Não foi possível enviar o arquivo. Será algum problema com as permissões?
Diferenças

Diferenças

Aqui você vê as diferenças entre duas revisões dessa página.

Link para esta página de comparações

Ambos lados da revisão anterior Revisão anterior
Próxima revisão
Revisão anterior
disciplinas:ce067:teoricas:varbidimensionais [2008/04/15 15:49]
paulojus
disciplinas:ce067:teoricas:varbidimensionais [2008/04/22 15:06] (atual)
silvia
Linha 132: Linha 132:
 =\dfrac{5}{10} =\dfrac{5}{10}
 </​latex>​ </​latex>​
- 
- 
 ===== Associação entre as Variáveis ===== ===== Associação entre as Variáveis =====
  
Linha 143: Linha 141:
 Sejam duas variáveis aleatórias discretas X e Y, a probabilidade de X=x dado que Y=y é obtida através da expressão. Sejam duas variáveis aleatórias discretas X e Y, a probabilidade de X=x dado que Y=y é obtida através da expressão.
  
-<​latex>​P(X=x|Y=y)=\dfrac{P(X=x,Y=y)}{P(Y=y)}</​latex>​+P(X=x|Y=y)=P(X=x,​Y=y)/P(Y=y)
  
 === Independência entre variáveis aleatórias discretas === === Independência entre variáveis aleatórias discretas ===
Linha 149: Linha 147:
 Recorda-se que o conceito de independência visto para dois eventos era relacionado à probabilidade condicional. A extensão para variáveis aleatórias é direta: Recorda-se que o conceito de independência visto para dois eventos era relacionado à probabilidade condicional. A extensão para variáveis aleatórias é direta:
  
-<​latex>​X,Y \textit{são variáveis aleatórias independentes se}</​latex>​+X,Y são variáveis aleatórias independentes se
  
-<​latex>​P(X=x|Y=y)=P(X=x), ​~\forall ​(x,y)</​latex>​+P(X=x|Y=y)= P(X=x), ​∀ (x,y)
  
 de modo altenativo, a independência pode ser caracterizada por : de modo altenativo, a independência pode ser caracterizada por :
  
-<​latex>​P(X=x, Y=y) = P(X=x)P(Y=y), ​~\forall ​(x,y) </​latex>​+P(X=x,​Y=y)=P(X=x)P(Y=y), ​∀ (x,y)
  
 É fundamental entender que as variáveis X e Y serão independentes se e somente se as relações acima forem válidas para **todos** os possíveis pares (x,y). Basta encontrar um par (x<​sub>​0</​sub>,​y<​sub>​0</​sub>​) para o qual os resultados acima não sejam verdadeiros,​ que X e Y **não serão independentes**. É fundamental entender que as variáveis X e Y serão independentes se e somente se as relações acima forem válidas para **todos** os possíveis pares (x,y). Basta encontrar um par (x<​sub>​0</​sub>,​y<​sub>​0</​sub>​) para o qual os resultados acima não sejam verdadeiros,​ que X e Y **não serão independentes**.
Linha 248: Linha 246:
  
 Uma medida de dependência linear entre //X// e //Y// é dada pela covariância:​ Uma medida de dependência linear entre //X// e //Y// é dada pela covariância:​
 +
 +<​latex>​Cov(X,​Y)=E[(X-\mu_X)(Y-\mu_Y)]</​latex>​
  
 <​latex>​Cov(X,​Y)=E(XY)-E(X)E(Y)</​latex>​ <​latex>​Cov(X,​Y)=E(XY)-E(X)E(Y)</​latex>​
  
-OBS: No caso em que //X// e //Y// são independentes,​ temos <​latex>​Cov(X,​Y)=0</​latex>​.+OBS: No caso em que //X// e //Y// são independentes,​ temos <​latex>​Cov(X,​Y)=0</​latex>​. ​
  
 A partir da covariância,​ definimos uma medida de dependência linear. A partir da covariância,​ definimos uma medida de dependência linear.
Linha 291: Linha 291:
  
 <​latex>​Var(X+Y)=76/​100+60/​100+2(-1/​10)=116/​100</​latex>​ <​latex>​Var(X+Y)=76/​100+60/​100+2(-1/​10)=116/​100</​latex>​
 +
 +O coeficiente de correlação será
 +
 +ρ=-1/​10/​√(76/​100 × 60/​100)=-0,​15
  
 ---- ----
  
 [[disciplinas:​ce067:​teoricas:​pearson|Associação entre variáveis quantitativas (para um conjunto de dados)]] [[disciplinas:​ce067:​teoricas:​pearson|Associação entre variáveis quantitativas (para um conjunto de dados)]]

QR Code
QR Code disciplinas:ce067:teoricas:varbidimensionais (generated for current page)