Professional Documents
Culture Documents
Varivel Aleatria
Daniel Henrique Breda Binoti
Varivel
aleatria
s X(s)
Discreta
Tem ou um nmero finito de valores, ou uma quantidade
enumervel de valores, onde enumervel se refere ao fato de
que podem existir infinitos valores, mas que podem ser
associados a um processo de contagem;
Contnua
Tem infinitos valores, e esses valores podem ser associados
com medidas em uma escala contnua, de modo que no h
pulos ou interrupes.
Exemplo: tempo.
Tempo gasto para percorrer uma certa distncia por um carro:
varivel aleatria contnua;
Tempo gasto pela luz para percorrer distncias entre estrelas
(anos-luz): varivel aleatria discreta.
f ( xi ) P( X xi )
J que f(xi) definida como uma probabilidade, ento
n
f ( xi ) 0 para todo xi e f ( x
i 1
i )1
Funo de probabilidade
Exemplo: E: Lanamento de duas moedas.
X: n de caras obtidas.
1
P( x ) C 2 ,x
4 0 1 2
x
Funo de probabilidade
Exemplo: Seja X a varivel aleatria que representa o resultado do
lanamento de um dado equilibrado. A funo de probabilidade
definida por:
1 1 1 1 1 1
f (1) , f ( 2 ) , f ( 3 ) , f (4 ) , f (5 ) , f (6 )
6 6 6 6 6 6
Em termos de notao e de modo a simplificar, a funo de probabilidade
pode ser representada por meio de uma tabela, assumindo que os valores que no
aparecem na tabela tm probabilidade zero de ocorrer. Neste exemplo tem-se,
ento:
x 1 2 3 4 5 6
f(x)=P(x) 1/6 1/6 1/6 1/6 1/6 1/6
Funo de probabilidade
- Se uma varivel aleatria X apresentar f(x) 0 e constante para
todos os valores de x, diz-se que essa V.A tem uma distribuio
uniforme (discreta).
F ( x ) P( X x ) f(x
xi x
i )
0,6561
0,2916
0,0486
0,0036 0,0001
0 1 2 3 4 x
F(x)
1
0.8
0.6
0.4
0.2
0
0 1 2 3 4 5 x
Propriedades:
- Exemplo: Do exemplo anterior, tem-se:
0 se x 0
0 ,6561 se 0 x 1
0 ,9477 se 1 x 2
F( x )
0 ,9963 se 2 x 3
0 ,9999 se 3 x 4
1 se x 4
Centro Universitrio So Camilo. Todos os direitos reservados
Variveis aleatrias contnuas
Uma funo densidade de probabilidade f(x) pode ser usada para descrever a
distribuio de probabilidades de uma varivel aleatria contnua X.
A probabilidade de X estar entre a e b determinada pela integral de f(x) entre
a e b.
f(x)
a b x
Propriedades:
1. f ( x ) 0 para todo x
2. f ( x )dx 1
P( X xo ) f ( x )dx 0
xo
sendo assim, as probabilidades abaixo sero todas iguais, se X for uma varivel
aleatria contnua:
P( a X b ) P( a X b ) P( a X b ) P( a X b )
f(x)
12,5 12,6 x
20 ( x 12 ,5 )
P ( X 12 ,6 ) f ( x )dx 20 e dx
12 ,6 12 ,6
20 ( x 12 ,5 )
e 0 ,135
12 ,6
20e
20 ( x 12 ,5 )
P ( 12 ,5 X 12 ,6 ) f ( x )dx dx
12 ,5 12 ,5
12 ,6
e 20( x 12 ,5 ) 0 ,865
12 ,5
0 x 800 C
F ( x ) 0 , 1 x 80 800 C x 810 C
0 x 810 C
Determine:
a) P(X < 805); b) P(800 < X 805); c) P(X > 808)
d) Se as especificaes para o processo solicitassem que a
temperatura do forno estivesse entre 802C e 808C, qual seria
a probabilidade da fornalha operar fora das especificaes?
Soluo:
a) P( X 805 ) P( X 805 ) F ( 805 ) F ( )
0 ,1 805 80 0 0 ,5
a) Medidas de posio
a.1) Mdia ou esperana matemtica: Chama-se valor mdio ou
esperana matemtica ao valor que se obtm somando (ou
integrando) todos os valores que uma varivel aleatria pode
assumir, ponderados pela respectiva probabilidade pontual (ou
densidade de probabilidade no ponto) e representa-se por =
E( X ) : n
E( X ) xi f ( xi ) ( caso discreto )
i 1
u E( X ) x f ( x )dx
( caso contnuo )
a) Medidas de posio
a.1) Mdia ou esperana matemtica:
E ( K ) Kf ( x i ) K f ( x i ) K
i i
E ( KX ) Kx i f ( x i ) K x i f ( x i ) KE ( X )
i i
a) Medidas de posio
a.1) Mdia ou esperana matemtica:
- Propriedades:
3. A mdia da soma ou da diferena de duas variveis
aleatrias a soma ou diferena das mdias.
E ( X Y ) ( x i x j ) f ( x i x j )
i j
x i f ( x i y j ) y j f ( x i y j )
i j i j
xi f ( xi y j ) y j f ( xi y j )
i j j i
xi f ( xi ) y j f ( y j ) E( X ) E( Y )
i i
a) Medidas de posio
a.1) Mdia ou esperana matemtica:
- Propriedades:
E( X K ) E( X ) E( K ) E( X ) K
a) Medidas de posio
a.1) Mdia ou esperana matemtica:
- Propriedades:
6. A mdia do produto de duas variveis aleatrias
independentes o produto das suas mdias.
E ( XY ) X i Y j f ( x i y j )
i j
X i Y j f ( xi ) f ( y j ) pois X e Y so
i j independentes
X i F ( x i ) Y j f ( y j )
i j
E( X ) E( Y )
a) Medidas de posio
a.2) Mediana: Mediana de uma varivel aleatria o valor que divide
a distribuio em duas partes iguais, ou seja,
F ( Md ) 0 ,5
Exemplo: Seja X uma varivel aleatria com a seguinte
funo distribuio cumulativa:
F(X) = 0 para x < 0
F(X) = x2 para 0 x 1
F(X) = 1 para x > 1
Logo, a mediana ser o valor de x tal que F(x = Md) = 0,5.
Assim:
x Md 0 ,5 Md 0 ,5
2 2
a) Medidas de posio
x -1 0 2
P(x) 0,3 0,2 0,5
b) Medidas de disperso
Var( X ) x2 E X E ( X )2
x2 x E( X )2 f ( x ) ( caso discreto )
2
x x E ( X )2
f ( x ) dx ( caso contnuo )
b) Medidas de disperso
b.1) Varincia:
Var( X ) E ( X 2 ) E ( X )
2
onde,
E( X 2 ) x 2 f ( x ) ( caso discreto )
E( X ) f ( x ) dx
2 2
x ( caso contnuo )
b) Medidas de disperso
x Var( X )
b) Medidas de disperso
- Propriedades:
X X(s)
s Y
Y(s)
1. f ( x , y ) 0 , x R 2
2. f ( x
i j
i , yj ) 1
F ( x , y ) P ( X x ,Y y )
F( x, y ) f ( s , t )
s x t y
1. 0 F ( x , y ) 1 , x R 2
2. lim F ( x , y ) 1
x
y
3. lim F ( x , y ) 0 , y
x
4. lim F ( x , y ) 0 , x
y
5. x 1 x 2 ^ y 1 y 2 F ( x 1 , y 1 ) F ( x 2 , y 2 )
f X ( x ) P ( X x , Y ) P ( X x ,Y y ) f ( x , y )
y y
f Y ( y ) P ( X ,Y y ) P ( X x ,Y y ) f ( x , y )
x x
F ( x , y ) P ( X x ,Y y )
x y
F( x, y ) f ( x , y ) dx dy
1. 0 F ( x , y ) 1 , x R 2
2. lim F ( x , y ) 1
x
y
3. lim F ( x , y ) 0 , y
x
4. lim F ( x , y ) 0 , x
y
5. x 1 x 2 ^ y 1 y 2 F ( x 1 , y 1 ) F ( x 2 , y 2 )
Covarincia
No estudo das relaes existentes entre duas variveis
aleatrias X e Y pode-se analisar a covarincia das duas
variveis. Define-se, ento, covarincia entre X e Y, Cov(X,Y),
como:
Cov( X ,Y ) XY E X E( X ) Y E( Y )
- No caso discreto:
Cov( X ,Y ) x E ( X ) y E ( Y ) f ( x , y )
x y
- No caso contnuo:
Cov( X ,Y ) x E ( X ) y E ( Y ) f ( x , y ) dx dy
Covarincia
Cov( X ,Y ) E ( X Y ) E ( X ) E ( Y )
- Verifica-se que:
Cov( X ,Y )
Covarincia
A covarincia entre duas variveis fornece uma medida da
relao linear existente entre as duas variveis:
Cov( X ,Y ) XY
XY
Var ( X ) Var( Y ) X Y
X e Y so independentes se
f ( x , y ) f ( x ) f ( y ) , ( x , y )
Como consequncia da definio tem-se que X e Y so
independentes se e somente se
f X |Y y ( x ) f X ( x ) ou fY |X x ( y ) fY ( y )
Sucesso:
Ensaio de Bernoulli A lmpada defeituosa
X = 0 se a lmpada no defeituosa
X = 1 se a lmpada defeituosa
P(X=1) = 3/5
P(X=0) = 2/5
Nmero de ensaios = 1
3 Ensaios de Bernoulli, n = 3
P(defeituosa) = p = 3/7
P(no defeituosa) = 1 p = 4/7
3
P( X 1) 3 / 7 4 / 7
1 2
n x
P( X x) p 1 p n x
x
onde:
p(x) = a probabilidade de x sucessos em n ensaios
n = o nmero de ensaios
X B(n,p)
X {0,1,2,..n}
Total 1,00
P(x)
0.50
0.45
0.40
0.35
0.30
0.25
0.20
0.15
0.10
0.05
0.00 x
0 1 2 3
3 Ensaios de Bernoulli, n = 3
P(defeituosa) = p = 3/7
P(no defeituosa) = 1 p = 4/7
= = 1
X G(p)
Observe que:
= = 1 = 1
=0 =0 =0
(progresso geomtrica)
= =1
1 1
Valor Esperado Varincia
1 1
= =
P(Q=k)
0.01
0.008
0.006
0.004
0.002
0 k
0 4 8 12 16 20 24 28 32 36 40 44 48
Carros que passam por um cruzamento por minuto, durante uma certa hora
do dia.
x e 10 x e 10
P(x)
x! x!
X: nmero de carros que chegam em qualquer perodo de 15 minutos
105 e 10
P( X 5) 0,0378
5!
E(X) = 10 e Var(X) = 10
Ensaios de Bernoulli
Binomial
com reposio
Ensaios de Bernoulli
Hipergeomtrica
sem reposio
= = , = 0,1, , min(, )
onde:
( = ): a probabilidade de x sucessos em n ensaios
: nmero de objetos do tipo I (o que quer se retirar)
x: nmero de sucessos
: nmero de objetos do tipo II
: nmero de fracassos
: nmero total de objetos
: nmero total de ensaios
Representao:
~(, , )
Fator de correo
= = 1
1
Aonde = (probabilidade de sucesso no conjunto)