Beruflich Dokumente
Kultur Dokumente
variáveis aleatórias
Cristiano de Carvalho Santos
cristcarvalhosan@gmail.com
Departamento de Estatística,
Universidade Federal de Minas Gerais (UFMG)
Introdução
xn = axn−1 mod m,
x1 = 2(11) mod 16 = 6
e x1 /m = 6/16 = 0, 375.
Note que, xn assume um valor entre 0, 1, · · · , m − 1, então, após
um número finito de valores gerados, a sequência se repete.
Note que
θ = E [g(U)],
em que U tem distribuição uniforme sobre (0, 1).
X1 + · · · + Xn
→ µ quase certamente.
n
Note que
Z 1 Z 1
1
A = 4 I{x 2 + y 2 ≤ 1} dxdy
−1 −1 4
" k #
I{xi2 yi2
X
= 4 + ≤ 1}/k ,
i=1
k = 1000
x <- runif(k,-1,1)
y <- runif(k,-1,1)
A <- 4*sum(x^2+y^2<=1)/k
Transformada inversa - variáveis discretas
Suponha que queremos gerar um valor de uma variável aleatória X
tendo função de massa de probabilidade
X
P(X = xj ) = pj , j = 0, 1, . . . , e pj = 1.
j
j −1 j
X = xj se ≤u< ,
n n
então podemos escrever X = Int(nu) + 1, em que Int(x ) é a
parte inteira de x .
Exemplo
p1 = 0, 2 p2 = 0, 15 p3 = 0, 25 p4 = 0, 4,
Então, pela Lei Forte dos Grandes Números segue que, quando k é
grande, temos
k
X a(Xi )
ā ≈ .
i=1 k
Sempre cabe mais um exemplo: Geométrica
A variável aleatória X é dito ter distribuição Geométrica com
parâmetro p se
Note que
j−1
X
P(X ≤ j − 1) = P(X = i) = 1 − P(X > j − 1)
i=1
= 1 − q j−1 , j ≥ 1.
1 − q j−1 ≤ U < 1 − q j .
Equivalentemente,
q j < 1 − U ≤ q j−1 .
Ou ainda,
X = min{j : q j < 1 − U}
( )
log(1 − U)
= min j : j >
log(q)
!
log(1 − U)
= Int +1
log(q)
!
log(U)
= Int +1
log(q)
Tranformação inversa - variáveis contínuas
Proposição
0.6
●
● ●
●
Densidade
Densidade
●
●
●
●
0.4
0.4
●
●
●
0.2
0.2
●
●
●
● ●
●
● ●
● ● ●
0.0
●
0.0 ● ●
● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ●
−4 −2 0 2 4 −4 −2 0 2 4
z z
Algoritmo:
Gerar amostras v1 , . . . , vn e w1 , . . . , wn da distribuição normal
padrão;
h i
Calcular xi = µ + σ δ|vi | + (1 − δ 2 )1/2 wi , para i = 1, . . . , n.
Algoritmo da aceitação-rejeição
f (x ) = 6x (1 − x ), 0 < x < 1.
f (y ) 6x (1 − x )
U≤ = = x (1 − x ).
g(y )/α 6
f (y ) 6x (1 − x )
U≤ = = 4x (1 − x ).
g(y )/α 3/2
n <- 1000
k <- 0 # contador de valores aceitos
j <- 0 # iterações
y <- numeric(n)
while (k < n) {
u <- runif(1)
j<-j+1
x <- runif(1) #variável aleatória gerada de g
if (x * (1-x) > u) {
# Aceitou
k<-k+1
y[k] <- x
}
}
Reamostragem Ponderada
f (x i )/g(x i )
ω(x i ) = Pm ,
i=1 f (x i )/g(x i )
Vamos considerar
I Usar SIR com proposta Slash para gerar da Normal padrão.
I Usar SIR com proposta Normal padrão para gerar da Slash.
Misturas
Uma variável aleatória X é uma mistura discreta de distribuições se
X
FX (x ) = θi FXi (x )
i
X |λ ∼ Poisson(λ)
λ ∼ Gama(r , β)