Aula 3 - Variável Aletória

Probabilidade e Estatstica
Varivel Aleatria
Daniel Henrique Breda Binoti
Centro Universitrio So Camilo. Todos os direitos reservados

Experimento Aleatrio
Experimento aleatrio um procedimento que pode fornecer

diferentes resultados, mesmo sendo repetido da mesma maneira
Exemplos:
Jogar uma moeda
Sortear um nmero inteiro de um a cem
Lanar um dado

Espao amostral
(ou de probabilidades)
O conjunto de todos os possveis resultados de um experimento
aleatrio o espao amostral (S)
Jogar uma moeda
S = {cara, coroa}
Sortear um nmero inteiro de um a cem
S = {1,2,...,100}
Lanar um dado
S = {1,2,3,4,5,6}

Evento
Evento qualquer subconjunto do espao amostral

E = {cara} (sortear cara)
E = {25, 27, 26} (sortear no. entre 24 e 28)
E = {3, 5, 1} (lanar no. impar no dado)

Definio
Uma varivel aleatria (v.a) uma funo que associa a cada
elemento de um espao amostral um nmero real.
X pode denotar a medida da resistncia mecnica no ensaio de

trao de um material;
Y representar o dimetro de uma pea usinada;
Z expressar a resistividade do solo em um processo corrosivo em
torres de linha de transmisso.

Varivel Aleatria
As variveis aleatrias so representadas por letras maisculas (X, Y,

Z, W, ...), e os valores que elas podem assumir so representados
pelas correspondentes letras minsculas (x, y, z, w, ...).
E: Medio do peso de uma pessoa escolhida ao acaso.

S = {Conjunto de todos os pesos atribuveis a uma pessoa}.
X = O peso da pessoa (assume qualquer valor do espao de resultados).
x = 1,65 m (a altura de uma das pessoas).

Varivel Aleatria
E : Lanamento de duas moedas;

X : Nmero de caras (a) obtidas nas duas moedas;
S : {(c, c), (c, k), (k, c), (k, k)}
X = 0 correspondente ao evento (k, k) com probabilidade ;

X = 1 correspondente ao evento (k, c), (c, k) com probabilidade ;
X = 2 correspondente ao evento (c, c) com probabilidade .

Varivel Aleatria
Uma varivel aleatria pode ser expressa como uma funo

definida num espao de resultados S e que tem como
contradomnio os nmeros reais.
Seja E um experimento e S o espao associado a ele. Uma funo
X, que associe a cada elemento s S um nmero real X(s)
denominada varivel aleatria.
X
S R
Varivel
aleatria
s X(s)

Classificao de Variveis
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.

Exemplos de Varivel Aleatria Discreta
Experimento Varivel Aleatria X Valores da Varivel

Aleatria
Contratar Clientes Nmero de clientes que 0, 1, 2, 3, 4, 5
compram
Inspecionar um Nmero de rdios 0, 1, 2, 3, 4, 5, ..., 49, 50

embarque de 50 rdios defeituosos
Vender um automvel Gnero do cliente 0 se masculino

1 se feminino
Vendas no Shopping Nmero de clientes 0, 1, 2, 3, 4, 5........

Exemplos de Varivel Aleatria Contnua
Experimento Varivel Aleatria X Valores da varivel
Aleatria
Operar um banco Tempo entre as chegadas x0
dos clientes
Encher um recipiente Nmero de ml 0 x 343
de refrigerante
Trabalhar em um Porcentagem do trmino do 0 x 100

projeto projeto aps 6meses

Varivel Aleatria
Uma mesma varivel aleatria pode ser considerada discreta ou
contnua dependendo do tipo de experimento, do ponto de vista
de quem a usa ou do contexto.
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.

Funo de probabilidade
A distribuio de probabilidade de uma varivel aleatria qualquer

X uma descrio das probabilidades associadas com os valores
possveis de X.
Para uma varivel aleatria discreta, a distribuio
frequentemente especificada por apenas uma lista de valores
possveis juntamente com a probabilidade de cada um.
Em alguns casos, conveniente expressar a probabilidade em
termos de uma frmula.

Define-se como funo de probabilidade, f, a funo que associa a
cada valor que a varivel pode assumir, a probabilidade da varivel
assumir esse valor.
Para uma varivel aleatria discreta X, com valores possveis x1, x2,
..., xn, a funo de probabilidade
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
P(X) pode ser expressa por uma tabela, grfico ou frmula.

Variveis Aleatrias Discretas
Exemplo: E: Lanamento de duas moedas.
X: n de caras obtidas.
P(X) pode ser expressa das seguintes formas:

P(x)
x 0 1 2
P(x) 1/4 1/2 1/4 1

1
P( x ) C 2 ,x
4 0 1 2
x

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

- 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).

Funo distribuio cumulativa
Uma funo distribuio cumulativa, tambm chamada funo repartio ou funo

distribuio de probabilidades, pode tambm ser usada para fornecer a distribuio de
probabilidades de uma varivel discreta.
A funo distribuio cumulativa em um valor de x a soma das probabilidades em
todos os pontos menores ou iguais a x.
Define-se, ento, como funo distribuio cumulativa de uma certa varivel aleatria
X, no ponto x, como sendo a probabilidade de que X assuma um valor menor ou igual
a x, isto :
F ( x ) P( X x ) f(x
xi x
i )

Exemplo (Montgomery et al., 2001): H uma chance de que um bit

transmitido atravs de um canal de transmisso digital seja recebido
com erro. Considere X igual ao nmero de bits com erro nos quatro
prximos bits transmitidos. Os valores possveis para a varivel
aleatria X so {0, 1, 2, 3, 4}. Com base em um modelo de
probabilidades, as probabilidades para esses valores foram
determinados como sendo:
P(X = 0) = 0,6561 P(X = 1) = 0,2916 P(X = 2) = 0,0486

P(X = 3) = 0,0036 P(X = 4) = 0,0001

- A distribuio de probabilidades de X especificada pelos

valores possveis, juntamente com a probabilidade de cada
um. A figura mostra uma descrio grfica dessa distribuio:
f(x)
0,6561
0,2916
0,0486
0,0036 0,0001
0 1 2 3 4 x

- Por conseguinte, a funo distribuio cumulativa de X ser:
F(0) = 0,6561 F(1) = 0,9477 F(2) = 0,9963

F(3) = 0,9999 F(4) = 1
- Mesmo se a varivel aleatria puder assumir somente valores

inteiros, a funo distribuio cumulativa definida em valores
no inteiros. Por exemplo:
F(1,5) = P(X 1,5) = P(X 1) = 0,9477


- O grfico do exemplo mostrado abaixo, onde se observa que o mesmo
apresenta descontinuidades (saltos) nos valores discretos para X. O tamanho do
salto em um ponto x igual probabilidade em x.
F(x)
1
0.8
0.6
0.4
0.2
0
0 1 2 3 4 5 x

Propriedades:
1. 0 F(x) 1 , para todo x
2. F(- ) = 0
3. F(+) = 1
4. P(a < X b) = F(b) F(a)
5. P(a X b) = F(b) F(a) + P(X = a)
6. P(a < X < b) = F(b) F(a) P(X = b)
7. lim F(x) = 1 e lim F(x) = 0
x + 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
Variveis aleatrias contnuas

Variveis Aleatrias Contnuas
Funo densidade de probabilidade
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)
P(a < x < b)
a b x

Definio: Diz-se que f(x) a funo densidade de probabilidade da varivel

aleatria contnua X se a rea limitada por f(x), o eixo dos x e as retas x = a e
x = b for igual a P(a x b), isto :
b
P( a x b ) f ( x )dx
a
Propriedades:
1. f ( x ) 0 para todo x

2. f ( x )dx 1


A definio anterior mostra que a probabilidade de qualquer valor especificado

de X, por exemplo xo, tem P(X = xo) = 0, pois
xo
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 )

Note-se que f(x), densidade de probabilidade, no

probabilidade. Somente quando a funo for integrada entre dois
limites, ela produzir uma probabilidade, que ser a rea sob a
curva funo entre x = a e x = b, para a < b.

Exemplo (Montgomery et al., 2001): Seja a varivel aleatria contnua X a

representao do dimetro de um orifcio perfurado em uma placa com um
componente metlico. O dimetro alvo 12,5 mm. A maioria dos distrbios
aleatrios no processo resulta em dimetros maiores. Dados histricos
mostram que a distribuio de X pode ser modelada por uma funo
densidade de probabilidade f(x) = 20e-20(x 12,5), x 12,5.
(a) Se uma pea com dimetro maior que 12,6 mm for descartada, qual ser a
proporo de peas descartadas?
(b) Que proporo de peas est entre 12,5 e 12,6?

Soluo: A funo densidade e a probabilidade requerida so mostradas na

figura abaixo.
f(x)
12,5 12,6 x

a) Uma pea descartada se X > 12,6, logo:

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
b) Uma pea no descartada se 12,5 < X < 12,6, logo:

12 ,6 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

A funo distribuio cumulativa de uma varivel aleatria

contnua X, com funo densidade de probabilidade f(x) :
x
F ( x ) P( X x ) f ( u )du

para < x < .
Para uma varivel aleatria contnua X, a definio pode tambm

ser F(x) = P(X < x), pois P(X = x) = 0.

A funo distribuio cumulativa F(x) pode ser relacionada

funo densidade de probabilidade f(x) e pode ser usada para
obter probabilidades, como segue:
b b a
P( a X b ) f ( x )dx f ( x )dx f ( x )dx F ( b ) F ( a )
a
O grfico de uma funo distribuio cumulativa tem

propriedades especficas. Pelo fato de F(x) fornecer
probabilidades, ela sempre positiva. Alm disso, medida que x
aumenta, F(x) crescente. Finalmente, quando x tende a , F(x)
= P(X x) tende a 1.

Exemplo (Montgomery et al., 2001): As leituras da temperatura de

um termopar em um forno flutuam de acordo com a funo
distribuio cumulativa
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
b) P( 800 X 805 ) F ( 805 ) F ( 800 )

0 ,1 805 80 0 0 ,5
c) P( X 808 ) P( 808 X ) F ( ) F ( 808 )

1 ( 0 ,1 808 80 ) 0 ,2
d) P( X 802 ) P( X 802 ) F ( 802 ) F ( )

0 ,1 802 80 0 0 ,2
P( X 802 ou X 808 ) 0 ,2 0 ,2 0 ,4

Parmetros das variveis aleatrias

Parmetros das Variveis Aleatrias
Os parmetros que caracterizam uma varivel aleatria em termos

mdios (mdia e mediana), e em termos de disperso (varincia e
desvio padro), podem ser usados para resumir uma distribuio de
probabilidades.
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:
- Propriedades: Sero demonstradas somente para o caso de

variveis discretas.
1. A mdia de uma constante a prpria constante
E ( K ) Kf ( x i ) K f ( x i ) K
i i
2. Multiplicando uma varivel aleatria X por uma constante,

sua mdia fica multiplicada por essa constante.
E ( KX ) Kx i f ( x i ) K x i f ( x i ) KE ( X )
i i

a) Medidas de posio
- 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
- Propriedades:
4. Somando ou subtraindo uma constante a uma varivel

aleatria, a sua mdia fica somada ou subtrada da mesma
constante.
E( X K ) E( X ) E( K ) E( X ) K
5. A mdia de uma varivel aleatria centrada zero.

E( X X ) E( X ) E( X ) X X 0

a) Medidas de posio
- 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
a.3) Moda: o valor da varivel aleatria com maior probabilidade,

se X for discreta, ou maior densidade se X for contnua
Exemplo1: Seja X uma varivel aleatria discreta tal que:
x -1 0 2
P(x) 0,3 0,2 0,5
Logo, a moda ser igual a 2.

b) Medidas de disperso
b.1) Varincia: A varincia de uma varivel aleatria X,

representa-se por Var(X) = x2 e define-se por:

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.1) Varincia:
- Existe uma frmula prtica para o clculo da 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.2) Desvio padro: Designa-se por desvio padro e

representa-se por a raiz quadrada positiva da
varincia:
x Var( X )

- Propriedades:
Sejam X e Y duas variveis aleatrias e K, a e b constantes.

1. Var(k) = 0
2. Var(kX) = k2Var(X)
3. Var(aX bY ) = a2Var( X ) + b2Var( Y ) 2abCov(X,Y )
Caso as variveis sejam independentes, Cov(X,Y ) = 0, ento:

Var( aX bY ) = a2Var( X ) + b2Var( Y )

Variveis aleatrias bidimensionais

Variveis Aleatrias Bidimensionais
At aqui considerou-se que o resultado do experimento seria registrado como

um nico nmero x. Contudo, existem casos em que h interesse por dois
resultados simultneos. Por exemplo, estatura e peso de pessoas.
Para isso precisa-se da seguinte definio:
Sejam E um experimento aleatrio e S o espao amostral associado a E.
Sejam X = X(s) e Y = Y(s), duas funes, cada uma associando um nmero real
a cada resultado s S; denomina-se (X,Y) uma varivel aleatria bidimensional.
X X(s)
s Y
Y(s)

Uma varivel aleatria bidimensional no mais do que uma par

de variveis aleatrias (X,Y).
No caso de X e Y serem duas variveis aleatrias discretas, o par

diz-se uma varivel aleatria bidimensional discreta. Na situao
em que ambas so contnuas tem-se uma varivel aleatria
bidimensional contnua.
Portanto, tal como a varivel unidimensional, (X,Y) poder ser

discreta ou contnua, valendo as mesmas consideraes feitas
anteriormente.

Funo de probabilidade conjunta (V.A.D)

Chama-se funo de probabilidade conjunta da varivel
aleatria bidimensional discreta (X,Y) funo f(x,y) que
associa a cada elemento (x,y) a probabilidade da varivel
aleatria X assumir o valor x ao mesmo tempo da varivel Y
assumir o valor y .
f (x,y) = P(X = x,Y = y)

- Propriedades:
1. f ( x , y ) 0 , x R 2
2. f ( x
i j
i , yj ) 1

Funo de distribuio cumulativa conjunta (V.A.D)
Chama-se funo de distribuio de probabilidade cumulativa

conjunta da varivel aleatria discreta (X,Y) funo F(x,y) que
associa a cada elemento (x,y) a probabilidade da varivel aleatria X
tomar valores menores ou iguais a x ao mesmo tempo da varivel Y
tomar valores menores ou iguais a y.
F ( x , y ) P ( X x ,Y y )
F( x, y ) f ( s , t )
s x t y

Funo de distribuio cumulativa conjunta (V.A.D)

Propriedades:
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 )

Funes de probabilidade marginal (V.A.D.)

Dada uma varivel aleatria bidimensional discreta e sua funo de
distribuio conjunta, pode-se determinar a funo de distribuio de X
sem considerar Y, ou vice-versa. So as chamadas funes de
probabilidade marginal.
Funo de probabilidade marginal de X :
f X ( x ) P ( X x , Y ) P ( X x ,Y y ) f ( x , y )
y y
Funo de probabilidade marginal de Y :
f Y ( y ) P ( X ,Y y ) P ( X x ,Y y ) f ( x , y )
x x

Funo densidade de probabilidade conjunta (V.A.C)

Tal como acontece nas variveis unidimensionais contnuas, nas
variveis bidimensionais contnuas no faz sentido falar em
funo de probabilidade visto que P(X = x,Y = y) = 0 para
qualquer (x,y), aparecendo em seu lugar a funo de densidade de
probabilidade conjunta. Esta funo indica como a probabilidade
se distribui pelos valores que o par aleatrio (X,Y) pode assumir.
Seja X uma varivel aleatria bidimensional contnua. Diz-se que

f(x,y) uma funo densidade de probabilidade conjunta se:
1. f ( x , y ) 0 , ( x , y ) R 2

2. f ( x , y ) dx dy 1


Funo de distribuio cumulativa conjunta (V.A.C.)

Chama-se funo de distribuio de probabilidade conjunta da
varivel aleatria contnua (X,Y) funo F(x,y) que associa a
cada elemento (x,y) a probabilidade da varivel aleatria X
assumir valores menores ou iguais a x ao mesmo tempo da
varivel Y assumir valores menores ou iguais a y.
definida como na varivel aleatria unidimensional, assim:
F ( x , y ) P ( X x ,Y y )
x y
F( x, y ) f ( x , y ) dx dy

10/08/2017 10:07 ESTATSTICA APLICADA I - Variveis Aleatrias

Funo de distribuio cumulativa conjunta (V.A.C.)

Propriedades:
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 )
10/08/2017 10:07 ESTATSTICA APLICADA I - Variveis Aleatrias

Funes de probabilidade marginal (V.A.C.)

Dada uma varivel aleatria bidimensional contnua e sua
funo densidade de probabilidade conjunta pode-se determinar
a funo densidade de probabilidade de X sem considerar Y, ou
vice-versa. So as chamadas funes de probabilidade
marginal.
- Funo de probabilidade marginal de X :

fX ( x ) f ( x , y ) dy

- Funo de probabilidade marginal de Y :

fY ( y ) f ( x , y ) dx


Funes de (densidade de) probabilidade condicionais

Sabendo o valor que uma das variveis vai assumir (ou
assumiu) pode-se calcular a funo de probabilidade (no caso
discreto) ou a funo de densidade de probabilidade (no caso
contnuo) da outra varivel, tendo em conta a informao
conhecida relativamente ao valor da primeira varivel.
- Caso discreto e caso contnuo:

f ( x, y )
f X |Y y ( x )
fY ( y )
f ( x, y )
fY |X x ( y )
fX ( x )

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
Frmula prtica para o clculo da 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:
- Quando a covarincia assume um valor muito alto positivo

tem-se a indicao que existe uma relao linear positiva forte
entre as duas variveis.
- Quando a covarincia assume um valor muito baixo negativo
tem-se a indicao que existe uma relao linear negativa
forte.
- Nas situaes em que a covarincia assume valores prximos
de zero, a relao linear muito fraca, e inexistente no caso
em que a covarincia igual a zero.

Coeficiente de correlao linear

A covarincia est expressa nas unidades das variveis X e Y
simultaneamente, o que introduz dificuldades quando se
pretende fazer comparaes.
Para evitar esta situao pode-se calcular o coeficiente de
correlao linear () que tem sempre o seu valor entre 1 e 1.
Dado um par de variveis aleatrias (X,Y), define-se coeficiente
de correlao linear como:
Cov( X ,Y ) XY
XY
Var ( X ) Var( Y ) X Y

Coeficiente de correlao linear

Quando:
XY = 1, existe correlao linear negativa
perfeita entre X e Y.
XY = 0, no h correlao linear entreX e Y.
XY = 1, existe correlao linear positiva perfeita
entre X e Y.

Independncia das variveis aleatrias X e Y

Dada uma varivel aleatria bidimensional (X,Y), diz-se que as
variveis unidimensionais que a integram, X e Y, so
independentes, se a sua funo (densidade) de probabilidade
conjunta f(x,y), for igual ao produto das funes (densidade) de
probabilidade marginais, isto :
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 )

Independncia das variveis aleatrias X e Y

Teorema:
- Se duas variveis aleatrias X e Y so
independentes ento a Cov(X,Y) = 0.
- Nota: A recproca no verdadeira. Duas
variveis podem ter Cov(X,Y) = 0 e no serem
independentes. Apenas podemos garantir que
no existe relao linear entre as duas variveis;
no entanto, pode existir outro tipo de relao,
que no a linear, e no serem independentes.

Modelos de Distribuies Discretas

Distribuio de Bernoulli
Uma lmpada escolhida ao acaso
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

Distribuio de Bernoulli
Seja X uma V.A. com dois resultados possveis:

Fracasso
Sucesso
X x1 = 1 sucesso; P(X=1) = p
X x1 = 0 fracasso; P(X=0) = 1 p = q
Valor esperado: E(X) = X = p

Varincia: Var(X) = 2 = pq

Distribuio Binomial
3 Ensaios de Bernoulli, n = 3
P(defeituosa) = p = 3/7
P(no defeituosa) = 1 p = 4/7
Seja X o nmero de defeituosas

1. O experimento consiste de trs ensaios idnticos;
2. Dois resultados so possveis;
3. As probabilidades p e (1 p) so as mesmas em cada ensaio;
4. Os ensaios so independentes (com reposio).

Distribuio Binomial
P(no defeituosa) = (1 p) = 4/7
S= { 111, 110, 101, 011, 001, 010, 100, 000}
X = 0 -> {000} P(001) = 4/7 4/7 3/7 = 48/343

X = 1 -> {001, 010, 100} P(010) = 4/7 3/7 4/7 = 48/343
X = 2 -> {110, 101, 011} P(100) = 3/7 4/7 4/7 = 48/343
X = 3 -> {111}
P(X=1) = P(001) + P(010) + P(100)
P(X=1) = 3 48/343

Distribuio Binomial
P(X=1) = P(001) + P(010) + P(100)

P(X=1) = 3 48/343
3
P( X 1) 3 / 7 4 / 7
1 2

Distribuio Binomial
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
p = probabilidade de um sucesso em um ensaio

(1-p) = probabildidade de um fracasso em um ensaio
X B(n,p)

Distribuio Binomial
Seja X uma V.A. Binomial com parmetros n e p,
onde p a probabilidade de sucesso.
X {0,1,2,..n}
Valor esperado: E(X) = X = np
Varincia: Var(X) = 2 = npq

Exemplo
Considere uma loja de roupas que receba 3 clientes
p = o cliente faz compra = 0,30
(1-p) = o cliente no faz compra = 0,70
x p(x) X - nmero de clientes que compram

3!
0 0,343 (0,30)0 (0,70)3
0!3!
3!
1 0,441 (0,30)1(0,70)2
1!2!
2 0,189 3!
(0,30)2 (0,70)1
2!1!
3!
3 0,027 (0,30)3(0,70)0
3!0!
Total 1,00

Exemplo: Representao Grfica
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

Exemplo: Caractersticas
Valor esperado Varincia
E(X) = = np Var(X) = 2 = np(1 p)
Considerando o exemplo, temos
E(X) = = 3 0,30 = 0,90

Var(X) = 2 = np(1-p)= 3 0,30 0,70 = 0,63

Distribuio Geomtrica
3 Ensaios de Bernoulli, n = 3
P(no defeituosa) = 1 p = 4/7
Seja Y o nmero de lmpadas defeituosas retiradas antes de se

retirar uma no defeituosa
1. O experimento consiste em trs ensaios idnticos;
2. Dois resultados so possveis;
3. As probabilidades p e (1-p) so as mesmas em cada ensaio;
4. Os ensaios so independentes (com reposio).

Qual a probabilidade de que seja

tirada a primeira lmpada no
defeituosa na terceira tentativa?
Seja Y o nmero de tentativas antes de

se retirar uma lmpada boa
P(Y=2) = P(defeituosa) P(defeituosa) P(no defeituosa)

P(Y=2) = 3/7 3/7 4/7
P(Y=2) = (3/7) 4/7

Considerando uma sequncia de Ensaios de Bernoulli, a Distribuio

Geomtrica pode ser vista como a probabilidade de ocorrer k ensaios at que
haja o primeiro sucesso

= = 1
X G(p)

Observe que:
= = 1 = 1
=0 =0 =0
(progresso geomtrica)

= =1
1 1
Valor Esperado Varincia
1 1
= =


Exemplo
Uma linha de produo possui probabilidade de 0,01 de produzir uma pea

defeituosa. Sabendo que a produo interrompida para regulagem toda vez
que uma pea defeituosa produzida, estude o comportamento da
probabilidade em funo da quantidade de peas produzidas antes de ocorrer a
primeira defeituosa.
Q ~ quantidade de peas boas produzidas antes de uma defeituosa
= = 0,01 0,99 , = 0,1,2,

Exemplo
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

Distribuio de Poisson
Carros que passam por um cruzamento por minuto, durante uma certa hora
do dia.
Erros tipogrficos por pgina, em um material impresso.
Problemas de filas de espera (pacotes perdidos em roteadores, por exemplo)
Defeitos por unidade (m2, m, etc) por pea fabricada
Mortes por ataque de corao por ano, numa cidade.

Distribuio de Poisson
Representa a distribuio de probabilidade de uma varivel

aleatria que registra o nmero de ocorrncias sobre um
intervalo de tempo ou espao especficos.
Propriedades do experimento Poisson:
A probabilidade de uma ocorrncia a mesma para quaisquer
dois intervalos de tempo.
A ocorrncia ou no ocorrncia em qualquer intervalo
independente da ocorrncia ou no-ocorrncia em qualquer
outro intervalo

Funo de Probabilidade de Poisson
x e
P(x) X P()
x!
Uma varivel aleatria de Poisson no tem limites.
x = 0,1,2,3,
P(x) = a probabilidade de x ocorrncias em um intervalo
= valor esperado ou nmero mdio de ocorrncias em um intervalo
e = 2,71828
Valor esperado: E(X) =

Varincia: Var(X)=

Exemplo
Suponha que observado o nmero de chegadas a uma caixa automtica de

um banco durante um perodo de 15 minutos.
A probabilidade de um carro chegar a mesma para quaisquer dois perodos

de tempo de igual cumprimento.
A chegada ou no chegada de um carro em qualquer perodo de tempo

independente da chegada ou no chegada de um outro carro em qualquer
outro perodo de tempo.

Exemplo
Suponha que o nmero mdio de carros que chegam no
perodo de 15 minutos 10, ento
x e 10 x e 10
P(x)
x! x!
X: nmero de carros que chegam em qualquer perodo de 15 minutos
A probabilidade de 5 chegadas em 15 minutos
105 e 10
P( X 5) 0,0378
5!
E(X) = 10 e Var(X) = 10

Distribuio Hipergeomtrica
De maneira semelhante distribuio binomial, a distribuio hipergeomtrica:
1. O experimento composto por r ensaios idnticos;

2. O conjunto composto por dois tipos de objetos (ou seja, dois resultados so possveis);
3. No h reposio (os ensaios passam a ser dependentes).
Ensaios de Bernoulli
Binomial
com reposio
Ensaios de Bernoulli
Hipergeomtrica
sem reposio

Qual a probabilidade de se tirar uma lmpada
defeituosa em trs ensaios sem reposio?
P(001) = 4/7 3/6 3/5 = 36/210

P(010) = 4/7 3/6 3/5 = 36/210
P(100) = 3/7 4/6 3/5 = 36/210
P(X=1) = P(001) + P(010) + P(100)

P(X=1) = 3 36/210

P(X=1) = P(001) + P(010) + P(100)

P(X=1) = 3 36/210
P(X=1) = 3 6/35
3 4 3: nmero de lmpadas def.

1: nmero de sucessos
=1 = 1 2
7 4: nmero de lmpadas no def.
3 2: nmero de fracassos
7: nmero total de lmpadas
3: nmero total de ensaios


= = , = 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
Valor Esperado Varincia

= = 1
1

Aonde = (probabilidade de sucesso no conjunto)


Aula 3 - Variável Aletória

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Aula 3 - Variável Aletória

Uploaded by

Copyright:

Available Formats

Probabilidade e Estatstica

Centro Universitrio So Camilo. Todos os direitos reservados

Experimento aleatrio um procedimento que pode fornecer

Centro Universitrio So Camilo. Todos os direitos reservados

Centro Universitrio So Camilo. Todos os direitos reservados

Evento qualquer subconjunto do espao amostral

Centro Universitrio So Camilo. Todos os direitos reservados

X pode denotar a medida da resistncia mecnica no ensaio de

Centro Universitrio So Camilo. Todos os direitos reservados

As variveis aleatrias so representadas por letras maisculas (X, Y,

E: Medio do peso de uma pessoa escolhida ao acaso.

Centro Universitrio So Camilo. Todos os direitos reservados

E : Lanamento de duas moedas;

X = 0 correspondente ao evento (k, k) com probabilidade ;

Centro Universitrio So Camilo. Todos os direitos reservados

Uma varivel aleatria pode ser expressa como uma funo

Centro Universitrio So Camilo. Todos os direitos reservados

Centro Universitrio So Camilo. Todos os direitos reservados

Experimento Varivel Aleatria X Valores da Varivel

Inspecionar um Nmero de rdios 0, 1, 2, 3, 4, 5, ..., 49, 50

Vender um automvel Gnero do cliente 0 se masculino

Centro Universitrio So Camilo. Todos os direitos reservados

Trabalhar em um Porcentagem do trmino do 0 x 100

Centro Universitrio So Camilo. Todos os direitos reservados

Centro Universitrio So Camilo. Todos os direitos reservados

A distribuio de probabilidade de uma varivel aleatria qualquer

Centro Universitrio So Camilo. Todos os direitos reservados

P(X) pode ser expressa por uma tabela, grfico ou frmula.

P(X) pode ser expressa das seguintes formas:

Centro Universitrio So Camilo. Todos os direitos reservados

Centro Universitrio So Camilo. Todos os direitos reservados

Centro Universitrio So Camilo. Todos os direitos reservados

Funo distribuio cumulativa

Uma funo distribuio cumulativa, tambm chamada funo repartio ou funo

Centro Universitrio So Camilo. Todos os direitos reservados

Exemplo (Montgomery et al., 2001): H uma chance de que um bit

P(X = 0) = 0,6561 P(X = 1) = 0,2916 P(X = 2) = 0,0486

Centro Universitrio So Camilo. Todos os direitos reservados

Funo distribuio cumulativa

- A distribuio de probabilidades de X especificada pelos

Centro Universitrio So Camilo. Todos os direitos reservados

Funo distribuio cumulativa

- Por conseguinte, a funo distribuio cumulativa de X ser:

F(0) = 0,6561 F(1) = 0,9477 F(2) = 0,9963

- Mesmo se a varivel aleatria puder assumir somente valores

F(1,5) = P(X 1,5) = P(X 1) = 0,9477

Centro Universitrio So Camilo. Todos os direitos reservados

Funo distribuio cumulativa

Centro Universitrio So Camilo. Todos os direitos reservados

Centro Universitrio So Camilo. Todos os direitos reservados

Funo distribuio cumulativa

Centro Universitrio So Camilo. Todos os direitos reservados

Funo densidade de probabilidade

P(a < x < b)

Centro Universitrio So Camilo. Todos os direitos reservados

Funo densidade de probabilidade

Definio: Diz-se que f(x) a funo densidade de probabilidade da varivel

Centro Universitrio So Camilo. Todos os direitos reservados

Funo densidade de probabilidade

A definio anterior mostra que a probabilidade de qualquer valor especificado

Centro Universitrio So Camilo. Todos os direitos reservados

Funo densidade de probabilidade

Note-se que f(x), densidade de probabilidade, no