Variáveis Aleatórias Unimidades TEMA4

Prévia do material em texto

Varíaveis Aleatórias Unidimensionais
	
	29 de outubro
Instituição Estácio de Sá
Criado por: Thayná Gonzalez
DESCRIÇÃO:
	Apresentação de variáveis aleatórias unidimensionais como:
Função de probabilidade, função densidade, distribuição acumulada. Propriedades de variáveis aleatórias. Momentos estatísticos e suas propriedades.
Propósito:
	“Compreender conceitos fundamentais de variáveis aleatórias unidimensionais para a aplicação de suas propriedades em diversos problemas.”
	
Objetivo:
módulo 1 DEFINIR VARIÁVEL ALEATÓRIA E SUAS PROPRIEDADES.
módulo 2 IDENTIFICAR os principais momentos estatísticos. 
Introdução
Quando descrevemos o espaço amostral de um determinado experimento, frequentemente, um resultado individual é não numérico. Por exemplo, quando lançamos uma moeda para o alto, o resultado pode ser cara ou coroa. Quando acompanhamos dados sobre o clima, podemos simplesmente registrar se choveu ou não.
Em situações experimentais, frequentemente, estamos interessados em medir alguma coisa e registrá-la como um número.
Às vezes, esse registro quantitativo é intuitivo, em outras, precisamos pensar um pouco em como fazê-lo. Nos exemplos citados, podemos registrar o índice pluviométrico em uma determinada região, ou atribuir o número 1 se o resultado for cara e O se for coroa. Ou seja, podemos atribuir números a cada um dos resultados possíveis.
Veremos como fazer isso por meio de um conceito fundamental em probabilidade e estatística: variável aleatória. A partir da definição de variável aleatória, vamos estudar as funções de probabilidade, densidade, e distribuição acumulada, seus cálculos e utilidades. No módulo seguinte, vamos definir momentos de uma forma genérica e priorizar o estudo daqueles que são mais utilizados no dia a dia. Usaremos, ao longo do tema, conceitos de probabilidade e cálculo básicos.
Em resumo, é utilizar o espaço amostral de qualquer experimento aleatório e quantificar (Transformar cada ponto amostral em um número, e esses números são os valores das nossas Variáveis Aleatórias).	Comment by Thayna Martins: Significado de quantificar entre ''()'
exemplos:
Denotaremos as variáveis aleatórias por letras maiúsculas.
Número de coroas obtido no lançamento de 2 moedas; chamaremos de ‘’X’’
Número de itens defeituosos em uma amostra retirada, aleatoriamente, de um lote; chamaremos de ‘’Y’’; Ex: P(Y=7).
Intervalo de peso de uma amostra aleatória da população de um bairro; chameremos de ‘’Z’’. Exemplo²: Podemos calcular a probabilidade da minha variável aleatória, de selecionar uma pessoa dessa amostra? P(70 < Z < 75).
Número de pessoas que visitam um determinado site, num certo período de tempo; chamaremos de ‘’X’’.
Módulo 1
· DEFINIR vARÍAVEL ALEATÓRIA E SUAS PROPRIEDADES
Definição
 Variável aleatória (v.a.) é uma representação numérica dos resultados possíveis de um experimento aleatório. De maneira formal, uma variável aleatória é uma função real definida da seguinte maneira:
Em que ω é um ponto que pertence a S, o espaço amostral desse experimento. A variável aleatória X associa a cada ponto ω em S um número real x = X(ω).
Assim, dado um experimento aleatório com o espaço amostral S, podemos pensar na variável aleatória como uma regra que associa a cada elemento de S um número real .
	“As variáveis aleatórias são fundamentais para as aplicações de probabilidade, uma vez que representam características de interesse em uma população.”
VARIÁVEIS ALEATÓRIAS DISCRETAS E CONTÍNUAS
Existem dois tipos de variáveis aleatórias: as discretas e as contínuas.
Discretas: quando o conjunto de resultados possíveis é finito ou enumerável. 	Comment by Thayna Martins: Sempre que for finito (o número cujo valor se pode determinar. Ex² é uma quantidade que consigo contar ) é VA discreto	Comment by Thayna Martins: Pode ser infinito, mas consigo enumerar como exemplo: 1°,2°,3°... N°
Exemplo: número de filhos, alunos numa escola etc.
Exemplo²: No lançamento de duas moedas, a quantidade de caras é uma
Variável Aleatória Discreta. Probabilidade atribuirá a Função de Densidade de Probabilidade (Irá ser uma função que irá associar cada valor da minha variável aleatória, em uma probabilidade). 
X=0 (Cara) C0C0 = Coroa;Coroa P(x=0)= ¼
X=1(Cara) CoCa, CaCo P(x=1) = 2/4
X=2 (Caras) CaCa P(x=2) = 1/4
Contínuas: quando os valores são expressos como intervalo ou união de números reais. Exemplo: peso, massa, altura, nível de açúcar no sangue etc. 	Comment by Thayna Martins: É infinito e não há possibilidades de enumerar. Exemplo: Peso 40, 40,01;40,02...	Comment by Thayna Martins: Para diferenciar mais ainda o contínuo e discreto sempre pegar 2 pontos irá existir 1 entre eles: Ex¹: uma reta 50,7 entre 50,8 terá 50,75.	Comment by Thayna Martins: Ex: as alturas das pessoas está nesse intervalo é contínuo
Uma função X definida no espaço amostral e com valores em um conjunto enumerável de pontos da reta é intitulada variável aleatória discreta. (Tornar discreto ou descontínuo; transformar uma distribuição contínua em unidades individuais.)
Por outro lado, uma função X definida sobre o espaço amostral e assumindo valores em um intervalo de números reais, é uma variável aleatória contínua.
FUNÇÃO DE PROBABILIDADE
A função de probabilidade (É pegar cada variável aleatória do espaço amostral e leva no número; a função de probabilidade é pegar N° e elevar a probabilidade correspondente aquele elemento que aquele valor da V.A está correspondendo.) É uma função P(X=x0) que associa, a cada valor possível x de uma variável aleatória discreta X (, a sua probabilidade. De maneira formal, chamamos de função de probabilidade da v.a. discreta X, que assume valores x1, x2,..., xn,...., a função {(xi,p(xi),i=1,2,...}, que a cada valor de Xi associa a sua probabilidade de ocorrência, isto é:
Por exemplo, podemos pensar em uma variável aleatória que assume os valores 0 (com probabilidade 0.4) e 1 (com probabilidade 0.6).
Toda distribuição discreta possui as seguintes propriedades:
	“Se alguma dessas hipóteses não for atendida, a função de probabilidade não estará bem definida!”
Exemplo¹: No lançamento de um dado honesto, em que a V.A é o valor obtido no dado, a Função de Probabilidade é a seguinte:
	X
	1
	2
	3
	4
	5
	6
	P(X=x0)
	⅙
	⅙
	⅙
	⅙
	⅙
	⅙
Exemplo²: Pode ser realizado Gráfico de Barras com a Função de Probabilidades.	Comment by Thayna Martins: Tentar fazer tabela pelo excel
Exemplo³: No lançamento de um dado honesto, em que a V.A é 0 se o valor do dado é par e 1 se é ímpar, a Função de Probabilidade é a seguinte:	Comment by Thayna Martins: Significado: Os furos feitos para a marcação dos números são preenchidos com material da mesma densidade do dado (e cor diferente) para que não haja diferença de massa entre as seis faces.
Como mudou a Variável Aleatória, possui 2 Eventos, como o dado é honesto é equivalente em ter o resultado par, logo, será .	Comment by Thayna Martins: MEIO.
	X
	0
	1
	P(X=x0)
	⅟2
	⅟2
Paridade é ser par ou ímpar I
FUNÇÃO DENSIDADE 
Uma função de densidade f(x) permite calcular a probabilidade de que uma v.a. contínua pertença a um intervalo. Podemos interpretar P(a<X<b) como a área sob o gráfico de f(x) que corresponde ao intervalo [a,b].
Uma função de densidade de probabilidade, chamada frequentemente de função densidade ou, simplesmente, de densidade, tem as seguintes propriedades:
	Observe inicialmente que qualquer ponto particular no intervalo [a,b] deve ter probabilidade igual a zero. Afinal, temos um número de pontos infinito (e não enumerável).
Qual é a probabilidade de a temperatura média em um determinado dia ser exatamente igual a 25 graus?
Dizemos que é igual a zero: ela pode ser 25,1, ou 25,01, ou 25,001, e assim por diante, e qualquer valor específico recebe probabilidade (ou massa de probabilidade) igual a zero.
Para variáveis aleatórias contínuas, só faz sentido calcular a probabilidade de uma região: por exemplo, qual é a probabilidade de que a temperatura média fique entre 25e 26 graus? Não podemos, portanto, somar probabilidades (como fizemos no caso discreto), mas, ainda assim, podemos dizer que a massa de probabilidade total deve ser igual a um.
FUNÇÃO DE DISTRIBUIÇÃO ACUMULADA
A função de distribuição acumulada descreve como probabilidades são associadas aos valores ou aos intervalos de valores de uma variável aleatória. Ela representa a probabilidade de uma variável aleatória ser menor ou igual a um determinado valor real.
A função de distribuição acumulada F(x) associa, a cada valor x, E R, a probabilidade de que X seja menor ou igual a x. Ou seja, P(X<x).
A função de distribuição acumulada possui as seguintes propriedades:
Vamos interpretar cada uma dessas linhas:
 A primeira propriedade nos diz que a função de distribuição assume um valor próximo a zero quando x é muito pequeno. Isso é intuitivo: qual é a probabilidade de que a variável aleatória tenha um valor menor que x, se x já é muito pequeno? Essa probabilidade deve ser baixa — no limite, quando x tende a menos infinito, deve ser igual a zero. Analogamente, é provável que a variável aleatória assuma um valor menor que x, se x é grande: no limite, quando x tende a infinito, essa probabilidade é igual a 1.
	O que significa dizer que a variável aleatória discreta é “contínua à direita”?
Vamos avaliar o que acontece quando aumentamos o valor de x. Há duas possibilidades: ou passamos apenas por valores para os quais a função de probabilidade assume valor zero (e, portanto, a função de distribuição se mantém constante), ou chegamos a um primeiro valor em que a função de probabilidade assume um valor estritamente positivo (e, portanto, a função de distribuição aumenta subitamente, “dá um salto”, e depois se mantém novamente constante até chegarmos a outro ponto em que a função de probabilidade assume um valor maior que zero).
Nos pontos em que a função dá um salto, ela é descontínua, mas como depois do salto ela fica constante, ela é contínua à direita (porque uma função constante é contínua).
E se a função de distribuição for não apenas contínua, mas também diferenciável (nem sempre é o caso), podemos dizer exatamente qual é a sua inclinação, ou seja, sua derivada: é exatamente a função densidade em cada ponto. Ou seja, a densidade mede o quanto a função de distribuição muda a cada ponto. É análogo ao caso discreto, quando temos alguns pontos em que a função de distribuição “salta”: o tamanho desse salto é exatamente o valor da função de probabilidade. No caso contínuo, não temos grandes saltos pontuais, mas uma mudança contínua ao longo do domínio. Observe que isso é uma forma de usar o Teorema Fundamental do Cálculo: estamos relacionando a derivada (a função de densidade) com a integral (a função de distribuição).	Comment by Thayna Martins: Significado de Análogo: ''Que expressa uma relação de semelhança entre coisas ou ações distintas.''
DISTRIBUIÇÃO DA FUNÇÃO DE UMA VARIÀVEL ALEATÓRIA
Podemos definir o conceito de eventos equivalentes como dois eventos que sempre ocorrem juntos.
Seja X uma variável aleatória discreta definida no espaço amostral S, e y=H(X) uma função X. Então, Y=H(X) é também uma variável aleatória. Sejam Rx e Ry os contradomínios de X e Y, respectivamente.
Para qualquer evento A ⊂ Ry, temos que:
Pela definição de evento equivalente, podemos dizer que a probabilidade de um evento A associado ao contradomínio de Y é definida como a probabilidade do evento equivalente em termos de X (ou seja, x ∈ Rx tal que H(x)∈ A). Assim, essa definição que acabamos de ver nos permite calcular a probabilidade de eventos associados a Y, caso conheçamos a probabilidade de X e se pudermos determinar o evento equivalente em questão.
Seja X uma variável aleatória discreta e Y = H(X). Então, Y é uma função da variável aleatória discreta X, e, portanto, segue uma distribuição discreta. Podemos enumerar os possíveis valores assumidos por X como x1, x2, x3,..., xn e por Y como y1, y2, y3..., yn.
Sendo x1, x2, x3,..., xn os valores possíveis de X, temos que p(xi)=P(X = xi). Seja H uma função tal que cada valor de y corresponde exatamente a um valor de x. Obtemos a distribuição de probabilidade de Y da seguinte maneira:
Contudo, na maioria dos casos, a função H não possui a característica acima, e vários valores de X podem levar ao mesmo valor de Y. Podemos estabelecer um procedimento geral para casos como esse.
Sejam xi1,xi2,xi3,...,x{in} os valores assumidos por X e que tenham a propriedade H(xij) = yi,∀j = 1,...,n. Então:
Ou seja, para obtermos a probabilidade do evento Y=yi, encontramos os eventos equivalentes em termos de X e somamos todas as probabilidades correspondentes.
Além disso, se X é uma variável contínua, Y pode ser tanto discreta quanto contínua.	Comment by Thayna Martins: Isto dentro da Distribuição da FUNÇÃO DE UMA VARIÁVEL ALEATÓRIA
Vamos ver os casos em que Y é: 
Exercícios: 
Questão 1: Mariana, após estudar conceitos básicos de probabilidade, decidiu realizar o seguinte experimento: lançar três moedas e observar o número de caras. Seja X o número de caras observadas. Qual é a probabilidade de Mariana obter 3 caras? 
A)1/4 B)1/2 C)3/8 D)5/8 E)1/8
A alternativa "E" está correta.
Para obtermos a probabilidade de Mariana obter 3 caras, vamos usar a distribuição de probabilidade de X, a variável aleatória que representa o número observado de caras. Essa variável aleatória pode assumir qualquer valor no conjunto {0,1,2,3}. Para obtermos X=3, devemos ter 3 caras. Cada uma tem probabilidade igual a 1/2 e os lançamentos são independentes. Portanto, P(X=3)=(1/2)3=1/8. A distribuição completa de X é:
Questão 2: Seja X uma variável aleatória contínua com a seguinte distribuição: f(x) = cx2, 0< x < 2. Assinale a alternativa que apresenta o valor correto da constante c:
A)1/4 B)3/8 C)7/8 D)5/8 E)1/2
Questão 3: Considere a distribuição de probabilidade: f(x) = 2x, 0≤ x < 1. Encontre F(x) e assinale a alternativa incorreta: 
Questão 4: Considere as afirmativas abaixo e assinale a alternativa falsa:
Questão 5: Seja X uma variável aleatória cuja distribuição é P(X = x) = 1/4, para x∈ {-1,1,2,3}. Calcule a distribuição de Y = X2 e assinale a alternativa correta:
Questão 6: Seja X uma variável aleatória contínua tal que f(x) =1 e 0 < x < 1. Seja Y= -ln(x). Determine a distribuição de Y e assinale a alternativa correta:
Questão 7: Um aplicador investiu R$10.000,00 em um ativo. Esse investimento pode render ou perder 1% de um dia para o outro. A probabilidade de sofrer uma valorização é de 60%, e a de uma desvalorização é de 40%. Admitindo independência entre dois dias consecutivos de aplicação e sabendo que o investimento tem duração de 2 dias, ao fim dos quais haverá um resgate total (valor investido + ganhos), o investidor pode calcular qual é a probabilidade desse investimento não ser lucrativo.
P(G=-199)=0,16
P(G=-1)=0,48
P(G=201)=0,36
Portanto, a probabilidade de o investimento não ser lucrativo (G<0) é de 0,16+0,48 = 0,64.
Verificando Aprendizagem:
Questão 2: Seja X uma variável aleatória que assume três valores: -1, 0 e 1, com probabilidades 1/3, 1/2 e 1/6. Seja Y=3x+1. Calcule a probabilidade de X+Y ser igual a 3.
2
image2.png
image3.png
image4.png
image5.png
image6.png
image7.png
image8.png
image9.png
image10.png
image11.png
image12.png
image13.png
image14.png
image15.png
image16.png
image17.png
image18.png
image19.png
image20.png
image21.png
image22.png
image23.png
image24.png
image25.png
image26.png
image27.png
image28.png
image29.png
image30.png
image31.png
image32.png
image33.png
image34.png
image35.png
image1.png