Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
Variveis Aleatrias
Uma varivel aleatria uma funo
(mensurvel) X: R que associa um
nmero real a cada resultado de um
experimento aleatrio.
Exemplos de variveis
aleatrias
Moeda honesta lanada 3 vezes
= {ccc, cck, ckc, }
X = nmero de caras
Y = nmero de transies
Quando se observa cck:
X=2
Y=1
Exemplos de variveis
aleatrias
Moeda honesta lanada 3 vezes
= {ccc, cck, ckc, }
X = nmero de caras
Y = nmero de transies
x
P(X=x)
Exemplos de variveis
aleatrias
Moeda honesta lanada 3 vezes
= {ccc, cck, ckc, }
X = nmero de caras
Y = nmero de transies
x
P(X=x)
0
1/8
1
3/8
2
3/8
3
1/8
Exemplos de variveis
aleatrias
Moeda honesta lanada 3 vezes
= {ccc, cck, ckc, }
X = nmero de caras
Y = nmero de transies
y
P(Y=y)
Exemplos de variveis
aleatrias
Moeda honesta lanada 3 vezes
= {ccc, cck, ckc, }
X = nmero de caras
Y = nmero de transies
y
P(Y=y)
0
1/4
1
2/4
2
1/4
P(X=x)
1/8
3/8
3/8
1/8
1
7/8
1/2
1/8
Se x < 0: P(Xx) = 0
Se 0 x <1: P(Xx) = P(X=0) = 1/8
Se 1 x <2: P(Xx) = P(X=0 ou X=1) = 1/8 + 3/8 = 1/2
P(X x) =
10
P(X x) =
10
Exemplo
10
P(X = 0) =
fX(x) =
0, se x < 0
1/20, se 0 x 10
0, se x > 10
Propriedades da F.D.A.
FX no-decrescente
lim x FX(x) = 0, lim x+ FX(x) = 1
lim xa+ FX(x) = F(a) (continuidade
direita)
FX(x)
P(X = 3) =
1
0,65
P(X < 3) =
0,4
P(1 X 3) =
Principais Distribuies
Discretas
Bernoulli
Binomial
Geomtrica
Hipergeomtrica
Poisson
Bernoulli
Espao amostral binrio (sucessofracasso, sim-no, 1-0)
1, com probabilidade p
X=
0, com probabilidade 1p
Notao: X be(p)
Binomial
Sequncia de n experimentos de Bernoulli,
independentes e com mesma probabilidade p de
sucesso
X = nmero de sucessos
Binomial
Sequncia de n experimentos de Bernoulli,
independentes e com mesma probabilidade p de sucesso
X = nmero de sucessos
Cada uma das
seqncias com k sucessos e nk
fracassos tem
n
k
probabilidade
pk (1p)n-k . Logo:
n k
P ( X k ) p (1 p ) n k , k 0,1,..., n
k
Notao: X B(n, p)
Geomtrica
Sequncia de experimentos de Bernoulli,
independentes e com mesma probabilidade p
de sucesso
X = lanamento em que ocorre o primeiro
sucesso.
Geomtrica
Sequncia de experimentos de Bernoulli,
independentes e com mesma probabilidade p de
sucesso
X = lanamento em que ocorre o primeiro
sucesso.
X = k k1 fracassos seguido de um sucesso
P( X k ) (1 p)
Notao: X G(p)
k 1
p, k 1,2,3,...
Hipergeomtrica
Urna com N bolas, sendo B brancas, de onde
so extradas n bolas, sem reposio.
X = nmero de bolas brancas extradas
B N B
b nb
P ( X b)
N
n
Notao: X HG(N, B, n)
Exemplo
Amostra de tamanho n extrada de uma
populao com N indivduos, dos quais b
so favorveis a um candidato.
Qual a distribuio do nmero de
pessoas favorveis ao candidato na
amostra?
Exemplo
Amostra de tamanho n extrada de uma
populao com N indivduos, dos quais B
so favorveis a um candidato.
Qual a distribuio do nmero de
pessoas favorveis ao candidato na
amostra?
Resposta: HG(N, B, n)
Exemplo
Amostra de tamanho n extrada de uma
populao com N indivduos, dos quais b
so favorveis a um candidato.
Qual a distribuio do nmero de
pessoas favorveis ao candidato na
amostra?
Resposta: HG(N, B, n)
Mas, se n << N, aproximadamente
B(n, B/N)
Distribuio de Poisson
Em mdia, um site de internet tem = 0,5
acessos por segundo. Qual o modelo
apropriado para a distribuio do nmero
de acessos efetuados em um segundo?
Distribuio de Poisson
Discretizar 1 segundo em n intervalos de
durao 1/n
Como o nmero de usurios grande,
razovel considerar a existncia de acessos
neste intervalos como eventos independentes,
cada um com probabilidade p.
Para que o nmero mdio de acessos por
minuto seja igual a , deve-se ter np =
Distribuio de Poisson
lim
k ! n
n(n 1)...(n k 1)
nk
e , k 0,1,2,...
k!
1
n
1
n
nk
1
n
Distribuio de Poisson
Caso limite da distribuio binomial,
quando n e np se mantm constante
Acessos a sites
Chegadas de consumidores a um banco
Nmero de erros tipogrficos em um texto
Nmero de partculas radioativas emitidas
Exemplo
No caso da pgina de internet, qual a
probabilidade de que haja pelo menos um
acesso em um dado segundo?
Exemplo
No caso da pgina de internet, qual a
probabilidade de que haja pelo menos um
acesso em um dado segundo?
P(X>0) = 1 P(X=0) = 1 e-0.5 = 0,395
Exemplo
Qual a distribuio do nmero de
acessos em um minuto?
Exemplo
Qual a distribuio do nmero de
acessos em um minuto?
Poisson (30)
Em geral, o nmero de acessos em um
intervalo de durao t tem distribuio
Poisson (t)
Esperana
Idia: a esperana (ou valor esperado) de
uma v.a. o valor mdio que se espera
obter ao se repetir um experimento
aleatrio um grande nmero de vezes.
Esperana
Exemplo: Quem acerta um dos 25 grupos no
jogo do bicho ganha 18 vezes o valor apostado.
Qual o ganho esperado para quem aposta R$
1,00?
Esperana
Exemplo: Quem acerta um dos 25 grupos no
jogo do bicho ganha 18 vezes o valor apostado.
Qual o ganho esperado para quem aposta R$
1,00?
Ganha-se 17 com probabilidade 1/25
-1 com probabilidade 24/25
Aps um grande nmero n de apostas, o ganho mdio
, aproximadamente:
17.
1
24
n (1). n
25
25 7 R$ 0,28
n
25
Esperana
O valor esperado de uma v.a. discreta X
:
EX = i xi. P(X=xi)
(ou seja, a mdia dos valores assumidos
por X, ponderados por sua probabilidade)
EX pode ser um nmero real, +, , ou
no estar definida.
Esperana
EX xi P ( X xi ) xi P ( X xi )
xi 0
xi 0
finito
finito
EX R
finito
EX =
finito
EX = +
EX no definido
Paradoxo de S. Petersburgo
Jogo em que chance de vitria 1/3, mas
cuja aposta 1:1.
Estratgia: jogar at vencer, sempre
dobrando o valor da aposta.
Variveis aleatrias de interesse:
X = ganho quando se aposta 1.
N = nmero de apostas at a sada.
Y = ganho na sada.
Paradoxo de S. Petersburgo
X=
1
2 1
2 1
EN .1 . .2 . .3 .... 3
3
3 3
3 3
Y=1
Paradoxo de S. Petersburgo
Mas seja C o capital usado at a vitria
2
1
2 1
2 1
2
EC .1 . .3 . .7 ....
3
3 3
3 3
3
n 1
1
. .(2 n 1) ...
3
Propriedades
E(aX + b) = aEX + b
Mas, em geral, E(g(X)) g(E(X))
Exemplo: Y = X2
EX = (1).0,2.(1)+0.0,4+1.0,4 = 0,2
EY = 0.0,4+1.0,6 = 0,6
Note que
X
p
1 0,2
0 0,4
1 0,4
Y p
0 0,4
1 0,6
Propriedades
Para X discreta:
E(g(X)) = i g(xi) P(X=xi)
(Law of the unconscious statistician)
Propriedades
E(X+Y) = EX + EY (sempre!)
E(XY) = EX EY, se X e Y so
independentes
Exemplo
a)
b)
Varincia
Var(X) = E(XEX)2 = E(X2) (EX)2
Propriedades
Var(aX+b) = a2 Var(X)
Propriedades
Se X1, X2, , Xn so independentes,
ento
Var(X1 + X2 ++ Xn ) =
Var(X1) + Var(X2) + + Var(Xn)
Exemplo
X ~ binomial(p)
Exemplo
Seja X a abscissa de um ponto escolhido
ao acaso no tringulo da figura. Qual a
densidade de X?
Soluo
1
x.x / 2
F ( x) P( X x)
x2
1.1 / 2
d
d 2
f ( x)
F ( x)
x 2 x (0 x 1)
dx
dx
Outra soluo
1
f ( x) kx
1
kx
k
kx 2 2 1 k 2
0
0
f ( x) 2 x (0 x 1)
Esperana
discreta:
contnua:
mista:
EX xi P( X xi )
i
EX xi P( X xi )
i
EX
x f X ( x)dx
x f X ( x)dx
Uniforme
Exponencial
Gama
Normal (e associadas: 2, t, F)
Distribuio Uniforme
fX
FX
1/(b-a)
a
Distribuio Exponencial
De volta ao exemplo do site na Internet.
Qual a distribuio do tempo de espera
X at a ocorrncia do primeiro acesso?
X > t se e s se o nmero de acessos em
[0, t] igual a 0
Logo, P(X>t) = P(N = 0), onde
N~Poisson(t)
Portanto, P(X>t) = e-t
Distribuio Exponencial
X tem distribuio exponencial com
parmetro quando
FX (x) = 1e x, para x >0
Ou seja,
fX(x) = e x , para x > 0
Exemplo
Processo de Poisson
Tempo entre chegadas consecutivas
independentes, com distribuio
exponencial ()
Nmero de chegadas em intervalos
disjuntos independentes e com
distribuio Poisson (t), onde t o
comprimento do intervalo
Exemplo
Os acidentes em uma rodovia ocorrem de
acordo com um Processo de Poisson de taxa 2
acidentes por dia
Distribuio Normal
A distribuio normal padro a distribuio da
varivel aleatria Z de densidade
1
f Z ( z)
2
z2
e 2
Notao: Z ~ N(0, 1)
EZ = 0, Var Z = 1
Distribuio Normal
Uma varivel X tem distribuio normal
com parmetros (mdia) e 2 (varincia)
quando da forma X = Z + , onde
Z~N(0,1)
Notao: X~N(2)
Distribuio Normal
Qual a densidade da distribuio
X~N(2)?
De modo geral, qual a densidade de
g(X), onde g uma funo inversvel e X
uma v. a. de densidade f?
Transformando uma v. a.
A densidade de Y = g(X) dada por
f X ( x)
fY ( y )
| g ' ( x) |
X= Y/2
1 y b
f
a a
Y = 2X
Densidade da distribuio
normal
A densidade da v.a. X com distribuio normal
N(, 2)
1
f X ( x)
e
2
( x )2
2 2
Exemplo
V. A. Multidimensionais
Exemplo: moeda honesta lanada 3 vezes
X = nmero de caras
Y = nmero de transies
x
P(X=x)
1/8
3/8
3/8
1/8
P(Y=y)
1/4
2/4
1/4
V. A. Multidimensionais
No se pode responder (em geral) a partir
das distribuies individuais (marginais)
de X e Y.
Pode-se responder com base na
distribuio de (X, Y), tambm chamada
de distribuio conjunta de X e Y.
Distribuio Conjunta
X
ccc 3
cck 2
ckc 2
kcc 2
ckk 1
kck 1
kkc 1
kkk 0
Y
0
1
2
1
1
2
1
0
Distribuio Conjunta
ccc
cck
ckc
kcc
ckk
kck
kkc
kkk
P
1/8
1/8
1/8
1/8
1/8
1/8
1/8
1/8
X
3
2
2
2
1
1
1
0
Y
0
1
2
1
1
2
1
0
X
Y
0
1
2
Distribuio Conjunta
ccc
cck
ckc
kcc
ckk
kck
kkc
kkk
P
1/8
1/8
1/8
1/8
1/8
1/8
1/8
1/8
X
3
2
2
2
1
1
1
0
Y
0
1
2
1
1
2
1
0
1/8
1/8
2/8 2/8
1/8 1/8
Distribuio Conjunta
A distribuio conjunta de X = (X1, X2, ...,
Xn) completamente caracteriza
probabilidades envolvendo X1, X2, ..., Xn e
quaisquer subconjuntos delas
(distribuies marginais).
Distribuio Conjunta
X
1/8
-
2/8
1/8
2/8
1/8
1/8
-
Y
0
1
2
X
Distribuio Conjunta
X
2/8
1/8
3/8
2/8
1/8
3/8
1/8
1/8
1/4
1/2
1/4
1/8
1/8
Y
0
1
2
Neste caso:
P ( X B) ... f (t1 , t 2 ,...t n )dt n ...dt 2 dt1
B
Exemplo
Propriedades
Esperana de funes de v.a. multidimensionais
E(g(X)) = i g(xi) P(X=xi) (discreta)
E(g(X)) = Rng(x) fX(x) dx
(contnua)
Casos particulares:
EX = R2x fX,Y(x,y) dy dx
E(X+Y) = R2(x+y) fX,Y(x,y) dy dx =
= R2x fX,Y(x,y) dy dx + R2y fX,Y(x,y) dy dx = EX +EY
Propriedades
Em geral, E (XY) EX EY
Mas E(XY) = EX EY se X e Y so
independentes.
E ( XY ) xy f X ,Y ( x, y )dy dx
xy f X ( x) fY ( y )dy dx
x f X ( x) y fY ( y )dy
dx
x f X ( x)dx y fY ( y )dy EX EY
Observao
X, Y independentes E(XY) = EX EY
E(XY) = EX EY X, Y independentes
no correlacionadas
Covarincia e Correlao
Cov(X, Y) = E(XEX)(YEY) =
= E(XY) EX EY
(X, Y) = Cov(X,Y)/(X)(Y)
Teorema: 1 (X, Y) 1