Distribuições Truncadas e Aplicações
Raydonal Ospina
Departamento de Estatística - CCEN/UFPE Gustavo H. Esteves
Departamento de Estatística - CCT/UEPB
58ª RBRAS - 15º SEAGRO
Sumário
Introdução
Censura e Truncamento
Teoria básica sobre o truncamento
Alguns Modelos Contínuos Truncados Distribuição Uniforme Truncada Distribuição Normal Truncada Distribuição Exponencial Truncada Distribuição Exponencial Dupla Truncada Distribuição Cauchy Truncada
Sumário
Introdução
Censura e Truncamento
Teoria básica sobre o truncamento
Alguns Modelos Contínuos Truncados Distribuição Uniforme Truncada Distribuição Normal Truncada Distribuição Exponencial Truncada Distribuição Exponencial Dupla Truncada Distribuição Cauchy Truncada
Introdução Censura e Truncamento
Conteúdo
Introdução
Censura e Truncamento
Teoria básica sobre o truncamento
Alguns Modelos Contínuos Truncados
Distribuição Uniforme Truncada Distribuição Normal Truncada Distribuição Exponencial Truncada Distribuição Exponencial Dupla Truncada Distribuição Cauchy Truncada
Introdução Censura e Truncamento
Introdução
Censura e Truncamento
Censura e truncamento são problemas muito comuns em trabalhos aplicados de diversas áreas, tais como Medicina, Epidemiologia ou indústria. Entretanto, eles são coisas diferentes!
I Censura: ocorre quando o tempo de vida de um item é sabido de ocorrer em
algum intervalo. Ela pode ser à direita, esquerda ou dupla (intervalar).
I Truncamento:ocorre quando o plano amostral do estudo inclui apenas os itens que
sobreviveram a algum ponto do tempo (truncamento à esquerda) ou que o evento aconteceu antes de algum tempo especíco (truncamento à direita), ou ambas as situações (truncamento intervalar).
Introdução Censura e Truncamento
Alguns Exemplos
A seguir apresentamos alguns exemplos de estudos onde aparecem dados com censura e/ou truncamento.
I Estudo clínico para avaliação do tempo de remissão de leucemia aguda. I Tempo de sobrevida em pacientes que passaram por transplante de rim.
I Taxa de sobrevivência em pacientes com linfoma tipo Hodgkim e não-Hodgkim que
passaram por transplante de medula (autóloga ou alogênica).
I Tempo de reinfecção para pessoas com doenças sexualmente transmissíveis. I Tempo até o primeiro consumo de maconha para crianças em idade escolar.
Introdução Teoria básica sobre o truncamento
Conteúdo
Introdução
Censura e Truncamento
Teoria básica sobre o truncamento
Alguns Modelos Contínuos Truncados
Distribuição Uniforme Truncada Distribuição Normal Truncada Distribuição Exponencial Truncada Distribuição Exponencial Dupla Truncada Distribuição Cauchy Truncada
Introdução Teoria básica sobre o truncamento
Teoria básica sobre Truncamento de variáveis aleatórias
Para se construir a versão truncada de uma distribuição de probabilidades consideremos inicialmente o seguinte:
I seja Y uma v.a. contínua assumindo valores na reta real; I g(y), y ∈ R, é sua função de densidade de probabilidade,fdp; I G(y), y ∈ R, é sua função de distribuição acumulada,fda.
Vamos considerar aqui apenas o caso contínuo, mas a extensão para o caso discreto é natural.
Introdução Teoria básica sobre o truncamento
Teoria básica sobre Truncamento de variáveis aleatórias
Para se construir a versão truncada de uma distribuição de probabilidades consideremos inicialmente o seguinte:
I seja Y uma v.a. contínua assumindo valores na reta real; I g(y), y ∈ R, é sua função de densidade de probabilidade,fdp; I G(y), y ∈ R, é sua função de distribuição acumulada,fda.
Vamos considerar aqui apenas o caso contínuo, mas a extensão para o caso discreto é natural.
Introdução Teoria básica sobre o truncamento
Considerando agora uma nova v.a. Xcomo a versão truncadade Y no intervalo [a, b],
com −∞ < a < b < ∞. Temos que as principais propriedades de X são dadas por:
f (x) = g(x) G(b) − G(a), a ≤ x ≤ b; E(X) = Z b a xf (x)dx; VAR(X) = Z b a [x − E(X)]2f (x)dx; F (x) = G{max[min(x, b), a]} − G(a)
G(b) − G(a) ;
onde f(x), E(X), VAR(X) e F (x) representam af.d.p., esperança, variância e a f.d.a da variável X. Naturalmente, para todos os valores dex /∈ [a, b], tem-se que f(x) = 0.
Introdução Teoria básica sobre o truncamento
Considerando agora uma nova v.a. Xcomo a versão truncadade Y no intervalo [a, b],
com −∞ < a < b < ∞. Temos que as principais propriedades de X são dadas por:
f (x) = g(x) G(b) − G(a), a ≤ x ≤ b; E(X) = Z b a xf (x)dx; VAR(X) = Z b a [x − E(X)]2f (x)dx; F (x) = G{max[min(x, b), a]} − G(a)
Introdução Teoria básica sobre o truncamento
Alguns comentários importantes
I Uma distribuição truncada pode ser pensada como umadistribuição condicionada
a uma restrição intervalar feita no suporte da distribuição.
I O termodistribuição truncadapode causar uma certa ambiguidade, no sentido de
se pensar na f.d.p da distribuição, g(x), com a remoção das caudas da distribuição fora do intervalo [a, b]. Mas isso não dene uma distribuição de probabilidades, sendo necessárioreescalar a função g(x) neste intervalo.
I Esta apresentação está baseada no truncamento intervalar de distribuições de
pro-babilidades, outruncamento duplo (doubly truncation). Mas pode-se obter as ver-sõessimples à direita, para (−∞, b], ou à esquerda, para [a, ∞).
Alguns Modelos Contínuos Truncados Distribuição Uniforme Truncada
Conteúdo
Introdução
Censura e Truncamento
Teoria básica sobre o truncamento
Alguns Modelos Contínuos Truncados Distribuição Uniforme Truncada
Distribuição Normal Truncada Distribuição Exponencial Truncada Distribuição Exponencial Dupla Truncada Distribuição Cauchy Truncada
Alguns Modelos Contínuos Truncados Distribuição Uniforme Truncada
Alguns Modelos Contínuos Truncados
A partir daqui vamos apresentar as principais propriedades para alguns dos principais modelos probabilísticos contínuos, especicamente:
I Modelo Uniforme contínuo; I Modelo Normal;
I Modelo Exponencial; I Modelo Exponencial Duplo; I Modelo de Cauchy.
Alguns Modelos Contínuos Truncados Distribuição Uniforme Truncada
Distribuição Uniforme
Seja X uma v.a. com distribuição uniforme em [α, β], isto é, X ∼ U[α, β].
I Sua f.d.p. é dada por:
g(x) = 1
β − α, α ≤ x ≤ β,
I Consequentemente, sua f.d.a. é dada por:
G(x) = 0, para x < α x−α β−α, para x ∈ [α, β) 1, para x ≥ β .
Alguns Modelos Contínuos Truncados Distribuição Uniforme Truncada
Distribuição Uniforme Truncada
Agora consideremosY a versão truncada da Uniforme, restrita ao intervalo [s, t] ⊂ [α, β]. Desta forma, para s, t ∈ [α, β] com s < t, a f.d.p de Y é dada por
fY(y) = g(y) G(t) − G(s)= 1 (t − α) − (s − α) = 1 t − s.
I Logo,Y ∼ U [s, t], isto é, a forma truncada de uma uniforme é uma nova uniforme
restrita ao intervalo de truncamento.
I Desta maneira as demais propriedades, tais como esperança, variância e etc
decor-rem naturalmente dos resultados já conhecidos da uniforme, e não serão discutidos aqui.
Alguns Modelos Contínuos Truncados Distribuição Uniforme Truncada
Distribuição Uniforme Truncada
Agora consideremosY a versão truncada da Uniforme, restrita ao intervalo [s, t] ⊂ [α, β]. Desta forma, para s, t ∈ [α, β] com s < t, a f.d.p de Y é dada por
fY(y) = g(y) G(t) − G(s)= 1 (t − α) − (s − α) = 1 t − s.
I Logo,Y ∼ U [s, t], isto é, a forma truncada de uma uniforme é uma nova uniforme
restrita ao intervalo de truncamento.
I Desta maneira as demais propriedades, tais como esperança, variância e etc
decor-rem naturalmente dos resultados já conhecidos da uniforme, e não serão discutidos aqui.
Alguns Modelos Contínuos Truncados Distribuição Uniforme Truncada
Distribuição Uniforme Truncada
Agora consideremosY a versão truncada da Uniforme, restrita ao intervalo [s, t] ⊂ [α, β]. Desta forma, para s, t ∈ [α, β] com s < t, a f.d.p de Y é dada por
fY(y) = g(y) G(t) − G(s)= 1 (t − α) − (s − α) = 1 t − s.
I Logo,Y ∼ U [s, t], isto é, a forma truncada de uma uniforme é uma nova uniforme
restrita ao intervalo de truncamento.
I Desta maneira as demais propriedades, tais como esperança, variância e etc
decor-rem naturalmente dos resultados já conhecidos da uniforme, e não serão discutidos aqui.
Alguns Modelos Contínuos Truncados Distribuição Normal Truncada
Conteúdo
Introdução
Censura e Truncamento
Teoria básica sobre o truncamento
Alguns Modelos Contínuos Truncados
Distribuição Uniforme Truncada
Distribuição Normal Truncada
Distribuição Exponencial Truncada Distribuição Exponencial Dupla Truncada Distribuição Cauchy Truncada
Alguns Modelos Contínuos Truncados Distribuição Normal Truncada
Distribuição Normal
Consideremos a distribuição normal com média µ e variância σ2. Assim, seja
X ∼ N (µ, σ2).
I A normal é a distribuição mais usada e conhecida e sua f.d.p é
g(x) =√1 2πσexp −1 2 x − µ σ .
I Por m, sua função de distribuição acumulada é dada por
G(x) = √1 2πσ Z x −∞ exp −1 2 t − µ σ dt.
Alguns Modelos Contínuos Truncados Distribuição Normal Truncada
Distribuição Normal Truncada
Agora, seja Y a versão truncada de X em [a, b], denotada porN T (µ, σ2, a, b), então
fY(y) = 1 √ 2πσexp " −1 2 y − µ σ 2# G(b) − G(a) , para a ≤ y ≤ b, 0 caso contrário.
I Este truncamento é conhecido comotruncamento duplo (doubly truncation), e os
pontos a e b são os pontos de truncamento inferior e superior.
I Fazendo a = −∞ ou b = +∞ temos otruncamento simples (simply truncation)
Alguns Modelos Contínuos Truncados Distribuição Normal Truncada
Distribuição Normal Truncada
Agora, seja Y a versão truncada de X em [a, b], denotada porN T (µ, σ2, a, b), então
fY(y) = 1 √ 2πσexp " −1 2 y − µ σ 2# G(b) − G(a) , para a ≤ y ≤ b, 0 caso contrário.
I Este truncamento é conhecido comotruncamento duplo (doubly truncation), e os
pontos a e b são os pontos de truncamento inferior e superior.
I Fazendo a = −∞ ou b = +∞ temos otruncamento simples (simply truncation)
Alguns Modelos Contínuos Truncados Distribuição Normal Truncada
Distribuição Normal Truncada
Agora, seja Y a versão truncada de X em [a, b], denotada porN T (µ, σ2, a, b), então
fY(y) = 1 √ 2πσexp " −1 2 y − µ σ 2# G(b) − G(a) , para a ≤ y ≤ b, 0 caso contrário.
I Este truncamento é conhecido comotruncamento duplo (doubly truncation), e os
pontos a e b são os pontos de truncamento inferior e superior.
Alguns Modelos Contínuos Truncados Distribuição Normal Truncada
Distribuição Normal Truncada
Continuação
Truncamentos Simples
I Para o caso dotruncamento simples acima, a f.d.p é dada por:
fY(y) = fX(x|x < b) =
g(x) G(b).
I Já para o caso dotruncamento simples abaixo, temos a seguinte f.d.p:
fY(y) = fX(x|x > a) =
g(x) 1 − G(a).
I Outro casos de interesse ocorrem quando temosa = µe b = ∞oua = −∞e b = µ,
Alguns Modelos Contínuos Truncados Distribuição Normal Truncada
Distribuição Normal Truncada
Continuação
Truncamentos Simples
I Para o caso dotruncamento simples acima, a f.d.p é dada por:
fY(y) = fX(x|x < b) =
g(x) G(b).
I Já para o caso dotruncamento simples abaixo, temos a seguinte f.d.p:
fY(y) = fX(x|x > a) =
g(x) 1 − G(a).
Alguns Modelos Contínuos Truncados Distribuição Normal Truncada
Distribuição Normal Truncada
Continuação
Voltando agora para o caso do truncamento duplo da Normal, vamos apresentar a f.d.a, esperança e variância para Y ∼ NT (µ, σ2, a, b)
I A função de distribuição acumulada da variável aleatória Y é da forma
FY(y) = Z y a 1 √ 2πσexp " −1 2 t − µ σ 2# dt G(b) − G(a) =G(y) − G(a) G(b) − G(a).
Alguns Modelos Contínuos Truncados Distribuição Normal Truncada
Distribuição Normal Truncada
Continuação
Esperança Matemática de Y
I A partir da denição, calcula-se aesperança matemáticada variável aleatória Y :
E(Y ) = Z ∞ −∞ yfY(y)dy = Z b a y √ 2πσexp −1 2 y−µ σ 2 G(b) − G(a) dy,
I com a transformação z = (y − µ)/σ, podemos simplicar o resultado
E(Y ) = Z b−µ σ a−µ σ µ+zσ√ 2π exp h −z2 2 i G(b) − G(a) dz = µ + ϕ a − µ σ − ϕ b − µ σ σ,
Alguns Modelos Contínuos Truncados Distribuição Normal Truncada
Distribuição Normal Truncada
Continuação
Variância de Y
I Após alguns cálculos, chegamos avariânciade Y , dada por:
VAR(Y ) = 1 + a−µ σ ϕa−µσ −b−µσ ϕb−µσ G(b) − G(a) σ2 − ϕa−µσ − ϕb−µσ G(b) − G(a) 2 σ2.
Alguns Modelos Contínuos Truncados Distribuição Normal Truncada
Distribuição Normal Truncada
Caso particular para o truncamento simple acima
Truncamento simples acima
I Note que, para o caso de truncamento acima temos o seguinte
E(Y ) = E(X | X < b) = µ − σϕ(β) G(b), VAR(Y ) = VAR(X | X < b) = σ2 " 1 − βϕ(β) G(b)− ϕ(β) G(b) 2# , em que β = (b − µ)/σ.
Alguns Modelos Contínuos Truncados Distribuição Normal Truncada
Distribuição Normal Truncada
Caso particular para o truncamento simples abaixo
Truncamento simples abaixo
I Agora, para o caso de truncamento abaixo, temos as seguinte propriedades:
E(Y ) = E(X | X > a) = µ + σλ(α), VAR(Y ) = VAR(X | X > a) = σ2[1 − δ(α)],
em que α = (a − µ)/σ, δ(α) = λ(α)[λ(α) − α] e λ(α) = ϕ(α)/[1 − G(a)] é ainversa da razão de Millsou também chamada detaxa de risco.
Alguns Modelos Contínuos Truncados Distribuição Normal Truncada
Distribuição Normal Truncada
Comentários
Observações importantes
Do que foi exposto nos resultados anteriores é possível vericar facilmente as propriedades enumeradas a seguir.
1. Se os dados são truncados abaixo de um determinado valor, a média da variável truncada é maior que a média da variável original.
2. Se os dados são truncados acima de um determinado valor, a média da variável truncada é menor que a média da variável original.
Alguns Modelos Contínuos Truncados Distribuição Normal Truncada
Distribuição Normal Truncada
Comentários
Observações importantes
Do que foi exposto nos resultados anteriores é possível vericar facilmente as propriedades enumeradas a seguir.
1. Se os dados são truncados abaixo de um determinado valor, a média da variável truncada é maior que a média da variável original.
2. Se os dados são truncados acima de um determinado valor, a média da variável truncada é menor que a média da variável original.
Alguns Modelos Contínuos Truncados Distribuição Normal Truncada
Distribuição Normal Truncada
Comentários
Observações importantes
Do que foi exposto nos resultados anteriores é possível vericar facilmente as propriedades enumeradas a seguir.
1. Se os dados são truncados abaixo de um determinado valor, a média da variável truncada é maior que a média da variável original.
2. Se os dados são truncados acima de um determinado valor, a média da variável truncada é menor que a média da variável original.
Alguns Modelos Contínuos Truncados Distribuição Normal Truncada
Distribuição Normal Truncada
Comentários
Observações importantes
Do que foi exposto nos resultados anteriores é possível vericar facilmente as propriedades enumeradas a seguir.
1. Se os dados são truncados abaixo de um determinado valor, a média da variável truncada é maior que a média da variável original.
2. Se os dados são truncados acima de um determinado valor, a média da variável truncada é menor que a média da variável original.
Alguns Modelos Contínuos Truncados Distribuição Normal Truncada
Exemplos de Normais Truncadas
Alguns Modelos Contínuos Truncados Distribuição Normal Truncada
Distribuições Truncadas no R
Artigo de Nadarajah e Kotz (2006)
? Nadarajah e Kotz (2006) apresenta funções em R para o cálculo de f.d.p., f.d.a., função de quantis, geração de amostras aleatórias, além do cálculo da esperança e variância,para qualquer distribuição nativamente implementada no R.
Exemplo: Função para o Cálculo da f.d.p.
dtrunc <- function(x, spec, a = -Inf, b = Inf, ...) { tt <- rep(0, length(x))
g <- get(paste("d", spec, sep = ""), mode = "function") G <- get(paste("p", spec, sep = ""), mode = "function")
tt[x>=a & x<=b] <- g(x[x>=a&x<=b], ...)/(G(b, ...) - G(a, ...)) return(tt)
Alguns Modelos Contínuos Truncados Distribuição Exponencial Truncada
Conteúdo
Introdução
Censura e Truncamento
Teoria básica sobre o truncamento
Alguns Modelos Contínuos Truncados
Distribuição Uniforme Truncada Distribuição Normal Truncada
Distribuição Exponencial Truncada
Distribuição Exponencial Dupla Truncada Distribuição Cauchy Truncada
Alguns Modelos Contínuos Truncados Distribuição Exponencial Truncada
Distribuição Exponencial
Outra distribuição de bastante utilidade prática dentro da estatística,sobretudo em problemas relacionados com tempos de vida, é a distribuição exponencial.
Consideremos a v.a. X com distribuição X ∼ Exp(λ).
I Sua f.d.p. é dada por
g(x) = 1 λexp −x λ , x ≥ 0,
I e sua f.d.a. está apresentada a seguir
G(x) = 1 − exp −x λ , com E(X) = λ e VAR(X) = λ2.
Alguns Modelos Contínuos Truncados Distribuição Exponencial Truncada
Distribuição Exponencial Truncada
Função de densidade de probabilidade
Agora, seja Y a versão truncada de X em [a, b], denotada porExpT (λ, a, b), então
f (y) = 1 λexp − y λ h 1 − exp−b λ i −1 − exp −a λ = exp − y λ λhexp −a λ − exp −b λ i .
Logo,a função de densidade de probabilidade de Y ∼ ExpT (λ, a, b)é dada por f (y) = c exp −y λ , a ≤ y ≤ b, com c = 1 λhexp −aλ − exp−b λ i .
Alguns Modelos Contínuos Truncados Distribuição Exponencial Truncada
Distribuição Exponencial Truncada
Função de densidade de probabilidade
Agora, seja Y a versão truncada de X em [a, b], denotada porExpT (λ, a, b), então
f (y) = 1 λexp − y λ h 1 − exp−b λ i −1 − exp −a λ = exp − y λ λhexp −a λ − exp −b λ i .
Logo,a função de densidade de probabilidade de Y ∼ ExpT (λ, a, b)é dada por f (y) = c exp −y λ , a ≤ y ≤ b, com c = 1 λhexp −aλ − exp−b λ i .
Alguns Modelos Contínuos Truncados Distribuição Exponencial Truncada
Distribuição Exponencial Truncada
Primeiros Momentos
Podemos calcular os dois primeiros momentos de Y de maneira simples, através da denição
I O primeiro momento de Y é dado por
E(Y ) = Zb a yf (y)dy = c Zb a y exp−y λ dy = λ + a exp −aλ − b exp−λb exp −λa − exp−b λ ,
I e o segundo momento ca
E(Y2) = Zb
y2f (y)dy = c Zb
Alguns Modelos Contínuos Truncados Distribuição Exponencial Truncada
Distribuição Exponencial Truncada
Variância
enm, usando a propriedade de queVAR(Y ) = E(Y2) − [E(Y )]2, podemos chegar facilmente na expressão para a variância da variável aleatória.
VAR(Y )
VAR(Y ) = λ2− exp−a+b λ [a2+ b2] h exp −a λ − exp −b λ i2.Alguns Modelos Contínuos Truncados Distribuição Exponencial Truncada
Distribuição Exponencial Truncada
F.d.a
Função de Distribuição Acumulada
Por m, a função de distribuição acumulada de Y é obtida por F (y) = Z y a f (t)dt = c Z y a exp −t λ dt = exp − a λ − exp − y λ exp −aλ − exp−b λ , E então F (y) = 0, para y < a exp(−a λ)−exp(− y λ)
Alguns Modelos Contínuos Truncados Distribuição Exponencial Truncada
Exemplos da Exponencial Truncada
Alguns Modelos Contínuos Truncados Distribuição Exponencial Truncada
Distribuições Truncadas no R
Script para gerar a gura anterior
? Abaixo temos o script escrito em R que gerou a gura anterior.
F.d.p. da exponencial truncada com λ = 1
x <- seq(0, 7, by=0.01)
plot(x, dexp(x), type="l", ylim=c(0,2), ylab="Exponencial") points(x, dtrunc(x,"exp", 0, 1), type="l", lty=2)
points(x, dtrunc(x,"exp", 2, Inf), type="l", lty=3) legend(4, 1.9, expression("Exp(1)", "ExpT(1, 0, 1)",
Alguns Modelos Contínuos Truncados Distribuição Exponencial Dupla Truncada
Conteúdo
Introdução
Censura e Truncamento
Teoria básica sobre o truncamento
Alguns Modelos Contínuos Truncados
Distribuição Uniforme Truncada Distribuição Normal Truncada Distribuição Exponencial Truncada
Distribuição Exponencial Dupla Truncada
Alguns Modelos Contínuos Truncados Distribuição Exponencial Dupla Truncada
Distribuição Exponencial Dupla
A distribuiçãoexponencial dupla, denotadaED, também é conhecida como distribuição deLaplace. Seja X ∼ ED(µ, λ).
I Sua f.d.p. é dada por
g(x) = 1 2λexp −|x − µ| λ , −∞ < x < ∞,
I e sua f.d.a. está apresentada a seguir
G(x) = 1 2exp x−µ λ , para x < µ 1 −12exp−x−µ λ , para x ≥ µ.
Alguns Modelos Contínuos Truncados Distribuição Exponencial Dupla Truncada
Distribuição Exponencial Dupla Truncada
Comentários
Para se construir a versão truncada, em um intervalo [a, b] qualquer, de uma distribuição exponencial dupla, temos que tomar alguns cuidados especiais no que diz respeito ao intervalo de truncamento e o parâmetro µ do modelo:
1. Temos o caso onde temos a, b < µ. 2. Temos o caso de a<µ com b ≥ µ. 3. Enm temos a, b ≥ µ.
4. Aqui vamos nos concentrar apenas noitem 2, sendo quea extensão para os outros dois casos é natural.
Alguns Modelos Contínuos Truncados Distribuição Exponencial Dupla Truncada
Distribuição Exponencial Dupla Truncada
Comentários
Para se construir a versão truncada, em um intervalo [a, b] qualquer, de uma distribuição exponencial dupla, temos que tomar alguns cuidados especiais no que diz respeito ao intervalo de truncamento e o parâmetro µ do modelo:
1. Temos o caso onde temos a, b < µ.
2. Temos o caso de a<µ com b ≥ µ. 3. Enm temos a, b ≥ µ.
4. Aqui vamos nos concentrar apenas noitem 2, sendo quea extensão para os outros dois casos é natural.
Alguns Modelos Contínuos Truncados Distribuição Exponencial Dupla Truncada
Distribuição Exponencial Dupla Truncada
Comentários
Para se construir a versão truncada, em um intervalo [a, b] qualquer, de uma distribuição exponencial dupla, temos que tomar alguns cuidados especiais no que diz respeito ao intervalo de truncamento e o parâmetro µ do modelo:
1. Temos o caso onde temos a, b < µ. 2. Temos o caso de a<µ com b ≥ µ.
3. Enm temos a, b ≥ µ.
4. Aqui vamos nos concentrar apenas noitem 2, sendo quea extensão para os outros dois casos é natural.
Alguns Modelos Contínuos Truncados Distribuição Exponencial Dupla Truncada
Distribuição Exponencial Dupla Truncada
Comentários
Para se construir a versão truncada, em um intervalo [a, b] qualquer, de uma distribuição exponencial dupla, temos que tomar alguns cuidados especiais no que diz respeito ao intervalo de truncamento e o parâmetro µ do modelo:
1. Temos o caso onde temos a, b < µ. 2. Temos o caso de a<µ com b ≥ µ. 3. Enm temos a, b ≥ µ.
4. Aqui vamos nos concentrar apenas noitem 2, sendo quea extensão para os outros dois casos é natural.
Alguns Modelos Contínuos Truncados Distribuição Exponencial Dupla Truncada
Distribuição Exponencial Dupla Truncada
Comentários
Para se construir a versão truncada, em um intervalo [a, b] qualquer, de uma distribuição exponencial dupla, temos que tomar alguns cuidados especiais no que diz respeito ao intervalo de truncamento e o parâmetro µ do modelo:
1. Temos o caso onde temos a, b < µ. 2. Temos o caso de a<µ com b ≥ µ. 3. Enm temos a, b ≥ µ.
4. Aqui vamos nos concentrar apenas noitem 2, sendo quea extensão para os outros dois casos é natural.
Alguns Modelos Contínuos Truncados Distribuição Exponencial Dupla Truncada
Distribuição Exponencial Dupla Truncada
Função de densidade de probabilidade
Agora, seja Y a versão truncada de X em [a, b], denotada porEDT (µ, λ, a, b), então
f (y) = 1 2λexp −|y−µ| λ 1 −1 2exp −b−µλ −1 2exp a−µ λ = exp −|y−µ| λ
λh2 − exp−b−µλ − expa−µλ i ,
Logo,a função de densidade de probabilidade de Y ∼ EDT (µ, λ, a, b)é dada por f (y) = c exp −|y − µ| λ , a ≤ y ≤ b, com c = 1
Alguns Modelos Contínuos Truncados Distribuição Exponencial Dupla Truncada
Distribuição Exponencial Dupla Truncada
Função de densidade de probabilidade
Agora, seja Y a versão truncada de X em [a, b], denotada porEDT (µ, λ, a, b), então
f (y) = 1 2λexp −|y−µ| λ 1 −1 2exp −b−µλ −1 2exp a−µ λ = exp −|y−µ| λ
λh2 − exp−b−µλ − expa−µλ i ,
Logo,a função de densidade de probabilidade de Y ∼ EDT (µ, λ, a, b)é dada por f (y) = c exp −|y − µ| λ , a ≤ y ≤ b, com c = h 1 i .
Alguns Modelos Contínuos Truncados Distribuição Exponencial Dupla Truncada
Distribuição Exponencial Dupla Truncada
Primeiros Momentos
Podemos calcular os dois primeiros momentos de Y de maneira simples, através da denição
I O primeiro momento de Y é dado por
E(Y ) =
2µ + expa−µλ [λ − a] − exp−b−µ
λ
[λ + b] 2 − expa−µλ − exp−b−µλ
I e o segundo momento ca
E(Y2) =2µ 2+4λ2−expa−µ λ [a2−2λa+2λ2]−exp −b−µλ [b2+2λb+2λ2]
2−expa−µλ −exp−b−µ λ
.
I Avariância de Y pode ser obtida a partir desses dois valores, mas por ser
Alguns Modelos Contínuos Truncados Distribuição Exponencial Dupla Truncada
Distribuição Exponencial Dupla Truncada
Primeiros Momentos
Podemos calcular os dois primeiros momentos de Y de maneira simples, através da denição
I O primeiro momento de Y é dado por
E(Y ) =
2µ + expa−µλ [λ − a] − exp−b−µ
λ
[λ + b] 2 − expa−µλ − exp−b−µλ
I e o segundo momento ca
E(Y2) =2µ 2+4λ2−expa−µ λ [a2−2λa+2λ2]−exp −b−µλ [b2+2λb+2λ2]
2−expa−µλ −exp−b−µλ .
I Avariância de Y pode ser obtida a partir desses dois valores, mas por ser
Alguns Modelos Contínuos Truncados Distribuição Exponencial Dupla Truncada
Distribuição Exponencial Dupla Truncada
Primeiros Momentos
Podemos calcular os dois primeiros momentos de Y de maneira simples, através da denição
I O primeiro momento de Y é dado por
E(Y ) =
2µ + expa−µλ [λ − a] − exp−b−µ
λ
[λ + b] 2 − expa−µλ − exp−b−µλ
I e o segundo momento ca
E(Y2) =2µ 2+4λ2−expa−µ λ [a2−2λa+2λ2]−exp −b−µλ [b2+2λb+2λ2]
Alguns Modelos Contínuos Truncados Distribuição Exponencial Dupla Truncada
Distribuição Exponencial Dupla Truncada
F.d.a
Função de Distribuição Acumulada
I Para o cálculo da função de distribuição acumulada é necessário se trabalhar
sepa-radamente nos intervalos [a, µ) e [µ, b]. Desta forma, considerando o caso em que y < µ.
I Assim, a função de distribuição acumulada de Y é dada por
F (y) = 0, para y < a
expy−µλ −expa−µλ
2−exp−b−µλ −expa−µλ , para a ≤ y < µ 2−exp−y−µλ −expa−µλ
2−exp−b−µ λ −expa−µ λ , para µ ≤ y < b 1, para y ≥ b .
Alguns Modelos Contínuos Truncados Distribuição Exponencial Dupla Truncada
Distribuição Exponencial Dupla Truncada
F.d.a
Função de Distribuição Acumulada
I Para o cálculo da função de distribuição acumulada é necessário se trabalhar
sepa-radamente nos intervalos [a, µ) e [µ, b]. Desta forma, considerando o caso em que y < µ.
I Assim, a função de distribuição acumulada de Y é dada por
F (y) = 0, para y < a
expy−µλ −expa−µλ
2−exp−b−µλ −expa−µλ , para a ≤ y < µ 2−exp−y−µλ −expa−µλ
2−exp−b−µλ −expa−µλ , para µ ≤ y < b
Alguns Modelos Contínuos Truncados Distribuição Cauchy Truncada
Conteúdo
Introdução
Censura e Truncamento
Teoria básica sobre o truncamento
Alguns Modelos Contínuos Truncados
Distribuição Uniforme Truncada Distribuição Normal Truncada Distribuição Exponencial Truncada Distribuição Exponencial Dupla Truncada
Alguns Modelos Contínuos Truncados Distribuição Cauchy Truncada
Distribuição Cauchy
A distribuição de Cauchy também é conhecida pelos nomes de Lorentz,
Cauchy-Lorentz ou Brelt-Wigner, e é bastante conhecida pela sua propriedade de não possuir momentos nitos, o que faz com que popularmente se diga que ela não tem esperança e nem variância. Seja X ∼ Cauchy(µ, γ).
I Sua f.d.p. é dada por
g(x) = 1 πγ 1 +x−µγ 2 = 1 π γ (x − µ)2+ γ2 , −∞ < y < ∞,
I e sua f.d.a. está apresentada a seguir
Alguns Modelos Contínuos Truncados Distribuição Cauchy Truncada
Distribuição Cauchy Truncada
Função de densidade de probabilidade
Agora, seja Y a versão truncada de X em [a, b], denotada porCauchyT (µ, γ, a, b),
então
f (y) =
γ (y−µ)2+γ2
arctanb−µγ − arctana−µ
γ = γ [(y − µ)2+ γ2]harctanb−µ γ − arctana−µ γ i , a ≤ y ≤ b.
Alguns Modelos Contínuos Truncados Distribuição Cauchy Truncada
Distribuição Cauchy Truncada
Trabalho Difícil
Encontrar as principais propriedades desta distribuição analiticamente pela f.d.p dada por f(y) não é uma tarefa trivial. Entretanto, um artigo deNadarajah e Kotz (2006b), dentre outras propriedades, apresenta a forma analítica da f.d.a., dada por
F (y) =
arctany−µγ − arctana−µγ arctan b−µ γ − arctana−µγ ,
Como a forma truncada da distribuição de Cauchy é denida sobre umintervalo nito, ela apresenta todos os seusmomentos nitos, o que faz com ela se apresente como melhor opção de modelagem do que a distribuição de Cauchy original.
Alguns Modelos Contínuos Truncados Distribuição Cauchy Truncada
Distribuição Cauchy Truncada
Trabalho Difícil
Encontrar as principais propriedades desta distribuição analiticamente pela f.d.p dada por f(y) não é uma tarefa trivial. Entretanto, um artigo deNadarajah e Kotz (2006b), dentre outras propriedades, apresenta a forma analítica da f.d.a., dada por
F (y) =
arctany−µγ − arctana−µγ arctan b−µ γ − arctana−µγ ,
Como a forma truncada da distribuição de Cauchy é denida sobre umintervalo nito, ela apresenta todos os seusmomentos nitos, o que faz com ela se apresente como melhor opção de modelagem do que a distribuição de Cauchy original.
Alguns Modelos Contínuos Truncados Distribuição Cauchy Truncada
Distribuição Cauchy Truncada
Função de Distribuição Acumulada
Nadarajah e Kotz (2006b)apresentam uma forma geral para a obtenção da n-ésimo momento de Y , dada por
E(Yn) = µn D n X k=0 1 k + 1( ) γ µ k βk+1 2F1 1,k + 1 2 ; 1 + k + 1 2 ; −β 2 −αk+1 2F1 1,k + 1 2 ; 1 + k + 1 2 ; −α 2 , para n ≥ 1, onde α =a−µ
γ , β = b−µ
γ , D = arctan(β) − arctan(α) e2F1(t, u; v; x)é a
função gaussiana hipergeométrica, dada por
2F1(t, u; v; x) = ∞ X(t)k(u)k (v)k xk k!,
Alguns Modelos Contínuos Truncados Distribuição Cauchy Truncada
Exemplos da Cauchy Truncada
Alguns Modelos Contínuos Truncados Distribuição Cauchy Truncada
Distribuições Truncadas no R
Script para gerar a gura anterior
? Abaixo temos o script escrito em R que gerou a gura anterior.
F.d.p. da Cauchy truncada com λ = 1
x <- seq(0, 7, by=0.01)
plot(x, dexp(x), type="l", ylim=c(0,2), ylab="Exponencial") points(x, dtrunc(x,"exp", 0, 1), type="l", lty=2)
points(x, dtrunc(x,"exp", 2, Inf), type="l", lty=3) legend(4, 1.9, expression("Exp(1)", "ExpT(1, 0, 1)",