Prévia do material em texto
1 ECO 1721 - Introdução à Estatística Econômica 2-Variáveis Aleatórias Unidimensionais Resumo Teórico Professores: Thadeu Keller Filho e Juarez Figueiredo 2.1 Variável Aleatória Unidimensional Considere-se uma experiência aleatória ε de espaço amostral S. Denomina-se Variável Aleatória Unidimensional (ou Variável Aleatória Unidimensional Real) qualquer função que associa um número real x = X(s) a cada elemento s S. 2.1.1 Variável Aleatória Unidimensional do Tipo Discreto Diz-se que uma variável aleatória unidimensional é do tipo discreto (ou é discreta) se o conjunto dos valores que ela pode assumir é finito ou infinito enumerável. 2.1.2 Variável Aleatória Unidimensional do Tipo Contínuo Diz-se que uma variável aleatória unidimensional é do tipo contínuo (ou é contínua) se o conjunto dos valores que ela pode assumir é um intervalo ou uma reunião finita de inter valos. 2.2 Função de Distribuição de uma Variável Aleatória Unidimensional A toda variável aleatória unidimensional X corresponde uma função real XF x , deno minada Função de Distribuição, definida por XF x =P X x x Uma função de distribuição também é denominada: Função de Distribuição Acumulada, Função de Distribuição Acumulativa ou Função de Repartição. 2.2.1 Propriedades de XF x (I) Propriedades Características: a) X0 F x 1 b) X X x F lim F x 0 X X x F lim F x 1 2 c) XF x é monótona não decrescente: 0 1x x X 0 X 1F x F x d) XF x é contínua à direita: 0 X X 0 x x lim F x F (x ) para todo 0 1x R (II) Utilização no Cálculo de Probabilidades a) 0 0 0 X X x x x x P X=x lim F x lim F x para todo 0 1x R ; o que corresponde ao salto de XF x no ponto 0x . b) X XP a < X b F b F a 2.3 Função de Probabilidade de uma Variável Aleatória Discreta A cada variável aleatória discreta X corresponde uma função Xp x , dita Função de Probabilidade, que associa a cada 1x R a probabilidade do evento P X x : X 1p x P X x x R 2.3.1 Suporte de uma Variável Aleatória Discreta Chama-se suporte de uma variável aleatória discreta X, e representa-se por XS , ou por XR , o conjunto de números reais para os quais X possui probabilidade positiva: X X 1S R x R |P X x 0 Convenção: Convenciona-se apresentar a expressão analítica de Xp x apenas para os valores Xx S . Assim, o suporte X XS R é o domínio da função de probabilidade. 2.3.2 Propriedades de Xp x (I) Propriedades Características: a) Xp x 0 b) X Xx S p x 1 (II) Utilização no Cálculo de Probabilidades 1 X X Xx AS Para todo A R , P X A P X AS p x 3 Nota: Para uma variável aleatória discreta X é usual denominar-se distribuição de probabilidade a conjugação do seu domínio, XR , e da sua função de probabilidade, p(x) - ou seja, o par X(R ,p(x)) . 2.3.3 Função de Distribuição de Variáveis Aleatórias Discretas Definam-se os conjuntos: XxA y S | y x - x Então, X Xx y Ax F x P X x P X A p y - x Nota: Para cada 1x R , a função de distribuição está expressa como uma soma de probabilida- des positivas, as quais correspondem aos saltos de XF x nesses pontos. Assim, a repre- sentação gráfica de XF x é a de uma função em escada (step function). 2.4 Função de Densidade de Probabilidade de uma Variável Aleatória Contínua A cada variável aleatória contínua X corresponde uma função Xf x , dita Função de Densidade de Probabilidade, com a seguinte definição: X X d f x F x dx 2.4.1 Suporte de X Chama-se suporte de uma variável aleatória continua X, e representa-se por XS , ou por XR , o conjunto dos números reais tais que a função de densidade de X é positiva: X 1 XS x R |f x 0 Convenção: Convenciona-se apresentar a expressão das funções de densidade de X apenas para os valores pertencentes a X XS R . Assim, o suporte X XS R é o domínio da função de densidade de probabilidade. 2.4.2 Propriedades de Xf x (I) Propriedades Características 4 a) Xf x 0 b) X X X x S f x dx f x dx 1 (II) Utilização no Cálculo de Probabilidades a) Para todo par de números reais a,b tal que a b, tem-se: P a X b P a X b P a X b P a X b = b X a f x dx b) 0 X 0 x 0 0 0 0 1 x P X x P x X x f x dx 0 para todo x R Nota: Para uma variável aleatória contínua X é usual denominar-se distribuição de probabilida- de a conjugação do seu domínio, XR , e da sua função de densidade de probabilidade, f(x) - ou seja, o par X(R ,f(x)) . 2.5 Função de Distribuição de Variáveis Aleatórias Contínuas Em decorrência do Teorema Fundamental do Cálculo, tem-se: x X XF x f t dt - < x < + Nota 1: Como 0 0 1P X x 0 para todo x R , a função XF x não possui saltos. Logo, se X é do tipo contínuo, XF x é contínua por toda parte. Nota 2: Para uma variável aleatória contínua X é frequentemente útil considerar a definição de sua função de densidade de forma estendida para todo o conjunto dos reais. Essa extensão é feita definindo-se essa função como sendo igual a f(x) para os valores de x que perten- cem ao seu domínio (ou suporte) XR e igual a zero para todos os outros valores reais. 5 2.6 Função de uma Variável Aleatória Seja X uma variável aleatória real e considere-se uma função real de variável real cuja forma funcional é h(.). Seja Y = h(X) uma função da variável aleatória X. Nessas condi- ções, Y é também uma variável aleatória real. 2.6.1 Suporte de Y O suporte da variável aleatória Y é representado por YS , ou por YR , e consiste no con- junto dos números reais tais que a função de probabilidade – se Y for discreta – ou a fun- ção de densidade de probabilidade – se Y for contínua – é positiva. O suporte de Y está relacionado ao suporte de X por meio da transformação definida pela função h(.). 2.6.2 Determinação da Distribuição de Probabilidade de Y Nos casos de maior interesse, sob condições bastante gerais, conhecida a distribuição de probabilidade de X é possível determinar-se a distribuição de probabilidade de Y. A de- terminação da distribuição de Y a partir da distribuição de X é feita com base no conceito de equivalência de eventos nos espaços XR e YR . Com efeito, para todo evento YE R tem-se que -1P Y E P X h (E) em que -1 Xh (E) R é a imagem inversa do evento E, conforme a relação de correspondência entre x e y = h(x). Há dois casos principais a considerar: i) X é discreta e Y é discreta; ii) X é contínua e Y é contínua. No primeiro caso, o emprego da equivalência de eventos permite facilmente a determina- ção da função de probabilidade de Y a partir da função de probabilidade de X. No segundo caso, o problema pode ser de difícil solução. Entretanto,quando a função h(.) é contínua, monótona – estritamente crescente ou decrescente – e diferenciável, a so- lução se torna bastante fácil e pode ser empregado o teorema apresentado a seguir. Teorema. Seja X uma variável aleatória real contínua com função de densidade de proba- bilidade Xf (x) e função de distribuição acumulada XF (x) . Seja Y = h(X) uma função de X. Se y = h(x) é uma função derivável (portanto contínua) e estritamente monótona (cres- cente ou decrescente), então -1 -1 -1 -1Y Y X X X d F (y) d d h (y) d x f y F h (y) f h (y) f h (y) dy dy dy dy onde -1x h (y)