Baixe o app para aproveitar ainda mais
Prévia do material em texto
VARIÁVEIS ALEATÓRIAS DISCRETAS E SEUS PRINCIPAIS MODELOS – PARTE 2 1 Propriedades da Média 1) A média de uma constante é a própria constante: E(K) = K. 2) Multiplicando uma variável aleatória X por uma constante, sua média fica multiplicada por essa constante: E(KX) = KE(X). 3) A média da soma ou da diferença de duas variáveis aleatórias é a soma ou diferença das médias: E(X Y) = E(X) E(Y). 4) Somando ou subtraindo uma constante a uma variável aleatória, a sua média fica somada ou subtraída da mesma constante: E(X K) = E(X) K. 5) A média de uma variável aleatória centrada é zero: E(X - x) = E(X) - E(x) = x - x = 0. 6) A média do produto de duas variáveis aleatórias independentes é o produto das médias: E(XY) = E(X).E(Y). 2 Propriedades da Variância 3 V(aX ± bY) = a2V(X) + b2V(Y) ± 2abCov(X,Y) Exercícios 4 Exercícios 5 VARIÁVEIS ALEATÓRIAS DISCRETAS BIDIMENSIONAIS Existem casos em que há interesse por dois resultados simultâneos. Por exemplo, estatura H e peso P de pessoas. Para tanto, precisa-se da seguinte definição: Sejam: E um experimento aleatório e S o espaço amostra, associado a E. Sejam: X = X(s) e Y = Y(s), duas funções, cada uma associando um número real a cada resultado s S, denomina-se (X, Y) uma variável aleatória bidimensional, que pode ser discreta ou contínua. Seja (X, Y) uma variável aleatória bidimensional discreta. A Função de Probabilidade é uma função que associa um número p(xi, yj) representado por P (X = xi, Y = yj) satisfazendo as condições: •p(xi, yj) ≥ 0 = = = 1 1 1),( j i ji yxp Como no caso da variável unidimensional, a distribuição poderá ser representado por uma tabela, gráfico ou fórmula. 6 Função de probabilidade conjunta da VA (X, Y) VARIÁVEIS ALEATÓRIAS DISCRETAS Tem Cancro Não tem Cancro Fumador 0,5 0,2 0,7 Não Fumador 0,1 0,2 0,3 0,6 0,4 1 X Y Fu n çã o d e p ro b ab ili d ad e m ar gi n al d e X Função de probabilidade marginal de Y 7 VARIÁVEIS ALEATÓRIAS DISCRETAS BIDIMENSIONAIS Considere a seguinte distribuição conjunta de X e Y x y -2 -1 4 5 1 0,10 0,20 0,00 0,30 2 0,20 0,10 0,10 0,00 a) Achar as distribuições marginais de X e Y; b) Calcular E(X), E(Y) e E(XY); c) Calcular DP(x) e DP(y); d) Calcular COV(XY); e) Calcular coeficiente e correlação entre X e Y. 8 VARIÁVEIS ALEATÓRIAS DISCRETAS BIDIMENSIONAIS Considere a seguinte distribuição conjunta de X e Y: x y -2 -1 4 5 1 0,10 0,20 0,00 0,30 2 0,20 0,10 0,10 0,00 a) Determinar as distribuições marginais de X e Y; 9 Distribuição Marginal de X: Distribuição Marginal de Y: X -2 -1 4 5 P(X) 0,1+ 0,2 = 0,3 0,2 + 0,1 = 0,3 0,0 + 0,1 = 0,1 0,3 + 0,0 = 0,3 Y 1 2 P(Y) 0,1+ 0,2 + 0,0 + 0,3 = 0,5 0,2 + 0,1 + 0,1 + 0,0 = 0,5 VARIÁVEIS ALEATÓRIAS DISCRETAS BIDIMENSIONAIS b) Calcular E(X), E(Y) e E(X,Y); 10 Considere a seguinte distribuição conjunta de X e Y: x y -2 -1 4 5 1 0,10 0,20 0,00 0,30 2 0,20 0,10 0,10 0,00Seja E(X) Seja E(Y) Seja E(X,Y) X -2 -1 4 5 P(X) 0,1+ 0,2 = 0,3 0,2 + 0,1 = 0,3 0,0 + 0,1 = 0,1 0,3 + 0,0 = 0,3 Y 1 2 P(Y) 0,1+ 0,2 + 0,0 + 0,3 = 0,5 0,2 + 0,1 + 0,1 + 0,0 = 0,5 VARIÁVEIS ALEATÓRIAS DISCRETAS BIDIMENSIONAIS c) Calcular DP(x) e DP(y); 11 Considere a seguinte distribuição conjunta de X e Y: x y -2 -1 4 5 1 0,10 0,20 0,00 0,30 2 0,20 0,10 0,10 0,00 Calcular DP(x): Para Calcular DP(y), temos que primeiro determinar VAR(Y) = E(Y2) – [E(Y)]2 : 1- Calcular VAR(x) = E(X2) – [E(X)]2 : VARIÁVEIS ALEATÓRIAS DISCRETAS BIDIMENSIONAIS d) Calcular COV(X,Y); 12 Considere a seguinte distribuição conjunta de X e Y: x y -2 -1 4 5 1 0,10 0,20 0,00 0,30 2 0,20 0,10 0,10 0,00 O valor da COV(X,Y) = -0,6 indica que existe relação inversamente proporcional entre X e Y, ou seja, enquanto X cresce, Y decresce; e assim sucessivamente. VARIÁVEIS ALEATÓRIAS DISCRETAS BIDIMENSIONAIS e) Calcular coeficiente e correlação entre X e Y. 13 Considere a seguinte distribuição conjunta de X e Y: x y -2 -1 4 5 1 0,10 0,20 0,00 0,30 2 0,20 0,10 0,10 0,00 Portanto, como o valor de rx,y = -0,38 indica que existe uma correlação negativa fraca entre X e Y, ou seja, enquanto X cresce, Y decresce; e assim sucessivamente. 1) O coeficiente de correlação pode variar em termos de valor de -1 a +1. Quanto maior for o valor absoluto do coeficiente, mais forte é a relação entre as variáveis. 2) Dancey e Reidy (2005) apontam a seguinte classificação para o coeficiente de correlação: r = 0,10 até 0,39 (fraco); r = 0,40 até 0,6 (moderado); r = 0,61 até 1 (forte). DANCEY, Christine & REIDY, John. (2006). Estatística Sem Matemática para Psicologia: Usando SPSS para Windows. Porto Alegre: Artmed. Principais modelos probabilísticos discretos 1. Modelo Uniforme Discreto Seja X uma variável aleatória cujos possíveis valores são representados por x1, x2...,xk. Dizemos que X segue o modelo Uniforme discreto se atribui a mesma probabilidade( 1/k) a cada um desses k valores, isto é sua f.p. é dada por Exemplo 5: Considere o experimento que consiste no lançamento de um dado, e estamos interessados na v.a. X: No da face obtida. Neste caso todos os possíveis resultados ocorrem com a mesma probabilidade e, assim, podemos dizer que a probabilidade se distribui uniformemente entre os diversos resultados, ou seja, podemos escrever a seguinte f.p. : Distribuição de uma v.a. Uniforme Discreta contrario caso 0, k.1,2,...,i 1/k, )xP(X i = == X 1 2 3 4 5 6 P(X=xi) 1/6 1/6 1/6 1/6 1/6 1/6 14 Notação: X~Ud(x1,..,xk) Se X~Ud(x1,..,xk), pode-se mostrar que: = = k i ix k XE 1 1 )( = =−= k i n i i i k x x k XVar 1 2 12 } )( { 1 )( No exemplo 5, temos que: 5,3)654321( 6 1 )( =+++++=XE 9,2}6/21)362516941{( 6 1 )( 2 =−+++++=XVar Obter a f.d.a. ! 15
Compartilhar