Baixe o app para aproveitar ainda mais
Prévia do material em texto
INTRODUÇÃO AOS MODELOS PROBABILÍSTICOS PROFESSOR: FELIPE FERNANDES Variáveis Aleatórias Independente de um experimento gerar resultados qualitativos ou quantitativos, geralmente estamos interessados em aspectos numéricos dos resultados. Uma variável aleatória é uma função que associa números reais com os resultados de experimentos aleatórios. Denota-se por uma letra maiúscula: X, Y, Z. 𝑋:Ω → ℝ Para motivar este conceito, considere o experimento de se lançar uma moeda três vezes e defina a variável aleatória X como o número de caras observadas. Variáveis Aleatórias - exemplos Exemplo 1: Lançamento de 3 moedas honestas Seja 𝑋 = “número de caras que aparecem” Então 𝑋 é uma v.a. com possíveis valores {0, 1, 2, 3} Exemplo 2: Seja 𝑋= “tempo de vida de uma lâmpada” 𝑋 é uma v.a. que pode assumir qualquer valor nos reais positivos, ou seja, qualquer valor no intervalo [0, ∞] Função de distribuição acumulada O valor de uma variável aleatória é determinado pelo resultado do experimento. Então, podemos assinalar probabilidades aos seus possíveis valores. Função de Distribuição Acumulada (f.d.a.) A f.d.a. de uma v.a. 𝑋 é a função definida por: 𝐹:ℝ → [0,1] definida por: 𝐹 𝑥 = 𝑃 𝑋 ≤ 𝑥 , 𝑥 ∈ ℝ Essa função representa a probabilidade da v.a. 𝑋 ser menor ou igual a 𝑥. Função de distribuição acumulada Para qualquer f.d.a. F, tem-se: 1. 0 ≤ 𝐹(𝑥) ≤ 1, para todo 𝑥 2. F é não decrescente, isto é, para 𝑥1 < 𝑥2, 𝐹(𝑥1) ≤ 𝐹(𝑥2) 3. F(−∞) = 0 4. F(+∞) = 1 5. F é contínua à direita Ainda temos que: 1. 𝑃(𝑋 > 𝑎) = 1 – 𝐹(𝑎) 2. 𝑃(𝑋 = 𝑎) = 𝐹(𝑎) – 𝐹(𝑎−) 3. 𝑃(𝑎 < 𝑋 ≤ 𝑏) = 𝐹(𝑏) – 𝐹(𝑎), 𝑎 < 𝑏 Tipo de Variável Aleatória Variável Aleatória Discreta: Uma função 𝑋 que associa a cada elemento do espaço amostral um valor num conjunto finito ou enumerável de pontos da reta. Variável Aleatória Contínua: quando o contradomínio de 𝑋 é um intervalo (ou coleção de intervalos) de números reais. Variável Aleatória Discreta A função de massa probabilidade de uma variável aleatória discreta fornece a probabilidade de ocorrência de cada um dos valores possíveis. Isto é, se 𝑥𝑖; 𝑖 = 1; 2;… ; 𝑛 são os valores assumidos pela variável X, estão: 𝑝(𝑥𝑖) = 𝑃[𝑋 = 𝑥𝑖] Propriedades i) 0 ≤ 𝑝(𝑥𝑖) ≤ 1, ∀𝑖 = 1,2, … , 𝑛 ii) σ𝑖=1 𝑛 𝑝(𝑥𝑖) = 1 (finito) ou σ𝑖=1 ∞ 𝑝(𝑥𝑖) = 1 (infinito enumerável) Ao conjunto {𝑥𝑖 , 𝑝 𝑥𝑖 ; 𝑖 = 1,2, … , 𝑛} damos o nome de distribuição de probabilidades da variável aleatória X. Que pode ser representada em uma tabela ou um gráfico. Variável Aleatória Discreta Exemplo 01: Você observa se 3 computadores estão estragados. Seja X o número de computadores estragados. Determine a distribuição de probabilidades de X. Ω = {EEE;EEB;EBE;BEE;EBB;BEB;BBE;BBB} e 𝑋: {0,1,2,3} Distribuição de probabilidades da variável X. Variável Aleatória Discreta Exemplo 02: Considere o lançamento de dois dados, onde estamos interessados na soma dos resultado. Variável Aleatória Discreta Exemplo 02: Defina X: soma dos resultados Podemos estar interessados em outras v.a.’s Y: valor máximo entre os dois lançamentos Z: pontos do 2º lançamento Função de Massa de Probabilidade - Gráfico É comum representar a distribuição de probabilidade da v.a. 𝑋 usando o gráfico de barras, onde a altura das barras representa sua função de massa. Y: valor máximo entre os dois lançamentos dos dados Função de Distribuição Acumulada de v.a. Discreta É Já vimos que a função de distribuição acumulada (f.d.a.) de uma variável aleatória 𝑋 é definida por 𝐹 𝑥 = 𝑃 𝑋 ≤ 𝑥 , 𝑥 ∈ ℝ No caso de X ser uma v.a. discreta, a f.d.a. é dada por 𝐹 𝑥1 = 𝑃 𝑋 = 𝑥1 𝐹 𝑥2 = 𝑃 𝑋 = 𝑥1 + 𝑃 𝑋 = 𝑥2 ⋮ 𝐹 𝑥𝑛 = 𝑃 𝑋 = 𝑥1 +⋯+ 𝑃 𝑋 = 𝑥𝑛 Função de Distribuição Acumulada de v.a. Discreta Y: valor máximo entre os dois lançamentos de dados Momentos de uma Variável Aleatória Um dos conceitos mais importantes em teoria de probabilidade é a esperança (ou valor esperado) de uma variável aleatória Esperança: Considere uma v.a. discreta 𝑋, tendo função de massa 𝑝(𝑥). O valor esperado (ou valor médio), é a seguinte média ponderada: 𝐸 𝑋 = 𝑖=1 𝑛 𝑥𝑖𝑃 𝑋 = 𝑥𝑖 = 𝑖=1 𝑛 𝑥𝑖𝑝(𝑥𝑖) Notação: 𝜇 = 𝐸(𝑋) Esperança de uma v.a. Discreta Seja Y: valor máximo entre os dois dados 𝐸 𝑌 = 1 × 1 36 + 2 × 3 36 +⋯+ 6 × 11 36 = 161 36 = 4,47 Algumas propriedades da esperança 1. Se 𝑌 = 𝑎𝑋 + 𝑏, onde a e b são constantes, então 𝐸 𝑌 = 𝐸 𝑎𝑋 + 𝑏 = 𝑎𝐸 𝑋 + 𝑏 Casos particulares: 𝐸 𝑋 + 𝑏 = 𝐸 𝑋 + 𝑏 𝐸 𝑎𝑋 = 𝑎𝐸(𝑋) 2. Se 𝑋1, 𝑋2, … , 𝑋𝑛 são variáveis aleatórias: 𝐸 𝑖=1 𝑛 𝑋𝑖 = 𝑖=1 𝑛 𝐸(𝑋𝑖) Esperança de uma função de uma v.a. Proposição: Se 𝑋 é uma v.a. discreta com valores 𝑥𝑖 e função de massa 𝑝(𝑥𝑖), então para qualquer função 𝑔 𝐸 𝑔 𝑋 = 𝑖 𝑔 𝑥𝑖 𝑝(𝑥𝑖) No exemplo em que 𝑋 é a soma dos dois dados, temos que: 𝐸 𝑋2 = 22 × 1 36 + 32 × 2 36 +⋯+ 122 × 1 36 = 1974 36 = 54,83 sendo𝑔 𝑥 = 𝑥2 Variância de uma Variável Aleatória ▪ Variância de uma v.a. é uma medida de dispersão ▪ Se X é uma v.a com média μ, então a variância de X é dada por: 𝑉𝑎𝑟 𝑋 = 𝐸[ 𝑋 − 𝜇 2] Notação: 𝜎2 = 𝑉𝑎𝑟 𝑋 No caso de 𝑋 ser uma v.a. discreta: 𝑉𝑎𝑟 𝑋 = 𝑖=1 𝑛 𝑥𝑖 − 𝜇 2𝑝(𝑥𝑖) Uma forma alternativa de calcular a variância é usando a fórmula: 𝑉𝑎𝑟 𝑋 = 𝐸 𝑋2 − 𝐸(𝑋) 2 Variância de uma v.a. Discreta No exemplo em que X é soma dos dois dados: Poderíamos calcular a variância pela definição: 𝑉𝑎𝑟 𝑋 = 2 − 7 2 × 1 36 +⋯+ 12 − 7 2 × 1 36 = 5,83 Alternativamente, como já calculamos 𝐸 𝑋 = 7 e E 𝑋2 = 54,83 então podemos usar a fórmula simplificada: 𝑉𝑎𝑟 𝑋 = 𝐸 𝑋2 − 𝐸 𝑋 2 = 54,83 − 72 = 5,83 Algumas propriedades da variância 1. Se 𝑌 = 𝑎𝑋 + 𝑏, onde a e b são constantes, então 𝑉𝑎𝑟 𝑌 = 𝑉𝑎𝑟 𝑎𝑋 + 𝑏 = 𝑎2𝑉𝑎𝑟 𝑋 Casos particulares: 𝑉𝑎𝑟 𝑋 + 𝑏 = 𝑉𝑎𝑟 𝑋 𝑉𝑎𝑟 𝑎𝑋 = 𝑎2𝑉𝑎𝑟 𝑋 2. Se 𝑋1, 𝑋2, … , 𝑋𝑛 são v.a. independentes: 𝑉𝑎𝑟 𝑖=1 𝑛 𝑋𝑖 = 𝑖=1 𝑛 𝑉𝑎𝑟(𝑋𝑖) Slide 1: Introdução aos modelos Probabilísticos professor: Felipe Fernandes Slide 2: Variáveis Aleatórias Slide 3: Variáveis Aleatórias - exemplos Slide 4: Função de distribuição acumulada Slide 5: Função de distribuição acumulada Slide 6: Tipo de Variável Aleatória Slide 7 Slide 8 Slide 9 Slide 10 Slide 11 Slide 12 Slide 13 Slide 14 Slide 15 Slide 16 Slide 17 Slide 18 Slide 19 Slide 20
Compartilhar