Valor esperado e Varincia

Prof. Carlos Amorim

 Valor esperado
(Esperana Matemtica)
O valor esperado, E ( X ) , de uma varivel
aleatria discreta X definido como:
n
E ( X ) = xi p ( xi )
i =1

onde, x1 , x2 ,..., xn : valores possveis de X.

p ( xi ) = P ( X = xi )
 Valor esperado
a mesma mdia que aprendemos anteriormente?
Notas de 100 alunos:
4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,3,3,3,3,3,3,3,3,
3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,2,2,2,2,2,2,2,2,2,2,2,2,2,
2,2,2,2,2,2,2,2,2,2,2,2,2,2,1,1,1,1,1,0
Como podemos encontrar a mdia?
292
- Somar todos os nmeros e dividir por 100: = 2,92
100
- Multiplicar cada nmero pela quantidade de vezes que ele
se repete, somar os resultados e dividir por 100:
 Valor esperado
4 32 = 128
3 35 = 105
2 27 = 54 128 + 105 + 54 + 5 + 0 = 292
1 5 = 5 292
0 1 = 0 = 2,92
100

x p (x ) xp (x )
4 0,32 1,28 E ( X ) = 1,28 + 1,05 + 0,54 + 0,05 + 0,00
3 0,35 1,05
E ( X ) = 2,92
2 0,27 0,54
E ( X ) uma mdia ponderada dos diferentes
1 0,05 0,05 valores de X com pesos dados pelas
respectivas probabilidades.
0 0,01 0,00
 Valor esperado
Ex:
Experimento: lanamento de um dado;
X: nmero de pontos obtidos.
E( X ) = ?
x p (x ) E ( X ) = 1 1 + 2 1 + 3 1 + 4 1 + 5 1 + 6 1
1 1/6
6 6 6 6 6 6
E ( X ) = 3,5
2 1/6
3 1/6 E ( X ) no o resultado que podemos esperar quando X
for observada uma nica vez.
4 1/6
5 1/6 E ( X ) a mdia aritmtica dos resultados quando X for
6 1/6 observada um grande nmero de vezes.
 Valor esperado

O valor esperado, E ( X ) , de uma varivel

aleatria contnua X definido como:
+
E ( X ) = xf ( x ) dx

onde, f (x ) : a funo de densidade de probabilidade.

 Valor esperado
Ex:
2x, 0 < x < 1
f (x ) =
0, para outros valores de x.
+
E ( X ) = xf ( x ) dx

0 1 +
E ( X ) = xf ( x ) dx + xf ( x ) dx + xf ( x ) dx
0 1

0 1 +
E ( X ) = 0dx + x 2 xdx + 0dx
0 1
31
1 x 2
E ( X ) = 2 x dx = 2
2
=
0 30 3
 Valor esperado
Ex2: (relgio eltrico)
0, se x < 0
f (x ) = 1/360, se 0 x < 360
0, se x 360

2 360
360 1 1 x
E( X ) = x dx = = 180
0 360 360 2 0
Valor esperado de uma funo de
uma varivel aleatria

Seja X uma varivel aleatria e seja Y = H ( X ).

a) Caso discreto:
n
E[Y ] = E[ H ( x)] = H ( xi ) p( xi )
i =1

b) Caso contnuo:
+
E[Y ] = E[ H ( x)] = H ( x) f ( x)dx

Valor esperado de uma funo de
uma varivel aleatria
Ex:
a) Caso discreto:
X 0 1 2 H ( x) = 2 x + 1
p(xi) 1/4 2/4 1/4 E[ H ( x)] = ?
3
1 2 1
E[ H ( x)] = E[2 x + 1] = ( 2 xi + 1) p ( xi ) = 1 + 3 + 5 = 3
i =1 4 4 4
b) Caso contnuo:
2x, 0 < x < 1
f (x ) = H ( x) = 2 x 2
0, para outros valores de x.
1 1
E[ H ( x)] = E[2 x ] = 2 x 2 xdx = 4 x 3dx = x 4 |10 = 1
2 2
0 0
 Propriedades do Valor esperado
Seja X uma varivel aleatria e C uma constante.

E (C ) = C ;

E (CX ) = C E ( X ) ;

E( X C) = E( X ) C ;
Se Y = a + bX ento E (Y ) = a + bE ( X ) ;

H1 ( X ), H 2 ( X ),..., H K ( X ) : k funes de X , ento

E[ H1 ( X ) + H 2 ( X ) + ... + H K ( X )] = E[ H1 ( X )] + E[ H 2 ( X )] + ... + E[ H K ( X )]
 Propriedades do Valor esperado
Ex:

x p(x) 1 1 1
E ( X ) = 1 + 2 + 3 = 2
1 4 2 4
2
3

x+3 p(x) E( X + C) = E( X ) + C = 2 + 3 = 5
4 1 1 1
E ( X + 3) = 4 + 5 + 6 = 5
5 4 2 4

6
 Propriedades do Valor esperado
Ex:

x p(x) 1 1 1
E ( X ) = 1 + 2 + 3 = 2
1 4 2 4
2
3

2x p(x) E (CX ) = C E ( X ) = 2 2 = 4
2 1 1 1
E (2 X ) = 2 + 4 + 6 = 4
4 4 2 4

6
 Propriedades do Valor esperado
Ex:

x p(x) 1 1 1
E ( X ) = 1 + 2 + 3 = 2
1 4 2 4
2
3

2x+1 p(x) E (2 X + 1) = 2 E ( X ) + 1 = 2 2 + 1 = 5
3 1 1 1
E (2 X + 1) = 3 + 5 + 7 = 5
5 4 2 4

7
 Propriedades do Valor esperado
Ex:
2x, 0 < x < 1
f (x ) = H ( x) = 2 x 2
0, para outros valores de x.
E[ H ( x)] = ?
1
E (2 X ) = 2 E ( X ) = 2 = 1
2 2
2
41
1 x 1
E( X 2 ) = 0 2xdx =
2
x =
20 2
 Varincia

V ( X ) = E[ X E ( X )] 2

a) Caso discreto:
n
V [ X ] = [ xi E ( X )]2 p ( xi )
i =1

b) Caso contnuo:
+
V [ X ] = [ x E ( x)]2 f ( x)dx

 Varincia
Ex:

a) Caso discreto:

n
x p(x) E( X ) = 2 V [ X ] = [ xi E ( X )]2 p( xi )
i =1
1
3
1 1 1
2 V ( X ) = ( xi 2) 2 p ( xi ) = 1 + 0 + 1 =
i =1 4 4 2
3
 Varincia
Ex:

b) Caso contnuo:
+
2x, 0 < x < 1 V [ X ] = [ x E ( x)]2 f ( x)dx

f (x ) =
2
0, para outros valores de x. E( X ) =
3

+ 2 2 + 4 4
V [ X ] = [ x ] f ( x)dx= ( x x + ) f ( x)dx =
2
3 3 9
+ + 4 + 4
= x f ( x) dx
2
xf ( x)dx + f ( x)dx =
3 9
41
1 4 4 x 4 2 4 1 4 1
= x 2 xdx E ( X ) + 1 =
2
+ = =
0 3 9 2 0 3 3 9 2 9 18
 Varincia
Teorema:
V ( X ) = E( X ) E ( X )
2 2

Demonstrao:
V ( X ) = E[ X E ( X )]2
= E[ X 2 2 XE ( X ) + E 2 ( X )]
= E ( X 2 ) E[2 XE ( X )] + E[ E 2 ( X )]
= E ( X 2 ) 2E ( X ) E ( X ) + E 2 ( X )
= E( X 2 ) 2E 2 ( X ) + E 2 ( X )
= E( X 2 ) E 2 ( X )
 Varincia
Ex:

a) Caso discreto:

x p(x) E( X ) = 2
1 3
1 1 1
V ( X ) = ( xi 2) p ( xi )
2
= 1 + 0 + 1 =
2 i =1 4 4 2
3
9 1
V ( X ) = E( X 2 ) E 2 ( X ) = 22 =
2 2
3
1 1 1 5 9
E ( X 2 ) = xi2 p( xi) = 1 + 4 + 9 = 2 + =
i =1 4 2 4 2 2
 Varincia
Ex:

b) Caso contnuo:
+ 1
2x, 0 < x < 1 V [ X ] = [ x E ( x)] f ( x)dx =
2
18
f (x ) =
2
0, para outros valores de x. E( X ) =
3
2

V ( X ) = E ( X 2 ) E 2 ( X ) = =
1 2 1
2 3 18
41
1 x 1
E ( X ) = x 2 xdx =
2 2
=
0
20 2
 Propriedades da Varincia
Seja X uma varivel aleatria e C uma constante.

V (C ) = 0 ;

V (CX ) = C 2 V ( X ) ;

V ( X C ) = V ( X ).
 Propriedades da Varincia
Ex:

x p(x) E( X ) = 2
1
1
2 V (X ) =
2
3

1
x+3 p(x) V ( X + 3) = V ( X ) =
2
4
E ( X + 3) = 5
5
1 1 1 1
6 V ( X + 3) = (4 5) + (5 5) + (6 5) =
2 2 2

4 2 4 2
 Propriedades da Varincia
Ex:

x p(x) E( X ) = 2
1
1
2 V (X ) =
2
3

1
2x p(x) V (2 X ) = 2 2 V ( X ) = 4 =2
2
2
E (2 X ) = 4
4
1 1 1
6 V (2 X ) = (2 4) 2 + (4 4) 2 + (6 4) 2 = 2
4 2 4
 Questo
1. Uma moeda perfeita lanada 3 vezes. Seja
Y o nmero de caras obtidas.

Y p(y)
0 1/8
1 3/8
2 3/8
3 1/8

Calcule o valor esperado e a varincia.

 Funo geradora de momento
K-simo momento

( )
E Xk

K-simo momento central

E [X E ( X )]
k

Seja X uma varivel aleatria. A funo geradora de

momentos da varivel X definida como sendo a funo:

( )
M X (t ) = E e tX
 Funo geradora de momento
( )
M X (t ) = E e tX

'
X
d ( )
d tX
M (t ) = E e = E e = E XetX
tX
( )
dt dt

No ponto t=0: M X' (0 ) = E ( X )

d 2 tX
( ) ( )
2
d
M (t ) = 2 E etX
''
X
= E 2 e = E X 2 etX
dt dt
No ponto t=0: ( )
M X'' (0 ) = E X 2

Por induo: ( )
M X(n ) (0) = E X n
 Funo geradora de momento
Ex:
X 0 1 2
p(xi) 1/4 2/4 1/4
1 t 2 2t 1
( ) = e p(x )
M X (t ) = E e tX

i
txi
i =e t0

4
+e +e
4 4
1 1 t 1 2t
M X (t ) = + e + e (funo geradora de momento)
4 2 4
1 1
d 1 t 1 2t
M X (t ) = e + e 2 M X (0) = + = 1 = E ( X )
'

dt 2 4 2 2
d2
dt 2
M X (t ) =
1 t 1 2t
2
e +
4
e 2 2 =
1 t
2
e + e 2t
M ''
X (0 ) =
1
2
+ 1 =
3
2
= ( )
E X 2