Baixe o app para aproveitar ainda mais
Prévia do material em texto
Função Geradora de Momentos Sumário Função Geradora de Momentos (F.G.M.): ................................................................................... 2 Série de Maclaurin: ................................................................................................................... 2 Parâmetros: .................................................................................................................................. 3 Estimador: ..................................................................................................................................... 3 Estimativa: .................................................................................................................................... 3 Distribuições Discretas de Probabilidade: ................................................................................... 3 Distribuição Binomial (𝑛, 𝑃): ..................................................................................................... 3 Binômio de Newton: .............................................................................................................. 3 Distribuição Bernoulli (𝑃): ........................................................................................................ 4 Distribuição de Poisson (𝜆): ...................................................................................................... 5 Distribuição Geométrica (𝑃): .................................................................................................... 6 Distribuições Contínuas de Probabilidade:.................................................................................. 6 Distribuição Normal Padrão (𝜇 = 0; 𝜎2 = 1): ........................................................................ 6 Distribuição Normal (𝜇; 𝜎2): .................................................................................................... 7 Distribuição Uniforme (𝐴, 𝐵): ................................................................................................... 8 Distribuição Gama (𝛼, 𝛽): 𝛽 = 1𝜆 ....................................................................................... 10 Distribuição Gama (𝛼, 𝜆): 𝜆 = 1𝛽 ........................................................................................ 11 Distribuição Exponencial (𝛽): ................................................................................................. 12 Distribuição Exponencial (𝜆): .................................................................................................. 13 𝜒𝑛2 → Distribuição Qui-quadrado (𝑛): .................................................................................. 14 2 Função Geradora de Momentos (F.G.M.): A função geradora de momentos possui esse nome pois, a partir dela, podemos encontrar todos os momentos (𝐸(𝑋𝑛)) da variável aleatória 𝑋 (quando estes existem). 𝑀𝑥(𝑡) = 𝐸(𝑒 𝑡𝑥) Discreta: 𝑀𝑥(𝑡) = ∑ 𝑒 𝑡𝑥 ∙ 𝑃(𝑋) Contínua: 𝑀𝑥(𝑡) = ∫ 𝑒 𝑡𝑥 ∙ 𝑓(𝑋) ∙ 𝑑𝑥 ℝ𝑥 𝑑𝑘 𝑑𝑡𝑘 𝑀𝑥(𝑡)| 𝑡=0 = 𝐸(𝑋𝑘) Série de Maclaurin: 𝑒𝑥 = ∑ 𝑥𝑘 𝑘! ∞ 𝑘=0 = 1 + 𝑥 + 𝑥2 2! + 𝑥3 3! + 𝑥4 4! + ⋯ + 𝑥𝑛 𝑛! + ⋯ 𝑒𝑡𝑥 = ∑ (𝑡𝑥)𝑘 𝑘! ∞ 𝑘=0 = 1 + 𝑡𝑥 + (𝑡𝑥)2 2! + (𝑡𝑥)3 3! + (𝑡𝑥)4 4! + ⋯ + (𝑡𝑥)𝑛 𝑛! + ⋯ 𝑀𝑥(𝑡) = 𝐸[𝑒 𝑡𝑥] = 𝐸 [1 + 𝑡𝑥 + (𝑡𝑥)2 2! + (𝑡𝑥)3 3! + (𝑡𝑥)4 4! + ⋯ + (𝑡𝑥)𝑛 𝑛! + ⋯ ] ⇒ ⇒ 𝐸[𝑒𝑡𝑥] = 𝐸[1] + 𝐸[𝑡𝑥] + 𝐸 [ (𝑡𝑥)2 2! ] + 𝐸 [ (𝑡𝑥)3 3! ] + 𝐸 [ (𝑡𝑥)4 4! ] + ⋯ + 𝐸 [ (𝑡𝑥)𝑛 𝑛! ] + ⋯ ⇒ ⇒ 𝐸[𝑒𝑡𝑥] = 1 + 𝑡 ∙ 𝐸(𝑋) + 𝑡2 2! ∙ 𝐸(𝑋2) + 𝑡3 3! ∙ 𝐸(𝑋3) + 𝑡4 4! ∙ 𝐸(𝑋4) + ⋯ + 𝑡𝑛 𝑛! ∙ 𝐸(𝑋𝑛) + ⋯ 𝑑 𝑑𝑡 𝑀𝑥(𝑡) = 𝐸(𝑋) + 𝑡 ∙ 𝐸(𝑋 2) + 𝑡2 2! ∙ 𝐸(𝑋3) + 𝑡3 3! ∙ 𝐸(𝑋4) + ⋯ + 𝑡𝑛−1 𝑛 − 1! ∙ 𝐸(𝑋𝑛) + ⋯ 𝑑 𝑑𝑡 𝑀𝑥(𝑡)| 𝑡=0 = 𝐸(𝑋) 𝑑2 𝑑𝑡2 𝑀𝑥(𝑡) = 𝐸(𝑋 2) + 𝑡 ∙ 𝐸(𝑋3) + 𝑡2 2! ∙ 𝐸(𝑋4) + ⋯ + 𝑡𝑛−2 𝑛 − 2! ∙ 𝐸(𝑋𝑛) + ⋯ 𝑑2 𝑑𝑡2 𝑀𝑥(𝑡)| 𝑡=0 = 𝐸(𝑋2) 𝑑𝑘 𝑑𝑡𝑘 𝑀𝑥(𝑡)| 𝑡=0 = 𝐸(𝑋𝑘) 3 Parâmetros: O número de parâmetros representa a quantidade desconhecida da população. Exemplo: 𝛼; 𝛽; 𝜇; 𝜎; 𝜆; 𝑛; 𝑃; 𝑒𝑡𝑐. Estimador: Estimadores são quantidades conhecidas de uma amostra que serão usados para estimar os parâmetros de uma população. Exemplo: �̂�; �̂�; �̂�; �̂�; �̂�; �̂�; �̂�; 𝑒𝑡𝑐. Estimativa: A estimativa é o resultado obtido através do estimador. Distribuições Discretas de Probabilidade: Distribuição Binomial (𝑛, 𝑃): 𝑓(𝑋|𝑛, 𝑃) = ( 𝑛 𝑥 ) ∙ 𝑃𝑥 ∙ (1 − 𝑃)𝑛−𝑥 𝐸(𝑋) = 𝑛 ∙ 𝑃 𝑉𝑎𝑟(𝑋) = 𝑛 ∙ 𝑃(1 − 𝑃) 𝑛 = quantidade de dados da amostra. 𝑃 = probabilidade. Domínio: 𝑥 = {0, 1, 2, ⋯ , 𝑛} A probabilidade tem que estar entre 0 e 1. 0 ≤ 𝑃 ≤ 1 𝑛 > 0 Binômio de Newton: (𝑎 + 𝑏)𝑛 = ∑ ( 𝑛 𝑘 ) ∙ 𝑎𝑘 ∙ 𝑏𝑛−𝑘 𝑛 𝑘=0 Exercício: Seja 𝑥1, 𝑥2, ⋯ , 𝑥𝑛 uma amostra aleatória da variável aleatória 𝑋~𝐵𝑖𝑛𝑜𝑚𝑖𝑎𝑙(𝑛, 𝑃), onde 𝑓(𝑥𝑖|𝑛, 𝑃) = ( 𝑛 𝑥 ) ∙ 𝑃𝑥 ∙ (1 − 𝑃)𝑛−𝑥; 𝑥 = {0, 1}; 𝑃 ∈ (0, 1). Faça o que se pede: a) Obtenha a função geradora de momentos. 𝑀𝑥(𝑡) = 𝐸(𝑒 𝑡𝑥) = ∑ [𝑒𝑡𝑥 ∙ ( 𝑛 𝑥 ) ∙ 𝑃𝑥 ∙ (1 − 𝑃)𝑛−𝑥] 𝑛 𝑥=0 = ∑ [( 𝑛 𝑥 ) ∙ (𝑒𝑡 ∙ 𝑃)𝑥 ∙ (1 − 𝑃)𝑛−𝑥] 𝑛 𝑥=0 ⇒ ⇒ [(𝑒𝑡 ∙ 𝑃) + (1 − 𝑃)]𝑛 = (𝑒𝑡 ∙ 𝑃 + 1 − 𝑃)𝑛 = (1 − 𝑃 + 𝑃𝑒𝑡)𝑛 4 b) Calcule 𝐸(𝑋) por meio da função geradora de momentos. 𝑀𝑥(𝑡) = (1 − 𝑃 + 𝑃𝑒 𝑡)𝑛 𝑀𝑥′(𝑡) = 𝑛(1 − 𝑃 + 𝑃𝑒 𝑡)𝑛−1 ∙ 𝑃𝑒𝑡 = 𝑛 ∙ 𝑃 ∙ 𝑒𝑡 ∙ (1 − 𝑃 + 𝑃𝑒𝑡)𝑛−1 𝐸(𝑋) = 𝑀𝑥′(𝑡)|𝑡=0 = 𝑛 ∙ 𝑃 ∙ 𝑒 0 ∙ (1 − 𝑃 + 𝑃𝑒0)𝑛−1 = 𝑛 ∙ 𝑃 ∙ (1 − 𝑃 + 𝑃)𝑛−1 = 𝑛 ∙ 𝑃 c) Calcule 𝑉𝑎𝑟(𝑋) por meio da função geradora de momentos. 𝑀𝑥′(𝑡) = 𝑛 ∙ 𝑃 ∙ [𝑒 𝑡 ∙ (1 − 𝑃 + 𝑃𝑒𝑡)𝑛−1] 𝑀𝑥′′(𝑡) ⇒ ⇒ Aplicar a regra do produto e da cadeia: 𝑓′(𝑋) ∙ 𝑔(ℎ(𝑋)) + [𝑔′(ℎ(𝑋)) ∙ ℎ′(𝑋)] ∙ 𝑓(𝑋) ⇒ ⇒ 𝑛 ∙ 𝑃 ∙ [𝑒𝑡 ∙ (1 − 𝑃 + 𝑃𝑒𝑡)𝑛−1 + [(𝑛 − 1)(1 − 𝑃 + 𝑃𝑒𝑡)𝑛−2 ∙ 𝑃𝑒𝑡] ∙ 𝑒𝑡] 𝐸(𝑋2) = 𝑀𝑥′′(𝑡)|𝑡=0 = 𝑛𝑃[𝑒 0 ∙ (1 − 𝑃 + 𝑃𝑒0)𝑛−1 + (𝑛 − 1)(1 − 𝑃 + 𝑃𝑒0)𝑛−2 ∙ 𝑃𝑒0 ∙ 𝑒0] ⇒ ⇒ 𝑛 ∙ 𝑃 ∙ [1 + (𝑛 − 1) ∙ 𝑃] = 𝑛 ∙ 𝑃 ∙ [1 + 𝑛 ∙ 𝑃 − 𝑃] = 𝑛 ∙ 𝑃 + 𝑛2 ∙ 𝑃2 − 𝑛 ∙ 𝑃2 𝑉𝑎𝑟(𝑋) = 𝐸(𝑋2) − 𝐸(𝑋)2 = (𝑛 ∙ 𝑃 + 𝑛2 ∙ 𝑃2 − 𝑛 ∙ 𝑃2) − (𝑛 ∙ 𝑃)2 = 𝑛 ∙ 𝑃 − 𝑛 ∙ 𝑃2 Distribuição Bernoulli (𝑃): Toda distribuição de Bernoulli é igual à uma distribuição Binomial quando (𝑛 = 1, 𝑃). 𝑓(𝑋|𝑃) = 𝑃𝑥 ∙ (1 − 𝑃)1−𝑥 𝐸(𝑋) = 𝑃 𝑉𝑎𝑟(𝑋) = 𝑃(1 − 𝑃) Domínio: 𝑥 = {0, 1} A probabilidade tem que estar entre 0 e 1. 0 ≤ 𝑃 ≤ 1 Exercício: Seja 𝑥1, 𝑥2, ⋯ , 𝑥𝑛 uma amostra aleatória da variável aleatória 𝑋~𝐵𝑒𝑟𝑛𝑜𝑢𝑙𝑙𝑖(𝑃), onde 𝑓(𝑥𝑖|𝑃) = 𝑃 𝑥 ∙ (1 − 𝑃)1−𝑥; 𝑥 = {0, 1}; 𝑃 ∈ (0, 1). Faça o que se pede: a) Obtenha a função geradora de momentos. 𝑀𝑥(𝑡) = 𝐸(𝑒 𝑡𝑥) = ∑[𝑒𝑡𝑥 ∙ 𝑃𝑥 ∙ (1 − 𝑃)1−𝑥] 1 𝑥=0 = ∑[(𝑃𝑒𝑡)𝑥(1 − 𝑃)1−𝑥] 1 𝑥=0 ⇒ ⇒ (𝑃𝑒𝑡)0(1 − 𝑃)1−0 + (𝑃𝑒𝑡)1(1 − 𝑃)1−1 = 1 − 𝑃 + 𝑃𝑒𝑡 b) Calcule 𝐸(𝑋) por meio da função geradora de momentos. 𝑀𝑥(𝑡) = 1 − 𝑃 + 𝑃𝑒 𝑡 𝑀𝑥′(𝑡) = 𝑃𝑒 𝑡 𝐸(𝑋) = 𝑀𝑥′(𝑡)|𝑡=0 = 𝑃𝑒 0 = 𝑃 5 c) Calcule 𝑉𝑎𝑟(𝑋) por meio da função geradora de momentos. 𝑀𝑥′(𝑡) = 𝑃𝑒 𝑡 𝑀𝑥′′(𝑡) = 𝑃𝑒 𝑡 𝐸(𝑋2) = 𝑀𝑥′′(𝑡)|𝑡=0 = 𝑃 𝑉𝑎𝑟(𝑋) = 𝐸(𝑋2) − 𝐸(𝑋)2 = 𝑃 − 𝑃2 = 𝑃(1 − 𝑃) Distribuição de Poisson (𝜆): 𝑓(𝑋|𝜆) = 𝑒−𝜆 ∙ 𝜆𝑥 𝑥! 𝐸(𝑋) = 𝜆 𝑉𝑎𝑟(𝑋) = 𝜆 Domínio: 𝑥 = {0, 1, 2,3, ⋯ } 𝜆 = ℝ Exercício: Seja 𝑥1, 𝑥2, ⋯ , 𝑥𝑛 uma amostra aleatória da variável aleatória 𝑋~𝑃𝑜𝑖𝑠𝑠𝑜𝑛(𝜆), onde 𝑓(𝑥𝑖|𝜆) = 𝑒−𝜆∙𝜆𝑥 𝑥! ; 𝑥 = 0, 1, 2, ⋯; 𝜆 > 0. Faça o que se pede: a) Obtenha a função geradora de momentos. 𝑀𝑥(𝑡) = 𝐸(𝑒 𝑡𝑥) = ∑ [𝑒𝑡𝑥 ∙ [ 𝑒−𝜆 ∙ 𝜆𝑥 𝑥! ]] ∞ 𝑥=0 = ∑ [ (𝑒𝑡 ∙ 𝜆)𝑥 ∙ 𝑒−𝜆 𝑥! ] ∞ 𝑥=0 ⇒ ⇒ 𝑒−𝜆 ∙ ∑ (𝑒𝑡 ∙ 𝜆)𝑥 𝑥! ∞ 𝑥=0 ⇒ 𝑅𝑒𝑒𝑠𝑐𝑟𝑒𝑣𝑒𝑚𝑜𝑠 𝑛𝑎 𝑓𝑜𝑟𝑚𝑎𝑑𝑎 𝑠é𝑟𝑖𝑒 𝑑𝑒 𝑀𝑎𝑐𝑙𝑎𝑢𝑟𝑖𝑛 ⇒ 𝑒𝑥 = ∑ 𝑥𝑘 𝑘! ∞ 𝑘=0 | 𝑥=𝑒𝑡∙𝜆 𝑘=𝑥 ⇒ 𝑒−𝜆 ∙ 𝑒𝑒 𝑡∙𝜆 = 𝑒−𝜆+𝑒 𝑡∙𝜆 = 𝑒−𝜆(1−𝑒 𝑡) b) Calcule 𝐸(𝑋) por meio da função geradora de momentos. 𝑀𝑥(𝑡) = 𝑒 −𝜆+𝜆𝑒𝑡 𝑀𝑥′(𝑡) ⇒ 𝐴𝑝𝑙𝑖𝑐𝑎𝑟 𝑎 𝑟𝑒𝑔𝑟𝑎 𝑑𝑜 𝑝𝑟𝑜𝑑𝑢𝑡𝑜: 𝑓′(𝑋) ∙ 𝑔(𝑋) + 𝑔′(𝑋) ∙ 𝑓(𝑋) ⇒ 𝑒 −𝜆+𝜆𝑒𝑡 ∙ (𝜆 ∙ 𝑒𝑡) 𝐸(𝑋) = 𝑀𝑥′(𝑡)|𝑡=0 = (𝜆 ∙ 𝑒 0) ∙ 𝑒−𝜆(1−𝑒 0) = 𝜆 c) Calcule 𝑉𝑎𝑟(𝑋) por meio da função geradora de momentos. 𝑀𝑥′(𝑡) = 𝜆 ∙ 𝑒 𝑡 ∙ 𝑒−𝜆+𝜆𝑒 𝑡 𝑀𝑥′′(𝑡) ⇒ 𝐴𝑝𝑙𝑖𝑐𝑎𝑟 𝑎 𝑟𝑒𝑔𝑟𝑎 𝑑𝑜 𝑝𝑟𝑜𝑑𝑢𝑡𝑜 𝑒 𝑑𝑎 𝑐𝑎𝑑𝑒𝑖𝑎 ⇒ 𝜆[𝑒𝑡 ∙ 𝑒−𝜆+𝜆𝑒 𝑡 + (𝑒−𝜆+𝜆𝑒 𝑡 ∙ 𝜆𝑒𝑡) ∙ 𝑒𝑡] 𝐸(𝑋2) = 𝑀𝑥′′(𝑡)|𝑡=0 = 𝜆[𝑒 0 ∙ 𝑒−𝜆+𝜆𝑒 0 + (𝑒−𝜆+𝜆𝑒 0 ∙ 𝜆𝑒0) ∙ 𝑒0] = 𝜆[1 + 𝜆] = 𝜆 + 𝜆2 𝑉𝑎𝑟(𝑋) = 𝐸(𝑋2) − 𝐸(𝑋)2 = (𝜆 + 𝜆2) − (𝜆)2 = 𝜆 6 Distribuição Geométrica (𝑃): 𝑓(𝑋|𝑃) = (1 − 𝑃)𝑥−1 𝐸(𝑋) = 1 𝑃 𝑉𝑎𝑟(𝑋) = 1 − 𝑃 𝑃2 Domínio: 𝑥 = {0, 1, 2,3, ⋯ } A probabilidade tem que estar entre 0 e 1. 0 ≤ 𝑃 ≤ 1 Distribuições Contínuas de Probabilidade: Distribuição Normal Padrão (𝜇 = 0; 𝜎2 = 1): 𝑍 = 𝑥 − 𝜇 𝜎 𝑓(𝑍) = 1 √2𝜋 𝑒𝑥𝑝 [ −1 2 𝑍2] Exercício: Seja 𝑥1, 𝑥2, ⋯ , 𝑥𝑛 uma amostra aleatória da variável aleatória 𝑋~𝑁𝑜𝑟𝑚𝑎𝑙(0, 1), onde 𝑓(𝑥𝑖|𝑍) = 1 √2𝜋 𝑒𝑥𝑝 [ −1 2 𝑍2] ; 𝑍 ∈ ℝ. Faça o que se pede: a) Obtenha a função geradora de momentos. 𝑀𝑥(𝑡) = 𝐸(𝑒 𝑡𝑍) = ∫ 𝑒𝑡𝑍 ∙ 1 √2𝜋 𝑒𝑥𝑝 [ −1 2 𝑍2] ∙ 𝑑𝑍 ∞ −∞ = ∫ 1 √2𝜋 𝑒𝑥𝑝 [𝑡𝑍 − 1 2 𝑍2] ∙ 𝑑𝑍 ∞ −∞ ⇒ ⇒ ∫ 1 √2𝜋 𝑒𝑥𝑝 [ 2𝑡𝑍 − 𝑍2 2 ] ∙ 𝑑𝑍 ∞ −∞ = ∫ 1 √2𝜋 𝑒𝑥𝑝 [− 1 2 (𝑍2 − 2𝑡𝑍)] ∙ 𝑑𝑍 ∞ −∞ ⇒ ⇒ ∫ 1 √2𝜋 𝑒𝑥𝑝 [− 1 2 (𝑍2 − 2𝑡𝑍 + 𝑡2 − 𝑡2)] ∙ 𝑑𝑍 ∞ −∞ = ∫ 1 √2𝜋 𝑒𝑥𝑝 [− 1 2 ((𝑍 − 𝑡)2 − 𝑡2)] ∙ 𝑑𝑍 ∞ −∞ ⇒ ⇒ ∫ 1 √2𝜋 𝑒𝑥𝑝 [− 1 2 (𝑍 − 𝑡)2 + 1 2 𝑡2] ∙ 𝑑𝑍 ∞ −∞ = ∫ 1 √2𝜋 𝑒𝑥𝑝 [− 1 2 (𝑍 − 𝑡)2] ∙ 𝑒𝑥𝑝 [ 1 2 𝑡2] ∙ 𝑑𝑍 ∞ −∞ ⇒ ⇒ 𝑒𝑥𝑝 [ 𝑡2 2 ] ∙ ∫ 1 √2𝜋 ∙ 1 𝑒𝑥𝑝 [− 1 2 (𝑍 − 𝑡)2 1 ] ∙ 𝑑𝑍 ∞ −∞ = 𝑒𝑥𝑝 [ 𝑡2 2 ] ∙ 1 = 𝑒 𝑡2 2 b) Calcule 𝐸(𝑋) por meio da função geradora de momentos. 𝑀𝑥(𝑡) = 𝑒 𝑡2 2 𝑀𝑥′(𝑡) = 𝑒 𝑡2 2 ∙ 𝑡 𝐸(𝑋) = 𝑀𝑥′(𝑡)|𝑡=0 = 𝑒 02 2 ∙ 0 = 0 7 c) Calcule 𝑉𝑎𝑟(𝑋) por meio da função geradora de momentos. 𝑀𝑥′(𝑡) = 𝑒 𝑡2 2 ∙ 𝑡 𝑀𝑥′′(𝑡) = 𝑒 𝑡2 2 ∙ 𝑡 ∙ 𝑡 + 𝑒 𝑡2 2 𝐸(𝑋2) = 𝑀𝑥′′(𝑡)|𝑡=0 = 𝑒 02 2 ∙ 0 ∙ 0 + 𝑒 02 2 = 1 𝑉𝑎𝑟(𝑋) = 𝐸(𝑋2) − 𝐸(𝑋)2 = 1 − 02 = 1 Distribuição Normal (𝜇; 𝜎2): 𝑓(𝑋|𝜇; 𝜎2) = 1 √2𝜋𝜎2 𝑒𝑥𝑝 [ −1 2 (𝑥 − 𝜇)2 𝜎2 ] 𝐸(𝑋) = 𝜇 𝑉𝑎𝑟(𝑋) = 𝜎2 𝑒𝑥𝑝(𝑋) = 𝑒𝑥 𝑥 ∈ ℝ; 𝜇 ∈ ℝ; 𝜎2 ≥ 0 Exercício: Seja 𝑥1, 𝑥2, ⋯ , 𝑥𝑛 uma amostra aleatória da variável aleatória 𝑋~𝑁𝑜𝑟𝑚𝑎𝑙(𝜇; 𝜎 2), onde 𝑓(𝑥𝑖|𝜇, 𝜎 2) = 1 √2𝜋𝜎2 𝑒𝑥𝑝 [ −1 2 (𝑥−𝜇)2 𝜎2 ] ; 𝑥 ∈ ℝ. Faça o que se pede: a) Obtenha a função geradora de momentos. 𝑍 = 𝑥 − 𝜇 𝜎 ⇒ 𝑥 = 𝑍𝜎 + 𝜇 𝑀𝑥(𝑡) = 𝐸(𝑒 𝑡𝑥) = 𝐸(𝑒𝑡(𝑍𝜎+𝜇)) = 𝐸(𝑒𝑡𝑍𝜎+𝑡𝜇) = 𝐸(𝑒𝑡𝑍𝜎 ∙ 𝑒𝑡𝜇) ⇒ ⇒ 𝑒𝑡𝜇 ∙ 𝐸(𝑒(𝑡𝜎)𝑍) = 𝑒𝑡𝜇 ∙ 𝑒 (𝑡𝜎)2 2 = 𝑒𝑡𝜇+ 𝑡2𝜎2 2 b) Calcule 𝐸(𝑋) por meio da função geradora de momentos. 𝑀𝑥(𝑡) = 𝑒 𝑡𝜇+ 𝑡2𝜎2 2 𝑀𝑥′(𝑡) = 𝑒𝑥𝑝 [𝑡𝜇 + 𝑡2𝜎2 2 ] ∙ (𝜇 + 𝑡𝜎2) 𝐸(𝑋) = 𝑀𝑥′(𝑡)|𝑡=0 = 𝑒𝑥𝑝 [0 ∙ 𝜇 + 02𝜎2 2 ] ∙ [𝜇 + 0 ∙ 𝜎2] = 𝜇 8 c) Calcule 𝑉𝑎𝑟(𝑋) por meio da função geradora de momentos. 𝑀𝑥′(𝑡) = 𝑒𝑥𝑝 [𝑡𝜇 + 𝑡2𝜎2 2 ] ∙ (𝜇 + 𝑡𝜎2) 𝑀𝑥′′(𝑡) = 𝑒𝑥𝑝 [𝑡𝜇 + 𝑡2𝜎2 2 ] ∙ (𝜇 + 𝑡𝜎2) ∙ (𝜇 + 𝑡𝜎2) + 𝜎2 ∙ 𝑒𝑥𝑝 [𝑡𝜇 + 𝑡2𝜎2 2 ] 𝐸(𝑋2) = 𝑀𝑥′′(𝑡)|𝑡=0 = 𝑒𝑥𝑝 [0 ∙ 𝜇 + 02𝜎2 2 ] ∙ (𝜇 + 0 ∙ 𝜎2) ∙ (𝜇 + 0 ∙ 𝜎2) + 𝜎2 ∙ 𝑒𝑥𝑝 [0 ∙ 𝜇 + 02𝜎2 2 ] = 𝜇2 + 𝜎2 𝑉𝑎𝑟(𝑋) = 𝐸(𝑋2) − 𝐸(𝑋)2 = (𝜇2 + 𝜎2) − (𝜇)2 = 𝜎2 Distribuição Uniforme (𝐴, 𝐵): 𝑓(𝑋|𝐴, 𝐵) = { 1 𝐵 − 𝐴 ; 𝐴 < 𝑥 < 𝐵 0 ; 𝑐𝑎𝑠𝑜 𝑐𝑜𝑛𝑡𝑟á𝑟𝑖𝑜 𝐸(𝑋) = 𝐴 + 𝐵 2 𝑉𝑎𝑟(𝑋) = (𝐵 − 𝐴)2 12 Exercício: Seja 𝑥1, 𝑥2, ⋯ , 𝑥𝑛 uma amostra aleatória da variável aleatória 𝑋~𝑈𝑛𝑖𝑓𝑜𝑟𝑚𝑒(𝐴, 𝐵), onde 𝑓(𝑥𝑖|𝐴, 𝐵) = 1 𝐵−𝐴 ; 𝐴 < 𝑥 < 𝐵. Faça o que se pede: a) Obtenha a função geradora de momentos. 𝑀𝑥(𝑡) = 𝐸(𝑒 𝑡𝑥) = ∫ 𝑒𝑡𝑥 ∙ 1 𝐵 − 𝐴 ∙ 𝑑𝑥 𝐵 𝐴 = 1 𝐵 − 𝐴 ∙ ∫ 𝑒𝑡𝑥 ∙ 𝑑𝑥 𝐵 𝐴 = 1 𝐵 − 𝐴 ∙ ∫ 𝑒𝑢 ∙ 𝑑𝑢 𝑡 𝐵𝑡 𝐴𝑡 ⇒ ⇒ 1 𝑡 ∙ (𝐵 − 𝐴) ∙ ∫ 𝑒𝑢 ∙ 𝑑𝑢 𝐵𝑡 𝐴𝑡 = 1 𝑡 ∙ (𝐵 − 𝐴) ∙ 𝑒𝑢|𝐴𝑡 𝐵𝑡 = 𝑒𝐵𝑡 − 𝑒𝐴𝑡 𝑡 ∙ (𝐵 − 𝐴) b) Calcule 𝐸(𝑋) por meio da função geradora de momentos. 𝑀𝑥(𝑡) = 𝑒𝐵𝑡 − 𝑒𝐴𝑡 𝑡 ∙ (𝐵 − 𝐴) = 1 (𝐵 − 𝐴) ∙ [ 𝑒𝐵𝑡 − 𝑒𝐴𝑡 𝑡 ] 𝑀𝑥′(𝑡) ⇒ 𝐴𝑝𝑙𝑖𝑐𝑎𝑟 𝑎 𝑟𝑒𝑔𝑟𝑎 𝑑𝑜 𝑞𝑢𝑜𝑐𝑖𝑒𝑛𝑡𝑒 𝑒 𝑑𝑎 𝑐𝑎𝑑𝑒𝑖𝑎: [𝑓′(ℎ(𝑋)) ∙ ℎ′(𝑋)] ∙ 𝑔(𝑋) − 𝑔′(𝑋) ∙ 𝑓(𝑋) 𝑔(𝑋)2 ⇒ ⇒ 1 (𝐵 − 𝐴) ∙ [ 𝑒𝐵𝑡 − 𝑒𝐴𝑡 𝑡 ] = 1 (𝐵 − 𝐴) ∙ [ (𝑒𝐵𝑡 ∙ 𝐵 − 𝑒𝐴𝑡 ∙ 𝐴) ∙ 𝑡 − 1 ∙ (𝑒𝐵𝑡 − 𝑒𝐴𝑡) 𝑡2 ] ⇒ ⇒ 1 (𝐵 − 𝐴) ∙ [ 𝑒𝐵𝑡 ∙ 𝐵𝑡 − 𝑒𝐴𝑡 ∙ 𝐴𝑡 − 𝑒𝐵𝑡 + 𝑒𝐴𝑡 𝑡2 ] = 1 (𝐵 − 𝐴) ∙ [ 𝑒𝐵𝑡(𝐵𝑡 − 1) + 𝑒𝐴𝑡(1 − 𝐴𝑡) 𝑡2 ] 9 𝐸(𝑋) = 𝑀𝑥′(𝑡)|𝑡=0 = 1 (𝐵 − 𝐴) ∙ [ 𝑒𝐵∙0(𝐵 ∙ 0 − 1) + 𝑒𝐴∙0(1 − 𝐴 ∙ 0) 02 ] = 1 (𝐵 − 𝐴) ∙ 0 0 lim 𝑡→0 𝑀𝑥′(𝑡) ⇒ 𝐴𝑝𝑙𝑖𝑐𝑎𝑟 𝑎 𝑟𝑒𝑔𝑟𝑎 𝑑𝑒 𝐿′𝐻𝑜𝑠𝑝𝑖𝑡𝑎𝑙: lim 𝑥→𝑎 𝑓(𝑋) 𝑔(𝑋) = lim 𝑥→𝑎 𝑓′(𝑋) 𝑔′(𝑋) ⇒ ⇒ lim 𝑡→0 [ 1 (𝐵 − 𝐴) ∙ [ 𝐵𝑒𝐵𝑡(𝐵𝑡 − 1) + 𝐵𝑒𝐵𝑡 + 𝐴𝑒𝐴𝑡(1 − 𝐴𝑡) − 𝐴𝑒𝐴𝑡 2𝑡 ]] ⇒ ⇒ lim 𝑡→0 [ 1 (𝐵 − 𝐴) ∙ [ 𝐵2 ∙ 𝑡 ∙ 𝑒𝐵𝑡 − 𝐵𝑒𝐵𝑡 + 𝐵𝑒𝐵𝑡 − 𝐴2 ∙ 𝑡 ∙ 𝑒𝐴𝑡 + 𝐴𝑒𝐴𝑡 − 𝐴𝑒𝐴𝑡 2𝑡 ]] ⇒ ⇒ lim 𝑡→0 [ 1 (𝐵 − 𝐴) ∙ [ 𝐵2 ∙ 𝑡 ∙ 𝑒𝐵𝑡 − 𝐴2 ∙ 𝑡 ∙ 𝑒𝐴𝑡 2𝑡 ]] = lim 𝑡→0 [ 1 (𝐵 − 𝐴) ∙ [ 𝑡(𝐵2 ∙ 𝑒𝐵𝑡 − 𝐴2 ∙ 𝑒𝐴𝑡) 2𝑡 ]] ⇒ ⇒ lim 𝑡→0 [ 1 (𝐵 − 𝐴) ∙ [ 𝐵2 ∙ 𝑒𝐵𝑡 − 𝐴2 ∙ 𝑒𝐴𝑡 2 ]] = 1 (𝐵 − 𝐴) ∙ [ 𝐵2 ∙ 𝑒𝐵∙0 − 𝐴2 ∙ 𝑒𝐴∙0 2 ] ⇒ ⇒ 𝐵2 − 𝐴2 2(𝐵 − 𝐴) = (𝐵 + 𝐴)(𝐵 − 𝐴) 2(𝐵 − 𝐴) = 𝐴 + 𝐵 2 c) Calcule 𝑉𝑎𝑟(𝑋) por meio da função geradora de momentos. 𝑀𝑥′(𝑡) = 1 (𝐵 − 𝐴) ∙ [ 𝑒𝐵𝑡(𝐵𝑡 − 1) + 𝑒𝐴𝑡(1 − 𝐴𝑡) 𝑡2 ] 𝑀𝑥′′(𝑡) = 1 (𝐵 − 𝐴) ∙ [ (𝐵𝑒𝐵𝑡(𝐵𝑡 − 1) + 𝐵𝑒𝐵𝑡 + 𝐴𝑒𝐴𝑡(1 − 𝐴𝑡) − 𝐴𝑒𝐴𝑡)𝑡2 − 2𝑡(𝑒𝐵𝑡(𝐵𝑡 − 1) + 𝑒𝐴𝑡(1 − 𝐴𝑡)) 𝑡4 ] ⇒ ⇒ (𝐵2𝑡𝑒𝐵𝑡 − 𝐵𝑒𝐵𝑡 + 𝐵𝑒𝐵𝑡 − 𝐴2𝑡𝑒𝐴𝑡 + 𝐴𝑒𝐴𝑡 − 𝐴𝑒𝐴𝑡)𝑡2 − 2𝑡(𝐵𝑡𝑒𝐵𝑡 − 𝑒𝐵𝑡 + 𝑒𝐴𝑡 − 𝐴𝑡𝑒𝐴𝑡) 𝑡4 ∙ (𝐵 − 𝐴) ⇒ ⇒ (𝐵2𝑡𝑒𝐵𝑡 − 𝐴2𝑡𝑒𝐴𝑡)𝑡2 − 2𝑡(𝐵𝑡𝑒𝐵𝑡 − 𝑒𝐵𝑡 + 𝑒𝐴𝑡 − 𝐴𝑡𝑒𝐴𝑡) 𝑡4 ∙ (𝐵 − 𝐴) ⇒ ⇒ 𝐵2𝑡3𝑒𝐵𝑡 − 𝐴2𝑡3𝑒𝐴𝑡 − 2𝐵𝑡2𝑒𝐵𝑡 + 2𝑡𝑒𝐵𝑡 − 2𝑡𝑒𝐴𝑡 + 2𝐴𝑡2𝑒𝐴𝑡 𝑡4 ∙ (𝐵 − 𝐴) ⇒ ⇒ 𝑒𝐴𝑡(−𝐴2𝑡3 − 2𝑡 + 2𝐴𝑡2) + 𝑒𝐵𝑡(𝐵2𝑡3 − 2𝐵𝑡2 + 2𝑡) 𝑡4 ∙ (𝐵 − 𝐴) ⇒ ⇒ 𝑡[𝑒𝐴𝑡(−𝐴2𝑡2 + 2𝐴𝑡 − 2) + 𝑒𝐵𝑡(𝐵2𝑡2 − 2𝐵𝑡 + 2)] 𝑡4 ∙ (𝐵 − 𝐴) ⇒ ⇒ 𝑒𝐴𝑡(−𝐴2𝑡2 + 2𝐴𝑡 − 2) + 𝑒𝐵𝑡(𝐵2𝑡2 − 2𝐵𝑡 + 2) 𝑡3 ∙ (𝐵 − 𝐴) 𝐸(𝑋2) = 𝑀𝑥′′(𝑡)|𝑡=0 = 𝑒𝐴𝑡(−𝐴2𝑡2 + 2𝐴𝑡 − 2) + 𝑒𝐵𝑡(𝐵2𝑡2 − 2𝐵𝑡 + 2) 𝑡3 ∙ (𝐵 − 𝐴) = 0 0 10 lim 𝑡→0 𝑀𝑥′′(𝑡) ⇒ 𝐴𝑝𝑙𝑖𝑐𝑎𝑟 𝑎 𝑟𝑒𝑔𝑟𝑎 𝑑𝑒 𝐿′𝐻𝑜𝑠𝑝𝑖𝑡𝑎𝑙: lim 𝑥→𝑎 𝑓(𝑋) 𝑔(𝑋) = lim 𝑥→𝑎 𝑓′(𝑋) 𝑔′(𝑋) ⇒ ⇒ lim 𝑡→0 [ 𝐴𝑒𝐴𝑡(−𝐴2𝑡2 + 2𝐴𝑡 − 2) + (−2𝐴2𝑡 + 2𝐴)𝑒𝐴𝑡 + 𝐵𝑒𝐵𝑡(𝐵2𝑡2 − 2𝐵𝑡 + 2) + (2𝐵2𝑡 − 2𝐵)𝑒𝐵𝑡 3𝑡2 ∙ (𝐵 − 𝐴) ] ⇒ ⇒ lim 𝑡→0 [ −𝐴3𝑡2𝑒𝐴𝑡 + 2𝐴2𝑡𝑒𝐴𝑡 − 2𝐴𝑒𝐴𝑡 − 2𝐴2𝑡𝑒𝐴𝑡 + 2𝐴𝑒𝐴𝑡 + 𝐵3𝑡2𝑒𝐵𝑡 − 2𝐵2𝑡𝑒𝐵𝑡 + 2𝐵𝑒𝐵𝑡 + 2𝐵2𝑡𝑒𝐵𝑡 − 2𝐵𝑒𝐵𝑡 3𝑡2 ∙ (𝐵 − 𝐴) ] ⇒ ⇒ lim 𝑡→0 [ −𝐴3𝑡2𝑒𝐴𝑡 + 𝐵3𝑡2𝑒𝐵𝑡 3𝑡2 ∙ (𝐵 − 𝐴) ] = lim 𝑡→0 [ 𝑡2(−𝐴3𝑒𝐴𝑡 + 𝐵3𝑒𝐵𝑡) 3𝑡2 ∙ (𝐵 − 𝐴) ] = lim 𝑡→0 [ −𝐴3𝑒𝐴𝑡 + 𝐵3𝑒𝐵𝑡 3(𝐵 − 𝐴) ] ⇒ ⇒ −𝐴3𝑒𝐴∙0 + 𝐵3𝑒𝐵∙0 3(𝐵 − 𝐴) = −𝐴3 + 𝐵3 3(𝐵 − 𝐴) = (𝐵 − 𝐴)(𝐴2 + 𝐵𝐴 + 𝐵2) 3(𝐵 − 𝐴) = 𝐴2 + 𝐵𝐴 + 𝐵2 3 𝑉𝑎𝑟(𝑋) = 𝐸(𝑋2) − 𝐸(𝑋)2 = 𝐴2 + 𝐵𝐴 + 𝐵2 3 − ( 𝐴 + 𝐵 2 ) 2 = 𝐴2 + 𝐵𝐴 + 𝐵2 3 − 𝐴2 + 2𝐴𝐵 + 𝐵2 4 ⇒ ⇒ 4𝐴2 + 4𝐵𝐴 + 4𝐵2 − 3𝐴2 + 6𝐴𝐵 + 3𝐵2 12 = 𝐴2 − 2𝐴𝐵 + 𝐵2 12 = (𝐴 − 𝐵)2 12 Distribuição Gama (𝛼, 𝛽): 𝛽 = 1 𝜆 𝑓(𝑋|𝛼, 𝛽)= { 1 Γ(𝛼) ∙ 𝛽𝛼 ∙ 𝑥𝛼−1 ∙ 𝑒 −𝑥 𝛽⁄ ; 𝑥 ≥ 0; 𝛼 > 0; 𝛽 > 0 0 ; 𝑐𝑎𝑠𝑜 𝑐𝑜𝑛𝑡𝑟á𝑟𝑖𝑜 Γ(𝛼) = ∫ 𝑢𝛼−1 ∙ 𝑒−𝑢 ∙ 𝑑𝑢 ∞ 0 Γ(𝛼) = (𝛼 − 1)! 𝐸(𝑋) = 𝛼 ∙ 𝛽 𝑉𝑎𝑟(𝑋) = 𝛼 ∙ 𝛽2 Exercício: Seja 𝑥1, 𝑥2, ⋯ , 𝑥𝑛 uma amostra aleatória da variável aleatória 𝑋~𝐺𝑎𝑚𝑎(𝛼, 𝛽), onde 𝑓(𝑥𝑖|𝛼, 𝛽) = 1 Γ(𝛼)∙𝛽𝛼 ∙ 𝑥𝛼−1 ∙ 𝑒 −𝑥 𝛽⁄ ; 𝑥 ≥ 0; 𝛼 > 0; 𝛽 > 0. Faça o que se pede: a) Obtenha a função geradora de momentos. 𝑀𝑤(𝑡) = 𝐸(𝑒 𝑡𝑥) = ∫ 𝑒𝑡𝑥 ∙ 𝑥𝛼−1 ∙ 𝑒 −𝑥 𝛽⁄ Γ(𝛼) ∙ 𝛽𝛼 ∙ 𝑑𝑥 ∞ 0 ⇒ 1 Γ(𝛼) ∙ 𝛽𝛼 ∫ 𝑒𝑡𝑥 ∙ 𝑥𝛼−1 ∙ 𝑒 −𝑥 𝛽⁄ ∙ 𝑑𝑥 ∞ 0 ⇒ ⇒ 1 Γ(𝛼) ∙ 𝛽𝛼 ∫ 𝑥𝛼−1 ∙ 𝑒 𝑡𝑥− 𝑥 𝛽 ∙ 𝑑𝑥 ∞ 0 = 1 Γ(𝛼) ∙ 𝛽𝛼 ∫ 𝑥𝛼−1 ∙ 𝑒 −𝑥( 1 𝛽 −𝑡) ∙ 𝑑𝑥 ∞ 0 ⇒ ⇒ 1 Γ(𝛼) ∙ 𝛽𝛼 ∫ ( 𝑢 1 𝛽 − 𝑡 ) 𝛼−1 ∙ 𝑒−𝑢 ∙ 𝑑𝑢 1 𝛽 − 𝑡 ∞ 0 = 1 Γ(𝛼) ∙ 𝛽𝛼 ∙ 1 1 𝛽 − 𝑡 ∫ 𝑢𝛼−1 ( 1 𝛽 − 𝑡) 𝛼−1 ∙ 𝑒−𝑢 ∙ 𝑑𝑢 ∞ 0 ⇒ ⇒ 1 Γ(𝛼) ∙ 𝛽𝛼 ∙ 1 1 𝛽 − 𝑡 ∙ 1 ( 1 𝛽 − 𝑡) 𝛼−1 ∫ 𝑢𝛼−1 ∙ 𝑒−𝑢 ∙ 𝑑𝑢 ∞ 0 = 1 Γ(𝛼) ∙ 𝛽𝛼 ∙ 1 ( 1 𝛽 − 𝑡) 𝛼 ∙ Γ(𝛼) ⇒ ⇒ 1 𝛽𝛼 ∙ ( 1 𝛽 − 𝑡) 𝛼 = 1 (1 − 𝛽𝛼𝑡)𝛼 11 b) Calcule 𝐸(𝑋) por meio da função geradora de momentos. 𝑀𝑥(𝑡) = 1 (1 − 𝛽𝛼𝑡)𝛼 = (1 − 𝛽𝛼𝑡)−𝛼 𝑀𝑥′(𝑡) = −𝛼(1 − 𝛽 𝛼𝑡)−𝛼−1(−𝛽) = 𝛼𝛽(1 − 𝛽𝛼𝑡)−𝛼−1 𝐸(𝑋) = 𝑀𝑥′(𝑡)|𝑡=0 = 𝛼𝛽(1 − 𝛽 𝛼 ∙ 0)−𝛼−1 = 𝛼𝛽 c) Calcule 𝑉𝑎𝑟(𝑋) por meio da função geradora de momentos. 𝑀𝑥′(𝑡) = 𝛼𝛽(1 − 𝛽 𝛼𝑡)−𝛼−1 𝑀𝑥′′(𝑡) = 𝛼𝛽(−𝛼 − 1) ∙ (1 − 𝛽 𝛼𝑡)−𝛼−2 ∙ (−𝛽) 𝐸(𝑋2) = 𝑀𝑥′′(𝑡)|𝑡=0 = 𝛼𝛽(−𝛼 − 1) ∙ (1 − 𝛽 𝛼 ∙ 0)−𝛼−2 ∙ (−𝛽) = 𝛼2𝛽2 + 𝛼𝛽2 𝑉𝑎𝑟(𝑋) = 𝐸(𝑋2) − 𝐸(𝑋)2 = (𝛼2𝛽2 + 𝛼𝛽2) − (𝛼𝛽)2 = 𝛼𝛽2 Distribuição Gama (𝛼, 𝜆): 𝜆 = 1 𝛽 𝑓(𝑋|𝛼, 𝜆) = { 𝜆𝛼 Γ(𝛼) ∙ 𝑥𝛼−1 ∙ 𝑒−𝜆∙𝑥 ; 𝑥 ≥ 0; 𝛼 > 0; 𝜆 > 0 0 ; 𝑐𝑎𝑠𝑜 𝑐𝑜𝑛𝑡𝑟á𝑟𝑖𝑜 Γ(𝛼) = ∫ 𝑢𝛼−1 ∙ 𝑒−𝑢 ∙ 𝑑𝑢 ∞ 0 Γ(𝛼) = (𝛼 − 1)! 𝐸(𝑋) = 𝛼 𝜆 𝑉𝑎𝑟(𝑋) = 𝛼 𝜆2 Exercício: Seja 𝑥1, 𝑥2, ⋯ , 𝑥𝑛 uma amostra aleatória da variável aleatória 𝑋~𝐺𝑎𝑚𝑎(𝛼, 𝜆), onde 𝑓(𝑥𝑖|𝛼, 𝜆) = 𝜆𝛼 Γ(𝛼) ∙ 𝑥𝛼−1 ∙ 𝑒−𝜆∙𝑥; 𝑥 ≥ 0; 𝛼 > 0; 𝜆 > 0. Faça o que se pede: a) Obtenha a função geradora de momentos. 𝑀𝑤(𝑡) = 𝐸(𝑒 𝑡𝑥) = ∫ 𝑒𝑡𝑥 ∙ 𝜆𝛼 Γ(𝛼) ∙ 𝑥𝛼−1 ∙ 𝑒−𝜆∙𝑥 ∙ 𝑑𝑥 ∞ 0 ⇒ ⇒ 𝜆𝛼 Γ(𝛼) ∫ 𝑒𝑡𝑥 ∙ 𝑥𝛼−1 ∙ 𝑒−𝜆∙𝑥 ∙ 𝑑𝑥 ∞ 0 = 𝜆𝛼 Γ(𝛼) ∫ 𝑒𝑡𝑥−𝜆∙𝑥 ∙ 𝑥𝛼−1 ∙ 𝑑𝑥 ∞ 0 ⇒ ⇒ 𝜆𝛼 Γ(𝛼) ∫ 𝑒−𝑥(−𝑡+𝜆) ∙ 𝑥𝛼−1 ∙ 𝑑𝑥 ∞ 0 = 𝜆𝛼 Γ(𝛼) ∫ 𝑒−𝑢 ∙ ( 𝑢 −𝑡 + 𝜆 ) 𝛼−1 ∙ 𝑑𝑢 −𝑡 + 𝜆 ∞ 0 ⇒ ⇒ 𝜆𝛼 Γ(𝛼) ∙ 1 (−𝑡 + 𝜆)𝛼−1 ∙ 1 −𝑡 + 𝜆 ∫ 𝑒−𝑢 ∙ 𝑢𝛼−1 ∙ 𝑑𝑢 ∞ 0 = 𝜆𝛼 Γ(𝛼) ∙ 1 (−𝑡 + 𝜆)𝛼 ∙ Γ(𝛼) ⇒ ⇒ 𝜆𝛼 ∙ 1 (−𝑡 + 𝜆)𝛼 = ( 𝜆 𝜆 − 𝑡 ) 𝛼 12 b) Calcule 𝐸(𝑋) por meio da função geradora de momentos. 𝑀𝑥(𝑡) = ( 𝜆 𝜆 − 𝑡 ) 𝛼 = 𝜆𝛼 ∙ (𝜆 − 𝑡)−𝛼 𝑀𝑥 ′ (𝑡) = 𝜆𝛼 ∙ (−𝛼)(𝜆 − 𝑡)−𝛼−1 ∙ (−1) = 𝛼𝜆𝛼 ∙ (𝜆 − 𝑡)−𝛼−1 𝐸(𝑋) = 𝑀𝑥′(𝑡)|𝑡=0 = 𝛼𝜆 𝛼 ∙ (𝜆 − 0)−𝛼−1 = 𝛼𝜆𝛼 ∙ 𝜆−𝛼−1 = 𝛼𝜆−1 = 𝛼 𝜆 c) Calcule 𝑉𝑎𝑟(𝑋) por meio da função geradora de momentos. 𝑀𝑥′(𝑡) = 𝛼𝜆 𝛼 ∙ (𝜆 − 𝑡)−𝛼−1 𝑀𝑥 ′′(𝑡) = 𝛼𝜆𝛼(−𝛼 − 1)(𝜆 − 𝑡)−𝛼−2 ∙ (−1) = 𝛼𝜆𝛼(𝛼 + 1)(𝜆 − 𝑡)−𝛼−2 𝐸(𝑋2) = 𝑀𝑥′′(𝑡)|𝑡=0 = 𝛼𝜆 𝛼(𝛼 + 1)(𝜆 − 0)−𝛼−2 = 𝛼(𝛼 + 1) ∙ 𝜆−2 = 𝛼2 + 𝛼 𝜆2 𝑉𝑎𝑟(𝑋) = 𝐸(𝑋2) − 𝐸(𝑋)2 = ( 𝛼2 𝜆2 + 𝛼 𝜆2 ) − ( 𝛼 𝜆 ) 2 = 𝛼 𝜆2 Distribuição Exponencial (𝛽): Toda distribuição de Exponencial é igual à uma distribuição Gama quando (𝛼 = 1, 𝛽). 𝑓(𝑋|𝛽) = { 1 𝛽 ∙ 𝑒 −𝑥 𝛽 ; 𝑥 > 0; 𝛽 ≥ 0 0 ; 𝑐𝑎𝑠𝑜 𝑐𝑜𝑛𝑡𝑟á𝑟𝑖𝑜 𝐸(𝑋) = 𝛽 𝑉𝑎𝑟(𝑋) = 𝛽2 Exercício: Seja 𝑥1, 𝑥2, ⋯ , 𝑥𝑛 uma amostra aleatória da variável aleatória 𝑋~𝐸𝑥𝑝𝑜𝑛𝑒𝑛𝑐𝑖𝑎𝑙(𝛽), onde 𝑓(𝑥𝑖|𝛽) = 1 𝛽 ∙ 𝑒 −𝑥 𝛽⁄ ; 𝑥 > 0. Faça o que se pede: a) Obtenha a função geradora de momentos. 𝑀𝑤(𝑡) = 𝐸(𝑒 𝑡𝑥) = ∫ 𝑒𝑡𝑥 ∙ 1 𝛽 ∙ 𝑒 −𝑥 𝛽 ∙ 𝑑𝑥 ∞ 0 = 1 𝛽 ∫ 𝑒 𝑡𝑥− 𝑥 𝛽 ∙ 𝑑𝑥 ∞ 0 ⇒ ⇒ 1 𝛽 ∫ 𝑒 𝑥(𝑡− 1 𝛽 ) ∙ 𝑑𝑥 ∞ 0 = 1 𝛽 ∫ 𝑒𝑢 ∙ 𝑑𝑢 𝑡 − 1 𝛽 = 1 𝛽 ∙ 1 𝑡 − 1 𝛽 ∫ 𝑒𝑢 ∙ 𝑑𝑢 ⇒ ⇒ 1 𝛽 (𝑡 − 1 𝛽 ) ∙ (𝑒𝑢)| = 1 𝛽𝑡 − 1 ∙ (𝑒 𝑥(𝑡− 1 𝛽 ) )| 0 ∞ = 1 𝛽𝑡 − 1 ∙ [𝑒−∞ − 𝑒0] ⇒ ⇒ 1 𝛽𝑡 − 1 ∙ (−1) = 1 1 − 𝛽𝑡 ⟶ 𝑞𝑢𝑎𝑛𝑑𝑜 𝑡 < 1 𝛽 13 b) Calcule 𝐸(𝑋) por meio da função geradora de momentos. 𝑀𝑥(𝑡) = 1 1 − 𝛽𝑡 = (1 − 𝛽𝑡)−1 𝑀𝑥 ′ (𝑡) = −1(1 − 𝛽𝑡)−2(−𝛽) = 𝛽(1 − 𝛽𝑡)−2 𝐸(𝑋) = 𝑀𝑥′(𝑡)|𝑡=0 = 𝛽(1 − 𝛽 ∙ 0) −2 = 𝛽 c) Calcule 𝑉𝑎𝑟(𝑋) por meio da função geradora de momentos. 𝑀𝑥′(𝑡) = 𝛽(1 − 𝛽𝑡) −2 𝑀𝑥 ′′(𝑡) = 𝛽(−2)(1 − 𝛽𝑡)−3(−𝛽) = 2𝛽2(1 − 𝛽𝑡)−3 𝐸(𝑋2) = 𝑀𝑥′′(𝑡)|𝑡=0 = 2𝛽 2(1 − 𝛽 ∙ 0)−3 = 2𝛽2 𝑉𝑎𝑟(𝑋) = 𝐸(𝑋2) − 𝐸(𝑋)2 = (2𝛽2) − (𝛽2) = 𝛽2 Distribuição Exponencial (𝜆): 𝑓(𝑋|𝜆) = {𝜆 ∙ 𝑒 −𝜆∙𝑥 ; 𝑥 > 0; 𝜆 ≥ 0 0 ; 𝑐𝑎𝑠𝑜 𝑐𝑜𝑛𝑡𝑟á𝑟𝑖𝑜 𝐸(𝑋) = 1 𝜆 𝑉𝑎𝑟(𝑋) = 1 𝜆2 Exercício: Seja 𝑥1, 𝑥2, ⋯ , 𝑥𝑛 uma amostra aleatória da variável aleatória 𝑋~𝐸𝑥𝑝𝑜𝑛𝑒𝑛𝑐𝑖𝑎𝑙(𝜆), onde 𝑓(𝑥𝑖|𝜆) = 𝜆 ∙ 𝑒 −𝜆𝑥; 𝑥 > 0. Faça o que se pede: a) Obtenha a função geradora de momentos. 𝑀𝑤(𝑡) = 𝐸(𝑒 𝑡𝑥) = 𝜆 ∙ ∫ 𝑒𝑡𝑥−𝜆𝑥 ∙ 𝑑𝑥 ∞ 0 = 𝜆 ∙ ∫ 𝑒𝑥(𝑡−𝜆) ∙ 𝑑𝑥 ∞ 0 ⇒ ⇒ 𝜆 ∙ ∫ 𝑒𝑢 ∙ 𝑑𝑢 𝑡 − 𝜆 = 𝜆 ∙ 1 𝑡 − 𝜆 ∫ 𝑒𝑢 ∙ 𝑑𝑢 = 𝜆 𝑡 − 𝜆 (𝑒𝑢)| = 𝜆 𝑡 − 𝜆 (𝑒𝑥(𝑡−𝜆))| 0 ∞ ⇒ ⇒ 𝜆 𝑡 − 𝜆 [𝑒−∞ − 𝑒0] = 𝜆 𝑡 − 𝜆 (−1) = 𝜆 𝜆 − 𝑡 ⟶ 𝑞𝑢𝑎𝑛𝑑𝑜 𝑡 < 𝜆 b) Calcule 𝐸(𝑋) por meio da função geradora de momentos. 𝑀𝑥(𝑡) = 𝜆 𝜆 − 𝑡 = 𝜆 ∙ (𝜆 − 𝑡)−1 𝑀𝑥 ′ (𝑡) = 𝜆(−1)(𝜆 − 𝑡)−2(−1) = 𝜆(𝜆 − 𝑡)−2 𝐸(𝑋) = 𝑀𝑥′(𝑡)|𝑡=0 = 𝜆(𝜆 − 0) −2 = 𝜆 ∙ 𝜆−2 = 𝜆−1 = 1 𝜆 14 c) Calcule 𝑉𝑎𝑟(𝑋) por meio da função geradora de momentos. 𝑀𝑥′(𝑡) = 𝜆(𝜆 − 𝑡) −2 𝑀𝑥 ′′(𝑡) = 𝜆(−2)(𝜆 − 𝑡)−3(−1) = 2𝜆(𝜆 − 𝑡)−3 𝐸(𝑋2) = 𝑀𝑥′′(𝑡)|𝑡=0 = 2𝜆(𝜆 − 0) −3 = 2𝜆 ∙ 𝜆−3 = 2𝜆−2 = 2 𝜆2 𝑉𝑎𝑟(𝑋) = 𝐸(𝑋2) − 𝐸(𝑋)2 = ( 2 𝜆2 ) − ( 1 𝜆 ) 2 = 1 𝜆2 𝜒𝑛 2 → Distribuição Qui-quadrado (𝑛): Toda distribuição Qui-quadrado é igual à uma distribuição Gama quando (𝛼 = 𝑛 2 , 𝛽 = 2). 𝑓(𝑋|𝑛) = { 1 Γ ( 𝑛 2 ) ∙ 2 𝑛 2 ∙ 𝑥 𝑛 2 −1 ∙ 𝑒 −𝑥 2⁄ ; 𝑥 > 0; 𝑛 > 0 0 ; 𝑐𝑎𝑠𝑜 𝑐𝑜𝑛𝑡𝑟á𝑟𝑖𝑜 𝐸(𝑋) = 𝑛 𝑉𝑎𝑟(𝑋) = 2𝑛 𝜒𝑛 2 = 𝑤 = (𝑍1) 2 + (𝑍2) 2 + (𝑍3) 2 + ⋯ + (𝑍𝑛) 2 Exercício 1: Seja 𝑥1, 𝑥2, ⋯ , 𝑥𝑛 uma amostra aleatória da variável aleatória 𝑋~𝜒1 2. Faça o que se pede: a) Obtenha a função geradora de momentos. 𝑀𝑥(𝑡) = 𝐸 (𝑒 𝑡𝑍2) = ∫ 𝑒𝑡𝑍 2 ∙ 1 √2𝜋 𝑒𝑥𝑝 [ −1 2 𝑍2] ∙ 𝑑𝑍 ∞ −∞ = ∫ 1 √2𝜋 𝑒𝑥𝑝 [𝑡𝑍2 − 1 2 𝑍2] ∙ 𝑑𝑍 ∞ −∞ ⇒ ⇒ ∫ 1 √2𝜋 𝑒𝑥𝑝 [ 2𝑡𝑍2 − 𝑍2 2 ] ∙ 𝑑𝑍 ∞ −∞ = ∫ 1 √2𝜋 𝑒𝑥𝑝 [ 1 2 (−𝑍22𝑡𝑍2)] ∙ 𝑑𝑍 ∞ −∞ ⇒ ⇒ ∫ 1 √2𝜋 𝑒𝑥𝑝 [− 1 2 𝑍2(1 − 2𝑡)] ∙ 𝑑𝑍 ∞ −∞ = ∫ 1 √2𝜋 𝑒𝑥𝑝 [− 1 2 𝑍2 ( 1 1 1 − 2𝑡 )] ∙ 𝑑𝑍 ∞ −∞ ⇒ ⇒ ∫ 1 √2𝜋 𝑒𝑥𝑝 [− 1 2 𝑍2 ( 1 𝜃 )] ∙ 𝑑𝑍 ∞ −∞ = ∫ 1 √2𝜋 𝑒𝑥𝑝 [− 1 2 ( 𝑍2 𝜃 )] ∙ 𝑑𝑍 ∞ −∞ ⇒ ⇒ ∫ 1 √2𝜋 1 − 2𝑡 1 − 2𝑡 𝑒𝑥𝑝 [− 1 2 ( 𝑍2 𝜃 )] ∙ 𝑑𝑍 ∞ −∞ = ∫ 1 √2𝜋 1 1 − 2𝑡 (1 − 2𝑡) 𝑒𝑥𝑝 [− 1 2 ( 𝑍2 𝜃 )] ∙ 𝑑𝑍 ∞ −∞ ⇒ ⇒ ∫ 1 √2𝜋𝜃√1 − 2𝑡 𝑒𝑥𝑝 [− 1 2 ( 𝑍2 𝜃 )] ∙ 𝑑𝑍 ∞ −∞ = 1 √1 − 2𝑡 ∫ 1 √2𝜋𝜃 𝑒𝑥𝑝 [− 1 2 ( 𝑍2 𝜃 )] ∙ 𝑑𝑍 ∞ −∞ ⇒ ⇒ 1 √1 − 2𝑡 ∫ 1 √2𝜋𝜃 𝑒𝑥𝑝 [− 1 2 ( 𝑍2 𝜃 )] ∙ 𝑑𝑍 ∞ −∞ = 1 √1 − 2𝑡 ∙ 1 = 1 √1 − 2𝑡 15 b) Calcule 𝐸(𝑋) por meio da função geradora de momentos. 𝑀𝑥(𝑡) = 1 √1 − 2𝑡 = (1 − 2𝑡) −1 2 𝑀𝑥′(𝑡) = −1 2 (1 − 2𝑡) −3 2 ∙ (−2) = (1 − 2𝑡) −3 2 𝐸(𝑋) = 𝑀𝑥′(𝑡)|𝑡=0 = (1 − 2 ∙ 0) −3 2 = 1 −3 2 = 1 c) Calcule 𝑉𝑎𝑟(𝑋) por meio da função geradora de momentos. 𝑀𝑥′(𝑡) = (1 − 2𝑡) −3 2 𝑀𝑥′′(𝑡) = −3 2 (1 − 2𝑡) −5 2 ∙ (−2) = 3(1 − 2𝑡) −5 2 𝐸(𝑋2) = 𝑀𝑥′′(𝑡)|𝑡=0 = 3(1 − 2 ∙ 0) −5 2 = 3 𝑉𝑎𝑟(𝑋) = 𝐸(𝑋2) − 𝐸(𝑋)2 = 3 − (1)2 = 2 Exercício2: Seja 𝑥1, 𝑥2, ⋯ , 𝑥𝑛 uma amostra aleatória da variável aleatória 𝑋~𝜒𝑛 2. Faça o que se pede: a) Obtenha a função geradora de momentos. 𝜒𝑛 2 = 𝑤 = (𝑍1) 2 + (𝑍2) 2 + (𝑍3) 2 + ⋯ + (𝑍𝑛) 2 𝑤 = 𝑦1 + 𝑦2 + 𝑦3 + ⋯ + 𝑦𝑛 𝑀𝑤(𝑡) = 𝐸(𝑒 𝑡𝑤) = 𝐸(𝑒𝑡[𝑦1+𝑦2+𝑦3+⋯+𝑦𝑛]) = 𝐸(𝑒𝑡𝑦1+𝑡𝑦2+𝑡𝑦3+⋯+𝑡𝑦𝑛) 𝑀𝑤(𝑡) = 𝐸(𝑒 𝑡𝑦1 ∙ 𝑒𝑡𝑦2 ∙ 𝑒𝑡𝑦3 ∙ ⋯ ∙ 𝑒𝑡𝑦𝑛) ⇒ 𝑉𝑎𝑟𝑖á𝑣𝑒𝑖𝑠 𝑖𝑛𝑑𝑒𝑝𝑒𝑛𝑑𝑒𝑛𝑡𝑒𝑠 𝑀𝑤(𝑡) = 𝐸(𝑒 𝑡𝑦1) ∙ 𝐸(𝑒𝑡𝑦2) ∙ 𝐸(𝑒𝑡𝑦3) ∙ ⋯ ∙ 𝐸(𝑒𝑡𝑦𝑛) 𝑀𝑤(𝑡) = 𝑀𝑦1(𝑡) ∙ 𝑀𝑦2(𝑡) ∙ 𝑀𝑦3(𝑡) ∙ ⋯ ∙ 𝑀𝑦𝑛(𝑡) 𝑀𝑤(𝑡) = 1 (1 − 2𝑡) 1 2 ∙ 1 (1 − 2𝑡) 1 2 ∙ 1 (1 − 2𝑡) 1 2 ∙ ⋯ ∙ 1 (1 − 2𝑡) 1 2 = 1 (1 − 2𝑡) 𝑛 2 b) Calcule 𝐸(𝑋) por meio da função geradora de momentos. 𝑀𝑥(𝑡) = 1 (1 − 2𝑡) 𝑛 2 = (1 − 2𝑡) −𝑛 2 𝑀𝑥′(𝑡) = −𝑛 2 (1 − 2𝑡) −𝑛 2 −1(−2) = 𝑛(1 − 2𝑡) −𝑛 2 −1 𝐸(𝑋) = 𝑀𝑥′(𝑡)|𝑡=0 = 𝑛(1 − 2 ∙ 0) −𝑛 2 −1 = 𝑛 16 c) Calcule 𝑉𝑎𝑟(𝑋) por meio da função geradora de momentos. 𝑀𝑥′(𝑡) = 𝑛(1 − 2𝑡) −𝑛 2 −1 𝑀𝑥′′(𝑡) = 𝑛 ( −𝑛 2 − 1) (1 − 2𝑡) −𝑛 2 −2 ∙ (−2) 𝐸(𝑋2) = 𝑀𝑥′′(𝑡)|𝑡=0 = 𝑛 ( −𝑛 2 − 1) (1 − 2 ∙ 0) −𝑛 2 −2 ∙ (−2) = ( −𝑛2 2 − 𝑛) (−2) = 𝑛2 + 2𝑛 𝑉𝑎𝑟(𝑋) = 𝐸(𝑋2) − 𝐸(𝑋)2 = (𝑛2 + 2𝑛) − (𝑛)2 = 2𝑛
Compartilhar