Baixe o app para aproveitar ainda mais
Prévia do material em texto
1 Variáveis aleatórias Experimento genético com flores de ervilhas WW=flor branca WR ou RW=flor rosa e RR=flor vermelha S={WW, WR, RW, RR} Quantificar os resultados e associar a cada ponto amostral o número de alelos R: 0 ao ponto WW, 1 aos pontos WR e RW, e 2 ao ponto RR Variável aleatória discreta Definição 1: A função que associa a cada ponto do espaço amostral um número real é chamada variável aleatória (v.a.). v.a. X = "número de alelos R" temos que: X(WW) = 0, X(WR) = X(RW) = 1, e X(RR) = 2. O domínio da v.a. X é o conjunto D(X) = {WW, WR, RW, RR} = S e a imagem, o conjunto dos números inteiros I(X) = {0, 1, 2}. Variável aleatória discreta Definição 2. Chamamos de variável aleatória discreta toda função definida no espaço amostral S (ou ) que assume valores num conjunto enumerável de pontos do conjunto real. Seja o seguinte: O fabricante de um determinado tipo de centrifugador garante que a probabilidade de estar funcionando adequadamente é de 90% Pergunta: Num conjunto de três centrífugas, qual a probabilidade de que uma esteja com defeito? Experimento: observar um conjunto de três centrifugadores quanto ao funcionamento Espaço amostral S (A=adequado; D=defeituoso) S = {AAA, AAD, ADA, ADD, DAA, DAD, DDA, DDD} Evento de interesse E = {AAD, ADA, DAA} Variável aleatória discreta Variável aleatória Probabilidade desse evento: P(E)=P({AAD, ADA, DAA}) P(E)=3(0,9)2.(1-0,9)=0,243 Não nos interessa qual das três centrífugas está com defeito, apenas se há uma com defeito Nos interessa o número de centrifugadores defeituosos entre três Variável aleatória Nesse caso: Nome da variável aleatória: Número de centrífugas com defeito num grupo de três centrifugadores, denominada X (letra maiúscula) Valores que tal v.a. assume: x=0, 1, 2, 3 (letra minúscula) Probabilidade do evento de interesse P(X=x) No exemplo em questão P(X=1) 2 Cálculo das Probabilidades x 0 1 2 3 AAA AAD ADD DDD ADA DAD DAA DDA P(X=x) (0,9)3 3(0,9)2.(0,1) 3(0,9).(0,1)2 (0,1)3 Distribuição de Probabilidade da v.a. X x 0 1 2 3 P(X=x) 0,729 0,243 0,027 0,001 Variável aleatória discreta Definição 3. Chamamos de Função de Probabilidade (f.p.) da v.a. discreta X, que assume os valores x1, x2, ..., xn, a função P(xi) que associa a cada valor xi da variável aleatória X, sua probabilidade de ocorrência, isto é, P(xi) = P(X = xi) = pi. ii n i i xxXP xXP pf ,1)(0 1)( .. 1 Variáveis Aleatórias Discretas Exemplo Seis lotes de ‘componentes’ estão prontos para embarque de um fornecedor. O número de componentes com defeito em cada lote é mostrado a seguir: Um desses lotes será selecionado aleatoriamente para embarque a um cliente específico. - Seja X o número de peças com defeito no lote selecionado. Lote 1 2 3 4 5 6 Número de peças com defeito 0 2 0 1 2 0 Distribuições de Probabilidade para Variáveis Aleatórias Discretas Seja X o número de peças com defeito no lote selecionado. p(0)=P(X=0)=P(lote 1 ou 3 ou 6 é enviado)= 3/6 p(1)=P(X=1)=P(lote 4 é enviado)= 1/6 p(2)=P(X=2)=P(lote 2 ou 5 é enviado)= 2/6 x 0 1 2 P(X=x) 0,5 0,167 0,333 Função distribuição acumulada Para um valor fixo x, normalmente desejamos computar a probabilidade de o valor observado de X ser no máximo x. se x = 0 se x = 1 se x = 2 caso contrário A probabilidade de X ser no máximo 1 é então P(X≤ 1) = p(0)+p(1)= 0,500 + 0,167 = 0,667 P(X≤ 1,5) = P(X≤ 1) =0,667; P(X≤ 0)= P(X=0)=0,5, e P(X≤0,75)=0,5 Observe que P(X<1)=0,5 ≠ P(X≤ 1), pois a probabilidade de X com valor 1 está incluída na última probabilidade, mas não na anterior. 0 333,0 167,0 500,0 )(xp Função distribuição de probabilidade x 0 1 2 3 5 8 P(X=x) 0,15 0,30 0,25 0,20 0,05 0,05 Prove que P(X=x) é uma função de probabilidade Encontre a função de distribuição acumulada Faça o gráfico da função de distribuição acumulada Calcule usando F(x) P(X=1) P(X≤3) P(1≤X≤3) P(X≥2) 3 Valor esperado de uma variável aleatória discreta Definição 4. Dada uma v.a. discreta X, assumindo os valores x1, x2,... , xn, com as respectivas probabilidades p1, p2, ..., pn, chamamos de valor médio ou esperança matemática da v.a. X, o valor numérico calculado através da fórmula: n i ii n i ii pxxXPxXE 11 chamamos de variância da v.a. X o valor calculado através da fórmula: , onde Desvio padrão da v.a. X : i n i i pXExXVar 1 2 22 XEXEXVar n i ii pxXE 1 22 XVarXDP Valores Esperados de Variáveis Aleatórias Discretas Consideramos uma universidade com 15.000 alunos e a variável X= número de disciplinas em que um aluno selecionado aleatoriamente estava matriculado. A fp de X é mostrada a seguir. Número médio de disciplinas por aluno ou o valor médio de X na população. x 1 2 3 4 5 6 7 P(x) 0,01 0,03 0,13 0,25 0,39 0,17 0,02 Número de alunos matriculados 150 450 1950 3750 5850 2550 300 O tempo de processamento de um programa computacional (em segundos) é uma v.a. com a seguinte distribuição de probabilidades : 2 3 4 5 6 7 Tempo P(Tempo) 0,1 0,1 0,3 0,2 0,2 0,1 Qual o tempo médio de processamento ? segXE 6,41,072,062,053,041,031,02)( Qual a variância do tempo de processamento ? 2222 04,21,0)6,47(2,0)6,46(1,0)6,42()( segXV Valores Esperados de Variáveis Aleatórias Discretas Para uma v.a. X (discreta ou contínua) e um número k R, valem as seguintes propriedades: a) E(X + k) = k + E(X) b) E(kX) = kE(X) c) Var(k + X) = Var(X) d) Var(kX) = k2Var(X) e) DP(k + X) = DP(X) f) DP(kX) = kDP(X)
Compartilhar