta: Encontre a constante c que faz desta expressão uma densidade. Resposta: Encontre a densidade marginal de X. Resposta: Encontre a densidade marginal de Y. Resposta: Encontre a densidade condicional de X dado Y = y. Resposta: X e Y são independentes? Por que? Justifique? Resposta: ,então, X e Y não são independentes. 2( , ) 2 onde 0 1 e 0 1f x y cy xy x y 2 3 c yxyyxf ..2 2 3 ),( 2 xxf 2 1 )( yyyf 2. 2 3 )( 23 43 )( y xy yYXf )().(),( yfxfyxf reinaldoreinaldo@@ele.ele.pucpuc--riorio..brbr 37 IndependênciaIndependência Sejam X1 e X2 variáveis aleatórias contínuas ou discretas. Dizemos que X1 e X2 são independentesindependentes se sua densidade conjuntaconjunta pode ser fatorada como o produtoproduto dasdas respectivas densidades marginaismarginais. Isto é: Em particular, no caso de duas variáveis discretas, esta igualdade deve valer para todos os valores possíveis de ambas as variáveis, e portanto, para demonstrar a dependência entre duas variáveis, basta mostrar que a igualdade não se verifica para algum par de valores de x1 e x2. 221121, xfxfxxf reinaldoreinaldo@@ele.ele.pucpuc--riorio..brbr 38 IndependênciaIndependência Conseqüências Se X1 e X2 são independentes então: 1) As densidades condicionais são iguais às densidades marginais correspondentes. 2) Os momentos (média, variância, etc ...) condicionais são iguais aos momentos correspondentes calculados a partir das densidades marginais. 3) Se X1 e X2 são independentes com densidades marginais f1(x1) e f2(x2) então: reinaldoreinaldo@@ele.ele.pucpuc--riorio..brbr 39 IndependênciaIndependência Conseqüências Pr(a <X1< b, c <X2< d) = Pr(a <X1<b). Pr(c <X2< d) para quaisquer a < b, c < d. 4) Sejam X1 e X2 variáveis aleatórias independentes com densidades marginais f1(x1) e f2(x2). Então, se todos os valores esperados abaixo existirem: E [ u ( X1 ) v ( X2 ) ] = E [ u ( X1 ) ]. E [ v ( X2 ) ] reinaldoreinaldo@@ele.ele.pucpuc--riorio..brbr 40 IndependênciaIndependência Conseqüências O valor esperado de um produto de funções de variáveis aleatórias onde cada função depende apenas de uma das variáveis aleatórias é igual ao produto dos valores esperados das funções individuais sempre que as variáveis aleatórias X1 e X2 forem independentes. reinaldoreinaldo@@ele.ele.pucpuc--riorio..brbr 41 Exemplo 1 Exemplo 1 -- continuaçãocontinuação Sejam X e Y variáveis discretas com função de probabilidade conjunta do Exemplo 1: X e Y são independentes? Por que? Por exemplo, Pr(X=0) = 0.2 + 0.1 + 0 = 0.3 e Pr(Y = 0) = 0.2 + 0.1 + 0.1 + 0 = 0.4 Mas, Pr( X = 0, Y = 0) = 0.2 (0.3)(0.4). Logo,Logo, XX ee YY nãonão sãosão independentesindependentes (são(são dependentes)dependentes) !! Pr( X = x) X = 0 X = 1 X = 2 X = 3 Pr(Y = y) Y = 0 0.2 0.1 0.1 0 Y = 1 0.1 0.1 0.1 0.1 Y =2 0 0.1 0.1 0 reinaldoreinaldo@@ele.ele.pucpuc--riorio..brbr 42 CovariânciaCovariância A covariância entre as variáveis X1 e X2 é definida como: Onde 1 = E(X1) , 2 = E(X2) são as médias de X1 e X2, computadas a partir das densidades marginais. Note que a covariância é um valor esperado que envolve simultaneamente as duas variáveis, por isso ela deve ser calculada a partir da densidade conjunta de X1 e X2. 2121 21122121 21122121221121 .).( .)(.)(.).( .....),( XXE XEXEXXE XXXXEXXEXXCOV reinaldoreinaldo@@ele.ele.pucpuc--riorio..brbr 43 CovariânciaCovariância Da expressão anterior pode-se notar que a variância é apenas um caso particular da covariância. Por exemplo, fazendo X2 = X1 na última expressão leva a: Obviamente poderíamos ter derivado a variância de X2 pelo mesmo procedimento. 1211111111 .),( XVARXEXXEXXCOV reinaldoreinaldo@@ele.ele.pucpuc--riorio..brbr 44 Coeficiente de CorrelaçãoCoeficiente de Correlação O coeficiente de correlação entre X1 e X2, denotado por , é definido como: O coeficiente de correlação é a covariância dividida pelo produto dos desvios padrões das duas variáveis, ou seja, é uma medida padronizada (e adimensional) da covariância. )().( ),( 21 21 XVARXVAR XXCOV reinaldoreinaldo@@ele.ele.pucpuc--riorio..brbr 45 Coeficiente de CorrelaçãoCoeficiente de Correlação Se Se XX11 e Xe X22 são independentes, então são independentes, então = 0 (= 0 (XX11 e Xe X22 são descorrelatados).são descorrelatados). A recíproca deste fato NÃO É verdadeira, ou seja, A recíproca deste fato NÃO É verdadeira, ou seja, CORRELAÇÃO ZERO NÃO IMPLICA EM CORRELAÇÃO ZERO NÃO IMPLICA EM INDEPENDÊNCIA.INDEPENDÊNCIA. A única instância em que as duas condições são eqüivalentes (correlação zero e independência) é no caso de variáveis Normais. reinaldoreinaldo@@ele.ele.pucpuc--riorio..brbr 46 Coeficiente de CorrelaçãoCoeficiente de Correlação O coeficiente de correlação entre X1 e X2 é um valor entre -1 e +1. Além disso , = +1 ou = -1 se e somente se, X1 e X2 é uma função linear de X1. Mas, é importante notar que oo coeficientecoeficiente dede correlaçãocorrelação éé umauma medidamedida dede associaçãoassociação LINEARLINEAR entre as variáveis, ou seja, não diz nada sobre a relação entre X1 j e X2 k onde j e k são diferentes de 1. 01 01 12 12 abaXX abaXX onde onde reinaldoreinaldo@@ele.ele.pucpuc--riorio..brbr 47 Momentos CondicionaisMomentos Condicionais Sejam X1 e X2 variáveis aleatórias contínuas ou discretas. Podemos definir o valor esperado condicional de X2 dado X1 = x1 como o valor esperado de X2 usando-se a densidade condicional de X2 dado X1 = x1 (ao invés de usarmos da densidade marginal de X2). No caso contínuo: 2122112 )|(.)|( dxxxfxxXXEreinaldoreinaldo@@ele.ele.pucpuc--riorio..brbr 48 Momentos CondicionaisMomentos Condicionais O caso discreto é análogo, apenas substituindo a integral pelo somatório para todo valor de X2. Note que E(X2 | X1 = x1 ) é uma função de x1, e x1 é um valor da variável aleatória X1. O gráfico da função E(X2|x1) versus os valores possíveis de x1 é chamado de regressão de X2 em x1 ou Curva de Regressão de X2 em X1. reinaldoreinaldo@@ele.ele.pucpuc--riorio..brbr 49 Momentos CondicionaisMomentos Condicionais Pode-se mostrar que, se X1 e X2 têm densidade Normal bivariada (uma densidade importante que estudaremos posteriormente), a curva de regressão de X2 em X1 é, na verdade, uma reta, ou seja, E(X2 | X1 = x1) tem a forma: a.x1 + b. É claro que uma “curva” de regressão linear não é a regra, é a exceção, mas uma exceção tão importante que dá origem aos métodos de regressão linear usados na prática! reinaldoreinaldo@@ele.ele.pucpuc--riorio..brbr 50 Momentos CondicionaisMomentos Condicionais Analogamente à definição de média condicional, podemos também definir a variância condicional de X2 dado X1 = x1. Esta é a variância calculada usando-se a densidade condicional ao invés da marginal. Por exemplo, no caso contínuo: lcondiciona média a é onde 11212 212 2 122112 xXXE dxxxfxxXXVAR reinaldoreinaldo@@ele.ele.pucpuc--riorio..brbr 51 Exemplo 3Exemplo 3 Considere novamente o Exemplo 3, isto é, X e Y têm densidade conjunta: Já vimos que a densidade condicional de Y dado X =x é: Note que nesta densidade, Y é a variável aleatória, e X deve ser pensado como um parâmetro que caracteriza a densidade (um “número”). f x y x y x( , ) . 3 2 onde 0 < x 1 e 0 y 2 f y x f x y f x xy x x x x y xx ( | ) ( , ) ( ) . / / , 3 2 3 2 1 2 3 1 3 2 2 onde x (0,1] e y [0,2] reinaldoreinaldo@@ele.ele.pucpuc--riorio..brbr 52 Exemplo 3Exemplo 3 A média e variância condicionais de Y dado X = x são calculadas a partir desta densidade. Note que isso é uma função de X. Calcule a variância condicional (exercício 2 – para casa). Resposta: 39 49 9 8 2 3/12 1 0 2 92 . 3/12 1 3 . 3/12 1 3/12 3/ .)|(.)|( 32 2 0 2 0 2 0 x x x xy yxy x dy y xy x dy x yx ydyxyfyxXYE 22 )()( xXYExXYExXYVAR 39 49 x x xXYE 13 242 x x xXYE 95481 21827 2 2 xx xx xXYVAR reinaldoreinaldo@@ele.ele.pucpuc--riorio..brbr 53 Exemplo 3Exemplo 3 A curva de regressão de Y em X é o gráfico da média condicional calculado na página anterior para todo valor de X (isto é, X no intervalo (0,1)). Curva de Regressão de Y em X 1.050 1.100 1.150 1.200 1.250 1.300 1.350 0.00 0.20 0.40 0.60 0.80 1.00 reinaldoreinaldo@@ele.ele.pucpuc--riorio..brbr 54 Exercício 3 Exercício 3 -- para casapara casa Considere a seguinte densidade conjunta: a) Ache a densidade marginal de X. Resposta: b) Ache a densidade marginal de Y. Resposta: c) Calcule Pr( X > 1 Y < 4) Resposta: Dica: xyxeyxf y ,0,. 4 1 , 2/ a u a e dueu au au 1.. 2 2 1 )( x exf 2.. 4 1 )( y eyyf %82,26)41(Pr yxob reinaldoreinaldo@@ele.ele.pucpuc--riorio..brbr 55 Exercício 4 Exercício 4 –– para casapara casa Considere as seguintes distribuições conjuntas: a) f(x, y) = 4.x.y.exp{ -x2 - y2} para x 0, y 0 b) f(x, y) = 3.x2/y3 para 0 x y 1 Em cada caso, determine se X e Y são independentes. Resposta a) ,então, X e Y são independentes. Resposta b) ,então, X e Y não são independentes. 2 ..2)( xexxf 2 ..2)( yeyyf 22 ....4)().( yx eeyxyfxf 21 2 3 )( xxf 1)( yf 21 2 3 )().( xyfxf reinaldoreinaldo@@ele.ele.pucpuc--riorio..brbr 56 Exercício 5 Exercício 5 -- para casapara casa Sejam X e Y v.a. contínuas com densidade conjunta: Encontre a constante c que faz desta expressão uma densidade. Resposta: Encontre a densidade marginal de X. Resposta: Encontre a densidade marginal de Y. Resposta: Encontre a densidade condicional de Y dado X = x. Resposta: Ache a média condicional de Y dado X = x. Resposta: X e Y são independentes? Por que? Justifique. Resposta: , não são independentes 2( , ) onde 0 1 e 0 1f x y cx xy x y 4 9 c yxxyxf . 4 9 ),( 2 24 9 )( 2 x xxf 24 3 )( y yf 29 49 )( x yx xXYf 1254 827 x x xXYE 16 642718 )().( 22 xxyxyx yfxf
Compartilhar