17/10/2013

Estatística
Variáveis Aleatórias

Paula Rodrigues

Variáveis Aleatórias
Nem sempre a experimentação estatística tem resultados
numéricos. Por exemplo:
(1) Uma peça produzida pode ser defeituosa ou não defeituosa;
(2) Ao observar a temperatura durante 24 horas podemos registar
a curva traçada pelo aparelho de medição em vez de números.

Contudo, a maioria das vezes estamos interessados em

resultados numéricos. De facto, em muitas situações concretas
atribuímos um número real x, a cada resultado s, do espaço
amostral S.

1
 17/10/2013

Variáveis Aleatórias

Uma variável aleatória (v.a.) X é uma função que

associa um número real x, a cada resultado s, do
espaço amostral S.

Variáveis Aleatórias
Observações:
(1) S (domínio) é o espaço amostral original.
(2) S’ (contradomínio) é o espaço amostral associado à característica
numérica que se pretende estudar.
(3) A cada resultado s  S corresponde exactamente a um valor x = X
(s).
(4) Frequentemente o espaço amostral original já constitui a
característica numérica que pretendemos estudar e cujo valor
registamos.
(5) Usamos uma letra maiúscula para designar uma variável aleatória,
e uma letra minúscula, para designar uma das suas concretizações.

2
 17/10/2013

Variáveis Aleatórias

Variáveis Aleatórias: as variáveis aleatórias são

utilizadas para expressar os resultados de uma experiência
aleatória. Pode definir-se como uma característica cuja
manifestação assume pelo menos duas modalidades distintas
e é imprevisível.
As variáveis aleatórias são representadas por letras
maiúsculas (X, Y, Z, …), enquanto os resultados elementares
por elas assumidos são representados por letras minúsculas
(x1, x2, …, y1, y2, …, z1, z2, …).

Variáveis Aleatórias
Exemplo:
Experiência aleatória: medição da altura de uma pessoa
escolhida ao acaso.

Espaço amostral: conjunto de todas as altura possíveis de uma

pessoa ter.

Variável aleatória: altura (que pode tomar qualquer um dos

valores que constituem o espaço amostral)

3
 17/10/2013

Variáveis Aleatórias
Uma variável aleatória pode ser definida como uma aplicação do
espaço amostral, sobre o conjunto de chegada qualquer.

Assim temos:
Y = variável aleatória
Y = f (resultado)
S = espaço amostral

A variável aleatória é definida como uma aplicação do espaço amostral

S, sobre um conjunto de chegada.

Variáveis Aleatórias

Exemplo:
Considere o lançamento de uma moeda ao ar três vezes. O
espaço amostral S é constituído pelas sequências possíveis de
sair Cara (E) ou Coroa (C).

A variável aleatória será definida como:

Y = número de E’s obtidos em cada sequência

4
 17/10/2013

Variáveis Aleatórias

Variáveis Aleatórias
Se a variável amostral for definida como o número de
Caras obtidos em cada sequência de três
lançamentos ao ar, os valores que a variável pode
tomar são 0, 1, 2 e 3, que são distintos dos elementos
do espaço amostral.
A variável aleatória é definida como uma aplicação do
espaço amostral S sobre um conjunto de chegada
(CDC), que inclua s elementos 0, 1, 2 e 3. Em que:
Y = f (Resultado)

5
 17/10/2013

Variáveis Aleatórias

Variáveis Aleatórias
O conjunto S’ = {0,1,2,3}, que representa o
contradomínio da aplicação f, constitui um novo
espaço amostral.
A cada um dos novos resultados, isto é, a cada um
dos valores que a variável aleatória pode tomar,
associa-se uma probabilidade, calculável a partir das
probabilidades de ocorrência dos resultados originais.

6
 17/10/2013

Variáveis Aleatórias
Assim temos:
P(Y=0) = P (CCC) = 1/8
P(Y=1) = P(ECC) + P(CEC) + P(CCE) = 3/8
P(Y=2) = P(EEC) + P(ECE) + P(CEE = 3/8
P(Y=3) = P(EEE) = 1/8

Nota: os elementos do conjunto de chegada que

não estão incluídos no contradomínio representam
valores impossíveis da variável aleatória.

Variáveis Aleatórias
Exercício:
Considere os casais que têm 3 filhos e a experiência
estatística em que se regista o sexo de cada um dos 3
filhos por ordem crescente de idades. Estamos
interessados no número de rapazes. Defina o espaço
amostral original e a variável aleatória adequada.

7
 17/10/2013

Variáveis Aleatórias
Resolução:
Sejam F e M os eventos “a criança é do sexo feminino” e “a
criança é do sexo masculino”, respectivamente.
O espaço amostral original é:
S = {sequência de indicadores do sexo dos 3 filhos de um casal,
por ordem crescente de idades}
Ou seja:
S = {FFF; FFM;FMF;FMM;MFF;MFM;MMF;MMM}

Variáveis Aleatórias
Resolução:
A variável aleatória de interesse é:
X = número de rapazes entre os três filhos do casal
Então:
X(FFF) = 0
X(MFF)=X(FMF)=X(FFM)=1
X(FMM)=X(MFM)=X(MMF)=2
X(MMM)=3

8
 17/10/2013

Variáveis Aleatórias

Resolução:
E a correspondência entre o espaço amostral original
e a característica numérica em estudo é:

s FFF FFM FMF FMM MFF MFM MMF MMM

x 0 1 1 2 1 2 2 3

Variáveis Aleatórias
Uma vez que sobre qualquer espaço amostral podem ser
definidas diferentes aplicações, então a partir de um mesmo
espaço amostral podem especificar-se diferentes variáveis
aleatórias.

Se o conjunto de chegada de uma variável aleatória for

constituído por elementos expressos numa escala nominal ou
ordinal, a variável diz-se qualitativa. Se aqueles elementos
forem expressos numa escala de intervalo ou absoluta, a
variável diz-se quantitativa.

9
 17/10/2013

Variáveis Aleatórias

Uma Variável Quantitativa classifica-se como:

- Discreta: quando os elementos do

contradomínio da aplicação são numeráveis.
- Contínua: quando os elementos do
contradomínio da aplicação não são numeráveis.

Variáveis Aleatórias

Uma variável aleatória X é discreta se o conjunto

de valores possíveis de X for finito um infinito
numerável.

Uma variável aleatória X é contínua se tomar

valores de um intervalo ou de uma colecção de
intervalos.

10
 17/10/2013

Variáveis Aleatórias
Na maior parte dos problemas práticos:
(1) As variáveis aleatórias discretas representam
dados contáveis ou numeráveis (número de peça
avariadas, número de acidentes por ano, número
de nascimentos, etc.).
(2) As variáveis aleatórias contínuas representam
dados medidos ou que resultem de uma medição
(tempo, distância, peso, altura, etc.)

Variáveis Aleatórias
Exemplo:
A variável que resulta do lançamento de um dado é
discreta: pode assumir os valores 1, 2, 3, 4, 5, 6.

A variável que resulta da distância a percorrer por um

vendedor será continua, se se admitir que tal
distância é medida com precisão absoluta.

11
 17/10/2013

Variáveis Aleatórias
Exercício:
Considere as seguintes situações. Defina em cada caso, a variável
aleatória de interesse, indique a sua gama de valores possíveis
e classifique-a.
a) Contam-se as partículas emitidas por uma fonte radioactiva
durante um intervalo de tempo.
b) Observa-se o tempo entre avarias de uma máquina em
funcionamento numa fábrica.
c) Analisam-se livros de 250 páginas para se determinar o número
de páginas com erros.

Variáveis Aleatórias
Resolução:
a) X = número de partículas radioactivas contadas
S’ = {0,1,2,3,4,…} = 0
X é uma variável aleatória discreta

b) X = tempo entre avarias

S’ = {0, + }
X é uma variável aleatória contínua

12
 17/10/2013

Variáveis Aleatórias
Resolução:
c) X = número de páginas com erros
S’= {0, 1, 2, 3, …, 250}
X é uma variável aleatória discreta

1.1. Distribuições de Probabilidade

Uma distribuição de probabilidade é uma função

matemática f que faz corresponder uma probabilidade
de ocorrência a cada uma das realizações duma
determinada variável aleatória.

13
 17/10/2013

1.1.1. Variáveis Aleatórias Discretas

Seja X uma variável aleatória discreta. A função de

probabilidade de X é uma função f que associa a
cada valor possível x de X, a sua probabilidade f(x) =
P(X=x) e tem as seguintes propriedades:

(i) f(x) ≥ 0,
(ii) Σ f(x) = 1

1.1.1. Variáveis Aleatórias Discretas

Exemplo:
Para a variável X = número de E’s no lançamento de uma moeda
três vezes ao ar, a função de probabilidade é definida por:

p(0) = 1/8
p(1) = 3/8
p(2) = 3/8
p(3) = 1/8

14
 17/10/2013

1.1.1. Variáveis Aleatórias Discretas

Proposições Resultantes dos Axiomas da

Probabilidade:
1. Para qualquer valores de x pertencente ao contradomínio da
variável aleatória X, a função de probabilidade de X toma
valores superiores a zero e não superiores à unidade.
2. O somatório de f(x) estendido a todos os valores de x
pertencentes ao contradomínio S’ da variável X, é igual à
unidade.

1.1.1. Variáveis Aleatórias Discretas

Proposições Resultantes dos Axiomas da

Probabilidade, em Notação Matemática:
1. √ y є S’: 0< p(y) ≤ 1

2.  p( y) 1
yS '

15
 17/10/2013

1.1.1. Variáveis Aleatórias Discretas

Designa-se por função de distribuição (ou função

de probabilidade acumulada) da variável aleatória
discreta X, a função F(x) que associa a cada valor
particular x є R (conjunto de números reais), a
probabilidade de X ser menor ou igual a x.

Notação Matemática:
F (x) = Probabilidade (X ≤ x)

1.1.1. Variáveis Aleatórias Discretas

Desta definição resulta que a função de distribuição

pode ser calculada para qualquer valor real a, de
acordo com a seguinte expressão:

F (a)  P(Y  y)   p( y )
y a

16
 17/10/2013

1.1.1. Variáveis Aleatórias Discretas

Exemplo:
Para a variável aleatória definida no exemplo anterior, X =
número de E’s, a função distribuição de probabilidade é
definida por:
x<0: F(x)=0
0 ≤ x < 1: F(x) = p(0) = 1/8
1 ≤ x < 2: F(x) = p(0) + p(1) = 1/8 + 3/8 = 4/8 = ½
2 ≤ x < 3: F(x) = p(0) + p(1) + p(2) = 7/8
3 ≤ x: F(x) = p(0) + p(1) + p(2) + p(3) = 1

1.1.1. Variáveis Aleatórias Discretas

As funções de distribuição têm as seguintes

propriedades:

1.  x є ]- ; +[ : 0 ≤ F(x) ≤ 1
2. P(a < X ≤ b) = F(b) – F(a)

17
 17/10/2013

1.1.1. Variáveis Aleatórias Discretas

Representação Gráfica:

Variável Aleatória X Função Probabilidade Função Distribuição

f(x) F(x)
0 1/8 1/8

1 3/8 4/8

2 3/8 7/8

3 1/8 8/8

1.1.1. Variáveis Aleatórias Discretas

Exercício:
Um grupo de 6 homens e 4 mulheres são candidatos
à eleição para uma comissão de 2 elementos e todos
têm as mesmas hipóteses. Determine a função de
probabilidade do número de mulheres eleitas para a
comissão.

18
 17/10/2013

1.1.1. Variáveis Aleatórias Discretas

Resolução:
X = número de mulheres eleitas para a comissão
Esta variável pode tomar os seguintes valores: 0, 1, e
2.
A função de probabilidade:
f(0) = P(X=0) = 1/3
f(1) = P(X=1)= 8/15
f(2) = P(X=2)= 2/15

1.1.1. Variáveis Aleatórias

Discretas
C26  C04
P( x  0) 
C210
C16  C14
P( x  1) 
C210
C06  C24
P( x  2) 
C210

19
 17/10/2013

1.1.2. Variáveis Aleatórias Contínuas

Quando as variáveis aleatórias são contínuas, a abordagem deve

ser diferente da que é utilizada nas variáveis aleatórias discretas.

Variável Aleatória Contínua = X

X є[0, L]

Se X é uma variável aleatória contínua, então pode assumir um

conjunto infinito de valores. Assim, a contrário das variáveis
aleatórias discretas, não é possível atribuir a cada um desses
valores, uma probabilidade de ocorrência dada por f(x).

1.1.2. Variáveis Aleatórias Contínuas

Suponha que se reparte uma unidade de probabilidade ao longo do eixo

dos números reais e que a massa de probabilidade no intervalo ]-; x] é
igual a F(x). A probabilidade da variável X assumir valores no intervalo ]x,
x+ ∆x] é dada por F(x + ∆x) – F (x); e o quociente F ( x  x)  F ( x)
representa o nível médio de probabilidade
x
naquele intervalo.

O limite do referido quociente, quando ∆x tende para zero, ou seja

F’(x), representa a densidade de probabilidade em torno do ponto x e
designa-se genericamente por função densidade de probabilidade e
representa-se por f(x).

20
 17/10/2013

1.1.2. Variáveis Aleatórias Contínuas

Pode-se então concluir que, se X é uma variável aleatória

contínua, existe sempre uma função f(x), tal que:

x
F ( x)  ( X  x) 
 f (x)dx


1.1.2. Variáveis Aleatórias Contínuas

Ou ainda:

xb
P( xa  X  xb )  F ( xb )  F ( xa ) 
 f (x)dx
xa

21
 17/10/2013

1.1.2. Variáveis Aleatórias Contínuas

f(x) pode ser considerada uma função densidade de

probabilidade, é necessário que se verifique cumulativamente
dois requisitos:
1. f(x) ≥ 0
2. 

 f (x)dx  1


1.1.3. Parâmetros de Variáveis Aleatórias

Os parâmetros de variáveis aleatórias são medidas através das
quais se pretende sintetizar a informação que diz respeito à
variável em análise.

Os parâmetros de utilização mais frequente são a média e a

variância. Quando se pretende analisar a relação linear entre
duas variáveis, também se costumam utilizar a covariância e o
coeficiente de correlação linear.

22
 17/10/2013

1.1.3. Parâmetros de Variáveis Aleatórias

A notação utilizada para a média da variável aleatória
X é tradicionalmente µ ou, mais explicitamente µX ou
E(X).

A média ou o valor esperado da variável aleatória X

é a constante:
Caso X seja discreta:
µ = µX = E(X) = Σx f(x)

1.1.1. Variáveis Aleatórias Discretas

A variância da variável aleatória X é uma constante:

Caso X seja discreta:

Var(X) = σ2 = E[(X-µ)2] = Σ(x-µ)2 f(x)

23
 17/10/2013

Parâmetros Variáveis Aleatórias

Quer num caso, quer no outro, a variância pode ser obtida pelo seguinte
Teorema:

Teorema de Köening:
Var(X)   2   X2  E X 2   2  
A variância das variáveis aleatórias possui as seguintes propriedades:

1. Var (X) ≥ 0, é sempre positiva.

2. Sendo a uma constante: Var (a) = 0.

3. Sendo Y = a + bX então: Var (Y) = b2 Var (X).

Parâmetros de Variáveis Aleatórias

4. Se Y e X são duas variáveis independentes, então: Var (Y  X) = Var
(Y) + Var (X).

5. Se Y e X são duas variáveis não independentes, então:

Var(Y  X )  V (Y )  V ( X )  2COV (Y ; X ) onde :

 Y  Y X i  X 
n

i
COV (Y ; X )  i 1
 E(Y  X )  E(Y )  E( X )
n

24