Baixe o app para aproveitar ainda mais
Prévia do material em texto
Varia´veis Aleato´rias 1 Varia´vel Aleato´ria Definic¸a˜o: Considere o espac¸o amostral Ω associado ao experimento aleato´rio �. Define-se a varia´vel aleato´ria X como uma func¸a˜o que associa um nu´mero real X(w) a cada elemento do espac¸o amostral, w ∈ Ω. X : Ω→ R Representamos as varia´veis aleato´rias por letras maiu´sculas e suas ocorreˆncias por letras minu´sculas. Exemplo 1: Suponha o experimento: lanc¸ar treˆs moedas. Seja X: nu´mero de ocorreˆncias da face cara. O espac¸o amostral do experimento e´: Ω = {(ccc), (cck), (ckc), (ckk), (kcc), (kck), (kkc), (kkk)}. Se X e´ o nu´mero de caras, X assume os valores 0, 1, 2, 3. Podemos associar a esses nu´meros eventos que correspondem a nenhuma, uma, duas ou treˆs caras respectivamente, como segue: X Evento correspondente 0 A1 = {(kkk)} 1 A2 = {(ckk), (kck), (kkc)} 2 A3 = {(cck), (ckc), (kcc)} 3 A4 = {(ccc)} As varia´veis aleato´rias podem ser discretas e continuas. Discretas: Se o nu´mero de valores poss´ıveis de X (isto e´ seu contradomı´nio), for finito ou infinito enumera´vel, isto e´, existe um conjunto finito ou enumera´vel {x1, x2, . . . , } ⊂ R tal que X(w) ⊂ {x1, x2, . . . , }∀w ⊂ Ω Cont´ınuas: X e´ uma varia´vel aleato´ria cont´ınua, se o contradominio de X for um intervalo ou uma colec¸a˜o de intervalos. 1.1 Func¸a˜o de Probabilidade Seja X uma varia´vel aleato´ria discreta. Defini-se Func¸a˜o de Probabilidade a func¸a˜o que associa a cada valor assumido pela varia´vel aleato´ria X a probabilidade do evento correspondente, isto e´: p(xi) = P (X = xi) = P (Ai), i = 1, 2, . . . . Os nu´meros p(xi) devem satisfazer as seguintes condic¸o˜es: • 0 ≤ p(xi) ≤ 1; • ∑∞i=1 p(xi) = 1. 1 Ao conjunto {(xi, p(xi)), i = 1, 2, . . .}, e´ denominado distribuic¸a˜o de probabilidade deX. Exerc´ıcio: Considere o lanc¸amento de dois dados equilibradas. Defina a seguinte v.a X =”soma das 2 faces”. Determinar a distribuic¸a˜o de probabilidade de X. 1.2 Func¸a˜o densidade de Probabilidade (f.d.p) Seja X uma varia´vel aleato´ria cont´ınua. A func¸a˜o densidade de probabilidade fX(x) indicada por f.d.p e´ uma func¸a˜o que satisfaz as seguintes condic¸o˜es: • fX(x) ≥ 0; • ∫RX fX(x)dx = 1 Ale´m disso, definimos, para qualquer c (em RX) P (c < x < d) = ∫ d c fX(x)dx, observac¸a˜o: • P (c < x < d) representa a a´rea sob a curva da f.d.p, entre x = c e x = d; • Constitue uma consequeˆncia da descric¸a˜o probabil´ıstica de X que, para qualquer valor especificado de X, digamos x0, teremos P (X = x0) = ∫ x0 x0 fX(x)dx = 0. Exemplo 3: Suponhamos que a varia´vel aleato´ria X seja cont´ınua. Seja a func¸a˜o fX(x) definida por: fX(x) = { 2x, se 0 < x < 1 0, caso contra´rio . (1) Verifique se fX(x) e´ uma func¸a˜o densidade de probabilidade. Exemplo 4: Suponhamos que a varia´vel aleato´ria X seja cont´ınua. Seja a func¸a˜o fX(x) definida por: fX(x) = { cx2, se 0 < x < 2 0, caso contra´rio . (2) Qual o valor da contante c para que fX(x) seja uma func¸a˜o densidade de probabilidade? Exemplo 5: Considere a func¸a˜o fX(x) apresentada na Figura abaixo: a) Encontre o valor de k para que fX(x) seja uma func¸a˜o de densidade de probabilidade de uma varia´vel aleato´ria X. b) Determine a equac¸a˜o que define fX(x); c) Calcule P (2 ≤ X ≤ 3). 2 1.3 Func¸a˜o de Distribuic¸a˜o Acumulada Definic¸a˜o: A func¸a˜o de distribuic¸a˜o ou func¸a˜o de distribuic¸a˜o acumulada de X, representada por FX ou simplesmente por F , e´ definida por: FX(x) = P (X ≤ x)∀x ∈ R Propriedades • 0 ≤ FX(x) ≤ 1; • FX(−∞) = 0; • FX(∞) = 1; • P (a < X ≤ b) = FX(b)− FX(a); • A func¸a˜o FX(x) e´ na˜o-decrescente, isto e´, x1 ≤ x2 temos FX(x1) ≤ FX(x2) Tendo em mente que FX(x) = P (X ≤ x), podemos observar que: 1. P (X > a) = 1− P (X ≤ a) = 1− FX(a) 2. P (a < X ≤ b) = FX(b)− FX(a) 3. P (X = a) = P (X ≤ a)− P (X < a) = FX(a)− FX(a−). Ou seja, P (X = a) e´ o tamanho do salto da func¸a˜o de distribuic¸a˜o em x = a. Se a func¸a˜o for cont´ınua no ponto x = a enta˜o P (X = a) = 0 4. P (a < X < b) = FX(b −)− FX(a) 5. P (a ≤ X < b) = FX(b−)− FX(a−) 6. P (a ≤ X ≤ b) = FX(b)− FX(a−) Teorema 1: Se X for uma varia´vel aleato´ria discreta, FX(x) = ∑ i p(xi), onde o somato´rio e´ estendido a todos os ı´ndices i que satisfac¸am a` condic¸a˜o xi ≤ x. Exemplo 6: Considerando o exemplo 1. Calcule a func¸a˜o de distribuic¸a˜o acumulada de X. 3 Teorema 2 Se X for uma varia´vel aleato´ria cont´ınua com f.d.p fX(x), FX(x) = ∫ x −∞ fX(s)ds. Exemplo 7: Considerando o exemplo 3 . Calcule a func¸a˜o de distribuic¸a˜o acumulada de X. 1.4 Esperanc¸a Matema´tica ou Valor Me´dio de uma varia´vel aleato´ria Definic¸a˜o 1: Dada uma varia´vel aleato´ria discretaX, assumindo os valores x1, . . . , xn, chamamos valor me´dio ou Esperanc¸a matema´tica de X ao valor: E(X) = n∑ i=1 xip(xi) = n∑ i=1 xiP (X = xi). Definic¸a˜o 2: Seja X uma v.a cont´ınua. O valor me´dio ou esperanc¸a matema´tica de X e´ definido por: E(X) = ∫ ∞ −∞ xfX(x)dx Algumas Propriedades da Esperanc¸a Sejam a, b 6= 0 constantes reais quaisquer. • E(a) = a • E(X ± a) = E(X)± a; • E(bX) = bE(X); • E(a+ bX) = a+ bE(X); • Se X1, . . . , Xn sa˜o n varia´veis aleato´rias tais que E(Xi) existe (i = 1, . . . , n), enta˜o E(X1 + . . .+Xn) = E(X1) + . . .+ E(Xn) • SeX1, . . . , Xn sa˜o n varia´veis aleato´rias independentes, tais que E(Xi) existe (i = 1, . . . , n), enta˜o E( n∏ i=1 Xi) = n∏ i=1 E(Xi) 1.5 Variaˆncia de uma varia´vel aleato´ria Definic¸a˜o: Suponha que X e´ uma varia´vel aleato´ria com me´dia µ = E(X). A variaˆncia de X, representada por V ar(X) e´ definida por: V ar(X) = E[(x− µ)2], onde µ = E(X) Definic¸a˜o Dada uma varia´vel aleato´ria discreta X, cuja func¸a˜o de distribuic¸a˜o e´ p(x). Enta˜o, a variaˆncia de X e´ definida por: V ar(X) = ∑ x (x− µ)2p(x). 4 Definic¸a˜o: Dada uma varia´vel aleato´ria cont´ınua X, cuja func¸a˜o densidade de probabili- dade e´ fX(x). Enta˜o, a variaˆncia de X e´ definida por: V ar(X) = ∫ ∞ −∞ (x− µ)2fX(x)dx = ∫ ∞ −∞ x2fX(x)dx− µ2. Algumas Propriedades da Variaˆncia Sejam a, b 6= 0 constantes reais quaisquer. • V ar(a) = 0; • V ar(X ± a) = V ar(X); • V ar(bX) = b2V ar(X); • V ar(a+ bX) = b2V ar(X); • Se X1, . . . , Xn sa˜o n varia´veis aleato´rias independentes, enta˜o V ar(X1 ± . . .±Xn) = V ar(X1) + . . .+ V ar(Xn) 1.6 Desvio Padra˜o A unidade de medida da variaˆncia e´ o quadrado da unidade de medida da varia´vel em estudo, sendo assim, uma unidade sem significado f´ısico. Para se ter uma medida de dispersa˜o na mesma unidade dos dados, define-se o desvio padra˜o como a raiz quadrada da variaˆncia. DP (X) = √ V ar(X) 5
Compartilhar