Académique Documents
Professionnel Documents
Culture Documents
2014
1 of 48
Lecture 1
Fundamentos de Probabilidade
2 of 48
Sumrio
Lecture 1: Fundamentos de Probabilidade
Variveis Aleatrias e suas Distribuies de Probabilidade
Variveis Aleatrias Discretas
Variveis Aleatrias Contnuas
Caractersticas das Distribuies de Probabilidade
Valor Esperado
Mediana
Medidas de Variabilidade
Caractersticas das distribuies conjuntas e condicionais
Medidas de Associao
Varincia da Soma de Variveis Aleatrias
Esperana e Varincia Condicionais
A Distribuio Normal e Outras Distribuies
Distribuio Normal
Distribuio Lognormal
Distribuio Qui-quadrado
Distribuio t de Student
Distribuio F
3 of 48
Introduo: experimento
Lecture 1: Variveis Aleatrias e suas Distribuies de Probabilidade
Experimento
De forma geral, um experimento qualquer procedimento que possa,
pelo menos em teoria, ser repetido indefinidas vezes e tem um
conjunto de resultados bem definido.
4 of 48
Introduo: notao
Lecture 1: Variveis Aleatrias e suas Distribuies de Probabilidade
{0, 1, 2, . . . , 10}.
Um resultado particular seria, digamos, x = 6.
6 of 48
j = 1, 2, . . . , k.
(L1.1)
p1 + p2 + + pk = 1.
8 of 48
(L1.2)
j = 1, 2, . . . , k.
(L1.3)
Exemplo
Lecture 1: Variveis Aleatrias Discretas
f (0) = 0.20,
f (1) = 0.44,
f (2) = 0.36.
10 of 48
Probabilidade
0.3
0.2
0.1
0
0
0.5
1
Pontos
1.5
Introduo
Lecture 1: Variveis Aleatrias Contnuas
11 of 48
fHxL
x
a
(L1.4)
FHxL
1
0.8
0.6
0.4
0.2
Propriedades da fdc
Lecture 1: Variveis Aleatrias Contnuas
Propriedade 1
Para qualquer nmero c,
P(X > c) = 1 F (c).
(L1.5)
Propriedade 2
Para quaisquer nmeros a < b,
P(a < X b) = F (b) F (a).
14 of 48
(L1.6)
Introduo
Lecture 1: Caractersticas das Distribuies de Probabilidade
15 of 48
k
X
j=1
16 of 48
xj f (xj ).
(L1.7)
17 of 48
Se X for uma v.a. contnua, ento E(X ) ser definida como uma
integral:
Z
E(X ) =
18 of 48
x f (x )dx .
(L1.8)
i=1
(L1.9)
Mediana
Lecture 1: Caractersticas das Distribuies de Probabilidade
Varincia e desvio-padro
Lecture 1: Caractersticas das Distribuies de Probabilidade
Embora a medida de tendncia central seja valiosa, ela no nos diz tudo
o que queremos saber sobre a distribuio de uma v.a.
Compare as seguintes distribuies. O que possvel dizer sobre suas
varincias?
fdp
fx
fY
X,Y
21 of 48
Varincia
Lecture 1: Caractersticas das Distribuies de Probabilidade
V(X ) E[(X )2 ].
2.
A varincia algumas vezes representada por X
A varincia uma medida sempre no-negativa.
2 = E(X 2 ) 2 .
possvel mostrar que X
22 of 48
(L1.10)
Propriedades da varincia
Lecture 1: Caractersticas das Distribuies de Probabilidade
Propriedade 1
V(c) = 0, tal que c uma constante.
Propriedade 2
Para quaisquer constantes a e b, V(aX + b) = a2 V(X ).
Isto significa que a adio de uma constante a uma v.a. no altera
sua varincia, mas a multiplicao de uma v.a. por uma constante
aumenta a varincia por um fator igual ao quadrado daquela
constante.
23 of 48
Propriedades do desvio-padro
Lecture 1: Caractersticas das Distribuies de Probabilidade
da varincia.
Propriedade 1
Para qualquer constante c, c = 0.
Propriedade 2
Para quaisquer constantes a e b, aX +b = |a|X .
24 of 48
Suponha que, dada uma v.a. X , definamos uma nova v.a. subtraindo sua
mdia X e dividindo o resultado por seu desvio-padro X :
Z
X X
1
X
=
X
.
X
X
X
(L1.11)
25 of 48
1
X
X
= 0.
X
X
1 2
X = 1.
X2
Medidas de associao
Lecture 1: Caractersticas das distribuies conjuntas e condicionais
relacionam.
26 of 48
Covarincia
Lecture 1: Caractersticas das distribuies conjuntas e condicionais
(L1.12)
Covarincia
Lecture 1: Caractersticas das distribuies conjuntas e condicionais
difcil.
28 of 48
Propriedades da covarincia
Lecture 1: Caractersticas das distribuies conjuntas e condicionais
Propriedade 1
Se X e Y forem independentes, ento C(X ,Y ) = 0.
No entanto, a afirmao inversa no necessariamente verdadeira.
Propriedade 2
Para quaisquer constantes a1 , b1 , a2 e b2 ,
C(a1 X + b1 , a2 Y + b2 ) = a1 a2 C(X ,Y ).
(L1.13)
Propriedade 3
Desigualdade de Cauchy-Schwartz: o valor absoluto da covarincia est limitado
pelo produto de seus desvios-padro:
|C(X ,Y )| X Y .
29 of 48
Coeficiente de correlao
Lecture 1: Caractersticas das distribuies conjuntas e condicionais
(XY )
C(X ,Y )
.
X Y
(L1.14)
Propriedade 1
1 (XY ) 1.
Se (XY ) = 1, a relao entre as duas v.a. positiva e perfeita.
Se (XY ) = 1, a relao entre as duas v.a. negativa e perfeita.
Se (XY ) = 0, no h relao linear.
Propriedade 2
Para quaisquer constantes a1 , b1 , a2 e b2 , com a1 a2 > 0,
(a1 X + b1 , a2 Y + b2 ) = (XY ).
Se a1 a2 < 0,
(a1 X + b1 , a2 Y + b2 ) = (XY ).
31 of 48
(L1.15)
(L1.16)
(L1.17)
Esperana condicional
Lecture 1: Caractersticas das distribuies conjuntas e condicionais
33 of 48
(L1.18)
Propriedade 1
Funes de X so como constantes: E[c(X )|X ] = c(X ).
Propriedade 2
E[a(X )Y + b(X )|X ] = a(X )E[Y |X ] + b(X ).
Propriedade 3
Se X e Y forem independentes, E[Y |X ] = E[Y ].
Propriedade 4
Se E(Y |X ) = E[Y ], ento C[X ,Y ] = 0.
34 of 48
Varincia condicional
Lecture 1: Caractersticas das distribuies conjuntas e condicionais
condicional em X = x :
V[Y |X = x ] = E[Y 2 |X = x ] (E[Y |X = x ])2
Propriedade 1
Se X e Y forem independentes, V[Y |X ] = V[Y ].
35 of 48
(L1.19)
Distribuio normal
Lecture 1: A Distribuio Normal e Outras Distribuies
real no intervalo [, + ].
A fdp de uma normal tem a seguinte expresso:
"
#
1
(x )2
,
f (x ) = exp
2 2
2
< x < +.
(L1.20)
e varincia 2 : X N(, 2 ).
36 of 48
normal padro.
A fdp de uma normal padro :
h
i
1
(z) = exp z 2 /2 ,
2
37 of 48
< z < +.
(L1.21)
FHzL
0.4
1
0.8
0.3
0.6
0.2
0.4
0.1
-3
-2
-1
0.2
38 of 48
-3
-2
-1
Propriedades da normal
Lecture 1: A Distribuio Normal e Outras Distribuies
Propriedade 1
Se X N(X ,X2 ), ento a v.a. Y = (X X )/X N(0,1).
Propriedade 2
Se X N(X ,X2 ), ento a v.a. Y = aX + b N(aX + b, a2 X2 ).
Propriedade 3
Se X e Y forem duas v.a. conjuntamente e normalmente distribudas,
ento elas sero independentes se, e somente se, C(X ,Y ) = 0.
Propriedade 4
Qualquer combinao linear de v.a. independentes e identicamente
normalmente distribudas tem uma distribuio normal.
39 of 48
Distribuio lognormal
Lecture 1: A Distribuio Normal e Outras Distribuies
normal.
Para a grande maioria dos ativos, preos no so simetricamente
normalidade.
Uma transformao popular o log, que faz sentido para v.a.
positivas.
Se X for uma v.a. positiva, como preos, e Y = log X tiver uma
Distribuio qui-quadrado
Lecture 1: A Distribuio Normal e Outras Distribuies
X=
n
X
Zi2 .
(L1.22)
i=1
liberdade: X 2n .
42 of 48
0.3
gl=4
0.2
gl=8
0.1
2
43 of 48
10
12
14
Distribuio t de Student
Lecture 1: A Distribuio Normal e Outras Distribuies
na anlise de regresso.
Obtemos a distribuio t a partir de uma v.a. normal padro e de
graus de liberdade.
Suponha que Z e X sejam independentes. Ento, a seguinte v.a.
Z
.
X /n
(L1.23)
0.3
gl=24
0.2
0.1
-4
45 of 48
-2
Distribuio F
Lecture 1: A Distribuio Normal e Outras Distribuies
independentes.
Ento, a v.a. F
F =
46 of 48
X1 /k1
Fk1 ,k2 .
X2 /k2
(L1.24)
Distribuio F: grficos
Lecture 1: A Distribuio Normal e Outras Distribuies
gl=H6,8L
0.6
gl=H6,20L
0.4
0.2
1
47 of 48
Fonte
Lecture 1
48 of 48