As relações de dependência entre variáveis aleatórias é um dos assuntos mais discutidos em probabilidade e estatística e a forma mais abrangente de estudar essas relações é por meio da distribuição conjunta. Nos últimos anos vem crescendo a utilização de cópulas para representar a estrutura de dependência entre variáveis aleatórias em uma distribuição multivariada. Contudo, ainda existe pouca literatura sobre cópulas quando as distribuições marginais são discretas. No presente trabalho será apresentada uma proposta não-paramétrica de estimação da distribuição conjunta bivariada de variáveis aleatórias discretas utilizando cópulas e polinômios de Bernstein. / The relations of dependence between random variables is one of the most discussed topics in probability and statistics and the best way to study these relationships is through the joint distribution. In the last years has increased the use of copulas to represent the dependence structure among random variables in a multivariate distribution. However, there is still little literature on copulas when the marginal distributions are discrete. In this work we present a non-parametric approach for the estimation of the bivariate joint distribution of discrete random variables using copulas and Bernstein polynomials.

As relações de dependência entre variáveis aleatórias é um dos assuntos mais discutidos em probabilidade e estatística e a forma mais abrangente de estudar essas relações é por meio da distribuição conjunta. Nos últimos anos vem crescendo a utilização de cópulas para representar a estrutura de dependência entre variáveis aleatórias em uma distribuição multivariada. Contudo, ainda existe pouca literatura sobre cópulas quando as distribuições marginais são discretas. No presente trabalho será apresentada uma proposta não-paramétrica de estimação da distribuição conjunta bivariada de variáveis aleatórias discretas utilizando cópulas e polinômios de Bernstein. / The relations of dependence between random variables is one of the most discussed topics in probability and statistics and the best way to study these relationships is through the joint distribution. In the last years has increased the use of copulas to represent the dependence structure among random variables in a multivariate distribution. However, there is still little literature on copulas when the marginal distributions are discrete. In this work we present a non-parametric approach for the estimation of the bivariate joint distribution of discrete random variables using copulas and Bernstein polynomials.