Professional Documents
Culture Documents
Ministério da Educação
Universidade Tecnológica Federal do Paraná/Campus Curitiba
Departamento Acadêmico de Matemática
Probabilidade e Estatística – Profª: Silvana Heidemann Rocha
Aluno(a): ___________________________________ Data: ___/___/____
• Desigualdade de Chebyshev
• Variáveis aleatórias multidimensionais (ou vetores aleatórios)
• Covariância
• Independência de variáveis aleatórias
1
Neste curso só serão estudadas as v.a.’s discretas e as contínuas.
2
1) Variável aleatória unidimensional (v.a.):
Definição: Uma variável aleatória X em um espaço de probabilidade (Ω, A, P ) é uma função definida
def
no espaço amostral Ω se e somente se [ X ≤ x ] = {ω ∈ Ω / X (ω ) ≤ x} é evento aleatório para todo
álgebra de Ω .
Em diagrama, tem-se:
A
Ω X φ
[ X ≤ x]
M
[ X ≤ x]c
x = X (ϖ ) R M
ϖ Ω
Em diagrama: FX
R
X A
Ω R
0
φ
M
M P ( X ≤ x ) = P ( ( −∞, x ] )
x = X (ϖ ) [ X ≤ x] M
ϖ M P( [ X ≤ x]C )
[ X ≤ x ]c
M M
Ω 1
Observação:
• A função de distribuição também é denominada função de distribuição acumulada.
3
4) Propriedades da função de distribuição de uma v.a. unidimensional X:
• x ↓ −∞ ⇒ F X ( x) ↓ 0 e x ↑ +∞ ⇒ F X ( x ) ↑ 1 , onde
• FX ( x) → 0 e FX ( x)
x → −∞
→1 ;
x → +∞
def def
• lim FX ( x) = FX (−∞) = 0 e lim FX ( x) = FX (+∞) = 1 .
x →−∞ x→ +∞
Corolário de FD3): 0 ≤ F X ( x ) ≤ 1 .
EXERCÍCIOS:
01) Considere o seguinte experimento aleatório:
ε: Lançar ao acaso e uma única vez uma moeda não viciada e observar a face superior.
Seja a variável X: Número de caras obtida em ε . X é uma variável aleatória? Justifique.
2
Uma função f definida num intervalo I ⊆ R é:
• Estritamente crescente em I se ∀x1 , x2 ∈ I , x1 < x2 ⇒ f ( x1 ) < f ( x2 ) ;
• Estritamente decrescente em I se ∀x1 , x2 ∈ I , x1 < x2 ⇒ f ( x1 ) > f ( x2 ) ;
• Não-decrescente em I se ∀x1 , x2 ∈ I , x1 ≤ x2 ⇒ f ( x1 ) ≤ f ( x2 ) ;
• Não-crescente em I se ∀x1 , x2 ∈ I , x1 ≤ x2 ⇒ f ( x1 ) ≥ f ( x2 ) .
3
Uma função real f de uma variável livre real é contínua num ponto x0 se e somente se
lim + f ( x) = lim − f ( x) = f ( x0 ) .
x → x0 x → x0
4
5) Tipos de variáveis aleatórias unidimensionais:
X (ϖ ) ∈ {x1 , x 2 ,...}.
Resumidamente, tem-se:
ou
X : Ω → { x
1 , x 2 ,...} ⊂R se e somente se [ X ≤ x i ] ∈ A
ωi a x i = X (ω i )
A
Ω X
R
ω1 φ
ω2 x1 = X (ϖ 1 ) [ X ≤ x1 ] = {ϖ 1 }
x2 = X (ϖ 2 ) [ X ≤ x 2 ] = {ϖ 1 ,ϖ 2 }
M
ωi M M
xi = X (ϖ i ) [ X ≤ x i ] = {ϖ 1 , ϖ 2 ,...,ϖ i −1 ,ϖ i }
M
M M
Ω
P :{x , x ,...}⊂ R → [0,1] se o espaço amostral Ω for enumerável, tal que ∑ p ( x) = 1 .
1 2
x a p ( x ) = P( X = x ) x
5
Quadro esquemático:
X p(x)=P(X=x)
x1 p( x1 ) = P( X = x1 )
x2 p ( x2 ) = P ( X = x2 )
M M
∑ p( xi ) 1
i
Notas: 1) Muitas vezes, os valores de p(xi) são calculados mediante eventos equivalentes
n ∞
(MEYER, 1972, p. 58,59,62,63,84-86). 2) ∑ p( xi ) = ∑ p( xi ) ou ∑ p( xi ) = ∑ p( xi ),
i i =1 i i =1
dependendo da natureza do espaço amostral (se finito ou se enumerável)
Gráfico de P(X=x):
p(x) . p(x)
p( xi )
p( xi ) .
p ( x1 )
.
p ( x3 ) p ( x3 )
p ( x1 )
.
p( x2 ) ou . p ( x2 )
x1 x2 x3 ... xi x x1 x2 x3 ... xi x
X
X
p ( x) = P ( X = x).
6
Sentença matemática de FX para um espaço amostral finito:
Seja a f.d. da v.a. discreta X, dada por FX : R→ [0,1] , com i = 1, 2, ..., n.
x a FX (x) =P( X ≤ x) = ∑ p(xi )
x i ≤x
Então, tem-se:
0, se x < x1
p(x ), se x1 ≤ x < x 2
1
2
∑ p(xi ), se x 2 ≤ x < x3
i =1
F X ( x) =
M
n −1
∑ p(xi ), se x n-1 ≤ x < x n
i =1
1, se x ≥ xn
FX (x)
1
M N
p ( x1 ) + p ( x 2 )
p ( x1 )
x
x1 x2 x3 ... xn
X
7
5.1.c) Relação entre a v.a. discreta X, a sua função de probabilidade e a sua função de
distribuição, para um espaço amostral enumerável:
R
Em diagrama:
FX 0
FX ( x1 ) = p( x1 )
2
FX ( x2 ) = ∑ p ( xi )
A i =1
M
[ X < x1 ] = φ
[ X ≤ x1 ] = {ϖ 1 } F X ( xi ) = ∑ p( xi )
X [ X ≤ x 2 ] = {ω1 , ω 2 } x j ≤ xi
Ω
R M M
ω1 [ X ≤ xi ] = {ω1 , ω 2 ,..., ω i −1 , ω i }
ω2 x1 = X (ϖ 1 ) 1
M
M x2 = X (ϖ 2 ) Ω
ωi M
xi = X (ϖ i )
M
M p( x1 ) = P( X = x1 ) R
p ( x 2 ) = P ( X = x2 )
M
P
p ( xi ) = P ( X = xi )
EXERCÍCIOS:
1
01) Considere uma v.a. X assumindo valores em A={1, 2, 3,...}, com função f X ( x) = .I A ( x) , onde
2x
1, se x ∈ A
I A ( x) = . Pede-se: f X é uma função de probabilidades? Justifique. Se sim:
0, se x ∉ A
a) Determine a função de distribuição de X;
b) Faça o gráfico de f X e de F X ;
c) Calcule P ( X ≥ 3), P (4 < X ≤ 7), P ( X ≤ 0) .
8
02) O gráfico abaixo representa a função de distribuição de uma v.a. discreta X:
FX (x)
2/3
1/4
0 x
-2 1 5
b) Calcule P ( X ≥ 2), P (−2 < X ≤ 3), P (0 ≤ X < 3,1) P ( X ≤ 0), P ( X < 4).
Observação:
x
• F X ( x) = ∫ f X (t )dt = ∫ f X ( x)dx, onde A é o intervalo de integração do tipo ( −∞, x ] ∀x ∈ R .
−∞ A
4
Ver JAMES, B., 2006, p. 42. Ver, ainda, função dada por integral em GUIDORIZZI, H. L., 2001, p. 12-27.
5
Cf. JAMES, B., 2006, p. 42 e 43.
9
5.2.a) Propriedades da função densidade de probabilidade:
A função densidade da v.a. contínua X em (Ω, A, P ) satisfaz:
• f X ( x) ≥ 0, ∀ x ∈ R . (Por definição)
∞ x
• ∫ f X ( x)dx = 1 , já que F X ( x) = P( X ≤ x) = ∫ f X (t )dt, ∀x ∈ R
−∞ −∞
EXERCÍCIOS:
01) (Adaptado de JAMES, B. 2006, p. 43) Uma v.a. contínua X tem função de distribuição dada por
0, x < 0
F X ( x ) = x, 0 ≤ x < 1 .
1, x ≥ 1
a) Faça o gráfico de FX e justifique porque FX é uma função de distribuição de probabilidades;
b) Verifique se FX é derivável em x=0 e x=1.
c) Determine a função densidade de probabilidade fX e faça seu gráfico.
d) Justifique porque FX é uma função de distribuição de uma v.a. contínua e não de uma discreta.
02) (Adaptado de JAMES, B. 2006, p. 43) Uma v.a. X tem função de distribuição dada por
0, x < 0
F X ( x) = .
1, x ≥ 0
a) Verifique se FX é realmente uma função de distribuição de probabilidades;
b) Verifique se X é uma variável aleatória discreta ou contínua.
c) Se X for discreta, obtenha sua função de probabilidades e seu respectivo gráfico. Se X for contínua,
obtenha sua função densidade de probabilidade e seu respectivo gráfico.
6
Ver GUIDORIZZI, H. L., 2001, p. 8-12.
10
03) Considere a seguinte tabela:
c) Se não, obtenha a partir da tabela dada uma função f X que seja uma f.d.p., faça seu gráfico e
calcule a probabilidade de 84 ≤ X < 86 .
04) Mostre que as funções abaixo são funções de densidade de probabilidade. Calcule as probabilidades
indicadas. Faça os respectivos gráficos:
2 x , 0 ≤ x ≤ 1 1 1
a) f X ( x) = , P( ≤ X < ) .
0, caso contrário (c.c) 4 2
− ln y, 0 < y ≤ 1 1
b) f Y ( y ) = , P (0 < Y ≤ ) .
0, c.c 2
e −x / 2
, x≥0
c) f X ( x) = 2 , P ( X > 5) .
0, c.c
05) No exercício 04 anterior, determine a função de distribuição da v.a. em questão e seu respectivo
gráfico.
xe −2 x , x ≥ 0
a) f X ( x) = .
0, c.c
λ 2 y e −λ y , y ≥ 0
b) f Y ( y ) = , com λ > 0.
0, c.c
Definição: Seja X uma variável aleatória em um espaço de probabilidade (Ω, A, P ) , com função de
probabilidade P. A esperança matemática de X, ou simplesmente esperança de X, denotada por E(X), é
definida por:
Se X é discreta: E ( X ) = ∑ x.P( X = x) = ∑ x. p( x) = ∑ xi p( xi ) , com ∑ xi p( xi ) < ∞ .
x x i i
+∞
Se X é contínua: E ( X ) = ∫ x f X ( x)dx .
−∞
Observação:
• A esperança matemática de uma v.a. discreta é uma média ponderada onde os pesos são as
probabilidades p(x).
12
7
6.1) Propriedades da esperança da v.a. unidimensional X:
a) E(a) = a
Demonstração para v.a. discreta:
b) E(aX) =aE(X)
Demonstração para X discreta:
n
Corolário: E (∑ X i ) = E ( X 1 ) + E ( X 2 ) + ... + E ( X n ) , sendo Xi v.a.’s em (Ω, A, P ) .
i =1
7
Essas propriedades de esperança matemática são válidas tanto para v.a.’s discretas como para v.a.’s contínuas. No entanto,
o processo de demonstração é diferente em ambos os casos.
13
d) E(aX+b)=aE(X)+b
Demonstração para X discreta:
1, se x ∈ A
e) E(IA(x)) = P(A), onde I A ( x) =
0, se x ∉ A
Demonstração:
EXERCÍCIOS:
01) Um caça níquel tem dois discos que funcionam independentemente um do outro. Cada disco tem 10
figuras: 4 maçãs, 3 bananas, 2 peras e 1 laranja. Uma pessoa paga R$ 8,00 e aciona a máquina. Se
aparecerem 2 maçãs, ganha R$ 4,00. Se aparecerem 2 bananas, ganha R$ 8,00. Ganha R$ 14,00 se
aparecerem 2 peras e ganha R$ 18,00 se aparecerem 2 laranjas. Qual a esperança de ganho numa única
jogada? Interprete esse valor.
02) (FARIAS; SOARES; CÉSAR, 2003, p. 74) A probabilidade de um homem de 40 anos morrer antes
de completar 41 anos é de 0,00353. Ele contrai um empréstimo de R$ 15.000,00 para pagamento total
daqui a um ano e deseja fazer um seguro de vida por esse prazo, de modo que, se morrer no decorrer do
ano, a dívida fique remida (ou seja, a seguradora pagará a dívida). Qual o prêmio que ele deve pagar à
companhia seguradora? Considere o prêmio mínimo, sem as devidas taxas de administração, custeio de
despesas, etc. Prêmio é o valor pago pelo segurado à seguradora.
03) (MAGALHÃES et LIMA, 2008, p. 67) Um pai leva o filho ao cinema e vai gastar nas duas
entradas R$ 15,00. O filho vai pedir para comer pipoca com probabilidade 0,7 e, além disso, pode pedir
bala com probabilidade 0,9. Esses pedidos são atendidos pelo pai com probabilidade 0,5,
independentemente um do outro. Se a pipoca custa R$ 2,00 e a bala R$ 3,00, qual o gasto esperado com
a ida ao cinema?
14
04) (MONTGOMERY et RUNGER, 2008, p. 77) A corrente, em miliampères, em um fio delgado
de cobre é uma variável aleatória contínua com função densidade de probabilidade
f X ( x) = 0,05 se 0 ≤ x ≤ 20. Determine o valor esperado de X.
V ( X ) = E{ [ X − E ( X )]2 } .
+∞
2 2
E( X ) = ∫x . f X ( x).dx se X é uma v.a. contínua.
−∞
• Se X é discreta:
2
V ( X ) = E{ [ X − E ( X )] } = E ( X ) − [E ( X )]
2 2 2
= ∑ x . p ( x) − ∑ x. p ( x) , onde p(x)= P(X=x).
2
x x
• Se X é contínua:
+∞ 2
+ ∞
V ( X ) = E{ [ X − E ( X )] } = E ( X ) − [E ( X )] =
2 2 2
∫x
2
f X ( x) dx − ∫ x f X ( x) dx .
-∞ -∞
Var(X), σ X2 , σ 2
15
EXERCÍCIO:
a) V(a) = 0
Demonstração para v.a. discreta:
b) V(aX) =a2V(X)
Demonstração para X discreta:
8
Essas propriedades de variância são válidas tanto para v.a.’s discretas como para v.a.’s contínuas. No entanto, o processo
de demonstração é diferente em ambos os casos.
16
n n n −1 n
Corolário: V (∑ X i ) = ∑ V ( X i ) + 2 ∑ ∑ Cov ( X i , X j ), com i < j , sendo Xi v.a.’s discretas
i =1 i =1 i =1 j = 2
em (Ω, A, P ) .
Para i = 3, tem-se:
V ( X + Y + Z ) = V ( X ) + V (Y ) + V ( Z ) + 2Cov( X , Y ) + 2Cov( X , Z ) + 2Cov(Y , Z ) , sendo X, Y e Z v.a.’s
em (Ω, A, P ) .
Demonstração para v.a.’s discretas:
d) V(aX+b)=a2V(X)
EXERCÍCIOS
01)(LEVINE; BERENSON; STEPHAN, 2000, p. 188) Um empregado de uma loja de bebidas e
comestíveis instalada em um estádio de futebol deve escolher entre trabalhar atrás de um balcão de
cachorro-quente recebendo a quantia fixa de $ 50,00 por noite e andar pelas arquibancadas vendendo
cerveja, recebendo por comissão. Se for escolhida a venda de cerveja, o empregado pode ganhar $
90,00 numa noite quente, $ 75,00 numa noite moderada, $ 45,00 numa noite fria e $ 15,00 numa noite
muito fria. Nessa época do ano, as probabilidades de noites quentes, moderadas, frias e muito frias são
0,1; 0,3; 0,4 e 0,2, respectivamente.
a) Determine o valor esperado a ser ganho pelo vendedor de cerveja naquela noite;
b) Calcule o desvio padrão;
c) Que produto o empregado deve vender? Por quê?
d) Quais são os resultados dos itens (a), (b) e (c) se as probabilidades forem 0,3; 0,2; 0,3 e 0,2,
respectivamente?
17
02) (MONTGOMERY et RUNGER, 2008, p. 77) O diâmetro, em milímetros, de um orifício
perfurado em uma placa com um componente metálico é uma variável aleatória contínua com função
EXERCÍCIOS:
01) Usando a desigualdade de Chebyshev, determine a probabilidade de um determinado valor da v.a.
X estar afastado da média de X por mais de:
a) 1 desvio-padrão de X;
b) 2 desvios-padrões de X;
c) 3 desvios-padrões de X.
02) Mesmo que não se saiba a distribuição de probabilidades da v.a. X, consideram-se usuais os
X − µX
valores de X cujos escores padronizados z = , onde µ X = E ( X ) e σ X = Var ( X ) , estão
σX
entre -2 e 2, conforme a desigualdade de Chebyshev. Dessa forma, para o conjunto de dados abaixo,
calcule a média amostral (x) , o desvio padrão amostral (s) e justifique se há algum valor de X que
provavelmente seja não usual:
145, 183, 179, 220, 204, 146, 170, 208, 180, 151, 201, 198.
Faça um diagrama de pontos para os escores padronizados.
_________________
REFERÊNCIAS
DANTAS, Carlos A. B. Probabilidade: um curso introdutório. 3 ed. São Paulo: EDUSP, 2008;
FARIAS, Alfredo A.; SOARES, José F.; CÉSAR, Cibele C. Introdução à estatística. 2 ed. Rio de Janeiro: LTC, 2003.
GUIDORIZZI, Hamilton Luiz. Um curso de cálculo. V 2. 5 ed. Rio de Janeiro: LTC, 2001.
JAMES, BARRY R. Probabilidade: um curso em nível intermediário, 2 ed., Rio de Janeiro: IMPA, 2006.
LEVINE, David M.; BERENSON, Mark L.; STEPHAN, David. Estatística: teoria e aplicações usando o Microsoft Excel
em português. Rio de Janeiro: LTC, 2000.
MAGALHÃES, Marcos Nascimento. Probabilidade e variáveis aleatórias. 2 ed. São Paulo: EDUSP, 2006.
MAGALHÃES, M. N.; LIMA, Antonio C. P. Noções de probabilidade e estatística. 6 ed. São Paulo: Edusp, 2008.
MONTGOMERY, D. C.; RUNGER, G. C. Estatística aplicada e probabilidade para engenheiros. 2 ed. Rio de Janeiro:
LTC, 2008.