Baixe o app para aproveitar ainda mais
Prévia do material em texto
Introduc¸a˜o Varia´veis Aleato´rias Cont´ınuas Recordamos que: Definic¸a˜o: Uma varia´vel aleato´ria cont´ınua X e´ uma func¸a˜o mensura´vel do espac¸o amostral Ω nos reais (ou seja, X : Ω 7→ R) que pode assumir qualquer valor num intervalo real. Dessa forma, Im(X ) = I ⊂ R. Obs.: Na˜o e´ poss´ıvel associar uma tabela de probabilidades pontuais ou frequeˆncias a uma varia´vel aleato´ria cont´ınua. Exemplos: tempo de durac¸a˜o de uma chamada telefoˆnica; tempo de vida de uma laˆmpada, altura das pessoas, tempo de espera numa fila de banco, etc. Notas de Aula do Prof. Lucas Moreira, EST/UnB Introduc¸a˜o Varia´veis Aleato´rias Cont´ınuas Para calcular probabilidades associadas a v.a. cont´ınuas necessitamos do conceito de “func¸a˜o de densidade de probabilidade”(f.d.p.). Definic¸a˜o: A func¸a˜o de densidade de probabilidade assoaciada a uma v.a. X e´ uma func¸a˜o f que verifica: (i) f (x) ≥ 0 ∀ x ∈ R; (ii) ∫ ∞ −∞ f (x)dx = 1· (f e´ integra´vel) Notas de Aula do Prof. Lucas Moreira, EST/UnB Introduc¸a˜o Varia´veis Aleato´rias Cont´ınuas A probabilidade de que uma v.a. cont´ınua X pertenc¸a a um intervalo real [a, b], a < b e´ dada por P(a ≤ X ≤ b) = ∫ b a f (x)dx · Em particular, P(X = a) = 0, ∀a ∈ R· Notas de Aula do Prof. Lucas Moreira, EST/UnB Introduc¸a˜o Varia´veis Aleato´rias Cont´ınuas Notac¸a˜o: Se X e´ uma v.a. cont´ınua com func¸a˜o de densidade de probabilidade f , por vezes escrevemos fX ao inve´s f . Definic¸a˜o: A func¸a˜o de distribuic¸a˜o acumulada (f.d.a.) de uma v.a. cont´ınua e´ dada por FX (x) = ∫ x −∞ f (u)du, ∀ x ∈ R· Note que, FX (x) = P(X ≤ x), ∀ x ∈ R· Notas de Aula do Prof. Lucas Moreira, EST/UnB Introduc¸a˜o Propriedades A func¸a˜o de distribuic¸a˜o acumulada FX (.) de uma varia´vel cont´ınua X satisfaz as seguintes propriedades: 1. FX (.) e´ na˜o-decrescente, ou seja, se a < b ⇒ FX (a) ≤ FX (b), ∀a, b ∈ R; 2. limx→+∞ FX (x) = 1 e limx→−∞ FX (x) = 0; 3. dFX (x)dx = F ′ X (x) = fX (x), ∀ x onde FX (.) e´ diferencia´vel. Notas de Aula do Prof. Lucas Moreira, EST/UnB Introduc¸a˜o Varia´veis Aleato´rias Cont´ınuas Exemplo: Seja X uma v.a. cont´ınua com f.d.p.: fX (x) = x , 0 ≤ x < 1, 2− x , 1 ≤ x ≤ 2, 0, caso contra´rio. Note que: f (x) ≥ 0, ∀ x ∈ R;∫ 2 0 f (x)dx = ∫ 1 0 xdx + ∫ 2 1 (2− x)dx = 1· Podemos tambe´m calcular P(0 < X ≤ 0.8) = ∫ 0.8 0 xdx = 0.32 Notas de Aula do Prof. Lucas Moreira, EST/UnB Introduc¸a˜o Varia´veis Aleato´rias Cont´ınuas Definic¸a˜o: Seja X uma v.a. cont´ınua com f.d.p. fX . A esperanc¸a de X e´ dada por E (X ) = ∫ ∞ −∞ xfX (x)dx · Notac¸a˜o: E (X ), µ, µX , X¯n, etc. Dizemos que X teˆm me´dia, ou que a me´dia de X existe, se E (X ) < +∞· Proposic¸a˜o: Se ∫∞ −∞ |x |fX (x)dx <∞, enta˜o E (X ) < +∞· Notas de Aula do Prof. Lucas Moreira, EST/UnB Introduc¸a˜o Varia´veis Aleato´rias Cont´ınuas Proposic¸a˜o: Sejam X uma v.a. cont´ınua com f.d.p. fX e g uma func¸a˜o. A esperanc¸a de Y = g(X ) e´ dada por g(X ) = ∫ ∞ −∞ g(x)fX (x)dx · Definic¸a˜o: Seja X uma v.a. cont´ınua com densidade fX . Definimos o momento de ordem k , ou k-e´simo momento, de X por mk = E (X k)· Dizemos que X teˆm o momento de ordem k se E (X k) < +∞· Proposic¸a˜o: Se E (|X |k) < +∞, enta˜o E (X k) < +∞, k ≥ 1· Notas de Aula do Prof. Lucas Moreira, EST/UnB Introduc¸a˜o Varia´veis Aleato´rias Cont´ınuas Observamos que: Caso discreto: E(X k) = ∑∞ i=0 x k i P(X = xi ); Caso cont´ınuo: E(X k) = ∫∞ −∞ x k fX (x)dx · Exerc´ıcio: Para a func¸a˜o fX abaixo, calcular E (X 2) e E (X 3)· fX (x) = x , 0 ≤ x < 1, 2− x , 1 ≤ x ≤ 2, 0, caso contra´rio. Notas de Aula do Prof. Lucas Moreira, EST/UnB Introduc¸a˜o Varia´veis Aleato´rias Cont´ınuas Definic¸a˜o: Seja X uma v.a. cont´ınua com densidade fX e me´dia E (X ). Definimos a variaˆncia de X por Var(X ) = E ([X − E (X )2])· Notac¸a˜o: Var(X ), σ2, σ2X , S 2, etc. Dizemos que X teˆm variaˆncia se Var(X ) < +∞· Proposic¸a˜o: Se E (X 2) < +∞, enta˜o Var(X ) < +∞. Definic¸a˜o: Seja X uma v.a. cont´ınua com densidade fX e me´dia E (X ). Definimos o desvio padra˜o de X por DP(X ) = √ Var(X )· Notac¸a˜o: DP(X ), σ, σX , S , etc. Notas de Aula do Prof. Lucas Moreira, EST/UnB Introduc¸a˜o Varia´veis Aleato´rias Cont´ınuas Obs.: Note que assim como no caso discreto, ambas as quantidades oferecem medidas de dispersa˜o da varia´vel X em relac¸a˜o ao valor esperado E (X ). Exemplo: Seja X uma v.a. cont´ınua cuja f.d.p. e´ dada por fX (x) = x , 0 ≤ x < 1, 2− x , 1 ≤ x ≤ 2, 0, caso contra´rio· E (X ) = ∫∞ −∞ xfX (x)dx = ∫ 1 0 x2dx + ∫ 2 1 x(2− x)dx = 1, Var(X ) = ∫∞ −∞[x − E (X )]2fX (x)dx = ∫∞ −∞[x − 1]2fX (x)dx = 16 · Notas de Aula do Prof. Lucas Moreira, EST/UnB Introduc¸a˜o Propriedades da Esperanc¸a e Variaˆncia Propriedades: Seja X uma varia´vel aleato´ria cont´ınua e sejam a, b ∈ R, enta˜o (i) E (aX + b) = aE(X ) + b; (ii) Var (aX + b) = a2Var(X ); (iii) Var (X ) = E ( X 2 )− [E (X )]2 · Notas de Aula do Prof. Lucas Moreira, EST/UnB Introdução
Compartilhar