Baixe o app para aproveitar ainda mais
Prévia do material em texto
1 Variáveis Aleatórias Variáveis Aleatórias REI004 – MQA I 2 Introdução Experimento: procedimento que pode ser repetido infinitamente, com um conjunto de resultados bem definido Variável aleatória: assume valores numéricos e tem resultado determinado por um experimento Resultados das variáveis aleatórias X e Y: x e y Variável aleatória que assume os valores 0 e 1: binária X = 1 é o “sucesso” e X=0 é o “insucesso” Variáveis Aleatórias REI004 – MQA I 3 Introdução Variável aleatória discreta: conjunto de resultados finito; observações fornecidas por contagem de ocorrências Variável aleatória contínua: conjunto de resultados infinitamente divisível, e, portanto não passível de contagem Variáveis Aleatórias REI004 – MQA I 4 Variáveis aleatórias discretas Assumem um número finito de valores Função X, definida no espaço amostral Ω com valores num conjunto enumerável de pontos da reta A cada valor xi da v.a. X é associada uma probabilidade de ocorrência = probabilidade do evento A de Ω, cujos elementos correspondem ao valor xi P(X = xi) = P(A) Variáveis Aleatórias REI004 – MQA I 5 Variáveis aleatórias discretas Qualquer variável aleatória discreta é descrita listando seus possíveis valores e a probabilidade associada a cada valor Se X assume k valores possíveis {x1, ..., xk}, as probabilidades p1, ..., pk são (para j=1,...,k): pj=P(X=xj) 0 ≤ pj ≤ 1 p1 + p2 + ... + pk = 1 Variáveis aleatórias discretas Considere a seguinte situação: Quantos “6” se tira ao jogar 2 dados? Resultados possíveis: 0, 1 ou 2 Variáveis Aleatórias REI004 – MQA I 6 Variáveis aleatórias discretas 1º dado Variáveis Aleatórias REI004 – MQA I 7 2º dado 1/6 5/6 5/6 “6” outro 5/6 1/6 1/6 outro outro Variáveis aleatórias discretas Variáveis Aleatórias REI004 – MQA I 8 Definamos a v.a. X: número de “6” obtidos nos dois lançamentos, temos: p(0) = P(X=0) = 25/36 p(1) = P(X=1) = 10/36 p(2) = P(X=2) = 1/36 Resultados Probabilidades X 6-6 1/6 * 1/6 = 1/36 2 6-Outro 1/6 * 5/6 = 5/36 1 Outro-6 5/6 * 1/6 = 5/36 1 Outro-Outro 5/6 * 5/6 = 25/36 0 Variáveis aleatórias discretas Distribuição de probabilidades da v.a. X: Variáveis Aleatórias REI004 – MQA I 9 x P(x) 0 25/36 1 10/36 2 1/36 Variáveis Aleatórias REI004 – MQA I 10 Variáveis aleatórias discretas Função de probabilidade da v.a. discreta, que assume os valores x1, x2, ..., xn: p(xi) = P(X = xi) Função de probabilidade (fp) de X resume as informações relativas aos possíveis valores de X e suas probabilidades: f(xj) = pj Para qualquer número real x, f(x) é a probabilidade que a variável aleatória X assume para o valor x Variáveis Aleatórias REI004 – MQA I 11 Variáveis aleatórias discretas Função de distribuição acumulada neste caso é o equivalente teórico para aquela definida anteriormente de forma empírica para um conjunto de n observações Dada a v.a. X, F(x) = P(X ≤ x) De modo geral: P(X = xj) = F(xj) – F(xj-) Variáveis Aleatórias REI004 – MQA I 12 Medida de tendência central: o valor esperado É um aspecto das distribuições de probabilidade, equivalente ao valor médio de uma variável aleatória Se X é uma v.a. discreta, o valor esperado (ou esperança) de X, E(X) ou µX = média ponderada de todos os possíveis valores de X, onde os pesos são determinados pela fdp k j k j jjjj k j jjkk pxxXPxXE xfxxfxxfxxfxXE 1 1 1 2211 )()( )()(...)()()( Variáveis aleatórias discretas Distribuição de probabilidades da v.a. X: Variáveis Aleatórias REI004 – MQA I 13 x P(x) 0 25/36 1 10/36 2 1/36 E(X) = 0*p(0) + 1*p(1) + 2*p(2) Variáveis Aleatórias REI004 – MQA I 14 Valor conserto: R$ 2000 Valor prêmio: R$ 400 Valor franquia: R$ 200 V.a. X -> gasto com carro sem seguro V.a. Y -> gasto com carro com seguro Probabilidade bater = ??% E(X) = ? E(Y) = ? Variáveis Aleatórias REI004 – MQA I 15 Medida de tendência central: o valor esperado Expressão é semelhante à utilizada para a média, onde, no lugar das probabilidades pi, estavam as frequências relativas fi Distinção entre elas: fi corresponde a valores observados da variável e pi a valores de um modelo teórico proposto Como ambas têm a mesma interpretação, todas as medidas e gráficos vistos, baseados nas distribuições de fi possuem um correspondente na distribuição de uma v.a. Variáveis Aleatórias REI004 – MQA I 16 Medida de variabilidade: variância Para uma v.a. X, e µ=E(X), há várias maneiras de medir o quanto X está distante de seu valor esperado uma delas é a diferença ao quadrado, (X- µ)2 Esta distância em si é uma v.a., já que pode mudar a cada resultado de X Valor que informa o quanto X está distante de µ, em média variância: valor esperado do quadrado da distância de X até sua média Variáveis Aleatórias REI004 – MQA I 17 Medida de variabilidade: variância Var(X)=E[(X-µ)2] = E(X2)-µ2 Desvio padrão = raiz quadrada da variância n j jj pXExXVar 1 2)()( Variáveis Aleatórias REI004 – MQA I 18 Propriedades das medidas 1) Se h(x) = aX + b, onde a e b são constantes E(aX + b) = aE(X) + b Var(aX + b) = a2Var(X) 2) Var(X) = E(X2) – [E(X)]2 Obs.: notações E(X) = μ(X) Var(X) = σ2(X) Variáveis Aleatórias REI004 – MQA I 19 Variáveis aleatórias contínuas Variáveis para as quais os possíveis valores pertencem a um intervalo de números reais X é contínua se assume qualquer valor real com probabilidade zero, porque pode assumir tantos valores possíveis que não podemos enumerá-los Função de densidade de probabilidade (f(X)): para calcular eventos envolvendo uma diversidade de valores, já que não faz sentido discutir a probabilidade de que a v.a. contínua assuma um valor específico P(a≤X≤b) Lógica: área sob a fdp entre os pontos a e b integral da função f entre os pontos área total sob a fdp = 1 Variáveis Aleatórias REI004 – MQA I 20 Variáveis aleatórias contínuas Variáveis Aleatórias REI004 – MQA I 21 Variáveis aleatórias contínuas Ao calcular probabilidades para as v.a. contínuas, trabalhamos com a função de distribuição acumulada (fda): F(x) = P(X≤x) Para v.a. discretas, F(x) = soma das f(x) para todos os valores xj, tal que xj≤x Para v.a. contínuas, F(x) = área sob a f(x), à esquerda do ponto x Como é uma probabilidade: 0 ≤ F(x) ≤ 1 F(x) é uma função crescente de x Variáveis Aleatórias REI004 – MQA I 22 Variáveis aleatórias contínuas Propriedades de F(x) 1. Para qualquer constante c: P(X>c)=1-F(c) 2. Para quaisquer constantes a<b: P(a<X≤b)=F(b) – F(a) 3. P(X≥c)=P(X>c) 4. P(a<X<b) = P(a≤X≤b)= P(a<X≤b) P(a ≤X≤b) = dxxf b a )( Variáveis Aleatórias REI004 – MQA I 23 Medida de tendência central: o valor esperado Para v.a. contínua: Propriedades dos valores esperados: 1. Para a constante c: E(c) = c 2. Para as constantes a e b: E(aX+b)=aE(X) + b 3. E(X-µ) = 0 4. Para constantes {a1,a2,...,an} e v.a. {X1,X2,...,Xn}: E(a1X1+a2X2+...+anXn)=a1E(X1)+a2E(X2)+...+anE(Xn) dxxxfXE )()( n iii n i ii XEaXaE 11 Variáveis Aleatórias REI004 – MQA I 24 Medida de tendência central: o valor esperado Variáveis Aleatórias REI004 – MQA I 25 Medidas de variabilidade: variância Variância de uma Variável Aleatória Var[x] denotada por σ2: medida de dispersão da distribuição contínuoéxsedxxfx discretoéxsexfx xExVar N )( )( ][ 2 2 2 Variáveis Aleatórias REI004 – MQA I 26 Medidas de variabilidade: variância Var[x] = E[x2] – μ2 E[x2] = σ2 + μ2 Var[a + bx] = b2 Var[x] Var [a] = 0 Para descrever uma distribuição, usualmente é utilizado σ, a raiz quadrada da variância desvio padrão de x, que tem a mesma unidade de medida de x e μ Variáveis Aleatórias REI004 – MQA I 27 Medidas de variabilidade: variância Propriedades da Variância: 1. Variância de qualquer constante c é igual a zero: Var(X)=0, tal que P(X=c)=1, e E(X)=c se uma v.a. tem variância zero, é constante 2. Para quaisquer constantes a e b, Var(aX+b)=a2Var(X), ou seja, adicionar uma constante não muda a variância, mas multiplicar por uma constante aumenta a variância por um fator igual ao quadrado da constante Variáveis Aleatórias REI004 – MQA I 28 Medidas de variabilidade: variância σ = dp(X) = raiz quadrada da variância Propriedades: 1. Para qualquer constante c: dp(c)=0 2. Para quaisquer constantes a e b, dp(aX+b)=|a|dp(X) Variáveis Aleatórias REI004 – MQA I 29 Medidas de variabilidade: variância Variáveis Aleatórias REI004 – MQA I 30 Padronização de uma variável aleatória Definição de uma nova v.a. padronizada Z, a partir de uma v.a. X, sua média µ, e seu desvio-padrão σ Escrevendo Z = aX+b, onde a=1/σ e b=-(µ/σ) E(Z) = aE(X)+b = (µ/σ)-(µ/σ) = 0 Var(Z) = a2Var(X) = (σ2/ σ2)=1 Assim, a v.a. padronizada Z tem média 0 e variância 1 X Z
Compartilhar