Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
Conteúdo
1 Variável Aleatória
2 Variável Aleatória Discreta
Função de Probabilidade
Função de Distribuição Acumulada
3 Variável Aleatória Contínua
Função de Densidade de Probabilidade
Função de Distribuição Acumulada
4 Esperança Matemática
5 Variância e Desvio Padrão
6 Variáveis Aleatórias Bidimensionais
7 Variáveis Aleatórias Independentes
8 Referências
Variável Aleatória
Nas aplicações é conveniente trabalhar com números e não com
eventos.
Tendo em vista que muitos experimentos produzem resultados
não-numéricos, antes de analisá-los é necessário transformar
seus resultados em números, o que é feito através da variável
aleatória.
Definição
Uma variável aleatória é uma função de valor real dos elementos de
um espaço amostral.
Conteúdo
1 Variável Aleatória
2 Variável Aleatória Discreta
Função de Probabilidade
Função de Distribuição Acumulada
3 Variável Aleatória Contínua
Função de Densidade de Probabilidade
Função de Distribuição Acumulada
4 Esperança Matemática
5 Variância e Desvio Padrão
6 Variáveis Aleatórias Bidimensionais
7 Variáveis Aleatórias Independentes
8 Referências
Exemplo 2
Lançam-se 3 moedas. Seja X o número de ocorrências de face cara.
P (X = 0) = P (A1 ) = 1/8
P (X = 1) = P (A2 ) = 3/8
P (X = 2) = P (A3 ) = 3/8
P (X = 3) = P (A4 ) = 1/8.
Função de Probabilidade
A função de probabilidade para uma variável aleatória discreta X dá a
probabilidade de ocorrência dos elementos de X. É representada por
PX (x) = P (X = x), x ∈ Rx .
Exemplo 4
Lançam-se 2 dados. Seja X a soma das faces. Determinar a
distribuição de probabilidade de X.
Ω = Ω1 × Ω1 Ω1 = {1, 2, 3, 4, 5, 6}
x = x1 + x2 , (x1 , x2 ) ∈ Ω
Rx = {2, 3, 4, , 5, . . . , 12}
x 2 3 4 5 6 7 8 9 10 11 12
PX (x) 1/36 2/36 3/36 4/36 5/36 6/36 5/36 4/36 3/36 2/36 1/36
P
PX (x) = 1.
Exemplo 4. continuação
Exemplo 5
Suponhamos que uma variável aleatória discreta X tenha a
distribuição de probabilidade
x 1 2 3 4 5
P (X = x) 0,1 0,2 0,4 0,2 0,1
Exemplo 5. continuação
F (1) = P (X ≤ 1) = P (X = 1) = 0, 1
F (2) = P (X ≤ 2) = P (X ≤ 1) + P (X = 2) = 0, 3
F (3) = P (X ≤ 3) = P (X ≤ 2) + P (X = 3) = 0, 7
F (4) = P (X ≤ 4) = P (X ≤ 3) + P (X = 4) = 0, 9
F (5) = P (X ≤ 5) = P (X ≤ 4) + P (X = 5) = 1.
0 se x < 1
0, 1 se 1 ≤ x < 2
0, 3 se 2 ≤ x < 3
F (x) =
0, 7 se 3 ≤ x < 4
0, 9 se 4 ≤ x < 5
se x ≥ 5
1
(Fazer gráfico)
Exemplo 6
A função de distribuição para a variável aleatória Y é dada por
0 se y < −2
1/3 se − 2 ≤ y < 1
7/12 se 1 ≤ y < 5
F (y) =
47/60 se 5 ≤ y < 11
57/60 se 11 ≤ y < 20
se x ≥ 20
1
Ache PY (y), a função de probabilidade de Y .
Resposta.
P (Y = −2) = 1/3; P (Y = 1) = 7/12 − 1/3 = 1/4;
P (Y = 5) = 47/60 − 7/12 = 1/5; P (Y = 11) = 57/60 − 47/60 = 1/6;
P (Y = 20) = 1 − 57/60 = 1/20
y -2 1 5 11 20
P (Y = y) 1/3 1/4 1/5 1/6 1/20
José Clelto Variáveis Aleatórias; Valores característicos Semestre: 2019/2 16 / 56
Variável Aleatória Discreta Função de Distribuição Acumulada
Exemplo 7
Dada F (y), especifique a função de probabilidade para Y . Utilize para
calcular P (Y ≤ 100).
0 se y < 0
1/4 se 0 ≤ y < 5
1/3 se 5 ≤ y < 7
F (y) =
1/2 se 7 ≤ y < 100
5/6 se 100 ≤ y < 102
se x ≥ 102
1
Resposta.
PY (0) = 1/4 − 0 = 1/4; PY (5) = 1/3 − 1/4 = 1/12 ;
PY (7) = 1/2 − 1/3 = 1/6; PY (100) = 5/6 − 1/2 = 1/3;
PY (102) = 1 − 5/6 = 1/6
Função de probabilidade
y 0 5 7 100 102
P (Y = y) 1/4 1/12 1/6 1/3 1/6
José≤
P (Y 100) = 5/6 Variáveis Aleatórias; Valores característicos
Clelto Semestre: 2019/2 17 / 56
Variável Aleatória Discreta Função de Distribuição Acumulada
Exercício 1
A variável aleatória U tem função de probabilidade PU (−3) = 1/2;
PU (0) = 1/6; PU (4) = 1/3. Qual a função de distribuição para U ?
Exercício 2
Uma urna contém quatro bolas numeradas 1, 2, 3, 4, respectivamente. Seja
Y o número que ocorre se uma bola é retirada da urna aleatoriamente. Qual
a função de probabilidade de Y ?
Exercício 3
Considere a urna definida acima. Duas bolas são retiradas da urna sem
reposição. Seja Z a soma dos dois números que ocorrem. Deduza a função
de probabilidade para Z.
Exercício 4
Assuma que agora as duas bolas são retiradas com reposição e defina Z do
mesmo modo. Deduza uma nova função de probabilidade para Z.
Conteúdo
1 Variável Aleatória
2 Variável Aleatória Discreta
Função de Probabilidade
Função de Distribuição Acumulada
3 Variável Aleatória Contínua
Função de Densidade de Probabilidade
Função de Distribuição Acumulada
4 Esperança Matemática
5 Variância e Desvio Padrão
6 Variáveis Aleatórias Bidimensionais
7 Variáveis Aleatórias Independentes
8 Referências
dF (x)
f (x) = , para todo x,
dx
quando F é derivável.
Exemplo 9
Seja X uma variável aleatória contínua com a seguinte fdp
2x, 0 < x < 1
f (x) =
0, caso contrário
Rx
x < 0, F (x) = −∞ 0dx = 0
R0 Rx
0 ≤ x < 1, F (x) = −∞ 0dx + 0 2xdx = x2
R0 R1 Rx
x ≥ 1, F (x) = −∞ 0dx + 0 2xdx + 1 0dx = 1
Exercício 5
A duração, em anos, de uma lâmpada especial é uma variável
aleatória contínua com densidade dada por
−2x
2e , x ≥ 0
f (x) =
0, caso contrário
Conteúdo
1 Variável Aleatória
2 Variável Aleatória Discreta
Função de Probabilidade
Função de Distribuição Acumulada
3 Variável Aleatória Contínua
Função de Densidade de Probabilidade
Função de Distribuição Acumulada
4 Esperança Matemática
5 Variância e Desvio Padrão
6 Variáveis Aleatórias Bidimensionais
7 Variáveis Aleatórias Independentes
8 Referências
Propriedades
(i) A esperança de uma constante k é a própria constante
E(k) = k
(ii) Multiplicando uma variável aleatória X por uma constante K, sua
esperança fica multiplicada por essa constante.
E(kX) = kE(X)
(iii) A esperança da soma é a soma das esperanças
E(X ± Y ) = E(X) ± E(Y )
(iv) A esperança de soma de variáveis aleatórias é a soma das
esperanças
n n
!
X X
E Xi = E(Xi )
i=1 i=1
(v) E(aX ± b) = aE(X) ± b, a e b constantes.
(vi) E(X − E(X)) = 0.
José Clelto Variáveis Aleatórias; Valores característicos Semestre: 2019/2 29 / 56
Esperança Matemática
Exemplo 10
Seja X uma variável aleatória discreta com a seguinte função de
probabilidade
x 2 3 4 5
P (X = x) 1/6 2/6 2/6 1/6
A esperança de X é
E(X) = 2 × 61 + 3 × 26 + 4 × 2
6 +5× 1
6 = 3, 5.
Exemplo 11
Seja X uma variável aleatória contínua com a seguinte função
densidade de probabilidade
3x2 ,
0<x<1
f (x) =
0, caso contrário
A esperança de X é
R∞ R1 4 1
E(X) = −∞ xf (x)dx = 0 x3x2 dx = 3 x4 0 = 0, 75
Conteúdo
1 Variável Aleatória
2 Variável Aleatória Discreta
Função de Probabilidade
Função de Distribuição Acumulada
3 Variável Aleatória Contínua
Função de Densidade de Probabilidade
Função de Distribuição Acumulada
4 Esperança Matemática
5 Variância e Desvio Padrão
6 Variáveis Aleatórias Bidimensionais
7 Variáveis Aleatórias Independentes
8 Referências
Variância
A variância dá o grau de dispersão de probabilidade em torno da
média.
Define-se variância de uma variável aleatória como sendo:
em que
para variável aleatória discreta
n
X n
X
E(X) = xi P (X = xi ) e E(X 2 ) = x2i P (X = xi ).
i=1 i=1
Propriedades
(i) A variância de uma constante é zero,
V ar(k) = 0.
V ar(kX) = k 2 V ar(X).
Desvio padrão
O desvio padrão de uma variável X é dado por
p
dp(X) = V ar(X).
Exemplo 12
Caso discreto. De exemplo anterior, temos que E(X) = 3, 5. Para
calcular a variância de X basta calcular E(X 2 ) e substituir na fórmula
alternativa juntamente com E(X),
V ar(X) = E(X) − [E(X)]2
1 2 2 1
E(X 2 ) = 22 × 6 + 32 × 6 + 42 × 6 + 52 × 6 = 13, 17
Assim, V ar(X) = 13, 17 − 3, 52 = 0, 92
E o desvio padrão é dado por
p
dp(X) = 0, 92 = 0, 9592
Exemplo 13
Caso contínuo. De exemplo anterior, temos que E(X) = 0, 75. Para
calcular a variância de X basta calcular E(X 2 ) e substituir na fórmula
alternativa juntamente com E(X),
V ar(X) = E(X) − [E(X)]2
1
2
R∞ 2 R1 2 2 x5
E(X ) = −∞ x f (x)dx = 0 x 3x dx = 3 5 = 3/5
0
Assim, V ar(X) = 3/5 − 0, 752 = 0, 0375
E o desvio padrão é dado por
p
dp(X) = 0, 0375 = 0, 1936.
Conteúdo
1 Variável Aleatória
2 Variável Aleatória Discreta
Função de Probabilidade
Função de Distribuição Acumulada
3 Variável Aleatória Contínua
Função de Densidade de Probabilidade
Função de Distribuição Acumulada
4 Esperança Matemática
5 Variância e Desvio Padrão
6 Variáveis Aleatórias Bidimensionais
7 Variáveis Aleatórias Independentes
8 Referências
Operário A B C D E F G H I J
X 500 600 600 800 800 800 700 700 700 600
Y 6 5 6 4 6 6 5 6 6 5
P (X = xi , Y = yj ) = p(xi , yj ).
Pm Pn
Note que i=1 j=1 P (X = xi , Y = yj ) = 1.
Exemplo 14
Probabilidade Marginal de X
n
X
P (X = xi ) = P (X = xi , Y = yj ), i = 1, 2, . . . , m.
j=1
Pm Pm Pn
Note que i=1 P (X = xi ) = i=1 j=1 p(xi , yj ) = 1.
Exemplo 15
Probabilidade marginal de X = 600
P (X = 600) = P (X = 600, Y = 4) + P (X = 600, Y = 5)+
+P (X = 600, Y = 6)
2 1 3
= 0 + 10 + 10 = 10 .
Probabilidade Marginal de Y
m
X
P (Y = yj ) = P (X = xi , Y = yj ), j = 1, 2, . . . , n.
i=1
Pm Pn Pm
Note que i=1 P (X = xi ) = j=1 i=1 p(xi , yj ) = 1.
Exemplo 16
Probabilidade marginal de Y = 6
P (Y = 6) = P (X = 500, Y = 6) + P (X = 600, Y = 6)+
+P (X = 700, Y = 6) + P (X = 800, Y = 6)
2 1 3
= 0 + 10 + 10 = 10 .
1 3 3 3
E(X) = 500 × 10 + 600 × 10 + 700 × 10 + 800 × 10 = 680.
José Clelto Variáveis Aleatórias; Valores característicos Semestre: 2019/2 42 / 56
Variáveis Aleatórias Bidimensionais
continuação ...
A variância de X é dada por
1 3 3 3
E(X 2 ) = 5002 × 10 + 6002 × 10 + 7002 × 10 + 8002 × 10 = 472000
Assim,
continuação ...
continuação ...
1 3 6
E(Y 2 ) = 42 × 10 + 52 × 10 + 62 × 10 = 30, 7
Assim,
V ar(Y ) = 30, 7 − 5, 52 = 30.7 − 30, 25 = 0, 45.
p √
O Desvio padrão é dado por dp(Y ) = V ar(Y ) = 0, 45 = 0, 67.
Distribuições Condicionais
P (X = xi , Y = yj )
P (X = xi |Y = yj ) = , j fixo e i = 1, 2, . . . , m
P (Y = yj )
e P (Y = yj ) 6= 0.
Distribuição Condicional de Y |X
P (X = xi , Y = yj )
P (Y = yj |X = xi ) = , i fixo e j = 1, 2, . . . , n
P (X = xi )
e P (X = xi ) 6= 0.
Esperança condicional
m m
X X p(xi , yj )
E(X|Y = yj ) = xi p(xi |yj ) = xi , j = 1, 2, . . . , n
p(yj )
i=1 i=1
e p(yj ) 6= 0.
Esperança Condicional de Y |X
n n
X X p(xi , yj )
E(Y |X = xi ) = yj p(yj |xi ) = yj , i = 1, 2, . . . , m
p(xi )
j=1 j=1
e p(xi ) 6= 0.
Variância Condicional
m m
X X p(xi , yj )
V ar(X|Y = yj ) = (xi − µX|Y )2 p(xi |yj ) = (xi − µX|Y )2 ,
p(yj )
i=1 i=1
ou alternativamente,
em que E(X 2 |Y = yj ) = m 2
P
i=1 xi p(xi |yj ), j = 1, 2, . . . , n
continuação ...
Variância Condicional de Y |X
n n
X
2
X p(xi , yj )
V ar(Y |X = xi ) = (yi − µY |X ) p(yj |xi ) = (yj − µY |X )2 ,
p(xi )
j=1 j=1
i = 1, 2, . . . , m, p(xi ) 6= 0 e µY |X = E(Y |X = xi )
ou alternativamente,
Conteúdo
1 Variável Aleatória
2 Variável Aleatória Discreta
Função de Probabilidade
Função de Distribuição Acumulada
3 Variável Aleatória Contínua
Função de Densidade de Probabilidade
Função de Distribuição Acumulada
4 Esperança Matemática
5 Variância e Desvio Padrão
6 Variáveis Aleatórias Bidimensionais
7 Variáveis Aleatórias Independentes
8 Referências
Conteúdo
1 Variável Aleatória
2 Variável Aleatória Discreta
Função de Probabilidade
Função de Distribuição Acumulada
3 Variável Aleatória Contínua
Função de Densidade de Probabilidade
Função de Distribuição Acumulada
4 Esperança Matemática
5 Variância e Desvio Padrão
6 Variáveis Aleatórias Bidimensionais
7 Variáveis Aleatórias Independentes
8 Referências
Referências