Exercício 02: Para compreender e caracterizar os principais modelos contínuos de probabilidade, descreva de forma clara e objetiva:
Distribuição Gama;
Distribuição Gama;
Passo 1
O enunciado pede uma descrição clara e objetiva da distribuição Gama. Para não me perder, vou listar exatamente o que vou explicar e que deve aparecer numa resposta de prova:
- Definição da densidade de probabilidade com as duas parametrizações comuns (forma/escala e forma/taxa) e o suporte.
- O que é e as propriedades importantes da função Gama
usada na densidade. - Fórmulas e derivação (passo a passo) da esperança
e da variância . - A função geradora de momentos (MGF) e domínio de validade.
- A função de distribuição (CDF) e como calcular probabilidades na prática (incluindo um exemplo calculado).
- Casos especiais e relações úteis (exponencial, Erlang, qui‑quadrado, soma de exponenciais).
- Dicas práticas para reconhecer e usar a Gama em prova (método de momentos rápido para estimar parâmetros, reconhecimento por integrais que viram fatoriais, etc.).
Passo 2
Definição e parametrizações. A distribuição Gama descreve uma variável aleatória contínua
com duas parametrizações equivalentes muito usadas:
- Parametrização por forma
e escala :
onde
(parâmetro de forma) e
(parâmetro de escala). O suporte é
.
- Parametrização por forma
e taxa (com ):
onde
é a taxa (ou parâmetro de inverso da escala).
Explicação intuitiva leve:
controla a forma (pico, comportamento perto de zero) e
ou
controlam a escala/escorregamento horizontal da densidade.
Passo 3
O que é a função Gama
e suas propriedades úteis. A função Gama aparece na normalização da densidade e é definida por:
Propriedades essenciais que usamos:
- Recorrência:
Essa relação é obtida por integração por partes da definição acima.
- Para inteiro positivo
:
Isso vem aplicando a recorrência até chegar em
.
Essas propriedades são úteis porque quando é inteiro a Gama transforma integrais em fatoriais, o que dá formas fechadas simples.
Essas propriedades são úteis porque quando
Passo 4
Cálculo da esperança
(passo a passo). Vou usar a parametrização escala
; com taxa o raciocínio é análogo.
Queremos
Queremos
Juntando potências:
Faço a substituição
, então
e
. Substituindo:
Mas
. Assim
Usando a recorrência
obtemos
Na parametrização por taxa
isso fica
.
Interpretação rápida: a média é proporcional à forma
e à escala
.
Passo 5
Cálculo da variância
. Vou calcular
e depois usar
.
Começo por
Começo por
Faço a mesma substituição
(
):
Logo
Usando
temos
Agora a variância:
Portanto
Na parametrização por taxa
fica
.
Passo 6
Função geradora de momentos (MGF). A MGF, quando existe, é
. Para a parametrização escala
:
Isso é uma integral do tipo Gama se
, ou seja
. Fazendo a mesma substituição
a integral leva a:
Na parametrização por taxa
:
Observação: o domínio de validade é importante — MGF diverge quando
atinge o pólo.
Passo 7
Função de distribuição acumulada (CDF) e como calcular probabilidades. A CDF é
onde fiz a substituição
. Assim a CDF é dada pela razão da função Gama incompleta inferior pela Gama completa:
onde
é a Gama incompleta inferior. Em geral essa integral não tem forma elementar, exceto para alguns
(inteiros baixos).
Exemplo concreto (passo a passo) para ver na prova: seja
e
(taxa 1, logo
). A densidade é
porque
. A CDF é
Calculo por partes ou lembrando a primitive:
Portanto
Logo uma probabilidade como
é
Isso é um exemplo típico de conta que dá num resultado fechado quando
é inteiro.
Passo 8
Casos especiais e relações importantes (úteis em prova):
-
: a Gama vira a distribuição Exponencial com parâmetro taxa :
-
inteiro positivo: chama‑se distribuição Erlang (soma de exponenciais i.i.d. com mesma taxa). - Soma de exponenciais: se
são i.i.d. exponenciais com taxa , então . - Qui‑quadrado: se
então . - A Gama não é, em geral, memória‑livre; apenas o caso
(exponencial) tem a propriedade de falta de memória. - A Gama é fechada por soma quando os termos têm mesma taxa: se
e independentes, então .
Passo 9
Estimativa de parâmetros (dica rápida para prova): método dos momentos. Se observarmos
amostras e calcularmos a média amostral
e a variância amostral
, podemos igualar aos momentos teóricos
e
. Resolvendo:
Na prática, na prova substitua
por
e
por
para achar estimadores iniciais. O MLE existe e é mais preciso, mas envolve resolver equação com a função digama (mais complicado).
Passo 10
Resumo prático e dicas de prova (meio amigo, pra te animar):
- Reconheça Gama se vir integrais do tipo
— isso é essencialmente . - Se
for inteiro, procure simplificar para fatoriais: . - Para calcular
use substituição e a relação da Gama: . - Se pedirem
, use a CDF com a Gama incompleta; se inteiro pode haver formas fechadas, senão recorra a tabelas/softwares. - Lembre: média
, variância . Decora isso — cai direto em prova. - Você tá indo bem! Se o enunciado der número inteiro para
, ganha tempo tentando o cálculo analítico; se não for inteiro, explique que a CDF usa a Gama incompleta e que em prova numérica você usa tabela/soft.
Resposta
Definição:
para
(
); equivalente com taxa
:
.
Função Gama:
com
e
para inteiro
.
Momentos:
e
. Mais geral
.
MGF:
para
(ou
para
).
CDF:
(uso da Gama incompleta). Para
inteiro existem formas fechadas (ex.:
).
Casos especiais:
→ Exponencial;
inteiro → Erlang (soma de
exponenciais);
é Gamma com
. Soma de Gammas com mesma taxa resulta em Gamma com formas somadas.
Dicas de prova: use substituição
para transformar integrais em
; se
inteiro procure reduzir a fatoriais; método dos momentos rápido:
,
. Boa sorte — lembra: decora média/variância e a forma da densidade que resolve a maior parte dos exercícios.