Baixe o app para aproveitar ainda mais
Prévia do material em texto
1 ECO 1721 - Introdução à Estatística Econômica 6-Algumas Distribuições Contínuas Importantes Resumo Teórico Professores: Thadeu Keller Filho e Juarez Figueiredo 6.1 Distribuição Uniforme (ou Retangular) em um Intervalo 6.1.1 Definição Diz-se que uma variável aleatória real do tipo contínuo possui distribuição Unifor- me no Intervalo (a,b) se sua função de densidade de probabilidade tiver por expres- são 1 Xf x a x b b a Neste caso, escreve-se: X ( , )Uniforme a b Nota: Se X possui distribuição uniforme em um intervalo, sua densidade de pro- babilidade é uma constante, cujo valor é o recíproco da amplitude do intervalo. 6.1.2 Média e Variância de X ( ) / 2E X b a 2 ( ) /12Var X b a 6.1.3 Função de Distribuição de X 0 1 X x a x a F x a x b b a x b Nota: XF x é uma função em rampa 6.1.4 Função Geratriz de Momentos de X b b t b t a b t X t x t x t x X a a a 1 1 1 1 (t) E dx dx = = b a b a b a t b a t e e M e e e e 6.1.5 Propriedades da Distribuição de X Propriedade 1: A probabilidade de que X pertença a qualquer intervalo contido em a,b é proporcional à amplitude do intervalo: 2 a c d b P c X d d c /(b a ) Propriedade 2: Se a c d b, então a variável aleatória condicionada /X c X d possui distribuição uniforme no intervalo ( , ) :c d P X x / c X d x c / d c 6.2 Distribuição Exponencial (ou Exponencial Negativa) 6.2.1 Definição Diz-se que uma variável aleatória real do tipo contínuo possui distribuição expo- nencial se sua densidade de probabilidade tiver por expressão: 0xXf x e x onde 0 Neste caso, escreve-se: X Exponencial 6.2.2 Média e Variância de X 1/E X 21/Var X 6.2.3 Função de Distribuição de X 0 0 1 0 X x x F x e x 6.2.4 Função Geratriz de Momentos de X X 1 (t) para t α α t M 6.2.5 Propriedade Marcoviana ( ou da Ausência de Memória) Uma variável aleatória real do tipo contínuo, não negativa, possui distribuição exponencial se e somente se /P X t h X t P X h quaisquer que sejam os números reais positivos t e h. 3 6.3 Distribuição Gama 6.3.1 Definição Diz-se que uma variável aleatória real do tipo contínuo possui distribuição gama se sua densidade de probabilidade tiver por expressão: 1( ) para 0 , 0 e 0 ( ) p p xf x x e x p p sendo p a função gama de p Neste caso, escreve-se: X ,Gama p 6.3.2 Média e Variância de X 2 ( ) ( ) p p E X V X 6.3.3 Casos particulares: Distribuições de Erlang e de Qui-Quadrado A família da distribuição gama tem dois casos particulares importantes: (i) a Distribuição de Erlang, quando o parâmetro de forma p é inteiro; e (ii) a Distri- buição de Qui-Quadrado, quando 1 e , 1,2,3,... 2 2 n p n Note-se, ainda, que a distribuição exponencial é obtida como um caso particular da distribuição gama, quando p = 1. 6.3.4 Função Geratriz de Momentos de X pp X p α α (t) para t < α α tα t M 6.4 Distribuição Beta 6.4.1 Definição Diz-se que uma variável aleatória real do tipo contínuo possui distribuição beta se a sua densidade de probabilidade tiver por expressão: 1 1( ) (1 ) para 0 1 , 0 e 0p q p q f x x x x p q p q Neste caso, escreve-se: X ,Beta p q 4 6.4.2 Média e Variância de X 2 ( ) e ( ) ( ) ( 1) p pq E X V X p q p q p q 6.4.3 Função Geratriz de Momentos de X k k k X k 0 k 0 t (p k) (p q) t (t) E X k! (p q k) (p) (k 1) M Obs. Nesse caso a função geratriz de momentos tem pouca utilidade. 6.5 Distribuição Normal 6.5.1 Definição Diz-se que uma variável aleatória real do tipo contínuo possui distribuição Normal ou distribuição de Gauss) se sua função de densidade de probabilidade tiver por expressão: xfX = x x e 22 2 2 1 0 Neste caso escreve-se X 2,N ou 2,X N 6.5.2 Propriedades da Densidade de Probabilidade de X a) xfX possui forma campanular (curva em forma de sino) b) xfX é simétrica em relação ao ponto x c) lim 0 X x f x lim 0 X x f x d) a moda (abscissa do máximo da densidade) corresponde ao ponto x= e seu valor é igual a 1 2 e) xfX possui dois pontos de inflexão, de ordenadas iguais a 1 1/ 2 2 , e correspondentes ás abscissas 1 x e 2 x 6.5.3 Média e Variância de X E X = Var X = 2 6.5.4 Função Geratriz de Momentos de X 2 21+ 2 2 2 X 1 ( ) exp + 2 t t M t t t e 5 6.5.5 Teorema da Transformação Linear Fazendo-se , Y a bX segue-se que Y 2 2,N a b a 6.5.6 Distribuição Normal Padrão No teorema anterior, fazendo-se , X Z tem-se Z 0;1N Notas: A distribuição da variável aleatória Z denomina-se Distribuição Normal Padrão (ou Padronizada, ou Standard) A densidade de probabilidade de uma distribuição normal não possui primitiva expressa analiticamente. Assim, o cálculo de probabilidades referentes a esse ti- po de distribuição é efetuado por métodos numéricos que permitem a montagem de tabelas para a distribuição normal padronizada. Embora exista uma infinidade de distribuições normais, qualquer uma delas po- de ser transformada em uma distribuição normal padronizada e as probabilidades podem ser obtidas em uma única tabela. 6.5.7 Teorema da Soma de Variáveis Aleatórias Normais Independentes Sejam 1 2, ,..., nX X X variáveis aleatórias independentes, com distribuição normal, de médias 1 2, ,..., n e variâncias 2 2 2 1 1, ,..., n , respectivamente. Faça-se: 1 2 ... nY X X X Então, Y possui distribuição normal de média 1 2 ... n e variância 2 2 2 2 1 1 ... .n 6.5.8 Aproximação da Distribuição Binomial pela Normal (Teorema de De Moivre – Laplace) Seja X uma variável aleatória com distribuição binomial de parâmetros n e p. Essa distribuição pode ser aproximada pela normal de parâmetros n p e variância 2 .n pq Isto é Y 2,N onde n p e 2 .n pq As condições pa- ra uma boa aproximação são: 10n p e 10nq . Ao ser empregadaessa apro- ximação deve ser utilizada uma “correção de continuidade”: (i) ( ) ( 0,5 0,5)P X k P k Y k e (ii) ( ) ( 0,5 0,5)P a X b P a Y b 6 6.5.9 Teorema do Limite Central Nota: Enunciaremos apenas o Teorema de Lindeberg-Lèvy que é o mais importante caso particular do Teorema do Limite Central. Teorema de Lindeberg-Lèvy Sejam 1 2, ,..., nX X X variáveis aleatórias independentes, de mesma distribuição, de média e variância 2. Faça-se: 1 2 ...n nY X X X Então, se n é suficientemente grande, nY possui aproximadamente distribuição normal de média n e variância 2.n Nota: Salvo raras exceções, a aproximação normal para a distribuição da soma nY é muito boa quando 30.n 6.6 Distribuição Lognormal 6.6.1 Definição Diz-se que uma variável aleatória real do tipo contínuo possui distribuição Logno- rmal se sua função de densidade de probabilidade tiver por expressão: xfX = 2 2 1 para 0 2 ln 2 x x x e , com 0 Neste caso escreve-se X 2,Lognormal Esta distribuição é estreitamente relacionada com a distribuição Normal. Com efei- to, se uma variável aleatória X tem distribuição normal de parâmetros (média) 2 (variância) então a variável aleatória Y definida em função de x por XY e pos- sui distribuição Lognormal (de parâmetros (média da normal associada) 2 (va- riância da normal associada). 6.6.2 Média e Variância de X E X 21 2 2 1 exp 2 e e Var X = 2 22 1e ee -------------------------------------------------------------------------------------------------------------
Compartilhar