Somas de variáveis independentes II: Teorema Central do limite
|
|
- Iasmin Candal
- 5 Há anos
- Visualizações:
Transcrição
1 Capítulo 5 Somas de variáveis idepedetes II: Teorema Cetral do limite A perguta atural depois de ter provado a Lei dos grades úmeros é a do limite das flutuações da soma k=1 X k: qual e a boa escala ϕ() (com lim φ() = ) para observar um limite ão determiístico k=1 X k E[X i ] ϕ()???. Mas ates de se pergutar a escala o tetar idetificar o limite vale a pea de se pergutar em qual setido pode valer essa covergêcia. Não podemos obter um limite quase certamete (o em probabilidade). A razão e a seguite. Como para k fixo (X 1 + +X k )/ϕ() coverge para 0 e que etão o limite seria idepedete X 1,..., X k para qualquer k. Pela lei do {0, 1} isso implica que se tiver covergêcia quase certamete o limite e costate. Mas a verdade o que queremos saber, ão e do limite de k=1 X k E[X i ] mas ϕ() o limite da distribuição da váriavel. Vamos etão itroduzir uma oção de covergêcia adaptada a esse problema. 5.1 Covergêcia fraca Em muitos casos é importate termos bem defiida uma oção de covergêcia de medidas de probabilidade. Supodo por exemplo o espaço mesurável (E,A), tehamos uma sequêcia de probabilidades µ e gostaríamos de saber se ela coverge a uma determiada µ. 87
2 CAPÍTULO 5. SOMAS DE VAIÁVEIS INDEPENDENTES II: TEOEMA CENTAL DO LIMITE Um cadidato atural para dara setido a essa covergêcia poderia se a distâcia de variação total etre duas medidas d VT (µ, ν) = sup µ(a) ν(a). (5.1) A A Não é difícil mostrar que a defiição acima iduz uma métrica, mas ela possui algus problemas que descreveremos a seguir. Exercício Mostre que d VT defie uma métrica. Exercício Sejam µ e ν absolutamete cotíuas com respeito a uma medida fixa η, tedo desidades ρ e π respectivamete. Ecotre uma fórmula para d VT (µ, ν) em termos das desidades. Essa fórmula os remete a qual distâcia etre fuções? Digamos que o espaço amostral E já seja provido de uma métrica d e A seja a σ-álgebra dos boreliaos em E. Qualquer que seja a oção de covergêcia que iremos cosiderar, gostaríamos de dizer que δ x coverge a δ x sempre que x x em E. Esse porém ão é o caso para d VT, pois se x = x para todo e {x} A, teríamos d VT (δ x, δ x ) δ x ({x}) δ x ({x}) = 0 1 = 1. (5.2) Aqueles que já viram o coceito de covergêcia fraca acharão atural que a covergêcia de µ para µ seja defiida em termos da covergêcia das itegrais f dµ para f dµ. Porém, como mecioamos o exemplo das medidas δ x acima, gostaríamos também de a covergêcia respeitasse a topologia origial do espaço E, o que tora atural o seguite coceito. Defiição Dizemos que uma sequêcia de medidas de probabilidade µ coverge fracamete (ou coverge em distribuição) para uma probabilidade µ se lim f dµ = f dµ, para toda f : E cotíua e limitada. (5.3) Essa covergêcia muitas vezes é deotada por µ µ. Essa defiição fica aida mais atural para aqueles que cohecem o Teorema da epresetação de iesz. Com isso em mete, podemos relacioar a covergêcia em distribuição com a covergêcia fraca- o espaço de medidas fiitas. Exercício Mostre que em (,B()), temos que 1 i=1 δ i/ U [0,1]. Exercício Cosidere a fução φ do espaço de medidas em ([0, 1],B([0, 1])) ele mesmo, dada por: φ(µ)(a) = 1 2( µ(3a)+µ(3a 2) ). (5.4) Idetifique o limite em distribuição de φ () (δ 0 ). Mostre que a) a fução de distribuição acumulada associada ao limite é cotíua, 88
3 5.1. CONVEGÊNCIA FACA b) o limite ão é absolutamete cotíuo com respeito à medida de Lebesgue. Exercício Sejam X 1, X 2,... i.i.d. distribuidas como Exp(1) e defia M = max i=1,..., X i. (5.5) Mostre que M log() coverge fracamete e idetifique o limite. Observe que ão precisamos dividir M log() por ada para obter a covergêcia. Nós algumas vezes deotamos X X quado X e X são elemetos aleatórios de (Ω,F, P) para descrever a covergêcia fraca de suas respectivas distribuições. Falamos esse caso que (X ) coverge para X em distribuição Um criterio em d Para os provarmos resultados com covergêcia fraca, e util o resultado seguite que fala que ão precisa verificar covergêcia para todo ϕ cotiua limitada. Usamos a otação C b ( d ) e C c ( d ) pelos espaços de foções cotiuas limitadas e cotiuas com suporte compacto respectivamete Proposição As tres seguite proposições são equivaletes (i) ϕ C b ( d ), lim d ϕ(x)µ (dx) = d ϕ(x)µ(dx). (ii) ϕ C c ( d ), lim d ϕ(x)µ (dx) = d ϕ(x)µ(dx). (iii) ϕ H, lim d ϕ(x)µ (dx) = d ϕ(x)µ(dx), ode H e um subcojuto deso de C c ( d ) (pela orma de covergêcia uiforme). Demostração. As implicações(i) (ii) (iii) sedo obvia, sò vamos precisar mostrar (iii) (ii) e (ii) (i). Pela primeira implicação, sedo ε, e ϕ C c ( d ) podemos achar ϕ ε H tal que ϕ ϕ ε ε. Pois temos lim sup lim sup ϕdµ ϕdµ (ϕ ϕ ε )dµ + ϕ ε dµ ϕ ε dµ + (ϕ ϕ ε )dµ 2ε. (5.6) O que permite a coclusão como ε e arbitrario. Para (ii) (i), seja ( f k ) k 0 ua sequecia de fuçoes em C c ( d ) tal que f k [0.1], f k 1 quado k. Dado ϕ C b ( d ) defiimos ϕ k = f k ϕ C c ( d ). e etão por hypotese lim ϕ k dµ = ϕ k dµ 89
4 CAPÍTULO 5. SOMAS DE VAIÁVEIS INDEPENDENTES II: TEOEMA CENTAL DO LIMITE Temos ( (ϕ ϕ k )dµ ϕ 1 (ϕ ϕ k )dµ (1 ϕ ) f k dµ, ) (5.7) f k dµ Etão temos lim sup ϕ ( lim sup ϕdµ ( 1 ϕdµ ( f k dµ )+ 1 )) ( f k dµ = 2 ϕ 1 ) f k dµ, mas o ultimo termo pode ser arbitrariamete pequeo se madamos k Um criterio em (5.8) Proposição Seja(µ ) 0 uma sequêcia de probabilidade em e F as fuções acumuladas de distribuição associadas. Etão µ coverge fracamete para µ com fução acumulada de distribuição F se e só se lim F (x) := F(x). (5.9) para todo x ode F é cotiua (para todo x tal que µ({x}) = 0. Demostração. Vamos começar mostrado que (5.9) implica covergêcia fraca. Usado Proposição 5.1.2, e suficiete mostrar f(x)µ (dx) coverge para f difereciável com suporte compacto. Lembramos (Proposição 2.2.8) que temos f(x)µ (dx) = f (x)(1 F (x))dx. Como f e limitada e dado que F(x) e descotiua só em cojuto de medida 0, podemos cocluir por covergêcia domiada que lim f (x)(1 F (x))dx = f (x)(1 F (x))dx = f(x)µ(dx). eciprocamete, se µ coverge fracamete para µ, cosideramos x um poto de cotiuidade de F, ε > 0 e δ tal que F(x) (ε/2) F(x δ) F(x+δ) F(x)+(ε/2). Cosideramos as fuções 1 if u x, g + (u) := 1 δ 1 (u x) if u [x, x+δ], 0 if u x+δ]. 90 (5.10)
5 5.1. CONVEGÊNCIA FACA e g (u) = g + (u+δ). Como1 {u x} g + (u) 1 {u x+δ}, temos F (x) g + (u)µ (dx) g + (u)µ(dx)+(ε/2) F(x+δ)+ε/2 F(x)+ε, ode a seguda desigualdade pode se deduzir da covergêcia fraca e vale para grade suficiete. Usado g podemos provar do mesmo jeito que F (u) F(x) ε, o que acaba a demostração ε sedo arbitrário. 91
6 CAPÍTULO 5. SOMAS DE VAIÁVEIS INDEPENDENTES II: TEOEMA CENTAL DO LIMITE Tópico : Covergêcia das medidas empíricas em d Dados X 1 (ω),..., X (ω) uma realização de variáveis ideticamete distribuidas com probabilidade µ, queremos idetificar µ. Para isso costruímos a medida empírica associada a X defiida como µ,ω (A) := 1 i=1 1 {Xi A}. (5.11) De jeito imediato se µ for absolutamete cotiua com respeito a Lebesgue µ,ω e sigular com respeito a µ. Mas os resultado seguite idica que quado, µ e bem aproximado por µ,ω o setido da covergêcia fraca. Teorema Seja(X ) 1 uma sequecia de variáveis IID de distribuição µ. Etão quase certamete temos µ,ω = µ. Demostração. Seja H um cojuto deso eumerável de C c ( d ). Temos que verificar que para todo ϕ H O primeiro termo acima vale lim ϕdµ,ω = ϕdµ. (5.12) 1 φ(x i ) i=1 que coverge com probabilidade 1 para E[ϕ(X 1 )] = ϕdµ. Como H e eumerável, a covergêcia e simultâea para todos φ H com probabilidade 1, o que coclui a prova do resultado. 92
7
8 CAPÍTULO 5. SOMAS DE VAIÁVEIS INDEPENDENTES II: TEOEMA CENTAL DO LIMITE Lema Sejam X e Y variáveis aleatórias em L 2, i.i.d. com distribuição µ. Nesse caso, se X+ Y também tem distribuição µ, etão µ = δ 0. Demostração. Sabemos que E(X+ Y) = E(X)+E(Y) = 2E(X) e Var(X+ Y) = Var(X)+Var(Y) = 2 Var(X). (5.13) Mas como X + Y tem a mesma distribuição de X, etão E(X) = 2E(X) e Var(X) = 2 Var(X), dode ambas são zero. Usado o método dos segudo mometo, para todo a > 0, P[ X a] Var(X) a 2 = 0, (5.14) termiado a prova de que X = 0 quase certamete. A ituição dessa prova é que quado somamos duas variáveis ão determiísticas, a icerteza da soma (medida atravéz da variâcia) tede a aumetar. Dessa forma ão podemos obter a mesma distribuição após a soma. Mas existe uma maeira simples de torar esse problema iteressate ovamete. Digamos que X e Y pertecem a L 2 e são i.i.d. Etão Etão podemos os pergutar se ( X+ Y ) ( X 2 ) Var = 2 Var = Var(X). (5.15) 2 Questão Existe alguma distribuição ão trivial µ em L 2 tal que, se X e Y são idepedetes e distribuídas de acordo com µ, temos X+ Y 2 d µ? (5.16) Pelo meos sabemos agora que a variâcia ão se altera atravéz dessa operação. Ou em outras palavras, queremos saber se existe algum poto fixo para o operador Γ que toma uma distribuição µ em e retora Γ(µ) = ( X1 + X 2 µ µ. (5.17) 2 ) Para tetar respoder a essa questão, vamos estudar mais a fudo qual é a distribuição da soma de duas variáveis aleatórias idepedetes. Para isso, cosidere a distribuição P (X,Y) do par, que coicide com µ µ, os dado [ X+ Y ] P z = µ µ ({ (x, y) : 2 x+y 2 z }). (5.18) Note também que a trasformação liear (x, y) 1 2 ( x+y, x y ) é uma rotação rígida em 2, o que os motiva a propor a perguta mais simples. 94
9 TÓPICO : CONVEGÊNCIA DAS MEDIDAS EMPÍICAS EM D Questão Existe alguma distribuição ão trivial µ em L 2 tal que, se X e Y são idepedetes e distribuídas de acordo com µ, a distribuição do par (X, Y) é ivariate por rotações? Aida estamos uma busca ão rigorosa de tal distribuição, etão vamos supor algumas outras propriedades, como por exemplo que µ seja absolutamete cotíua com respeito a Lebesgue, isto é dµ = f(x) dx. Nesse caso, já vimos que(x, Y) d f(x) f(y) dx dy e o fudo estamos procurado uma fução f tal que f(x) f(y) = h(x 2 + y 2 ), para todo x, y e alguma h : + +. (5.19) Para trasformar o produto f(x) f(y) em uma soma, defiimos g = log f e k = log h e o que gostaríamos que acotecesse é g(x)+ g(y) = k(x 2 + y 2 ). Como aida ão estamos preocupados com uicidade de µ e apeas com a existêcia, já podemos ecotrar ossa resposta para ossa perguta, escolhedo uma fução quadrática, tal como g(x) = αx 2 β. Mas temos aida que cuidar para que f(x) = exp { αx 2 β } seja uma desidade, ou seja f dx = 1. Para isso, precisamos que α seja egativo e, fixado α, o valor de β já estará determiado por ormalização. Tudo isso motiva fialmete a seguite defiição. Defiição Dizemos que X tem distribuição ormal caôica, se X d 1 2π exp { x 2 /2 } dx. (5.20) Além disso, para m e σ 0, dizemos que Y d N(m, σ 2 ) se Y tem a mesma distribuição de σx+m, ode X tem distribuição ormal caôica N(0, 1). Note que N(m, 0) = δ m. Muitas vezes chamamos essa distribuição de gaussiaa, obviamete em homeagem a Gauss. Vamos rapidamete observar que a defiição acima realmete descreve uma distribuição de probabilidade, ou seja que a itegral dessa desidade é um. Para tato, vamos usar um truque cohecido, que cosiste em retorar ao plao. Obviamete, ( exp { x 2 /2 } ) 2 dx = = 2π Dode a costate em (5.20) está de fato correta. 0 exp { (x 2 + y 2 )/2 } dx dy 0 exp{ r 2 /2}r dr dθ Exercício Mostre que a distribuição N(m, σ 2 ), tem desidade 2s = r2 = 2π. (5.21) 1 σ 2π exp{ (x m) 2 /(2σ 2 ) }. (5.22) 95
10 CAPÍTULO 5. SOMAS DE VAIÁVEIS INDEPENDENTES II: TEOEMA CENTAL DO LIMITE Exercício Mostre que Y d N(m, σ 2 ) tem esperaça m e variâcia σ 2. Para cofirmar que de fato as distribuições ormais se comportam bem com respeito a somas idepedetes, apresetamos o seguite resultado. Proposição Se X d N(m, σ 2 ) e Y d N(m, σ 2 ) são idepedetes, etão X + Y tem distribuição N(m+m, σ 2 + σ 2 ). Em particular, µ é um poto fixo do operador Γ defiido em (5.17). Demostração. O caso em que σ ou σ se aulam é trivial, portato vamos cosiderar que ambas são positivas. Não é difícil ver que podemos também supor que m = m = 0. Ai podemos usar o resultado do exercíco para deduzir que a soma X+ Y tem desidade dada portato ρ(x) := 1 e y2 2σ 2πσσ 2 e (x y)2 2σ 2 dy. (5.23) Tedado jutar todos termos que cotem y em um uico quadrado obtemos y 2 ( 2σ 2 + (x y)2 1 2σ 2 = 2σ )( ) 2σ 2 y σ2 x x σ σ 2 2(σ 2 + σ 2 ). (5.24) Podemos cocluir usado que ( 1 2σ )( ) 2σ 2 y σ2 x σ 2 dy + σ 2 = e z2 (σ 2 +σ 2 ) σ 2 σ 2 dz = σσ 2π σ 2 + σ. (5.25) 2 Demostração. O caso em que σ ou σ se aulam é trivial, portato vamos cosiderar que ambas são positivas. Não é difícil ver que podemos também supor que m = m = 0. Podemos etão calcular P[X+ Y a] = P[σW + σz a], (5.26) ode W e Z são idepedetes com distribuição N(0, 1). Assim, a probabilidade acima pode ser escrita como N(0, 1) N(0, 1)( {(w, z) 2 ; σw+σz a }). (5.27) Agora aplicaremos a rotação rígida A : 2 2 dada por A(w, z) = 1 σ 2 + σ 2 ( σw+σz, σw σz ). (5.28) 96
11 TÓPICO : CONVEGÊNCIA DAS MEDIDAS EMPÍICAS EM D Como sabemos que a desidade f de (W, Z) é ivariate por A, ou seja f A = f, etão podemos escrever (5.27) como N(0, 1) N(0, 1) (A ({ (w, z) 2 ; σw+σz a })) ({ 1 }) = N(0, 1) N(0, 1) (w, z); σ 2 + σ w a 2 = N(0, 1) ( (, a σ 2 + σ 2]) = N(0, σ 2 + σ 2 ) ( (, a ]), termiado a prova da proposição. Podemos obter um corolário iteressate sobre a soma de ormais i.i.d. Corolário Sejam X 1, X 2,... variáveis i.i.d. com distribuiçãon(m, σ 2 ), etão Como cosequêcia X 1 + +X d N(m, σ 2 ). (5.29) i=1 X i E(X 1 ) σ d N(0, 1). (5.30) Lembrado da Lei dos Grades Números, se dividimos a soma dos X i E(X i ) por, essa fração vai a zero quase certamete. O que cocluímos acima é que ao dividir por obtemos um limite ão trivial (em zero, em ifiito) e aleatório (ão determiístico). Mais uma observação curiosa: ossa motivação para a defiição da distribuição ormal passou por ivariâcia por rotações e podemos exteder essa ivariâcia para ormais idepedetes. Note que somar as coordeadas caôicas é equivalete a tomar o produdo escalar com o vetor(1, 1,..., 1), que tem orma euclideaa. Uma outra maeira de eteder o corolário acima é que a ormal é um poto fixo da operação seguite a) tome uma distribuição µ L 2, b) cosidere X 1,..., X i.i.d. com distribuição µ e c) retore a distribuição de X 1 + +X E(X 1 ). (5.31) Na Questão 5.1.6, os pergutamos quais seriam os outros possíveis potos fixos de Γ e isso será cosiderado depois. Mas uma outra questão bastate importate é se o poto fixo N(0, 1) é atrator, ou seja se começado com outras distribuições poderíamos os aproximar de N(0, 1) à medida que iteramos Γ. Isso é estudado o Teorema Cetral do Limite (TCL) que provaremos posteriormete. Mas ates, precisamos desevolver uma boa defiição de covergêcia para distribuições, ou em outras palavras defiir uma topologia. Esse será o osso próximo tópico. 97
12 CAPÍTULO 5. SOMAS DE VAIÁVEIS INDEPENDENTES II: TEOEMA CENTAL DO LIMITE 5.2 Fuções características Esta seção trata da fução característica de uma variável aleatória, que pode ser vista como um aálogo complexo da trasformada de Laplace, ou também como a trasformada de Fourier de uma distribuição em. Vamos estudar suas pricipais propriedades e demostrar que a fução características determiam uicamete a distribuição da variável aleatória. Defiição Dada uma variável aleatória X, a fução característica de X, φ X : C, é defiida por ode. deote o produto scalar usual. φ X (ξ) := E[e iξ.x ], ξ. (5.32) Essa fução caracteristica pode tambem ser iterpretada com a trasformade de Fourier da distribuição de P X (que escrevemos P X ), defiida por µ(ξ) := d eiξ.x µ(dx) O teorema de covergêcia domiada garate que φ X e cotiua. Lema Seja X uma variável gaussiaa de distribuição N(0, σ), etão temos Demostração. Temos φ X (ξ) := e σ2 ξ 2 2. (5.33) φ X (ξ) := 1 σ e x2 2σ 2 e iξx dx. (5.34) 2π E suficiete tratar o caso σ = 1, pois os outros casos podem ser obtidos por substitução x = σy. Por simetría, a parte imagiária da itegral vale zero. Pois so temos que calcular f(ξ) := 1 e x2 2 cos(ξx)dx. (5.35) 2π Derivado a fução a itegral (o que podemos fazer por que xe x2 2 e itegravel) temos f (ξ) := 1 e x2 2 x si(ξx)dx. (5.36) 2π Pois itegrado por parte obtemos f (ξ) := 1 e x2 2 ξ cos(ξx)dx = ξ f(ξ). (5.37) 2π Etão f e solução da equação diferetial f (ξ)+ξf(ξ) = 0, o que, juto com a codição f(0) = 1 da o resultado f(ξ) = exp( ξ 2 /2). 98
13 5.2. FUNÇÕES CAACTEÍSTICAS Teorema A fução característica φ X determia a distribuição de X, o de jeito equivalete, a trasformação µ µ e ijectiva (o espaço das probabilidade em d ). Demostração. Cosideramos o caso d = 1 primeiro. Chamamos g σ a desidade da lei gaussiaa g σ (x) := 1 σ x2 e 2σ 2, x. 2π Defiimos µ σ a covolução de µ com g σ do jeito seguite f σ (x) := µ σ (x) := f σ (x)dx. g σ (x y)µ(dy) = g σ µ, (5.38) Vamos mostrar primeiramete que para todo σ > 0, µ σ e determiada por µ, e pois mostraremos que para toda fução ϕ cotiua limitada lim ϕ(x)µ σ (dx) := ϕ(x)µ(dx). (5.39) σ 0 Pelo primeiro poto vamos usar o lema precedete que os diz que g σ (x) = (σ 2π) 1 e iξx g 1/σ (ξ)dξ. (5.40) Em cosequecia temos como cosequecia do teorema de Fubii (verificado itegrabilidade) f σ (x) = g σ (x y)µ(dy) = (σ 2π) 1 = (σ 2π) 1 = (σ 2π) 1 ( ) e iξ(y x) g 1/σ (ξ)dξ µ(dy) ( ) g 1/σ (ξ)e iξx e iξy µ(dy) dξ g 1/σ (ξ)e iξx µ(ξ)dξ. (5.41) Agora mostramos (5.39). Temos, usado Fubii que para ϕ cotiua limitada ϕ(x)µ σ (dx) = ( ( ϕ(x) ϕ(x)g σ (y x)dx ) g σ (y x)µ(dy) ) dx µ(dy) = ϕ g σ (y)µ(dy). (5.42) Pois, usado g σ (x)dx = 1 ad ε > 0 lim g σ(x)dx = 0, (5.43) σ 0 { x >ε} 99
14 CAPÍTULO 5. SOMAS DE VAIÁVEIS INDEPENDENTES II: TEOEMA CENTAL DO LIMITE e facil mostrar que para todo y lim ϕ g σ(y) = ϕ(y). (5.44) σ 0 Pois cocluimos por covergêcia domiada (lembra que φ e limitada e ϕ g σ (x) sup φ ) que (5.39) vale. O caso geral d 1 e similar, trocado g σ pela seguite versão multidimesioal. g (d) σ (x) := d i=1 g σ (x i ). Acabamos essa itrodução a fuçoes característica com a observação seguite Proposição Sejà X = (X 1,..., X d ) um vetor aleatório em L 2 ( d ) (todas coordeadas possuem segudo mometo). Etão φ X (ξ) e C 2 e temos a vizihaça de zero φ X (ξ) = 1+i d j=1 ξ j E[X j ] 1 2 d d j=1 k=1 ξ j ξ k E[X j X j ]+o( ξ 2 ). (5.45) Demostração. Como todos as coordeadas ficam eml 2 podemos usar teoremas usuais de derivação de itegrais para obter que φ X ξ i (ξ) = ie[x i e ξ.x ] ad 2 φ X ξ j ξ k (ξ) φ X (ξ) = E[X j X k e ξ.x ]. (5.46) que são fuçoes cotiuas por covergêcia domiada. O segudo resultado segue da formula de Taylor applicada em zero. Observamos que o resultado acima pode ser extedido o caso L p mas o caso L 2 e de maior importacia para osso objetivo. 5.3 O Teorema de Levy O Teorema de Levy os leva uma coexão etre a oção de fução característica e a covergêcia fraca. Teorema Uma sequecia de distribuição µ coverge fracamete para µ se e sò se ξ d, lim µ (ξ) = µ(ξ). (5.47) 100
15 5.3. O TEOEMA DE LEVY Demostração. Uma implicação do teorema segue imediatamete da defiição da covergêcia fraca pois x e x.ξ e cotiua e limitada etão lim eξ.x µ (dx) = eξ.x µ(dx). (5.48) d d Mostramos agora a recíproca o caso d = 1 (o caso geral d 1 segue de jeito aalogo). Sedo f C c () e g σ defiido por g σ (x) = (σ ) 2π) 1 exp ( x2 2σ 2 reparamos que f g σ coverge uiformemete por f quado σ 0, pois f sedo absolutamete cotiua temos f(x y)g σ (y)dx f(x) = ( f(x σy) f(x))g 1 (y)dx ω f (σ y )g 1 (y)dx (5.49) ode ω f (t) := max x y t f(x) f(y), e podemos cocluir por covergêcia domiada. Etão pela Proposição vai ser sufficiete de verificar a covergêcia para H := {ϕ = f g σ : σ > 0, f C c ()} que fica deso em C c ( d ). A computação para provar a ijectividade da trasformada de Fourier, temos para qualquer probabilidade ν f g σ dν = f(x)g σ ν(x)dx = f(x) (( 2πσ) 1 ) e iξx g 1/σ (ξ) ν(ξ)dξ dx. (5.50) Como µ (ξ) µ(ξ), por covergêcia domiada temos para todo x e iξx g 1/σ (ξ) µ (ξ)dξ e iξx g 1/σ (ξ) µ(ξ)dξ. Usado de ovo covergêcia domiada (as itegrais são acima são meor que 1 em valor absoluta) pela itegral em x, cocluimos que lim O que coclui a demostração. f g σ dν = 101 f g σ dν. (5.51)
16 CAPÍTULO 5. SOMAS DE VAIÁVEIS INDEPENDENTES II: TEOEMA CENTAL DO LIMITE 5.4 O teorema cetral do limite para sequêcias IID O teorema cetral do limite em Agora estamos proto para mostrar Teorema Seja (X ) 1 uma sequecia uma sequecia de variáveis aleatórias em L 2, de variaca σ 2. Etão temos a seguite covergêcia em distribuição 1 (X 1 + +X E[X 1 ]) N(0, σ 2 ) (5.52) De jeito equivalete temos para todos reais a < b lim P[ X 1 + +X [E[X 1 ]+ a, E[X 1 ]+ b] ] = 1 b σ e x2 2σ 2 dx. 2π a (5.53) Demostração. Pelo teorema de Levy, e sufficiete de mostrar covergêcia potual das fuçoes caracteristica. Nota que podemos se satisfazer da prova quado E[X 1 ] = 0 substituido X por X E[X] se for ecessario. Defiimos Z := 1 (X 1 + +X ). Temos [ ( )] iξ φ Z (ξ) = E exp (X 1 + +X ) Sabemos da Proposição que quado ξ 0 etão temos par ξ fixo e podemos cocluir que [ ( )] iξx1 = E exp = φ X1 ( 1/2 ξ). (5.54) φ X1 (ξ) = 1 ξ2 σ 2 + o(ξ 2 ), (5.55) 2 φ X1 ( 1/2 ξ) = 1 ξ2 σ o( 1 ), (5.56) lim φ X1 ( 1/2 ξ) = e σ2 ξ 2 2. (5.57) Como sabemos que essa ultima quatidade e a fução caracteristica den(0, σ 2 ) isso acaba a demostração. A formulação equivalete pode ser obtida aproximado1 [a,b] com fuções cotiua (isso fucioa por que a distribuição Gaussiaa ão possui cojutos uidade tedo probabilidade positiva). 102
17 5.4. O TEOEMA CENTAL DO LIMITE PAA SEQUÊNCIAS IID O Teorema Cetral do Limite em d Para formular o teorema cetral do limite em dimeção superior precisamos itroduzir umas oções. Se X = (X (1),..., X (d) ) e um veitor aleatório em L 1. Defiimos a esperaça de X como seguite E[X] = (E[X (1) ],..., E[X (d) ]). Defiição Uma veitor aleatório (X (1),... X (d) ) e chamado de veito gaussiao, se para qualquer (λ 1,..., λ d ) a distribuição de λ 1 X (1) + +λ d X (d). Exercício Mostrar que se X = (X (1),... X (d) ) e um veitor gaussiao etão X (1),..., X (d) são variáveis gaussiaa, mas que a reciproca e falsa quado d 2. Fica claro que se para uma sequêcia de veitores (X ) 1 IID em L 2 temos 1 ((X 1 + +X ) E[X 1 ]) = X, o veitor X precisa ser Gaussiao. Para ver isso e sufficiete aplicar o teorema cetral limite para λ 1 X (1) + +λ d X d. Uma seguda observação é que a distribuiçã de um veitor gaussiao e totalmete defiida por sua media E[X] a sua matrice de covariaça Σ X := (σ X (i, j)) d i,j=1, ode σ X(i, j) := Cov(X (i) X (j) ). (5.58) Para ver isso cosideramos o caso E[X] = 0 (o outro caso sedo similar) e sedo X um veitor gaussiao cuja matrice de covariaça Σ calculamos a fução caracteristica. Por defiição, ξ.x sedo uma combiação liear das coordeadas, tem uma distribuição Gaussiaa. Pois temos Etão Var(ξ.X) = d σ(i, j)ξ i ξ j = (ξ.σξ). (5.59) i,j=1 ( φ X (ξ) = E[e iξ.x ] = exp (ξ.σξ) 2 ). (5.60) No caso ode Σ é a matrice idetidade, e facil de ver que o veitor gaussiao correspodete pode ser obtido cosiderado X (1),..., X (d) sedo variáveis gaussiaas idepedete de variaça 1. Dai podemos costruir um vector gaussiao para Σ arbitrario. Proposição Para toda matrix Σ simetrica positiva, existe um veitor gaussiao de matrice de covariaça Σ. Em geral escrevemos N(m, Σ) pela distribuição do veito gaussiao de matrice de covariaça Σ e de media (esperaça) m d. 103
18 CAPÍTULO 5. SOMAS DE VAIÁVEIS INDEPENDENTES II: TEOEMA CENTAL DO LIMITE Demostração. Seja M a matrice simetrica positiva tal que M 2 = Σ (M = Σ), e Z um veitor gaussiao de distribuição N(m, Σ). Defiimos X = MZ e verificamos que d E[X (i) X (j) ] = E[( (k))( d )] m i,k Z m j,k Z (k) d = m i,k m j,k = σ(i, j). k=1 k=1 k=1 (5.61) Teorema Seja (X ) 1 uma sequecia de veitores aleatóries em L 2, de matriz de covariaca Σ. Etão temos a seguite covergêcia em distribuição 1 (X 1 + +X E[X 1 ]) N(0, Σ). (5.62) Deixamos a demostração como exercicio jà que e idetica ao caso d =
19 UMA POVA ALTENATÍVA DO TEOEMA CENTAL DO LIMITE Uma prova alteratíva do Teorema Cetral do Limite Vamos ver agora um modo alterativo de provar a covergêcia que também forece uma estimação da velocidade de covergêcia Teorema (Teorema Cetral do Limite). Cosidere em (Ω,F, P), uma sequêcia X 1, X 2,... de variáveis aleatórias i.i.d. eml 3. Nesse caso, se defiimos m = E(X 1 ) e σ 2 = Var(X 1 ), temos i=1 (X i m) σ N(0, 1). (5.63) Demostração. Primeiramete, observe que podemos supor que m = 0, pois de qualquer forma iremos subtrair a média da distribuição a qual os iteressamos. Uma outra observação importate é que podemos supor σ = 1, pois o caso geral de qualquer forma estamos somado X i /σ o euciado. Como vimos a Proposição 5.1.2, basta mostrar a covergêcia das itegrais de fuções g C 3, que possuam todas as três primeiras derivadas limitadas (este cojuto sedo deso em C b ()). Cosiderado a fução ( φ x1 + +x (x 1,..., x ) := g ), (5.64) os basta provar a covergêcia das sequêcias de úmeros reais lim Eφ (X 1,..., X ) dp = 1 2π g(s)e t2 2 dt. (5.65) Vale lembrar que o Corolário já estabelecemos algo mais forte para variáveis ormais. Mais precisamete, supoha que extedemos osso espaço de probabilidade para (Ω,F, P ), ode exista uma sequêcia Y 1, Y 2,... de variáveis aleatórias i.i.d. com distribuição N(0, 1) idepedete de X 1, X 2,... Etão, para todo 1, φ (Y 1,..., Y ) dp = g(s)n(0, 1)(ds), (5.66) o que toraria o limite em (5.65) trivial para tais variáveis. A ossa estratégia será aproximar φ (X 1,..., X ) por φ(y 1,..., Y ), e faremos isso trocado uma variável de cada vez. Para eteder o que acotece quado trocamos uma das variáveis X i por Y i, temos que expadir g em série de potêcias, isto é, escrever g(s) = g(s 0 )+(s s 0 )g (s 0 )+ (s s 0) 2 g (s o )+(s s 0 ) 3 (s, s 0 ), (5.67) 2 ode (s, s 0 ) é limitada por g /6 Usado a otação Z (i) = (Y 1,..., Y i 1, Y i, X i+1,..., X ), 105
20 CAPÍTULO 5. SOMAS DE VAIÁVEIS INDEPENDENTES II: TEOEMA CENTAL DO LIMITE Z (i,0) = (Y 1,..., Y i 1, 0, X i+1,..., X ) e S (i,0) := i 1 k=1 X k + k=i+1 Y k φ (Z (i) ) = φ (Z (i,0) )+ Y i g ( S (i,0) ) E do mesmo jeito φ (Z (i 1) ) = φ (Z (i,0) )+ X i g ( S (i,0) ) + (Y i) 2 2 g ( S (i,0) )+ Y3 i 3/2 ( S (i), S(i,0) ). (5.68) + (X i) 2 2 g ( S (i,0) )+ X3 ( i S (i 1) 3/2, S(i,0) ). (5.69) Nós propositalmete expadimos φ até ordem dois, pois X i e Y i possuem os mesmos mometos de ordem um (m = 0) e dois (σ 2 = 1). Itegrado os dois lados da igualdade acima começado com a itegração com respeito a Y i obtemos E[φ (Z (i) )] = E[φ (Z (i,0) )]+ 1 2 E [ g ( S (i,0) ) ] + E[ Y 3 i 3/2 ( S (i), S(i,0) ) ], (5.70) e uma expressão parecida para E[φ (Z (i 1) )]. Em particular como X i e Y i possuem os dois primeiros mometos iguais, os dois primeiros termos de Taylor coicidem após a itegração. Deduzimos etão que para i 0, usado o fato que X i, Y i L 3 E[φ (Z (i) )] E[φ (Z (i 1) )] [ Y 3 ( = E i S (i) 3/2, S(i,0) ) ] X 3 ( E[ i S (i 1) 3/2, S(i,0) ) ] De jeito que temos E( X 1 3 )+E( Y 1 3 ) g 6 3/2. (5.71) E[φ (X 1,..., X )] E[φ (Y 1,..., Y )] [ ] E φ (Z (i) ) φ 1 (Z (i 1) ) = k i k i 1 i=0 M 3/2 ( E( X1 3 )+E( Y 1 3 ) ), que claramete coverge a zero, provado o teorema. 106 i=0
21 UMA POVA ALTENATÍVA DO TEOEMA CENTAL DO LIMITE Corolário A N(0, 1) é a úica distribuição µ que possui esperaça zero, variâcia 1 e é tal que se X, Y são i.i.d. com distribuição µ, etão (X+ Y)/ 2 também possuem distribuição µ. Em outras palavras, N(0, σ 2 ), para σ 0, são os úicos potos fixos de Γ em L 3. Demostração. Usado a ivariâcia euciada acima, temos que X 1 + +X 2 k 2 k d µ. (5.72) Mas pelo Teorema cetral do limite, a distribuição dessa combiação de X i deve covergir a N(0, 1), logo temos µ = N(0, 1). Vamos termiar essa seção com uma aplicação do teorema acima. Exercício Digamos que jogamos 100 moedas hoestas e idepedetes, como foi proposto o iício da seção, obtedo fialmete uma variável aleatória Y d Bi(100, 1/2). Usado o Teorema Cetral do Limite, estime P[Y 55] usado uma aproximação por uma N(0, 1). Calcule umericamete o valor real desta probabilidade e compare ambas as estimativas. 107
22 CAPÍTULO 5. SOMAS DE VAIÁVEIS INDEPENDENTES II: TEOEMA CENTAL DO LIMITE Tópico: O Teorema de Portmateau O próximo resultado é bastate útil para provar covergêcia fraca, pois os forece uma coleção de equivalêcias muitas vezes mais fáceis de verificar. Lembramos que o euciado abaixo que E é um espaço métrico e que A é a σ algébra de Borel. Teorema (Teorema de Portmateau). Sejam (µ ) 1 e µ medidas de probabilidade em (E, A). São equivaletes: a) µ µ, a ) f dµ f dµ, para toda f uifmormemete cotíua e limitada, b) lim sup µ (F) µ(f), para todo F E fechado, b ) lim if µ (G) µ(g), para todo F E aberto, c) lim µ (A) = µ(a), para todo A A com µ( A) = 0. Para memorizar o teorema acima, é coveiete lembrar dos dois exemplos: i) se x x com x = x, F = {x} e G = B(x, δ)\{x} temos, para grade, µ (F) = µ(g) = 0 < 1 = µ(f) = µ (G), (5.73) ii) em (,B()), seja µ 2 = δ e µ 2+1 = µ = δ 0. Obviamete µ ão coverge fracamete a µ. Cotudo, para todo A B(), lim if lim sup µ (A) lim if µ 2 (A) = µ(a) e µ 2 (A) = µ(a). µ (A) lim sup (5.74) Prova do Teorema Obviamete, (a a ), pois a ) somete supõe a covergêcia das itegrais para fuções f que sejam uiformemete cotíuas, portato é um requisito mais fraco que a). Observamos também que (b b ). De fato, basta tomarmos complemetos e observar a mudaça os siais das desigualdades. Etão, para a prova do teorema, basta mostrar que (a b), (b+b c) e (c a). Começamos com (a b) e para tato, cosideramos F E fechado. Seja δ > 0 e defia a fução f δ : E dada por { f δ (x) = max 1 d(x, F) }, 0. (5.75) δ Claramete, f é uiformemete cotíua e vale1f f δ 1B(F, δ). Dessa desigualdade, temos lim sup µ (F) lim sup fδ dµ = f δ dµ µ(b(f, δ)). 108
23 TÓPICO: O TEOEMA DE POTMANTEAU Tomado agora o limite com δ 0, obtemos b) por cotiuidade da probabilidade µ. Para mostrar (b+b c), seja A A tal que µ( A) = 0. Nesse caso, sabemos que lim sup µ (A) lim sup µ (A) µ(a) = µ(å) lim if µ (Å) lim if µ (A), o que mostra o limite em c). Fialmete, resta mostrar (c a) e, para tato, cosideramos uma fução f : E cotíua e limitada. Digamos, com f = M. Sabemos que os cojutos { f 1 ({a})} a são disjutos, logo os cojutos f 1 ({a}) podem ter medida µ positiva apeas para uma coleção eumerável de valores a. Obtemos assim uma coleção fiita b 0 < b 1 < < b k, tal que b 0 < M e b k > M, b i+1 b i δ e µ ( f 1 ({b i }) ) = 0 para todo i k. (5.76) f(x) x Figura 5.2: Uma fução cotíua e limitada f, os potos b i e um cojuto A i. Iremos aproximar f por uma fução da forma f δ = i b i 1 Ai, ode os cojutos A i = f 1( [b i, b i+1 ) ) são disjutos. Obviamete f δ f f δ + δ, dode lim if f δ dµ lim if f dµ lim sup f dµ lim if f δ dµ + δ. Mas como f δ dµ = i b i µ (A i ), a prova estará cocluida se mostrarmos que µ (A i ) µ(a i ) para todo i k. Isso segue de d), pois A i f 1 ({b i, b i+1 }), que tem medida zero. Exercício Lembrado que em (,B()), temos 1 i=1 δ i/ U [0,1], use o ítem d) do Teorema para dar uma caracterização dos cojutos iemamesuráveis. Mais precisamete, ecotre os A tais que 1 i=1 δ i/(a) coverge para a medida de Lebesgue de A. 109
Somas de variáveis independentes II: Teorema Central do limite
Capítulo 5 Somas de variáveis independentes II: Teorema Central do limite A pergunta natural depois de ter provado a Lei dos grandes números é a do limite das flutuações da soma n k=1 X k: qual e a boa
Leia maisSumário. 2 Índice Remissivo 11
i Sumário 1 Esperaça de uma Variável Aleatória 1 1.1 Variáveis aleatórias idepedetes........................... 1 1.2 Esperaça matemática................................. 1 1.3 Esperaça de uma Fução de
Leia maisMedidas, integração, Teorema da Convergência Monótona e o teorema de Riesz-Markov
Medidas, itegração, Teorema da Covergêcia Moótoa e o teorema de Riesz-Markov 28 de Agosto de 2012 1 Defiições de Teoria da Medida Seja (Ω, F, ν) um espaço de medida: isto é, F é σ-álgebra sobre o cojuto
Leia maisDESIGUALDADES, LEIS LIMITE E TEOREMA DO LIMITE CENTRAL. todas as repetições). Então, para todo o número positivo ξ, teremos:
48 DESIGUALDADES, LEIS LIMITE E TEOREMA DO LIMITE CENTRAL LEI DOS GRANDES NÚMEROS Pretede-se estudar o seguite problema: À medida que o úmero de repetições de uma experiêcia cresce, a frequêcia relativa
Leia maisProbabilidade II Aula 12
Coteúdo Probabilidade II Aula Juho de 009 Desigualdade de Marov Desigualdade de Jese Lei Fraca dos Grades Números Môica Barros, D.Sc. Itrodução A variâcia de uma variável aleatória mede a dispersão em
Leia maisn ) uma amostra aleatória da variável aleatória X.
- Distribuições amostrais Cosidere uma população de objetos dos quais estamos iteressados em estudar uma determiada característica. Quado dizemos que a população tem distribuição FX ( x ), queremos dizer
Leia maisAula 5. Aula de hoje. Aula passada. Limitante da união Método do primeiro momento Lei dos grandes números (fraca e forte) Erro e confiança
Aula 5 Aula passada Valor esperado codicioal Espaço amostral cotíuo, fução desidade Limitates para probabilidade Desigualdades de Markov, Chebyshev, Cheroff with high probability Aula de hoje Limitate
Leia maisProbabilidade 2 - ME310 - Lista 5
Probabilidade - ME30 - Lista 5 November 3, 0 Lembrado:. Covergêcia de sequêcias em L p (também chamada de covergêcia em média): se lim E( X X 0 p ) 0 quado, etão a sequêcia deida por X é dita covergete
Leia maisS E Q U Ê N C I A S E L I M I T E S. Prof. Benito Frazão Pires. Uma sequência é uma lista ordenada de números
S E Q U Ê N C I A S E L I M I T E S Prof. Beito Frazão Pires Uma sequêcia é uma lista ordeada de úmeros a, a 2,..., a,... ) deomiados termos da sequêcia: a é o primeiro termo, a 2 é o segudo termo e assim
Leia maisO TEOREMA ERGÓDICO DE BIRKHOFF
O TEOREMA ERGÓDICO DE BIRKHOFF BRUNO SANTIAGO Resumo. Neste artigo expositório discutiremos a prova clássica do teorema ergódico de Birkhoff, via o teorema ergódico maximal. Buscaremos explorar os sigificados
Leia maisIndependência e espaços produtos
Capítulo 3 Idepedêcia e espaços produtos 3.1 Idepedêcia Nossa ituição os diz que quado jogamos duas moedas, o resultado de cada uma delas ão deve depeder um do outro. Dessa forma, a probabilidade de obtermos
Leia mais2.2. Séries de potências
Capítulo 2 Séries de Potêcias 2.. Itrodução Série de potêcias é uma série ifiita de termos variáveis. Assim, a teoria desevolvida para séries ifiitas de termos costates pode ser estedida para a aálise
Leia maisAmostras Aleatórias e Distribuições Amostrais. Probabilidade e Estatística: afinal, qual é a diferença?
Amostras Aleatórias e Distribuições Amostrais Probabilidade e Estatística: afial, qual é a difereça? Até agora o que fizemos foi desevolver modelos probabilísticos que se adequavam a situações reais. Por
Leia maisLista de Exercícios #6 Assunto: Propriedade dos Estimadores e Métodos de Estimação
Assuto: Propriedade dos Estimadores e Métodos de Estimação. ANPEC 08 - Questão 6 Por regulametação, a cocetração de um produto químico ão pode ultrapassar 0 ppm. Uma fábrica utiliza esse produto e sabe
Leia maisLista de Exercícios #4 Assunto: Variáveis Aleatórias Contínuas
. ANPEC 8 - Questão Seja x uma variável aleatória com fução desidade de probabilidade dada por: f(x) = x, para x f(x) =, caso cotrário. Podemos afirmar que: () E[x]=; () A mediaa de x é ; () A variâcia
Leia maisAULA Subespaço, Base e Dimensão Subespaço.
Note bem: a leitura destes apotametos ão dispesa de modo algum a leitura ateta da bibliografia pricipal da cadeira TÓPICOS Subespaço. ALA Chama-se a ateção para a importâcia do trabalho pessoal a realizar
Leia mais1. Revisão Matemática
Sequêcias de Escalares Uma sequêcia { } diz-se uma sequêcia de Cauchy se para qualquer (depedete de ε ) tal que : ε > 0 algum K m < ε para todo K e m K Uma sequêcia { } diz-se ser limitada superiormete
Leia maisAnálise Matemática I 2 o Exame
Aálise Matemática I 2 o Exame Campus da Alameda LEC, LET, LEN, LEM, LEMat, LEGM 29 de Jaeiro de 2003, 3 horas Apresete todos os cálculos e justificações relevates I. Cosidere dois subcojutos de R, A e
Leia maisCálculo Diferencial e Integral I Resolução do 2 ō Teste - LEIC
Cálculo Diferecial e Itegral I Resolução do ō Teste - LEIC Departameto de Matemática Secção de Àlgebra e Aálise I.. Determie o valor dos seguites itegrais (i) e x se x dx x + (ii) x (x + ) dx (i) Visto
Leia maisO Princípio da Substituição e o Teorema Central do Limite
O Pricípio da Substituição e o Teorema Cetral do Limite Roberto Imbuzeiro M. F. de Oliveira 6 de Maio de 009 Resumo 1 Prelimiares são variáveis aleatórias idepedetes sat- No que segue {X i } {Y i} isfazedo
Leia maisFUNÇÕES CONTÍNUAS Onofre Campos
OLIMPÍADA BRASILEIRA DE MATEMÁTICA NÍVEL III SEMANA OLÍMPICA Salvador, 19 a 26 de jaeiro de 2001 1. INTRODUÇÃO FUNÇÕES CONTÍNUAS Oofre Campos oofrecampos@bol.com.br Vamos estudar aqui uma ova classe de
Leia maisProvas de Matemática Elementar - EAD. Período
Provas de Matemática Elemetar - EAD Período 01. Sérgio de Albuquerque Souza 4 de setembro de 014 UNIVERSIDADE FEDERAL DA PARAÍBA CCEN - Departameto de Matemática http://www.mat.ufpb.br/sergio 1 a Prova
Leia maisTEOREMA DE BAIRE. 1. Conceitos Preliminares Exemplos de Aplicações do Teorema de Baire 5 Referências 8
TEOREMA DE BAIRE JONAS RENAN MOREIRA GOMES BOLSISTA SANTANDER-USP Sumário 1. Coceitos Prelimiares 1 2. Defiição de Espaço de Baire 2 3. Exemplos de Aplicações do Teorema de Baire 5 Referêcias 8 Esse texto
Leia maisMAE Introdução à Probabilidade e Estatística II Resolução Lista 2
MAE 9 - Itrodução à Probabilidade e Estatística II Resolução Lista Professor: Pedro Moretti Exercício 1 Deotado por Y a variável aleatória que represeta o comprimeto dos cilidros de aço, temos que Y N3,
Leia mais1. Resolução da lista 1. Primeiro apresentaremos uma integral importante, obtida a partir da distribuição gama generalizada.
1. Resolução da lista 1. Primeiro apresetaremos uma itegral importate, obtida a partir da distribuição gama geeralizada. 1) J x a 1 e bxc dx Γa/c), a, b, c >. cba/c Demostração: fazedo a substituição y
Leia maisSecção 1. Introdução às equações diferenciais
Secção. Itrodução às equações difereciais (Farlow: Sec..,.) Cosideremos um exemplo simples de um feómeo que pode ser descrito por uma equação diferecial. A velocidade de um corpo é defiida como o espaço
Leia maisb) Fabrico de peças cilíndricas Capítulo 5 - Distribuições conjuntas de probabilidades e complementos X - comprimento da peça Y - diâmetro da peça
Capítulo 5 - Distribuições cojutas de probabilidades e complemetos 5.1 Duas variáveis aleatórias discretas. Distribuições cojutas, margiais e codicioais. Idepedêcia Em relação a uma mesma eperiêcia podem
Leia maisSéquências e Séries Infinitas de Termos Constantes
Capítulo Séquêcias e Séries Ifiitas de Termos Costates.. Itrodução Neste capítulo estamos iteressados em aalisar as séries ifiitas de termos costates. Etretato, para eteder as séries ifiitas devemos ates
Leia maisNotas de aula de Probabilidade Avançada
Notas de aula de Probabilidade Avaçada Adilso Simois (professor) Tássio Naia dos Satos (aluo) primeiro semestre de 2012 compilado 2 de abril de 2012 Notas de aula de Tássio Naia dos Satos, aluo do curso
Leia maisAplicações lineares. Capítulo Seja T: a) Quais dos seguintes vectores estão em Im( T )? 1 i) 4. 3 iii) ii)
Capítulo Aplicações lieares Seja T: R R a multiplicação por 8 a) Quais dos seguites vectores estão em Im( T )? i) ii) 5 iii) b) Quais dos seguites vectores estão em Ker( T)? i) ii) iii) c) Qual a dimesão
Leia maisPreliminares 1. 1 lim sup, lim inf. Medida e Integração. Departamento de Física e Matemática. USP-RP. Prof. Rafael A. Rosales. 8 de março de 2009.
Medida e Itegração. Departameto de Física e Matemática. USP-RP. Prof. Rafael A. Rosales 8 de março de 2009. 1 lim sup, lim if Prelimiares 1 Seja (x ), N, uma seqüêcia de úmeros reais, e l o limite desta
Leia maisExponenciais e Logaritmos (MAT 163) - Notas de Aulas 2 Prof Carlos Alberto S Soares
Expoeciais e Logaritmos (MAT 163) - Notas de Aulas 2 Prof Carlos Alberto S Soares 1 Prelimiares Lembremos que, dados cojutos A, B R ão vazios, uma fução de domíio A e cotradomíio B, aotada por, f : A B,
Leia maisCapítulo VII: Soluções Numéricas de Equações Diferenciais Ordinárias
Capítulo VII: Soluções Numéricas de Equações Difereciais Ordiárias 0. Itrodução Muitos feómeos as áreas das ciêcias egearias ecoomia etc. são modelados por equações difereciais. Supoa-se que se quer determiar
Leia maisbinomial seria quase simétrica. Nestas condições será também melhor a aproximação pela distribuição normal.
biomial seria quase simétrica. Nestas codições será também melhor a aproximação pela distribuição ormal. Na prática, quado e p > 7, a distribuição ormal com parâmetros: µ p 99 σ p ( p) costitui uma boa
Leia maisBases e dimensão. Roberto Imbuzeiro Oliveira. 22 de Março de 2012
Bases e dimesão Roberto Imbuzeiro Oliveira 22 de Março de 2012 1 Defiições básicas Nestas otas X é espaço vetorial com mais de um elemeto sobre o corpo F {R, C}. Uma base (ão ecessariamete LI) de X é um
Leia maisNotas de aula: Probabilidade I. Augusto Teixeira
Notas de aula: Probabilidade I Augusto Teixeira 8 de juho de 2016 Liceça Esse trabalho é liceciado os termos da liceça Creative Commos Atribuição- NãoComercial-CompartilhaIgual 3.0 Não Adaptada (CC BY-NC-SA
Leia maisCapítulo 1. Fundamentos
Capítulo 1 Fudametos A probabilidade modera se baseia fortemete a Teoria da Medida e supomos durate esse curso que o leitor esteja bem familiarizado com coceitos tais como: Medida de Lebesgue, extesões
Leia maisSucessões. , ou, apenas, u n. ,u n n. Casos Particulares: 1. Progressão aritmética de razão r e primeiro termo a: o seu termo geral é u n a n1r.
Sucessões Defiição: Uma sucessão de úmeros reais é uma aplicação u do cojuto dos úmeros iteiros positivos,, o cojuto dos úmeros reais,. A expressão u que associa a cada a sua imagem desiga-se por termo
Leia maisSoluções dos Exercícios do Capítulo 6
Soluções dos Eercícios do Capítulo 6 1. O poliômio procurado P() a + b + c + d deve satisfazer a idetidade P(+1) P() +, ou seja, a(+1) + b(+1) + c(+1) + d a + b + c + d +, o que é equivalete a (a 1) +
Leia maisNúmeros primos, números compostos e o Teorema Fundamental da Aritmética
Polos Olímpicos de Treiameto Curso de Teoria dos Números - Nível 3 Carlos Gustavo Moreira Aula 4 Números primos, úmeros compostos e o Teorema Fudametal da Aritmética 1 O Teorema Fudametal da Aritmética
Leia maisAUTO AVALIAÇÃO CAPÍTULO I. 1. Assinale com V as proposições que considere verdadeiras e com F as que considere
AUTO AVALIAÇÃO CAPÍTULO I. Assiale com V as proposições que cosidere verdadeiras e com F as que cosidere falsas : a. Sedo A e B cojutos disjutos, ambos majorados, os respectivos supremos ão podem coicidir
Leia maisSomas de variáveis independentes I: Lei dos. Grandes Números
Capítulo 4 Somas de variáveis idepedetes I: Lei dos Grades Números Nesse capítulo itroduziremos várias técicas e resultados que serão úteis em geral, mas que aparecem aturalmete o estudo da somas de variáveis
Leia mais2- Resolução de Sistemas Não-lineares.
MÉODOS NUMÉRICOS PARA EQUAÇÕES DIFERENCIAIS PARCIAIS 2- Resolução de Sistemas Não-lieares. 2.- Método de Newto. 2.2- Método da Iteração. 2.3- Método do Gradiete. 2- Sistemas Não Lieares de Equações Cosidere
Leia maisINTEIROS DE GAUSS E INTEIROS DE EISENSTEIN Guilherme Fujiwara, São Paulo SP
Nível Avaçado. INTEIROS DE GAUSS E INTEIROS DE EISENSTEIN Guilherme Fujiwara, São Paulo SP Vamos abordar esse artigo a aritmética de dois cojutos de iteiros algébricos: os Iteiros de Gauss e os Iteiros
Leia maisAnálise Complexa Resolução de alguns exercícios do capítulo 4
Aálise Complexa Resolução de algus exercícios do capítulo 4. Caso de C0, 0, : Caso de C0,, + : Exercício º z z i i z + iz iz iz porque iz < i + z i +3 z. z z i i z + iz iz porque iz > iz i z 3 i 3 z..
Leia maisEstimadores de Momentos
Estimadores de Mometos A média populacioal é um caso particular daquilo que chamamos de mometo. Na realidade, ela é o primeiro mometo. Se X for uma v.a. cotíua, com desidade f(x; θ 1,..., θ r ), depededo
Leia maisUniversidade Federal Fluminense - UFF-RJ
Aotações sobre somatórios Rodrigo Carlos Silva de Lima Uiversidade Federal Flumiese - UFF-RJ rodrigouffmath@gmailcom Sumário Somatórios 3 Somatórios e úmeros complexos 3 O truque de Gauss para somatórios
Leia maisFundamentos de Análise Matemática Profª Ana Paula. Sequência Infinitas
Fudametos de Aálise Matemática Profª Aa Paula Sequêcia Ifiitas Defiição 1: Uma sequêcia umérica a 1, a 2, a 3,,a,é uma fução, defiida o cojuto dos úmeros aturais : f : f a Notação: O úmero é chamado de
Leia maisMATEMÁTICA II. Profa. Dra. Amanda Liz Pacífico Manfrim Perticarrari
MATEMÁTICA II Profa. Dra. Amada Liz Pacífico Mafrim Perticarrari amada@fcav.uesp.br O PROBLEMA DA ÁREA O PROBLEMA DA ÁREA Ecotre a área da região que está sob a curva y = f x de a até b. S = x, y a x b,
Leia maisNotas do Curso Inferência em Processos Estocásticos. 1 Estimação de máxima verossimilhança para cadeias de Markov de ordem k
Notas do Curso Iferêcia em Processos Estocásticos Prof. Atoio Galves Trascrita por Karia Yuriko Yagiuma 1 Estimação de máxima verossimilhaça para cadeias de Markov de ordem k Seja (X ) =0,1,,... uma cadeia
Leia maisSucessão ou Sequência. Sucessão ou seqüência é todo conjunto que consideramos os elementos dispostos em certa ordem. janeiro,fevereiro,...
Curso Metor www.cursometor.wordpress.com Sucessão ou Sequêcia Defiição Sucessão ou seqüêcia é todo cojuto que cosideramos os elemetos dispostos em certa ordem. jaeiro,fevereiro,...,dezembro Exemplo : Exemplo
Leia maisAlguns autores também denotam uma sequência usando parêntesis:
Capítulo 3 Sequêcias e Séries Numéricas 3. Sequêcias Numéricas Uma sequêcia umérica é uma fução real com domíio N que, a cada associa um úmero real a. Os úmeros a são chamados termos da sequêcia. É comum
Leia maisMaterial Teórico - Módulo Binômio de Newton e Triangulo de Pascal. Soma de Elementos em Linhas, Colunas e Diagonais. Segundo Ano do Ensino Médio
Material Teórico - Módulo Biômio de Newto e Triagulo de Pascal Soma de Elemetos em Lihas, Coluas e Diagoais Segudo Ao do Esio Médio Autor: Prof Fabrício Siqueira Beevides Revisor: Prof Atoio Camiha M Neto
Leia maisMaterial Teórico - Módulo Binômio de Newton e Triangulo de Pascal. Soma de Elementos em Linhas, Colunas e Diagonais. Segundo Ano do Ensino Médio
Material Teórico - Módulo Biômio de Newto e Triagulo de Pascal Soma de Elemetos em Lihas, Coluas e Diagoais Segudo Ao do Esio Médio Autor: Prof Fabrício Siqueira Beevides Revisor: Prof Atoio Camiha M Neto
Leia maisPESADELO DE FUBINI E SISTEMAS DINÂMICOS. 2 n
PESADELO DE FUBINI E SISTEMAS DINÂMICOS ALI TAHZIBI 1. Laçameto de Moeda e Sistemas Diâmicos Seja ω (0, 1] e (d 1 (ω), d 2 (ω), ) a expasão biária de ω, i.e d (ω) ω = = 0, d 2 1 (ω)d 2 (ω). =1 Vamos combiar
Leia mais1. Definição e conceitos básicos de equações diferenciais
Capítulo 7: Soluções Numéricas de Equações Difereciais Ordiárias. Itrodução Muitos feómeos as áreas das ciêcias, egearias, ecoomia, etc., são modelados por equações difereciais. Supoa-se que se quer determiar
Leia maisNotas de aula: Probabilidade I (Remix) Augusto Teixeira (feat. H. Lacoin)
Notas de aula: Probabilidade I (Remix) Augusto Teixeira (feat. H. Lacoi) 4 de juho de 2018 Liceça Esse trabalho é liceciado os termos da liceça Creative Commos Atribuição- NãoComercial-CompartilhaIgual
Leia maisSeqüências e Séries. Notas de Aula 4º Bimestre/2010 1º ano - Matemática Cálculo Diferencial e Integral I Profª Drª Gilcilene Sanchez de Paulo
Seqüêcias e Séries Notas de Aula 4º Bimestre/200 º ao - Matemática Cálculo Diferecial e Itegral I Profª Drª Gilcilee Sachez de Paulo Seqüêcias e Séries Para x R, podemos em geral, obter sex, e x, lx, arctgx
Leia mais( ) III) ESPAÇOS VETORIAIS REAIS. Definição: Denomina-se espaço vetorial sobre os Reais (R) ao conjunto não vazio. 1) Existe uma adição:
Elemetos de Álgebra Liear ESPAÇOS VETORIAIS REAIS III) ESPAÇOS VETORIAIS REAIS Defiição: Deomia-se espaço vetorial sobre os Reais (R) ao cojuto ão vazio + : V V V ) Existe uma adição: com as seguites propriedades:
Leia mais1.4 Determinantes. determinante é igual ao produto dos elementos da diagonal principal menos o produto dos elementos da diagonal secundária.
1.4 Determiates A teoria dos determiates surgiu quase simultaeamete a Alemaha e o Japão. Ela foi desevolvida por dois matemáticos, Gottfried Wilhelm Leibiz (1642-1716) e Seki Shisuke Kowa (1642-1708),
Leia maisBÁRBARA DENICOL DO AMARAL RODRIGUEZ CINTHYA MARIA SCHNEIDER MENEGHETTI CRISTIANA ANDRADE POFFAL SEQUÊNCIAS NUMÉRICAS. 1 a Edição
BÁRBARA DENICOL DO AMARAL RODRIGUEZ CINTHYA MARIA SCHNEIDER MENEGHETTI CRISTIANA ANDRADE POFFAL SEQUÊNCIAS NUMÉRICAS 1 a Edição Rio Grade 2017 Uiversidade Federal do Rio Grade - FURG NOTAS DE AULA DE CÁLCULO
Leia maisProbabilidade II Aula 9
Coteúdo Probabilidade II Aula 9 Maio de 9 Môica Barros, D.Sc. Estatísticas de Ordem Distribuição do Máximo e Míimo de uma amostra Uiforme(,) Distribuição do Máximo e Míimo caso geral Distribuição das Estatísticas
Leia maisNúmeros Complexos. David zavaleta Villanueva 1
Material do miicurso a ser lecioado o III EREM-Mossoró-UERN UFRN - Uiversidade Federal do Rio Grade do Norte Edição N 0 outubro 011 Números Complexos David zavaleta Villaueva 1 1 CCET-UFRN, Natal, RN,
Leia maisMaterial Teórico - Módulo de ESTATÍSTICA. As Diferentes Médias. Primeiro Ano do Ensino Médio
Material Teórico - Módulo de ESTATÍSTICA As Diferetes Médias Primeiro Ao do Esio Médio Autor: Prof Atoio Camiha Muiz Neto Revisor: Prof Fracisco Bruo Holada Nesta aula, pausamos a discussão de Estatística
Leia maisMQI 2003 ESTATÍSTICA PARA METROLOGIA - SEMESTRE Teste 2 07/07/2008 Nome: PROBLEMA 1 Sejam X e Y v.a. contínuas com densidade conjunta:
MQI 003 ESTATÍSTICA PARA METROLOGIA - SEMESTRE 008.0 Teste 07/07/008 Nome: PROBLEMA Sejam X e Y v.a. cotíuas com desidade cojuta: f xy cy xy x y (, ) = + 3 ode 0 e 0 a) Ecotre a costate c que faz desta
Leia maisESTIMAÇÃO DA PROPORÇÃO POPULACIONAL p
ESTIMAÇÃO DA PROPORÇÃO POPULACIONAL p Objetivo Estimar uma proporção p (descohecida) de elemetos em uma população, apresetado certa característica de iteresse, a partir da iformação forecida por uma amostra.
Leia maisSéries de Fourier AM3D. Generalidades sobre funções periódicas
11 1 Séries de Fourier AM3D Geeralidades sobre fuções periódicas Defiição 1 Seja f uma fução da variável real. Diz-se que f é periódica de período T > se x D f, f(x+t = f(x. Exemplo As fuções seo e co-seo
Leia mais(i) (1,5 val.) Represente na forma de um intervalo ou de uma união disjunta de intervalos cada um dos conjuntos seguintes:
Istituto Superior Técico Departameto de Matemática o TESTE DE CÁLCULO DIFERENCIAL E INTEGRAL I - Versão A MEAero o Sem. 0/3 0//0 Duração: h30m RESOLUÇÃO. 3,0 val. i,5 val. Represete a forma de um itervalo
Leia maisDesigualdades b n b ) n ( a
Polos Olímpicos de Treiameto Curso de Álgebra - Nível 3 Prof Atoio Camiha Aula 2 Desigualdades 2 Esta aula é devotada ao estudo de outras desigualdades elemetares importates Para saber mais sobre o material
Leia maisCAPÍTULO IV DESENVOLVIMENTOS EM SÉRIE
CAPÍTUO IV DESENVOVIMENTOS EM SÉRIE Série de Taylor e de Mac-auri Seja f ) uma fução real de variável real com domíio A e seja a um poto iterior desse domíio Supoha-se que a fução admite derivadas fiitas
Leia mais3. Seja C o conjunto dos números complexos. Defina a soma em C por
Eercícios Espaços vetoriais. Cosidere os vetores = (8 ) e = ( -) em. (a) Ecotre o comprimeto de cada vetor. (b) Seja = +. Determie o comprimeto de. Qual a relação etre seu comprimeto e a soma dos comprimetos
Leia maisTeoria Ergódica Um Curso Introdutório. Krerley Oliveira e Marcelo Viana
Teoria Ergódica Um Curso Itrodutório Krerley Oliveira e Marcelo Viaa ii Coteúdo 0 Elemetos de Teoria da Medida 1 0.1 Espaços mesuráveis......................... 1 0.2 Espaços de medida..........................
Leia mais4 SÉRIES DE POTÊNCIAS
4 SÉRIES DE POTÊNCIAS Por via da existêcia de um produto em C; as séries adquirem a mesma relevâcia que em R; talvez mesmo maior. Isso deve-se basicamete ao facto de podermos ovamete formular as chamadas
Leia mais6.1 Estimativa de uma média populacional: grandes amostras. Definição: Um estimador é uma característica amostral (como a média amostral
6 ESTIMAÇÃO 6.1 Estimativa de uma média populacioal: grades amostras Defiição: Um estimador é uma característica amostral (como a média amostral x ) utilizada para obter uma aproximação de um parâmetro
Leia maisCapítulo II - Sucessões e Séries de Números Reais
Capítulo II - Sucessões e Séries de Números Reais 2 Séries de úmeros reais Sabemos bem o que sigifica u 1 + u 2 + + u p = p =1 e cohecemos as propriedades desta operação - comutatividade, associatividade,
Leia maisConstrução do anel de polinômios em uma indeterminada utilizando módulos
Costrução do ael de poliômios em uma idetermiada utilizado módulos Costructio of the rig of polyomials i oe idetermiate usig modules ISSN 2316-9664 Volume 12, jul. 2018 Christia José Satos Goçalves Uiversidade
Leia maisCapítulo I Séries Numéricas
Capítulo I Séries Numéricas Capitulo I Séries. SÉRIES NÚMERICAS DEFINIÇÃO Sedo u, u,..., u,... uma sucessão umérica, chama-se série umérica de termo geral u à epressão que habitualmete se escreve u u...
Leia maisSéries de Fourier. As séries de Fourier são séries cujos termos são funções sinusoidais.
Séries de Fourier As séries de Fourier são séries cujos termos são fuções siusoidais. Importâcia prática: uma fução periódica (em codições bastate gerais) pode ser represetada por uma série de Fourier;
Leia maisObtemos, então, uma amostra aleatória de tamanho n de X, que representamos por X 1, X 2,..., X n.
Vamos observar elemetos, extraídos ao acaso e com reposição da população; Para cada elemeto selecioado, observamos o valor da variável X de iteresse. Obtemos, etão, uma amostra aleatória de tamaho de X,
Leia maisSequências Reais e Seus Limites
Sequêcias Reais e Seus Limites Sumário. Itrodução....................... 2.2 Sequêcias de Números Reais............ 3.3 Exercícios........................ 8.4 Limites de Sequêcias de Números Reais......
Leia maisA DESIGUALDADE DE CHEBYCHEV
A DESIGUALDADE DE CHEBYCHEV Quado se pretede calcular a probabilidade de poder ocorrer determiado acotecimeto e se cohece a distribuição probabilística que está em causa o problema, ão se colocam dificuldades
Leia maisMétodos iterativos. Métodos Iterativos para Sistemas Lineares
Métodos iterativos Métodos Iterativos para Sistemas Lieares Muitos sistemas lieares Ax = b são demasiado grades para serem resolvidos por métodos directos (por exemplo, se A é da ordem de 10000) á que
Leia maisDistribuições Amostrais
Distribuições Amostrais O problema da iferêcia estatística: fazer uma afirmação sobre os parâmetros da população θ (média, variâcia, etc) através da amostra. Usaremos uma AAS de elemetos sorteados dessa
Leia maisInstituto de Matemática - UFRJ Análise 1 - MAA Paulo Amorim Lista 2
Istituto de Matemática - UFRJ Lista. Sejam (x ), (y ) sequêcias covergetes, com x y,. Mostre que se tem lim x lim y. Sabemos das aulas teóricas que se uma sequêcia z verifica z 0, etão lim z 0 (caso exista).
Leia maisUniversidade Federal do Rio de Janeiro Instituto de Matemática Departamento de Matemática
Uiversidade Federal do Rio de Jaeiro Istituto de Matemática Departameto de Matemática Disciplia: Cálculo Diferecial e Itegral IV Uidades: Escola Politécica e Escola de Quimica Código: MAC 248 Turmas: Egeharias
Leia maisEstimar uma proporção p (desconhecida) de elementos em uma população, apresentando certa característica de interesse, a partir da informação
ESTIMAÇÃO DA PROPORÇÃO POPULACIONAL p 1 Objetivo Estimar uma proporção p (descohecida) de elemetos em uma população, apresetado certa característica de iteresse, a partir da iformação forecida por uma
Leia mais1. Revisão Matemática
Se x é um elemeto do cojuto Notação S: x S Especificação de um cojuto : S = xx satisfaz propriedadep Uião de dois cojutos S e T : S T Itersecção de dois cojutos S e T : S T existe ; para todo f : A B sigifica
Leia maisCÁLCULO I. Exibir o cálculo de algumas integrais utilizando a denição;
CÁLCULO I Prof Edilso Neri Júior Prof Adré Almeida Aula o 9: A Itegral de Riema Objetivos da Aula Deir a itegral de Riema; Exibir o cálculo de algumas itegrais utilizado a deição; Apresetar fuções que
Leia mais4 Teoria da Probabilidade
48 4 Teoria da Probabilidade Apresetam-se este capítulo coceitos de probabilidade e de estimação de fuções desidade de probabilidade ecessários ao desevolvimeto e compreesão do modelo proposto (capítulo
Leia maisConjuntos Infinitos. Teorema (Cantor) Se A é conjunto qualquer, #A #P(A). Mais precisamente, qualquer
Cojutos Ifiitos Teorema (Cator) Se A é cojuto qualquer, #A #P(A). Mais precisamete, qualquer f : A P(A) ão é sobrejetora. Cosequêcia. Existe uma herarquia de cojutos ifiitos. Obs. Existe uma bijeção etre
Leia mais= o logaritmo natural de x.
VI OLIMPÍ IEROMERIN E MTEMÁTI UNIVERSITÁRI 8 E NOVEMRO E 00 PROLEM [5 potos] Seja f ( x) log x 0 = o logaritmo atural de x efia para todo 0 f+ ( x) = f() t dt = lim f() t dt x 0 ε 0 ε Prove que o limite
Leia maisMatemática. B) Determine a equação da reta que contém a diagonal BD. C) Encontre as coordenadas do ponto de interseção das diagonais AC e BD.
Matemática 0. Um losago do plao cartesiao oxy tem vértices A(0,0), B(,0), C(,) e D(,). A) Determie a equação da reta que cotém a diagoal AC. B) Determie a equação da reta que cotém a diagoal BD. C) Ecotre
Leia maisCONCEITOS BÁSICOS E PRINCÍPIOS DE ESTATÍSTICA
1 CONCEITOS BÁSICOS E PRINCÍPIOS DE ESTATÍSTICA 1. Coceitos Básicos de Probabilidade Variável aleatória: é um úmero (ou vetor) determiado por uma resposta, isto é, uma fução defiida em potos do espaço
Leia maisA Propriedade de Dunford-Pettis
A Propriedade de Duford-Pettis Celso Marques da Silva Juior Dissertação de Mestrado apresetada ao Programa de Pós-graduação do Istituto de Matemática, da Uiversidade Federal do Rio de Jaeiro, como parte
Leia maisx 1 + x x x = lim x x x 2 = lim x x = lim lim x x 2 limx x Exercício 3
Exercício Item p Esboço do algoritmo. É o seguite:. Fatorar a maior potêcia do umerador e do deomiador 2. Rearrajar a expressão. 3. Cocluir. Implemetação. Vejamos a implemetação. x + 3 x lim x x 2 + 3
Leia maisLista 9 - Introdução à Probabilidade e Estatística
Lista 9 - Itrodução à Probabilidade e Estatística Desigualdades e Teoremas Limites 2.=000. 1 Um ariro apota a um alvo de 20 cm de raio. Seus disparos atigem o alvo, em média, a 5 cm do cetro deste. Assuma
Leia maisLista de Exercícios de Cálculo 2 Módulo 1 - Primeira Lista - 01/2017
Lista de Exercícios de Cálculo 2 Módulo - Primeira Lista - 0/207. Determie { ( se a seqüêcia coverge ou diverge; se covergir, ache o limite. 5 ) } { } { } { arcta(), 000 (b) (c) ( ) l() } { 000 2 } { 4
Leia maisCap. 4 - Estimação por Intervalo
Cap. 4 - Estimação por Itervalo Amostragem e iferêcia estatística População: cosiste a totalidade das observações em que estamos iteressados. Nº de observações a população é deomiado tamaho=n. Amostra:
Leia maisCompletamento de Espaços Métricos
Completameto de Espaços Métricos Azuaite Aramis Scheider Trabalho realizado o âmbito do Semiário Matemático Disciplia da Liceciatura em Matemática Orietador: Goçalo Gutierres da Coceição Resumo Este trabalho,
Leia maisCálculo Numérico Lista 02
Cálculo Numérico Lista 02 Professor: Daiel Herique Silva Essa lista abrage iterpolação poliomial e método dos míimos quadrados, e cobre a matéria da seguda prova. Istruções gerais para etrega Nem todos
Leia mais