Notas em Matemática Aplicada Editores Cassio Machiaveli ... - sbmac
Notas em Matemática Aplicada Editores Cassio Machiaveli ... - sbmac
Notas em Matemática Aplicada Editores Cassio Machiaveli ... - sbmac
Create successful ePaper yourself
Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.
Ex<strong>em</strong>plo 2.2.9. Seja {X} uma vetor aleatório de dimensão n, com suporte kn =<br />
(0,+∞)×···×(0,+∞) ⊂ Rn e com vetor média conhecido E[{X}] = {µ X } ∈ kn,<br />
ou seja:<br />
⎡ ⎤<br />
µ X1<br />
⎢<br />
E[{X}] = ⎣ .<br />
µ Xn<br />
49<br />
⎥<br />
⎦ . (2.2.94)<br />
A função densidade de probabilidade de {X} construída pelo Princípio da Entropia<br />
Máxima é:<br />
p({x}) = pX1(x1)×···×pXn(xn), (2.2.95)<br />
onde a densidade pXj da variável aleatória Xj é escrita como uma função exponencial<br />
(2.2.51):<br />
pXj(xj) = 1 (0,∞)(xj) 1<br />
µ Xj<br />
−xj µ Xj e , j = 1,··· ,n, (2.2.96)<br />
mostrando que, pelo Princípio da Entropia Máxima, as n variáveis aleatórias<br />
X1,··· ,Xn são independentes.<br />
Ex<strong>em</strong>plo 2.2.10. Seja {X} um vetor aleatório de dimensão n, com suporte kn =<br />
R n , com vetor média conhecida E[{X}] = {µ X} = (µ X1 ···µ Xn ) T ∈ kn, onde<br />
µ Xj = E[Xj] e com matriz de covariância [C] real simétrica positiva definida<br />
conhecida.<br />
A função densidade de probabilidade de {X} construída pelo Princípio da Entropia<br />
Máxima é a densidade Gaussiana:<br />
p {X}({x}) =<br />
1<br />
(2π) n det[C] ×<br />
<br />
exp<br />
− 1<br />
2<br />
2.2.4 Matrizes aleatórias<br />
<br />
[C] −1 <br />
({x}−{µ X });({x}−{µ X })<br />
Rn <br />
.<br />
(2.2.97)<br />
Nas seções anteriores do trabalho foi mostrado como o Princípio da Entropia<br />
Máxima (PEM) determina as funções densidades de probabilidade de varáveis e<br />
vetores aleatórios (casos <strong>em</strong> que apenas algumas informações sobre essas variáveis<br />
são conhecidas). Dessa forma, quando se faz uma abordag<strong>em</strong> estocástica paramétrica<br />
de um sist<strong>em</strong>a, o PEM pode ser utilizado para construir as densidades<br />
de probabilidade dos parâmetros do sist<strong>em</strong>a que são considerados aleatórios (e<br />
portanto representados por variáveis/vetores aleatórios).