Baixe o app para aproveitar ainda mais
Prévia do material em texto
Variáveis Aleatória (VA) Unidade II - Aula 06 Disciplina: Cálculo das Probabilidades e Estatística I Professor: ELMIRO 2015-1 UNIVERSIDADE FEDERAL DA PARAÍBA CENTRO DE CIÊNCIA EXATAS E DA NATUREZA DEPARTAMENTO DE ESTATÍSTICA Introdução Ao descrevemos um espaço amostral associado um experimento aleatório, necessariamente não especificamos que um resultado individual seja um valor numérico. Exemplos: 1. Lance uma moeda honesta três vezes e observe a sequência de caras e coroas obtidas. ={kkk, kkc, ckk, kck, kcc, ckc, cck, ccc}, em que k =cara e c =coroa. 2. De um lote de 4 peças das quais 2 são defeituosas, peças são extraídas até as 2 defeituosas sejam retiradas. ={DD, DPD, PDD, DPPD,...}, em que D =defeituosa e P =perfeita. 3. Observar o sexo das crianças em famílias com três filhos. ={MMM, MMF, MFM, FMM, MFF, FMF, FFM, FFF}, em que F =feminino e M =masculino. Continuação Contudo, em muitas situações experimentais, estaremos interessado na mensuração de algo e no seu registro como um número. Mesmo nos exemplos anteriormente poderemos atribuir um número real a cada elemento do espaço amostral. Exemplos: 1. Seja X o número de caras. X(kkk)=3, X(kkc)=X(ckk)=X(kck)=2,X(kcc)=X(ckc)=X(cck)=1 e X(ccc)=0. 2. Seja X o número de peças retiradas. X(DD)=2, X(DPD)=X(PDD)=3 e X(DPPD)=X(DPDP)=...=4. 3. Seja X o número de meninos. X(MMM)=3, X(MMF)=X(MFM)=X(FMM)=2, X(MFF)=X(FMF)=X(FFM)=1 e X(FFF)=0. Na realização de um fenômeno aleatório, é comum termos interesse em um ou mais particulares resultados e a eles associamos um número. Desta forma são obtidas funções dos resultados que são de nosso interesse. Nesses casos, os elementos resultantes são as quantidades de interesse. Após a realização do fenômeno teremos uma observação conhecida que, no entanto, não é mais aleatória. Podemos considerar que a observação conhecida do fenômeno aleatório, produz um particular valor observado da variável aleatória. Assim, uma outra realização do fenômeno, fornecerá um outro valor observado da variável, na maioria das vezes, diferente do anterior. Características Continuação Desejamos então atribuir um número real x a cada resultado do espaço amostral . O domínio de X é , e os números na imagem são números reais. qualitativo atributo discreto quantitativo v. a. contínuo Continuação Como sabemos, características de interesse em diversas áreas estão sujeitas à variação. Essa variabilidade ocorre ao acaso pois resulta de uma soma de fatores não-controlados. Toda vez que uma variável é influenciada pela aleatoriedade, diz-se que esta é uma variável aleatória. Exemplos: número de livros de uma biblioteca, peso de recém-nascidos. Usaremos letras maiúsculas (X, Y, Z, …) para indicar variáveis aleatórias. Letras minúsculas (x, y, z, …) representarão valores assumidos por variáveis aleatórias Conceitos Formalmente: Uma variável aleatória (VA) pode ser entendida como uma variável quantitativa, cujo resultado (valor) depende de fatores aleatórios. Resumidamente, variável aleatória é uma função que associa elementos do espaço amostral a valores numéricos, ou seja, X : X Variável aleatória X(s) s Continuação... Exemplo: Experimento Aleatório E: Lançamento de duas moedas; Variável Aleatória X: Número de caras obtidas nas duas moedas. Espaço amostral associado a E: = {(c, c), (c, r), (r, c), (r, r)} x=0 → correspondente ao evento (r, r); x=1 → correspondente ao evento (r, c), (c, r); x=2 → correspondente ao evento (c, c). X:número de cara obtidas (r, r) (r, c) (c, r) (c, c) 0 1 2 Continuação As variáveis aleatórias classificam-se em discretas ou contínuas, dependendo do tipo de conjunto de valores que elas podem assumir. • Variável discreta: quando a variável assume valores num conjunto finito ou infinito numerável. Exemplos: Número de filhos. Número de funcionários de uma empresa. Número de tumores detectados por um exame. Número de peças defeituosas Algumas definições • Variável contínua: quando a variável assume valores de um conjunto infinito não numerável. Exemplos Tempo até a cura de uma doença Altura de árvores Peso de recém-nascidos Concentração de CO 2 na água Poluição sono. Continuação Observação: Um caso especial de variável aleatória discrete é quando esta pode assumir um dentre dois valores possíveis. Este tipo de variável recebe, em estatística, o nome de variável “dicotômica” ou “binária”. Exemplos: Classificar um tumor como malígno ou benígno Determinar, através de uma imagem de satélite, se numa determinada área de floresta está ou não ocorrendo uma queimada Em coletas de sangue, se o fator Rh é + ou – Variáveis Aleatória Discreta Função de Distribuição de Probabilidades A função de distribuição de probabilidade de uma variável aleatória qualquer X é uma descrição das probabilidades associadas aos valores possíveis de X que permite a definição de um modelo matemático apropriado a cada situação. Para uma variável aleatória discreta, esta distribuição é frequentemente especificada por uma tabela composta dos valores possíveis da V.A. juntamente com a probabilidade de cada um destes valores. Em alguns casos, é conveniente expressar a probabilidade em termos de uma fórmula. Exemplos: 1) Observar o sexo das crianças em famílias com três filhos. ={(MMM), (MMF), (MFM), (FMM), (MFF), (FMF), (FFM),(FFF)} Defina X: nº de crianças do sexo masculino (M). Então X é uma V.A. discreta que assume valores no conjunto X: {0, 1, 2, 3}. 2) Observar o tempo de reação a um certo medicamento. Defina X: tempo de reação ao medicamento. X é uma V.A. contínua que assume qualquer valor real positivo. X: {t+/ t≥0} Continuação... Exemplo 1: E: lançamento de três moedas honestas; X: número de caras obtidas. = {(c,c,c), (c,c,r), (c,r,c), (r,c,c) (c,r,r), (r,c,r), (r,r,c), (r,r,r)} X: { 0, 1, 2, 3) Função Distribuição de probabilidade: Uma função de probabilidade deve satisfazer: 0≤P(X=x)≤1 P(X=x) = 1𝑛𝑖=1 Continuação... x 0 1 2 3 P(X=x) 1/8 3/8 3/8 1/8 Exemplo 2: Um dado é lançado duas vezes de forma independente. Qual é a probabilidade da soma dos pontos ser menor do que 6. Solução: E: lançamento de dois dados; X: soma dos pontos obtidos nos dois dados: = {(1,1), (1,2), (1,3), (1,4), (1,5), (1,6), (2,1), (2,2), (2,3), (2,4), (2,5), (2,6), (3,1), (3,2), (3,3), (3,4), (3,5), (3,6), (4,1), (4,2), (4,3), (4,4), (4,5), (4,6), (5,1), (5,2), (5,3), (5,4), (5,5), (5,6), (6,1), (6,2), (6,3), (6,4), (6,5), (6,6)}. X:{2,3,4,5,6,7,8,9,10,11,12) Continuação... Função distribuição de probabilidade Então, P (X < 6) = P(X=5) + P(X=4) + P(X=3) + P(X=2) = 4/36 + 3/36 + 2/36 + 1/36 = 10/36. Poderíamos estar interessado em outras V.A’s, tais como: 1. Y: valor máximo obtido dentre osdois lançamentos x 2 3 4 5 6 7 8 9 10 11 12 P(X=X) 1 36 2 36 3 36 4 36 5 36 6 36 5 36 4 36 3 36 2 36 1 36 y 1 2 3 4 5 6 P(Y=y) 1 36 3 36 5 36 7 36 9 36 11 36 Continuação... 2. Z: diferença entre os pontos do 2º e do 1º lançamento 3. W: pontos do segundo lançamento z -5 -4 -3 -2 -1 0 1 2 3 4 5 P(Z=z) 1 36 2 36 3 36 4 36 5 36 6 36 5 36 4 36 3 36 2 36 1 36 w 1 2 3 4 5 6 P(W=w) 1 6 1 6 1 6 1 6 1 6 1 6 , Função de distribuição acumulada Definição: A função de distribuição acumulada de uma variável aleatória X é a função FX: RR definida por: FX(x) = P(X ≤ x) = P(X=t) x t=1 Exemplo: Determine a função de distribuição acumulada do exemplo 2 obtida anteriormente para a V.A. Y Solução. A função de distribuição de probabilidade da V.A. Y: “valor máximo obtido dentre os dois lançamentos” obtida é y 1 2 3 4 5 6 P(Y=y) 1 36 3 36 5 36 7 36 9 36 11 36 Continuação... Logo a função de distribuição acumulada será: Fy(1)=P(Y=1)=1/36 Fy(2)=P(Y=1)+P(Y=2)=1/36+3/36=4/36 Fy(3)=P(Y=1)+P(Y=2)+P(Y=3)=1/36+3/36+5/36=9/36 Fy(4)=P(Y=1)+P(Y=2)+P(Y=3)+P(Y=4)=1/36+3/36+5/36+ +7/36=16/36 Fy(5)=P(Y=1)+P(Y=2)+P(Y=3)+P(Y=4)+P(Y=5)=1/36+3/36+ +5/36+7/36+9/36=25/36 Fy(6)=P(Y=1)+P(Y=2)+P(Y=3)+P(Y=4)+P(Y=5)+P(Y=6)= =1/36+3/36+5/36+7/36+9/36+11/36=36/36=1 Continuação Então 0 se y<1 01/36 se 1≤ y<2 04/36 se 2≤ y<3 Fy(y)= 09/36 se 3≤ y<4 16/36 se 4≤ y<5 25/36 se 5≤ y<6 1 se y≤6 Representação gráfica 0 1/36 4/36 9/36 16/36 25/36 1 1 2 3 4 5 6 Y F(y) Continuação... Observações importantes O domínio de F é a reta real. e F é não decrescente, isto é, se , teremos A magnitude de cada salto é p(xi), isto é onde , isto é, F é descontínua à esquerda. , isto é, F é contínua à direita. 1)(lim xF x x x1 2 F x F x( ) ( )1 2 P X x F x F x( ) ( ) ( _ ) F x F y y x ( _ ) lim ( ) F x F x( _ ) ( ) F x F x( ) ( ) lim ( ) x F x 0 Continuação Exercício: Considere uma variável aleatória X com a seguinte função de probabilidade: c, para k = 1, 3, 5 P(X=k) = 2c, para k = 2, 4 a) Determine o valor da constante “c” que torna a distribuição acima uma legítima distribuição de probabilidade. b) Determine a função de distribuição acumulada F(x) e construa o gráfico. c) Calcule a P(X>1), P(X≥3), P(X≤4), P(5/2<X≤5). Continuação Exercício: 1. Seja X uma variável aleatória discreta com função de distribuição acumulada dada por: a. F(-2)=0,3, F(0)=0,5, F(1)=0,6, F(2)=0,8 e F(5)=1. b. Calcule P(-1≤X≤4). Variáveis Aleatória Continuas Uma variável aleatória X é contínua se existir uma função f, denominada função de densidade de probabilidade (fdp) de X, que satisfaça as seguintes condições: 1. f(x) ≥ 0 para todo x 𝑅𝑋 2. f x dx = 1 +∞ −∞ 3. Para qualquer, a e b com -∞< a < b < + ∞, teremos: P(a ≤ X ≤ b) = f x dx. 𝑏 𝑎 Continuação... Observações: 1. P(a ≤ X ≤ b) representa a área sob a curva da função densidade de probabilidade entre a e b 2. Para qualquer valor especifico de X, digamos xo, teremos P(X = xo) = 0, pois f x dx = 0. 𝑥𝑜 𝑥𝑜 3. Como a probabilidade de X assumir valores em pontos isolados e nula então P(a ≤ X ≤ b) = P(a ≤ X < b) = =P(a < X ≤ b) = P(a < X < b), Continuação... Exemplo: Considere X uma variável aleatória contínua com a seguinte fdp: 1. Mostre que f(x) é uma fdp. 2. Calcule e valores outros quaisquer para 0, 1,x0 2x, f(x) P X( / ) 1 2 )4/34/1( XP Continuação... Função de Distribuição de Probabilidade Acumulada Definimos função de distribuição de probabilidade acumulada da variável aleatória X como sendo: Para o caso contínuo, temos: Observação: Seja F(x) a função de distribuição acumulada de uma variável aleatória contínua X, então, a fdp de x f(x) é dada por para todo x no qual F(x) seja derivável. x)P(XF(x) x f(s)dsF(x) F(x) dx d f(x) Exercícios: 1. Encontre a função de distribuição acumulada da seguinte função de densidade de probabilidade 2. Seja X uma variável aleatória com densidade dada por: a) Determine o valor da constante “d” que modo a torna a f(x) acima numa legítima função de densidade de probabilidade. b) Determine a função de distribuição acumulada F(x). c) Calcule a P(X>1), P(X<1/2) e P(-1/2<X≤2/3). valores outros quaisquer para 0, 1,x0 2x, f(x) valoresoutrosquaisquerpara 0, 2x2 ,xd f(x) 2
Compartilhar