Baixe o app para aproveitar ainda mais
Prévia do material em texto
Unidade I – Cálculo de Probabilidades – Capítulo 2 – Variáveis Aleatórias Reais Unidimensionais Variáveis Aleatórias Reais Unidimensionais Página 1 ECO 1721 – Introdução à Estatística Econômica UNIDADE I – Cálculo de Probabilidades 2. Variáveis Aleatórias Reais Unidimensionais Variáveis Aleatórias Reais Unidimensionais Referências: Resumo Teórico 2, Rice – Chap. 2, Montgomery e Runger – Cap. 3 e Cap. 4, Larson – Cap. 3 e Meyer – Cap. 4 e Cap. 5 Noção Geral de Variável Aleatória Em muitas situações os resultados de um experimento aleatório são diretamente numéricos ou há interesse em associar um número a esses resultados. Isso conduz à introdução do conceito de variável aleatória. Exemplo 1. Exemplos de variáveis aleatórias. Exemplo 1a. Lança-se um dado e observa-se o número de pontos na face voltada para cima. Exemplo 1b. Uma moeda é lançada duas vezes consecutivamente, observando-se a sequência de resultados e, a seguir, registrando-se o número de “caras” ocorridas nos dois lançamentos. Exemplo 1c. Uma máquina produz peças de certo tipo. Uma peça é selecionada ao acaso da produção e examinada quanto à presença de defeitos. Se a peça não tiver defeito, é atribuído o número 0 (zero) e se tiver defeito é atribuído o número 1 (um). Exemplo 1d. A demanda por certo tipo de produto durante uma semana, em uma loja. Exemplo 1e. Suponha-se que todas as peças produzidas pela máquina considerada no exemplo 1c sejam examinadas, registrando-se o número eventual de peças fabricadas até ser encontrada a primeira peça defeituosa. Exemplo 1f. Uma lâmpada é ensaiada quanto a sua duração, registrando-se o tempo de funcionamento até queimar (tempo de vida). Unidade I – Cálculo de Probabilidades – Capítulo 2 – Variáveis Aleatórias Reais Unidimensionais Variáveis Aleatórias Reais Unidimensionais Página 2 Definição de Variável Aleatória Unidimensional ( RT 2 – Seção 2.1) Função do espaço amostral S no conjunto dos reais R S X: S R s x X(s) s a x b R Onde S é o espaço amostral do experimento aleatório e XR x R|x = X(s) é o espaço amostral induzido em R pela aplicação X. Classificação das variáveis aleatórias (tipos de variáveis aleatórias) - Variáveis aleatórias do tipo discreto (RT 2 – Item 2.1.1) - Variáveis aleatórias do tipo contínuo (RT 2 – Item 2.1.2) Exemplo 1 (continuação). Considerando todas as variáveis aleatórias anteriormente apresentadas, tem-se os seguintes espaços amostrais – originais e induzidos pela definição de uma variável aleatória: 1a) S = XR =S 1,2,3,4,5,6 1b) S = {CC,CK,KC,KK} e XR 0,1,2 1c) S = {N,D} e XR 0,1 Unidade I – Cálculo de Probabilidades – Capítulo 2 – Variáveis Aleatórias Reais Unidimensionais Variáveis Aleatórias Reais Unidimensionais Página 3 1d) S = XR 0,1,2,3,... ,m onde m é um número que representa o máximo possível de unidades que podem ser vendidas em uma semana. 1e) S = XR 1,2,3,... 1f) S = X +R x R|x >0 R Portanto, tem-se a seguinte classificação: i) discretas: as variáveis aleatórias dos exemplos 1a até 1e, sendo que os espaços amostrais correspondentes aos casos 1a até 1d são finitos, enquanto aquele do caso 1e é infinito enumerável; ii) contínua: a variável aleatória do exemplo 1f, pois o nesse caso o espaço amostral é infinito não enumerável. A Estrutura Probabilística das Variáveis Aleatórias Sejam ε um experimento aleatório e S o seu correspondente espaço amostral. Seja X uma variável aleatória definida como uma função de S no conjunto dos reais R, sendo XR o espaço amostral induzido em R pela aplicação X(.). A cada evento A S associa- se um evento XB R , constituído pelos valores x = X(s) para os quais s A . Isto é, sendo A s S|s A S então XB x R|x =X(s) B R para todo s A . O evento B é denominado imagem de A pela aplicação X(.) e é representado por X(A), ou seja B é o conjunto de valores x que a variável aleatória X assume para os resultados de ε , s S , tais que levam à ocorrência de A. Assim sendo, XX(A)=B= x R | x =X(s) para todo s A . Reciprocamente, A é o conjunto dos pontos (resultados) de S que correspondem ao conjunto de valores x assumidos pela variável aleatória X tais que x pertence ao subconjunto B do espaço amostral induzido XR . Isto é, A é a imagem inversa de B por X(.): -1A=X (B)= s S|X(s) x B . Portanto, esses dois eventos estão diretamente relacionados e são denominados equivalentes, no sentido de que A ocorre (em S) quando e somente quando B ocorre (em XR ). Justifica-se então definir a probabilidade da variável aleatória X assumir valores em XB R como sendo a probabilidade de se realizar o evento A S . Isto é, XR S P B P A . Desse modo, o espaço amostral induzido XR tem uma estrutura probabilística própria, embora relacionada àquela do espaço amostral original do experimento aleatório ε e, consequentemente, uma vez Unidade I – Cálculo de Probabilidades – Capítulo 2 – Variáveis Aleatórias Reais Unidimensionais Variáveis Aleatórias Reais Unidimensionais Página 4 definida a variável aleatória X, pode-se lidar diretamente com o espaço amostral induzido por ela, XR , considerando a sua estrutura própria. O exemplo a seguir ilustra isso. Exemplo 2. Uma moeda equilibrada é lançada duas vezes, consecutivamente, registrando-se, em seguida, o número eventual de “caras” obtidas. Determine: a) o espaço amostral, S, do experimento aleatório considerado e o espaço amostral induzido, XR , relativo à variável aleatória X que representa o número eventual de “caras” obtidas. b) as probabilidades dos resultados (eventos elementares) do espaço amostral. c) os pares de eventos equivalentes em S e XR . d) A partir das probabilidades associadas aos eventos elementares de S, determine as probabilidades dos eventos elementares do espaço amostral induzido XR . Solução a) O espaço amostral do experimento aleatório é S = {CC, CK, KC, KK}. O espaço amostral induzido da variável aleatória associada, X, é XR 0,1,2 , sendo X(CC)=0 , X(CK) = X(KC) = 1 e X(KK)= 2 a correspondência entre os resultados (eventos elementares) desses dois espaços amostrais. b) Como a moeda é equilibrada, todos os resultados (eventos elementares) de S são equiprováveis, logo a sua probabilidade é 1/4, isto é S S S S 1 P CC P CK = P KC = P KK 4 c) Os seguintes pares de eventos são equivalentes: 1 1A CC e B X=0 2 2A CK,KC e B X=1 3 3A KK e B X=2 d) As probabilidades em XR são: Unidade I – Cálculo de Probabilidades – Capítulo 2 – Variáveis Aleatórias Reais Unidimensionais Variáveis Aleatórias Reais Unidimensionais Página 5 XR S 1 P X =0 P CC 4 XR S 1 1 1 P X =1 P CK,KC 4 4 2 XR S 1 P X = 2 P KK 4 Isso mostra como a medida deprobabilidade no espaço amostral original, SP (.) , induz outra medida, XR P (.) , no espaço amostral da variável aleatória X. Note-se que as medidas de probabilidades nos dois espaços amostrais são distintas: em S há equiprobabilidade dos eventos elementares mas em XR não. Função de Distribuição Acumulada de Probabilidade RT 2 – Seção 2.2 Exemplo 3. Dois exemplos típicos de função de distribuição acumulada são apresentados a seguir: a) função de distribuição de uma variável aleatória discreta 0, para x 0 1/ 6 , para 0 x 1 F(x) 1/ 2 , para 1 x 2 1, para x 2 cujo gráfico é mostrado a seguir F(x) 1 1/2 1/6 0 1 2 x Unidade I – Cálculo de Probabilidades – Capítulo 2 – Variáveis Aleatórias Reais Unidimensionais Variáveis Aleatórias Reais Unidimensionais Página 6 b) função de distribuição de uma variável aleatória contínua 2 0, para x 0 F(x) x ,para 0 x 1 1, para x 1 cujo gráfico é F(x) 1 0 1 x Propriedades da função de distribuição (RT 2 – Item 2.2.1) Função de Probabilidade de uma Variável Aleatória Discreta (RT 2 – Seção 2.3) Domínio ou suporte de uma variável aleatória discreta (RT 2 – Item 2.3.1) Propriedades da função de probabilidade (RT 2 – Item 2.3.2) Função de Distribuição de variáveis aleatórias discretas (RT 2 – Item 2.3.3) Exemplos de função de probabilidade e função de distribuição acumulada Exemplo 4. (ex. 2.1) O espaço amostral correspondente a X é: XR 1,2,3,4,5,6 Note-se que no caso s = x = X(s) , ou seja a função que define a aplicação do espaço amostral original (do experimento aleatório) S no espaço amostral induzido da variável aleatória X, denotado por RX , é a função identidade. Unidade I – Cálculo de Probabilidades – Capítulo 2 – Variáveis Aleatórias Reais Unidimensionais Variáveis Aleatórias Reais Unidimensionais Página 7 Como o dado é equilibrado, tem-se: 1 p(x) = , para x 1,2,3, ...,6 6 Exemplo 5. (ex. 2.2) Seja X a variável aleatória definida a seguir: 0 , se a peça não é defeituosa - N X = 1 , se a peça é defeituosa - D Então, nesse caso, XR 0, 1 e a função de probabilidade de X é 0,9 , se x =0 p(x) = 0,1 , se x =1 Exemplo 6. (ex. 2.4) A expressão analítica da função de probabilidade de X é x p(x) = , para x 1, 2, 3 6 Na forma de tabela, a função pode ser apresentada como mostrado a seguir x p(x) 1 1/6 2 2/6 3 3/6 Total 1 Portanto, 2 P X = 2 P X = 2 P X = 2 26P X 2|X >1 2 3P X 1 P X 2 P X = 2 P X =3 5 6 6 Exemplo 7. (ex. 2.6) Por definição, tem-se que X t x F (x) P X x = p(t) , com Xt R Então segue: Unidade I – Cálculo de Probabilidades – Capítulo 2 – Variáveis Aleatórias Reais Unidimensionais Variáveis Aleatórias Reais Unidimensionais Página 8 i) para x < 1 X t x F (x) P X x = p(t) 0 ii) para 1 x 2 X t x 1 F (x) P X x = p(t) p(1)= 6 iii) para 2 x 3 X t x 1 2 3 1 F (x) P X x = p(t) p(1) p(2)= 6 6 6 2 iv) para 3 x X t x 1 2 3 6 F (x) P X x = p(t) p(0) p(1) p(2)= 1 6 6 6 6 Portanto, tem-se: 0, para x <1 1 , para1 x < 2 6 F(x) = 3 1 , para 2 x < 3 6 2 6 1, para 3 x 6 O gráfico dessa função é mostrado a seguir. F(x) 1 1/2 1/6 0 1 2 3 x Unidade I – Cálculo de Probabilidades – Capítulo 2 – Variáveis Aleatórias Reais Unidimensionais Variáveis Aleatórias Reais Unidimensionais Página 9 Por outro lado, é fácil verificar que a partir do conhecimento da função de distribuição acima torna-se possível obter a função de probabilidade, empregando a seguinte propriedade t x p(x)= F(x)- lim F(t) Com efeito, efetuando-se o cálculo acima indicado para cada valor x que coincide com um valor possível de X, tem-se: t 1 1 1 p(1)= F(1)- lim F(t)= 0 6 6 t 2 3 1 2 1 p(2)= F(2)- lim F(t)= 6 6 6 3 t 3 6 3 1 p(3)= F(3)- lim F(t)= 6 6 2 que são os valores da função de probabilidade de X. Exemplo 8. (ex. 2.9) A função de probabilidade de X é expressa por x 1 p(x)= , para x 1, 2, 3, ... 2 Então segue: a) 5 5 x 4 x =5 x =5 1 1 1 1 12 2P X 5 = p(x) 1 12 2 16 1 2 2 b) 2k k k =1 k =1 1 1 1 1 14 4P Xser par = P X 2k , para k =1,2,3,.... 1 32 4 3 1 4 4 c) 3k k k =1 k =1 1 1 1 1 18 8P Xser divisívelpor 3 = P X 3k , para k =1,2,3,.... 1 72 8 7 1 8 8 Unidade I – Cálculo de Probabilidades – Capítulo 2 – Variáveis Aleatórias Reais Unidimensionais Variáveis Aleatórias Reais Unidimensionais Página 10 d) x +1 x +1 t x t =x +1 1 1 1 12 2P X x =1 P X > x 1 P X x+1 1 1 1 1 , para x =1,2,3, .... 1 12 2 1- 2 2 Exemplo 9. (ex. 2.10). No estoque há 8 eixos, sendo 5 defeituosos (D) e 3 não defeituosos (N). Então, tem-se: x 2 x 5 3 2 8 P(X = x)= p(x)= , para x 0,1,2 e assim, efetuando os cálculos combinatórios, segue 0 2 5 3 2 8 1.3 3 P(X = 0) = p(0) = 8.7 28 2.1 1 1 5 3 2 8 5.3 15 P(X =1) = p(1) = 8.7 28 2.1 2 0 5 3 2 8 5.4 102.1 P(X = 2) = p(2) = 8.7 28 2.1 Variáveis aleatórias contínuas Função de densidade de probabilidade e função de distribuição acumulada (RT 2 – Seção 2.4) Função de Densidade de Probabilidade de uma Variável Aleatória Contínua (RT 2 – Seção 2.4) Domínio ou suporte de uma variável aleatória contínua (RT 2 – Item 2.4.1) Propriedades da função de densidade de probabilidade (RT 2 – Item 2.4.2) Função de Distribuição de variáveis aleatórias contínuas (RT 2 – Item 2.5) Juliana Realce Unidade I – Cálculo de Probabilidades – Capítulo 2 – Variáveis Aleatórias Reais Unidimensionais Variáveis Aleatórias Reais Unidimensionais Página 11 Exemplos de função de densidade de probabilidade e função de distribuição acumulada. Exemplo 10. (ex. 2.14) A função de densidade de probabilidade de X é f(x) = 1 , para 0 < x < 1 Então 1/ 2 1/ 2 0 01 1 P X <1/2 1dx = x 0 0,5 2 2 Exemplo 11. (ex. 2.15) A função de densidade de probabilidade de X é f(x) = 2x , para 0 < x < 1 Então: a) 1/ 2 1/ 2 2 0 0 1 1 P X <1/2 2 x dx = x 0 0,25 4 4 b) 1/2 1/ 2 2 1/3 1/3 2/3 2/3 2 1/3 1/3 1 1 9 4 52 x dx xP 1/3 X 1/2 54 9 36 36P X <1/2|1/3 X 2/3 4 1 4 1 3P 1/3 X 2/3 12x2 x dx 9 9 9 9 Exemplo 12. (ex. 2.17) A função de densidade de probabilidade da variável aleatória X é a seguinte 3 a f(x)= , para x 1 x Portanto, segue que a) O valor da constante a pode ser determinado impondo-se a condição XR f(x)dx =1 então Unidade I – Cálculo de Probabilidades – Capítulo 2 – Variáveis Aleatórias Reais Unidimensionais Variáveis Aleatórias Reais Unidimensionais Página 12 12 3 3 2 x 1 1 1 a x a 1 a 1 a a dx 1 donde a x dx a 1 lim (1 0) 1 x ( 2) 2 x 2 x 2 2 e assim a = 2 b) Considerando que a demanda X está expressa em 10.000 unidades, então o evento A = “a demanda é superior a 10.000 unidades” equivale a X > 10. Logo 102 3 3 2 10 10 10 2 x 1 1 P(A) P(X >10) dx 2 x dx 2 0,01 x ( 2) x 100 Exemplo 13. (ex. 2.18) A variável aleatória contínua X tem a seguinte função de densidade de probabilidade f(x)=1, para 0< x <1 Para efeito de determinação da função de distribuição, convém empregar a extensão da definição da função de densidade para todo o conjunto dos números reais, que é mostrada a seguir 1 , para 0< x <1 f(x)= 0 , para outros valores Como a variável X é do tipo contínuo, na determinação da função de distribuição emprega-se a definição x F(x)= P(X x) = f(t)dt , x R A seguir, na avaliação da expressão acima, deve-se levar em conta todos os intervalos com definições distintas da expressão da função de densidade (estendida), o que é feito a seguir: i) para x < 0 Nesse caso, tem-se x - F(x)= f(t)dt =0 pois o integrando, f(t), é identicamente nulo fora do intervalo (0 , 1) Unidade I – Cálculo de Probabilidades – Capítulo 2 – Variáveis Aleatórias Reais Unidimensionais Variáveis Aleatórias Reais Unidimensionais Página 13 ii) para 0 x <1 , tem-se x 0 x x x 0 - - 0 0 F(x)= f(t)dt = f(t)dt + f(t)dt 0 1dt t x , onde, como se pode verificar, a integral inicial foi decomposta em duas de modo a considerar-se, explicitamente, as duas definições distintas da função de densidade no intervalo ( , x),com 0 x < 1 , a saber: ( ,0),ondef(t)=0 e [0,1),ondef(t) 1 iii) para 1 x , tem-se x 0 1 x 1 1 0 - - 0 1 0 F(x)= f(t)dt = f(t)dt + f(t)dt f(t)dt 0 dt 0 t 1 Aqui, novamente, a integral foi fracionada, agora em três, de modo a considera-se explicitamente as três definições distintas da função de densidade abrangidas no intervalo ( , x), com 1 x , a saber: ( ,0),ondef(t)=0 ; [0,1),ondef(t) 1 ; e [1, ),ondef(t) 0 Portanto, em resumo, a função de distribuição é 0 ,para x 0 F(x) = x ,para 0 x <1 1 ,para x 1 Por outro lado, é fácil verificar que a partir dessa função é possível obter-se a função de densidade de probabilidade de X, pois 0 , para x < 0 d F(x) f(x) 1 , para 0 < x < 1 dx 0 , para x 1 Ou seja, 1 , para 0< x <1 f(x)= 0 , para outros valores Exemplo 14. (ex. 2.19) Nesse caso, a função de densidade de probabilidade foi definida por f(x) = 2x , para 0 < x < 1 Unidade I – Cálculo de Probabilidades – Capítulo 2 – Variáveis Aleatórias Reais Unidimensionais Variáveis Aleatórias Reais Unidimensionais Página 14 Analogamente ao que foi feito no exemplo anterior, é conveniente considerar a definição da função estendida para R, mostrada a seguir: 2 x , para 0< x <1 f(x)= 0 , para outros valores a) Agora, considerando a definição da função de distribuição, tem-se x F(x) = P(X x) = f(t)dt , x R Então segue i) para x < 0 , tem-se x - F(x)= f(t)dt =0 pois o integrando, f(t), é identicamente nulo fora do intervalo (0 , 1) ii) para 0 x <1 , tem-se x 0 x x x 2 2 0 - - 0 0 F(x)= f(t)dt = f(t)dt + f(t)dt 0 2 t dt t x , onde a integral inicial foi decomposta em duas e consideradas, explicitamente, as duas expressões distintas da função de densidade de probabilidade estendida no intervalo ( , x), com0 x < 1 , a saber: ( ,0),ondef(t)=0 e [0,1),ondef(t) 2 t iii) para 1 x , tem-se x 0 1 x 1 1 2 0 - - 0 1 0 F(x)= f(t)dt = f(t)dt + f(t)dt f(t)dt 0 2 t dt 0 t 1 Aqui a integral inicial foi dividida em três, de modo a considera-se explicitamente todas as três definições distintas que a função de densidade estendida apresenta no intervalo ( , x), com1 x , a saber: ( ,0),ondef(t)=0 ; [0,1),ondef(t) 2t ; e [1, ),ondef(t) 0 Portanto, a função de distribuição de X é Unidade I – Cálculo de Probabilidades – Capítulo 2 – Variáveis Aleatórias Reais Unidimensionais Variáveis Aleatórias Reais Unidimensionais Página 15 2 0 ,para x 0 F(x) = x ,para 0 x <1 1 ,para x 1 b) A função de distribuição pode ser empregada no cálculo das probabilidades, como mostrado a seguir: b-i) 2P X 0,2 F(0,2) 0,2 0,04 b-ii) 2 2P 0,3 < X 0,9 F(0,9) - F(0,3) 0,9 0,3 0,81 0,09 0,72 b-iii) 2P X 0,7 1 P X 0,7 1 F(0,7) 1 0,7 1 0,49 0,51 Exemplo 15. (ex. 2.21) A função de densidade de probabilidade de X (expressa em milhares de litros) é 4f(x)=5(1 x) , para 0< x <1 Seja c a capacidade do tanque a ser determinada. Então, deve-se ter P(X c)=0,99 c c 0 4 5 5 5 0 c 0 Mas P(X c)= 5(1 x) dx (1 x) (1 ) 1 (1 c)x logo 5 5 51 (1 c) 0,99 donde (1 c) 0,01 e assim 1 c= 0,01 0,3981 Portanto c=1 0,3981=0,6019 Ou seja, a capacidade deve ser c = 6.019 litros. Juliana Realce Unidade I – Cálculo de Probabilidades – Capítulo 2 – Variáveis Aleatórias Reais Unidimensionais Variáveis Aleatórias Reais Unidimensionais Página 16 Função de uma Variável Aleatória (RT2 – Item 2.6) Exemplo 16. (ex. 2.22) A função de probabilidade de X é x p(x) -1 1/3 0 1/3 1 1/3 Total 1 A variável Y é expressa como função de X pela expressão Y = 2X + 1. Então, o suporte de Y é YR -1, 1, 3 e a função de probabilidade de Y é y p(x) -1 1/3 1 1/3 3 1/3 Total 1 Exemplo 17. (ex. 2.23) a) A função de probabilidade de X é x 0 1 2 3 4 5 Xp (x) 0,10 0,15 0,20 0,30 0,15 0,10 A variável aleatória Y que representa a venda no período de tempo T considerado é expressa em termos de X por X, se X 3Y 4 , se X 4 Pelo fato de somente haver disponível até o fim do período T um estoque de 4 unidades do produto. Logo, o suporte de Y é YR 0, 1, 2, 3, 4 e a função de probabilidade de Y é Juliana Realce Unidade I – Cálculo de Probabilidades – Capítulo 2 – Variáveis Aleatórias Reais Unidimensionais Variáveis Aleatórias Reais Unidimensionais Página 17 y 0 1 2 3 4 Yp (y) 0,10 0,15 0,20 0,30 0,25 Observe-se que X XP Y 4 P X 4 P(X 4) P(X 5) p (4)+p (5) 0,15 0,10 0,25 b) Seja W a variável aleatória que representa o lucro do comerciante, então W pode ser expressa em função de Y como W 30,00Y 40,00 pois o custo de aquisição do estoque de 4 unidades do produto é R$ 40,00 e a receita unitária com a venda de cada uma delas é R$ 30,00. c) Os valores possíveis de W são WR -40,00; -10,00; 20,00; 50,00; 80,00 Logo a função de probabilidade do lucro, W, é w - 40,00 - 10,00 20,00 50,00 80,00 Wp (w) 0,10 0,15 0,20 0,30 0,25 d) A probabilidade do comerciante ter lucro é 0,75 Exemplo 18. (ex. 2.24) A função de densidade de probabilidade de X é X 1 x , para 0 x 4 f (x) 8 0 , para outros valores Y = h(X) = 2 X + 8 O suporte de Y é YR y R| 8 y 16 A determinação da distribuição de Y pode ser feita pelo emprego do método geral ou do teorema, como é mostrado a seguir. a) pelo método geral Juliana Realce Unidade I – Cálculo de Probabilidades – Capítulo 2 – Variáveis Aleatórias Reais Unidimensionais Variáveis Aleatórias Reais Unidimensionais Página 18 Y X y-8 y-8 F (y) P Y y P 2X 8 y P X F 2 2 Logo -1 -1Y X Y X X dF (y) d F (u)d d u d u y 8 f (y) F h (y) f (u) onde u h (y) dy dy du dy dy 2 e portanto YY dF 1 y-8 1 1 f (y) y-8 para 8 < y < 16 dy 8 2 2 32 b) pelo emprego do teorema Y X d x 1 y 8 1 (y 8) f (y) f (x) . para 8 y 16 dy 8 2 2 32 ------------------------------------------------------------------------------------------------------ Exercícios Resolvidos da 2ª Lista de Exercícios Exercício 1. (ex. 2.3) Seja X a variável aleatória que representa o número eventual de peças defeituosas encontradas. Denotando por N uma peça não defeituosa e por D uma peça defeituosa, tem-se os seguintes resultados possíveis: 3 NNN X 0 e P X 0 P(NNN) 0,9 2 DNN NDN X 1 e P X 1 P DNN U NDN U NND 3. 0,1 . 0,9 NND 2 DDN DND X 2 e P X = 2 = P DDN U DND U NDD 3 . 0,1 . 0,9 NDD 3 DDD X=3 e P X=3 P(DDD) = 0,1 Portanto, tem-se a seguinte expressão para a função de probabilidade de X Unidade I – Cálculo de Probabilidades – Capítulo 2 – Variáveis Aleatórias Reais Unidimensionais Variáveis Aleatórias Reais Unidimensionais Página 19 x 3-xx 3p(x) C 0,1 0,9 , para x =0,1,2,3 Muitas vezes é conveniente apresentar a função de probabilidade definida por meio de uma tabela. No caso, efetuando os cálculos obtém-se x p(x) 0 0,7290 1 0,2430 2 0,0270 3 0,0010 Total 1,0000 ------------------------------------------------------------------------------------------------------ Exercício 2 (ex. 2.5) A função de probabilidade de X é expressa por x p(x)= , para x 1, 2, 3, 4, 5 c ; onde c é uma constante Então, impondo-se a condição de que 5 x=1 p(x) 1 segue 5 5 x=1 x 1 x 1 1 (1 5).5 1 x .15 1 donde c=15 c c c 2 c Portanto a função de probabilidade de X é x p(x)= , para x 1, 2, 3, 4, 5 15 Logo tem-se: b) 1 2 3 1 P X 2 P X =1 P X = 2 p(1)+p(2)= 15 15 15 5 c) 3 P X 2 P X 2 3 115P X 2|X < 4 6P X < 4 P X 3 6 2 15 ------------------------------------------------------------------------------------------------------ Unidade I – Cálculo de Probabilidades – Capítulo 2 – Variáveis Aleatórias Reais Unidimensionais Variáveis Aleatórias Reais Unidimensionais Página 20 Exercício 3. (ex. 2.7) Um modo alternativo para a obtenção da função de distribuição de uma variável aleatória discreta é mostrado a seguir. Inicialmente, colocam-se os valores da função de probabilidade na forma tabular x p(x) 0 0,7290 1 0,2430 2 0,0270 3 0,0010 Total 1,0000 Em seguida, cria-se uma nova coluna à direita da tabela, na qual são registrados os valores das somas acumuladas da função de probabilidade para todos os valores que a variável pode assumir, como é mostrado na sequência. x p(x) x p(x) 0 0,7290 0,7290 1 0,2430 0,9720 2 0,0270 0,9990 3 0,0010 1,0000 Total 1,0000 Finalmente, a exemplo do que foi realizado na solução do exercício anterior, são considerados todos os intervalos de valores de interesse no conjunto dos números reais. 0 , para x < 0 0,7290 , para 0 x <1 F(x) = 0,9720 , para 1 x < 2 0,9990 , para 2 x <3 1 , para x 3 ------------------------------------------------------------------------------------------------------ Exercício 4. (ex. 2.8) A função de probabilidade de X é x p(x)= , para x 1, 2, 3, 4, 5 15 . Então, tem-se t x F(x)= P X x p(t) Unidade I – Cálculo de Probabilidades – Capítulo 2 – Variáveis Aleatórias Reais Unidimensionais Variáveis Aleatórias Reais Unidimensionais Página 21 Logo decorre que: i) para x < 1 , F(x) = 0 ii) para 1 x 5 nos pontos x = i = 1, 2, 3, 4 tem-se i i t i t=1 t=1 t 1 1 (1+i)i (1+i)i F(i)= P X i p(t) t 15 15 15 2 30 Portanto, (1+i)i F(x)= , para i x <i +1, com i =1,2,3,4 30 iii) para 5 x , F(x) = 1 ------------------------------------------------------------------------------------------------------ Exercício 5. (ex. 2.12) Sejam os seguintes eventos: A = “o atirador A acerta o alvo” e B = “o atirador B acerta o alvo”. Cada atirador dispara uma única vez. Seja X = número eventual de vezes que o alvo é atingido. a) Supondo que os disparos dos dois atiradores são independentes, tem-se: 1 1 5 1 5 P(X=0)= p(0)= P(A B)= P(A)P(B)= 1 1 6 2 6 2 12 1 1 1 1 1 5 6 1 P(X=1)= p(1)= P(A B A B)= P(AB) P(AB)= 1 1 6 2 6 2 12 12 12 2 1 1 1 1 1 P(X=2)= p(2)= P(A B)= P(A)P(B)= 6 2 6 2 12 b) a função de distribuição de X é 0 , para x < 0 5 , para 0 x <1 12 F(x) = 11 , para 1 x < 2 12 1 , para x 2 Unidade I – Cálculo de Probabilidades – Capítulo 2 – Variáveis Aleatórias Reais Unidimensionais Variáveis Aleatórias Reais Unidimensionais Página 22 ------------------------------------------------------------------------------------------------------ Exercício 6. (ex. 2.23)A expressão da função de distribuição é 0 , para x <1 F(x) = 1 1 , para x 1 x Então: a) dF(x) f(x)= 0 , para x <1 dx 1 2 2 dF(x) d 1 d 1 f(x)= 1 0 x ( 1) x = ,para x 0 dx dx x dx x Ou seja, a definição estendida da função de densidade é 2 1 , para x 1 f(x) = x 0 , para outros valores (no caso, x <1) b) P(X > 5) = 1 1 1 P(X 5)=1 F(5)=1 1 5 5 c) 1 11 1 P(X >5) 1 P(X 5) 1 F(5) 35 5P(X 5|X >3) = = = = = 11P(X >3) 1 P(X 3) 1 F(3) 5 1 1 33 ------------------------------------------------------------------------------------------------------ Exercício 7. (ex. 2.25) A função de densidade de probabilidade de X (expressa em milhares de unidades) é 6f(x)=5x , para x 1 Portanto Unidade I – Cálculo de Probabilidades – Capítulo 2 – Variáveis Aleatórias Reais Unidimensionais Variáveis Aleatórias Reais Unidimensionais Página 23 P(4 X 12) P(X 12|X 4)= P(X 4) Mas 12 12 412 5 5 6 5 5 5 5 5 4 124 4 x 1 1 1 1 3 1 P(4 X 12)= 5x dx 5 5 x x 4 12 12 456 6 5 5 5 5 44 4 4 x 1 1 1 1 P(X 4)= 5x dx 5 x dx =5 0 5 x x 4 4 logo 55 5 5 5 5 5 5 1 1 1 4 1 1 2424 12 12P(X 12|X 4) = 1 1 1 1 0,9959 1 1 12 3 243 243 4 4 ------------------------------------------------------------------------------------------------------ Exercício 8. (ex. 2.22) A definição da função de densidade é 1 f(x) = , para 0< x <1 2 x Assim sendo, a definição da função de densidade estendida para R é 1 , para 0< x <1 f(x) = 2 x 0 , para outros valores Então: i) para x < 0, tem-se F(x) = 0 ii) para 0 x <1 , tem-se x 1 x 0 x x 1 12 x 2 2 0 - 0 0 0 0 1 1 1 t F(x) = f(t)dt = f(t)dt + dt 0 t dt t t x 12 22 t 2 x Unidade I – Cálculo de Probabilidades – Capítulo 2 – Variáveis Aleatórias Reais Unidimensionais Variáveis Aleatórias Reais Unidimensionais Página 24 iii) para x 1 , tem-se F(x) = 1 ou seja 0 ,para x < 0 F(x) = x ,para 0 x <1 1 ,para x 1 ------------------------------------------------------------------------------------------------------
Compartilhar