Baixe o app para aproveitar ainda mais
Prévia do material em texto
Unidade I – Cálculo de Probabilidades – Capítulo 7 – Distribuições Multidimensionais 1 ECO 1721 – Introdução à Estatística Econômica UNIDADE I – Cálculo de Probabilidades 7. Distribuições Bidimensionais Referências: Resumo Teórico 7, Rice – Cap. 3, Montgomery e Runger – Cap. 5, Larson – Cap. 5 e Meyer – Cap. 6 e Cap. 7 Variáveis aleatórias bidimensionais (RT7 – Seção 7.1) Variáveis aleatórias bidimensionais discretas (RT7 – Seção 7.2) Distribuições conjunta e marginais. Exemplo 1. Seja (X,Y) uma variável aleatória bidimensional do tipo discreto, com a seguinte função de probabilidade conjunta: X Y 1 2 3 1 0,0 0,1 0,1 2 0,1 0,2 0,1 3 0,2 0,1 0,1 a) Verificar que essa função atende as condições para ser uma função de probabilidade conjunta; b) Determinar P(X=1,Y=2), P(X=2,Y<3) e P(Y=2); c) Determinar as funções de probabilidade marginais de X e de Y. Solução a) Verificação A função XYp (x,y) definida na tabela acima atende as duas seguintes condições: i) 2 XY XYp (x,y) 0 , para todo(x,y) R ii) 3 3 XY x=1 y=1 p (x,y) 1 Juliana Realce Unidade I – Cálculo de Probabilidades – Capítulo 7 – Distribuições Multidimensionais 2 b) As probabilidades a serem determinadas são: XYP X=1,Y=2 = p (1,2) 0,1 ; XY XYP(X=2,Y< 3) P(X=2,Y 2) p (2,1) p (2,2) 0,1 0,2 0,3 ; P(Y=2) = P(X=1,Y=2) + P(X=2,Y=2) + P(X=3,Y=2) = 0,4 c) As distribuições marginais de X e de Y são apresentadas a seguir X 0,2 se x = 1 p (x) = 0,4 se x = 2 0,4 se x = 3 e Y 0,3 se y = 1 p (y) = 0,4 se y = 2 0,3 se y = 3 O mesmo resultado pode ser obtido diretamente pela tabela, efetuando-se as somas dos valores das células, por linha e por coluna, como indicado a seguir. X Y Xp (x) 1 2 3 1 0,0 0,1 0,1 0,2 2 0,1 0,2 0,1 0,4 3 0,2 0,1 0,1 0,4 Yp (y) 0,3 0,4 0,3 1,0 Exemplo 2. Seja (X, Y) uma variável aleatória bidimensional do tipo discreto com a seguinte função de probabilidade conjunta: x y p(x,y) = 4 , para x = 1,2 e y = 0,1 Determinar as expressões analíticas das funções de probabilidade marginais de X e de Y. Solução Juliana Realce Unidade I – Cálculo de Probabilidades – Capítulo 7 – Distribuições Multidimensionais 3 1 1 1 X y=0 y=0 y=0 x y 1 1 2x 1 p (x) = x y 2x 1 , para x = 1, 2 4 4 4 4 2 2 2 Y x=1 x=1 x=1 x y 1 1 3 2y p (y) = x y 3 2y , para y = 0, 1 4 4 4 4 Variáveis aleatórias bidimensionais contínuas (RT7 – Seção 7.3) Distribuições conjunta e marginais. Exemplo 3. Seja (X, Y) uma variável aleatória do tipo contínuo com a seguinte função de densidade de probabilidade: XYf (x,y) = 2 x y , para 0 < x < 1 e 0 < y < 1 a) Verificar que a função acima satisfaz as condições necessárias para ser uma função de densidade de probabilidade conjunta; b) Determinar as funções de densidade marginais de X e de Y. Solução a) verificação a-i) A função atende a condição de que 2 XY XYf (x,y) 0 , para (x,y) R e a-ii) verifica-se também que a integral da função de densidade conjunta em 2 XYR é 1 1 1 1 1 1 1 0 0 0 0 0 0 1 1 1 11 1 2 0 0 0 0 0 0 1 1 11 2 0 0 0 0 (2 x-y)dydx 2 dy- x dy- ydy dx 1 1 3 2 y x y y dx 2- x - dx x dx 2 2 2 3 3 1 3 1 dx x dx x x 1 2 2 2 2 2 b) as distribuições marginais são b-i) Juliana Realce Unidade I – Cálculo de Probabilidades – Capítulo 7 – Distribuições Multidimensionais 4 1 1 1 1 11 1 2 X 0 0 0 0 0 0 0 X 1 f (x) (2 x y)dy 2 dy- x dy- ydy 2 y x y y 2 1 3 2 x donde f (x) x , para 0 x 1 2 2 b-ii) 1 1 1 1 11 12 Y 0 00 0 0 0 0 Y 1 f (y) (2 x y)dx 2 dx - x dx - y dx 2 x x y x 2 1 3 2 y donde f (y) y, para 0 y 1 2 2 Exemplo 4. Seja (X, Y) uma variável aleatória do tipo contínuo com a seguinte função de densidade de probabilidade: XY 3x f (x,y) = , para 0 < y < x < 2 8 a) Calcular P ( X > 0,5 e Y < 1 ); b) Determinar as funções de densidade de probabilidade marginais de X e de Y. Solução a) Cálculo da probabilidade do evento (X > 0,5 ; Y < 1) 1 x 2 1 1 x 2 1 0,5 0 1 0 0,5 0 1 0 3 3 3 P(X >0,5;Y <1)= x dydx x dydx x dy dx + x dy dx 8 8 8 1 2 1 2 x 1 2 0 0 0,5 1 0,5 1 3 3 x y dx + x y dx x dx + x dx 8 8 1 2 3 2 0,5 1 3 1 1 3 1 1 1 3 1 7 1 x x 1 4 1 3 8 3 2 8 3 8 2 8 3 8 2 3 7 3 3 7 36 3 43 43 8 24 2 8 24 8 24 64 b) Determinação das funções de densidade marginais de X e de Y Unidade I – Cálculo de Probabilidades – Capítulo 7 – Distribuições Multidimensionais 5 b-i) x x 2 X 0 0 0 3 3 3 3 3 f (x) x dy x dy x y x x x , para 0< x < 2 8 8 8 8 8 x b-ii) 2 2 2 2 2 Y y y y 3 3 3 1 3 f (y) x dx x dx x (4 y ) , para 0< y< 2 8 8 8 2 16 Variáveis aleatórias bidimensionais discretas (RT7 – Seção 7.2) Distribuições conjunta, marginais e condicionadas. Exemplo 5. Seja (X,Y) uma variável aleatória bidimensional do tipo discreto, com a seguinte função de probabilidade conjunta: X Y 2 5 1 1/8 2/8 3 3/8 2/8 a) Determinar as funções de probabilidade marginais de X e de Y; b) determinar as funções de probabilidade condicionais associadas a (X,Y). Solução a) As distribuições marginais de X e de Y são mostradas na tabela abaixo. X Y Xp (x) 2 5 1 1/8 2/8 3/8 3 3/8 2/8 5/8 Yp (y) 4/8 4/8 1 b) As distribuições condicionadas associadas a (X,Y) são mostradas a seguir. X|Y 1 , se x=1 4 p (x|2) 3 , se x=3 4 X|Y 2 1 , se x=1 4 2 p (x|5) 2 1 = , se x=3 4 2 Juliana Realce Unidade I – Cálculo de Probabilidades – Capítulo 7 – Distribuições Multidimensionais 6 Y|X 1 ,se y 2 3 p (y|1) 2 ,se y 5 3 Y|X 3 ,se y 2 5 p (y|3) 2 ,se y 5 5 Exemplo 6. Seja (X,Y) uma variável aleatória bidimensional do tipo discreto, com a seguinte função de probabilidade conjunta: XY yp 1/8 x para x =1,2 e y=1, 2 a) Determinar as funções de probabilidades marginais de X e de Y; b) determinar as funções de probabilidades condicionais associadas a (X,Y). Solução A função de probabilidade conjunta de X e Y é: XY y p 1/8 x para x =1,2 e y=1, 2 Então: a) a-i) X 2 y y=1 1 p x = x 8 21 x+x 8 1 x x+1 , para x =1, 2 8 a-ii) Y 2 y x=1 1 p y = x 8 y y y1 11 +2 1+2 , paray = 1,2 8 8 b) b-i) Y|Xp y|x y1/8 x 1/8 x x+1 y-1x , para y=1,2 com x = 1,2 x+1 b-ii) y y X|Y yy 1/8 x x p x|y = , para x = 1,2 com y = 1,2 1 21/8 1+2 Alternativa: Determinação Numérica das Distribuições Unidade I – Cálculo de Probabilidades – Capítulo 7 – Distribuições Multidimensionais 7 X Y Soma 1 2 1 1/8 1/8 2/8 2 2/8 4/8 6/8 Soma 3/8 5/8 1 a) X 1/4 x=1 p (x)= 3/4 x=2 Y 3/8 y=1 p y = 5/8 y=2 b) X|1 1/3 x=1 p (x)= 2/3 x=2 X/2 1/5 x=1 p x = 4/5 x=2 Y/1 1/2 y=1 p y = 1/2 y=2 Y/2 1/3 y=1 p (x) = 2/3 y=2 Variáveis aleatórias bidimensionais contínuas (RT7 – Seção 7.3) Distribuições conjunta, marginais e condicionadas. Exemplo 7. Seja (X,Y) uma variável aleatória bidimensional do tipo contínuo, com a seguinte função de densidade de probabilidade conjunta: XY 1 f (x,y) = x , para 0 < x < 2 e 1 < y < 3 4 a) Determinar as funções de densidade marginais de X e de Y; b) determinar as funções de densidade condicionais associadas a X e Y; c) verificar se X e Y são independentes. Solução A função de densidade de probabilidade conjunta de (X,Y) é: 1 f(x,y) = x para 0 < x < 2 e 1 < y < 3 4 Então: a) a-i) Unidade I – Cálculo de Probabilidades – Capítulo 7 – Distribuições Multidimensionais 8 3 X 1 x f x x / 4 dy 0 x 2 2 a-ii) 2 2 y 0 2 1 f y 1/ 4 x dx 1/ 4 x / 2 1 y 3 1 2 b) b-i) X|Y x / 4 x f x , para 0 x 2 1/ 2 2 b-ii) Y|X x / 4 1 f y , para 1 y 3 x / 2 2 c) X|Y Xf x f x , logo X e Y são independentes. Exemplo 8. Seja (X,Y) uma variável aleatória bidimensional do tipo contínuo, com a seguinte densidade de probabilidade: XYf (x,y) = 2 , para 0 < x < 1 e 0 < y < x a) Verificar se X e Y são independentes; b) determinar a distribuição de Y condicionada a X. Solução A função de densidade de probabilidade conjunta de (X,Y) é: XYf (x,y) = 2 para 0 < x < 1 e 0 < y < x Portanto: a) a-i) x X 0 f x 2 dy = 2x 0 x 1 a-ii) 1 Y y f y 2 dx = 2 1-y 0 y 1 a-iii) Como X Yf x f y 4x(1-y) 0 x 1 0 y x então X Y XYf x f y f x,y e portanto X e Y não são independentes Unidade I – Cálculo de Probabilidades – Capítulo 7 – Distribuições Multidimensionais 9 b) XY Y|X Y f x,y 2 1 f y|x = = para 0 y x com 0 < x < 1 f y 2x x Exemplo 9. Seja (X,Y) uma variável aleatória bidimensional do tipo contínuo, cuja função de densidade tem a seguinte expressão: 2 2 XYf (x, y) 5 x , para 0 x 1 e 0 y x Determinar: a) as funções de densidades marginais de X e de Y; b) as funções de densidades condicionais associadas à variável aleatória (X,Y). Solução A função de densidade de probabilidade conjunta de (X,Y) é: 2 2 XYf (x,y) = 5x para 0 < x < 1 e 0 < y < x a) a-i) 2x 4 X 0 0 0 2 2 2 2 2x x f x 5 x dy 5x dy 5x y 5x para 0 x < 1 a-ii) 11 3 3 Y yy 2 1 5f y 5 x dx 5 x 1 y para 0 y < 1 3 3 b) b-i) 2 2 X| 3 3 y 5x 3x f x|y para y x < 1 , com 0 < y 1 5 1 y1 y 3 b-ii) 2 2 Y|X 24 5x 1 f (y|x) para 0 y < x , com 0 < x < 1 x5 x Examinando a expressão da função de densidade de probabilidade da variável aleatória condicionada (Y|X) verifica-se que Y |X x (Y|x) ~ 2Uniforme(0,x ) para os seguintes valores de x: 0 x 1 Unidade I – Cálculo de Probabilidades – Capítulo 7 – Distribuições Multidimensionais 10 Distribuições bidimensionais – funções de variáveis aleatórias (RT 7 – Seção 7.6) Exemplo 10. Seja (X, Y) uma variável aleatória bidimensional contínua com função de densidade de probabilidade conjunta XYf (x,y) 1 para 0 x 1 e 0 y 1 . Sejam as duas seguintes funções de (X, Y): i) 1S h X,Y X Y ii) 2T h X,Y X Y Determinar a função de distribuição conjunta de (S, T). Solução Considerando o relacionamento funcional de S e de T em relação a X e Y, tem-se: 1s h x, y x y e 2t h x, y x y A solução desse sistema de equações em termos das variáveis transformadas s e t é 1 s t x g s, t 2 e 1 s t y g s, t 2 Portanto, o jacobiano da transformação é 1 1 2 2 h (x,y) h (x,y)s s 1 1x y x y (x,y) 2 t t h (x,y) h (x,y) 1 1 x y x y J Consequentemente, aplicando-se o teorema da transformação segue ST XY 1 2 XY 1 2 1 f (s,t) f g (s,t),g (s,t) (s,t) f g (s,t),g (s,t) (x,y) J J Ou seja ST XY 1 2 XY s t s t 1 1 1 f (s,t) f g (s,t),g (s,t) (s,t) f , 1 2 2 2 2 2 J do que resulta ST 1 f (s,t) para 0 < s t < 2 e 0 s t < 2 2 Unidade I – Cálculo de Probabilidades – Capítulo 7 – Distribuições Multidimensionais 11 Exemplo 11. Seja (X, Y) uma variável aleatória bidimensional contínua em que as duas componentes, X e Y, são independentes e tem distribuição exponencial, de parâmetros 1α e 2α respectivamente. Considerem-se as duas funções S e T definidas no exemplo anterior. Determinar a função de densidade de probabilidade conjunta de (S, T). Solução A solução é análoga àquela do exemplo anterior. A densidade conjunta de (X, Y) é 1 2α x α y ST 1 2f (s,t) α α para x > 0 e y 0e e O jacobiano da transformação é o mesmo e assim tem-se ST XY 1 2 XY s t s t 1 1 1 f (s,t) f g (s,t),g (s,t) (s,t) f , 1 2 2 2 2 2 J do que resulta 1 2 s t s t α α 1 2 2 2 ST α α f (s,t) para 0 < s t < 2 e 0 s t < 2 2 e e Distribuições bidimensionais –expectância e momentos conjuntos (RT7 – Seção 7.4) Exemplo 11. Considere-se a variável aleatória bidimensional do exemplo 2. Determinar a sua expectância E(XY). A função de probabilidade conjunta de (X, Y) é x y p(x,y) = 4 , para x = 1,2 e y = 0,1 Portanto, tem-se: 2 1 2 1 2 1 XY x=1 y=0 x=1 y=0 x=1 y=0 x y 1 E XY x y p (x,y) x y x y x y 4 4 2 1 2 1 1 2 1 1 2 2 2 2 2 2 x=1 y=0 x=1 y=0 y=0 x=1 y=0 y=0 1 1 1 E XY x y xy x y xy x y x y 4 4 4 Unidade I – Cálculo de Probabilidades – Capítulo 7 – Distribuições Multidimensionais 12 2 1 1 2 2 2 2 2 2 2 2 x=1 y=0 y=0 x=1 x=1 1 1 1 E XY x y x y x 0 1 x 0 1 x x 4 4 4 2 2 2 2 2 2 2 x=1 x=1 x=1 1 1 1 5 3 2 1 E XY x x x x 1 2 1 2 4 4 4 4 4 2 Exemplo 12. Seja (X, Y) uma variável aleatória bidimensional contínua com função de densidade de probabilidade conjunta 2 αy XYf (x,y) α para 0 x ye Determinar o valor esperado de XY. y y 2 αy 2 αy XY y=0 x=0 y=0 x=0 y=0 x=0 E XY x y f (x,y)dx dy x yα dxdy yα x dxdye e y y 2 αy 2 αy 2 2 αy 2 0 y=0 x=0 y=0 y=0 1 1 E XY yα x dxdy yα x dy yα y dy 2 2 e e e 2 αy 2 3 2 αy 3 u2 2 2 2 y=0 y=0 0 1 1 1 (4) 3! 3 E XY yα y dy y α dy u du 2 2 2α 2α 2α α e e e Exemplo 13. Considere-se um investidor do mercado acionário que compra ações e as vende rapidamente, visando realizar uma operação lucrativa em curto prazo. Sejam X e Y as variáveis aleatórias que representam os preços de compra e de venda, respectivamente. Admita-se que o investidor realiza a operação completa (compra e venda) durante um período de tempo em que o mercado acionário se mantém em condições uniformes e de forma lucrativa, isto é com o preço de venda maior do que o de compra. Suponha-se, ainda, que tanto o preço de compra, X, quanto o preço de venda, Y, possuem distribuição uniforme no intervalo (0, 1) unidades monetárias. Nessas condições, determine: a) a função de densidade de probabilidade conjunta de X e Y; b) o valor esperado do lucro obtido pelo investidor (desconsiderando o custo de corretagem). Solução Unidade I – Cálculo de Probabilidades – Capítulo 7 – Distribuições Multidimensionais 13 a) É fácil verificar que, nas condições estabelecidas, a variável bidimensional X,Y possui, a seguinte função de densidade conjunta XYf (x, y) 2 , para 0 < x <1 e 0 < x < y b) Seja Z=Y X a variável aleatória que representa o lucro na operação (sem considerar o custo de corretagem). Então tem-se, 1 1 1 1 1 0 x 0 x x E Z E Y X (y x) 2 dy dx = 2 y dy x dy dx 1 1 1 12 2 x x 0 0 1 1 E Z 2 y x y dx 2 1 x x 1 x dx 2 2 1 1 1 2 2 0 0 0 1 1 E Z 2 1 x x 1 x dx 2 1 x dx x 1 x dx 2 2 1 1 11 3 2 3 0 0 0 0 1 1 1 1 1 1 1 1 1 2 3 2 E Z 2 x x x x 2 1 2 2 3 2 3 2 3 2 3 2 3 6 1 1 1 1 E Z 2 2 3 6 6 3 Exemplo 14. Seja (X, Y) uma variável aleatória bidimensional discreta com a seguinte função de probabilidade conjunta XY y1 p x para x =1,2 e y=1, 2 8 Determinar a expressão geral dos momentos conjuntos dessa variável. Solução 2 2 2 2 2 2 i j y i j y i j 1 j 2 i j 2 i,j x 1 y=1 x 1 y=1 x=1 x=1 1 1 1 1 μ x y x x y x x 1 x 2 x x x+2 x 8 8 8 8 Unidade I – Cálculo de Probabilidades – Capítulo 7 – Distribuições Multidimensionais 14 2 2 2 i j 2 i+1 j i+2 i 1 i 1 j i 2 i 2 i,j x=1 x=1 x=1 1 1 1 μ x x+2 x x 2 x 1 2 2 1 2 8 8 8 i 1 i 1 j i 2 i 2 i 1 j i+j+2i,j 1 1 μ 1 2 2 1 2 1 2 2 2 para i, j 0,1,2,3,... 8 8 i 1 j i+j+2i,j 1 μ 1 2 2 2 para i, j 0,1,2,3,... 8 Então: (i) 2 0 31,0 1 1 14 7 E(X) μ 1 2 2 2 1 4 1 8 8 8 8 4 (ii) 2 3 0 42,0 1 1 8 1 16 26 13 E X μ 1 2 2 2 8 8 8 4 (iii) 2 2 2 13 7 13 49 52 49 3V X E X E X 4 4 4 16 16 16 (iv) 1 1 30,1 1 1 2 2 8 13 E Y μ 1 2 2 2 8 8 8 (v) 2 1 2 40,2 1 1 2 4 16 23 E Y μ 1 2 2 2 8 8 8 (vi) 2 2 2 23 13 23 169 184 169 15V Y E Y E Y 8 8 8 64 64 64 (vii) 2 1 41,1 1 1 4 2 16 23 E XY μ 1 2 2 2 8 8 8 Exemplo 15. Seja (X, Y) uma variável aleatória bidimensional contínua com função de densidade de probabilidade conjunta XYf (x,y) = x + y , para 0 < x < 1 e 0 < y < 1 Determinar a expressão geral dos momentos conjuntos ordinários de (X, Y) Solução A expressão geral dos momentos ordinários mistos é Unidade I – Cálculo de Probabilidades – Capítulo 7 – Distribuições Multidimensionais 15 1 1 1 1 1 i j i j i+1 j i j+1 ij 0 0 0 0 0 E(X Y ) x y (x + y)dx dy x y dx + x y dx dy = 1 11 1 1 1 i+2 i+1 j i+1 j+1 i j j+1 0 0 0 0 0 0 x x y x dx + y x dx dy = y y dy i+2 i 1 1 1 1 j j+1 j j+1 0 0 0 1 1 1 1 y y dy y dy y dy i 2 i 1 i 2 i+1 1 1 j+1 j+2 0 0 1 1 1 1 y y i 2 j+1 i+1 j+2 ij 1 1 1 1 1 1 μ para i,j 0,1,2,3,... i+2 j+1 i+1 j+2 i+2 ( j+1) i+1 j+2 Portanto, tem-se: i j ij 1 1 μ E(X Y ) para i,j 0,1,2,3,... i +2 j+1 i +1 j+2 Fixando-se valores para i e j na expressão acima, segue: 10 01 7 7 E(X)=μ = e E(Y)=μ = 12 12 2 2 20 02 5 5 E(X )=μ = e E(Y )=μ = 12 12 2 2 2 5 7 11V(X) E(X ) E (X) V(Y) 12 12 144 11 1 E(XY) =μ 3 Distribuições bidimensionais – função geratriz de momentos (RT7 – Seção 7.5) Exemplo 16. Seja (X, Y) uma variável aleatória bidimensional contínua com função de densidade de probabilidade conjunta x yXYf (x,y) para x 0 e y 0e Determinar a função geratriz de momentos de (X, Y). Unidade I – Cálculo de Probabilidades – Capítulo 7 – Distribuições Multidimensionais 16 Solução 1 2 1 2 1 2t X t Y t x t y (t 1)x (t 1)yx yXY 1 2 1 2 0 0 0 0 1 1 (t , t ) E dx dy dx dy 1 t 1 t M e e e e e Portanto, 1 2t x t yXY 1 2 1 2 1 2 1 (t , t ) E para t 1 e t 1 (1 t ) (1 t ) M e Então segue: i) 1 2 1 2 1,0 XY 1 2 2 1 1 2t t 0 t t 0 1 E X μ (t , t ) 1 t (1 t ) (1 t ) M ii) 1 2 1 2 0,1 XY 1 2 2 2 1 2t t 0 t t 0 1 E Y μ (t , t ) 1 t (1 t ) (1 t ) M iii) 1 2 1 2 2 1,1 XY 1 2 2 2 1 2 1 2t t 0 t t 0 1 E XY μ (t , t ) 1 t t (1 t ) (1 t ) M Exemplo 17. Seja (X, Y) uma variável aleatória bidimensional contínua com função de densidade de probabilidade conjunta 2 αy XYf (x,y) α para 0 x ye Determinar a função geratriz de momentos de (X, Y). Solução 1 2 1 2 1 2t X t Y t x t y t x t y2 αy 2 αyXY 1 2 0 x 0 x (t, t ) E α dydx α dy dxM e e e e e e 1 2 1 2t x (α t )y t x (α t )y2 2 XY 1 2 2 2 0 x 0 x 1 (t , t ) α dy dx α (α t ) dy dx α t M e e e e Unidade I – Cálculo de Probabilidades – Capítulo 7 – Distribuições Multidimensionais 17 1 2 1 2 x t x (α t )y t x (α t )y2 2 XY 1 2 x 2 2 0 0 1 1 (t , t ) α dx α dx α t α t M e e e e 1 2 1 2t x (α t )x (α t t )x2 2 XY 1 2 2 2 0 0 1 1 (t , t ) α dx α dx α t α t M e e e 1 2 2 2 0 (α t t )x XY 1 2 2 1 2 2 1 2 α α (t , t ) (α t ) (α t t ) (α t ) (α t t ) M e Portanto, 2 XY 1 2 1 2 2 2 1 2 α (t , t ) para t α t e t α (α t ) (α t t ) M Assim sendo, tem-se: (i) 2 2 1 XY 1 2 1 2 1 1 1 2 2 2 1 α α (t , t ) (α t t ) t t (α t t ) (α t ) (α t ) t M 2 2 2 XY 1 2 1 2 2 1 2 2 1 2 α α (t , t ) ( 1)(α t t ) ( 1) t (α t ) (α t ) (α t t ) M (ii) 2 2 1 1 XY 1 2 2 1 2 2 2 1 2 2 2 α (t , t ) α (α t ) (α t t ) t t (α t t ) (α t ) t M 2 2 1 1 2 XY 1 2 2 1 2 2 1 2 2 (t , t ) α ( 1)(α t ) ( 1) (α t t ) (α t ) ( 1)(α t t ) ( 1) t M 2 2 1 1 2 XY 1 2 2 1 2 2 1 2 2 (t , t ) α (α t ) (α t t ) (α t ) (α t t ) t M 2 2 1 2 2 XY 1 2 2 2 2 2 2 2 1 2 2 1 2 2 1 2 α t t α t1 1 1 1 (t , t ) α α t (α t ) (α t t ) (α t ) (α t t ) (α t ) (α t t ) M 2 12 XY 1 2 2 2 2 2 1 2 2 α t α t (t , t ) α t (α t ) (α t t ) M (iii) XY 1 2 XY 1 2 XY 1 2 1 2 2 1 2 1 (t , t ) (t , t ) (t , t ) t t t t t t M M M 2 2 1 2 XY 1 2 2 1 22 1 2 2 2 1 2 2 α (t , t ) α (α t ) (α t t ) t t t (α t ) (α t t ) t M Unidade I – Cálculo de Probabilidades – Capítulo 7 – Distribuições Multidimensionais 18 2 2 2 1 3 XY 1 2 2 1 2 2 1 2 1 2 (t , t ) α ( 1)(α t ) ( 1)(α t t ) (α t ) ( 2)(α t t ) ( 1) t t M 2 2 2 1 3 XY 1 2 2 1 2 2 1 2 1 2 (t , t ) α (α t ) (α t t ) 2(α t ) (α t t ) t t M 2 XY 1 2 2 2 3 1 2 2 1 2 2 1 2 1 2 (t , t ) α t t (α t ) (α t t ) (α t )(α t t ) M 2 21 2 2 2 1 XY 1 2 2 3 2 3 1 2 2 1 2 2 1 2 α t t 2(α t ) 3(α t ) t (t , t ) α α t t (α t ) (α t t ) (α t ) (α t t ) M (iv) Por meio de um desenvolvimento análogo determina-se 3 2 21 2 2 2 1 XY 1 22 2 4 2 4 1 2 2 1 2 2 1 2 α t t 7(α t ) 8(α t ) t (t , t ) α α t t (α t ) (α t t ) (α t ) (α t t ) M Então: i) 1 2 1 2 2 2 1,0 XY 1 2 2 2 1 1 2 2t t 0 t t 0 α α 1 E X μ (t , t ) t (α t t ) (α t ) α α α M ii) 1 2 1 2 2 12 2 0,1 XY 1 2 2 2 4 2 1 2t t 0 t t 0 2 α t t 2α 2 E Y μ (t , t ) α α t (α t ) (α t ) α α M iii) 1 2 1 2 2 2 22 1 1,1 XY 1 2 3 2 3 2 2 1 2 1 2 2t t 0 t t 0 3(α t ) t 3α 3 E XY μ (t , t ) α α t t (α t t ) (α t ) α α α M iv) 1 2 1 2 3 2 2 22 1 1,1 XY 1 22 4 2 4 2 3 1 2 1 2 2t t 0 t t 0 8(α t ) t 8α 8 E X Y μ (t , t ) α α t t (α t t ) (α t ) α α α M Distribuições bidimensionais –expectância e variância condicionadas (RT7 – Seção 7.7) Exemplo 18. Considere-se a variável aleatória (X, Y) referente ao exemplo 5. Determinar as expectâncias condicionadas E(X|y) e E(Y|x) e as distribuições das variáveis aleatórias E(X|Y) e E(Y|X). Aplicar a lei das expectâncias iteradas a E(X|Y) e E(Y|X). Solução. Unidade I – Cálculo de Probabilidades – Capítulo 7 – Distribuições Multidimensionais 19 Como esse exercício se relaciona ao exemplo 5, anteriormente visto, deve-se começar recapitulando os resultados já obtidos, os quais são apresentados a seguir. A distribuição conjunta e as distribuições marginais de X e de Y são mostradas na tabela abaixo. X Y Xp (x) 2 5 1 1/8 2/8 3/8 3 3/8 2/8 5/8 Yp (y) 4/8 4/8 1 As distribuições condicionadas associadas a (X|Y) são mostradas a seguir. X|Y 1 , se x=1 4 p (x|2) 3 , se x=3 4 X|Y 2 1 , se x=1 4 2 p (x|5) 2 1 = , se x=3 4 2 Y|X 1 ,se y 2 3 p (y|1) 2 ,se y 5 3 Y|X 3 ,se y 2 5 p (y|3) 2 ,se y 5 5 Então, as expectâncias condicionadas de (X|Y=y) são: 1 3 1 9 10 5 E(X|Y=2)= E(X|2)=1. 3. 4 4 4 4 2 1 1 1 3 4 E(X|Y=5)= E(X|5)=1. 3. 2 2 2 2 2 E as expectâncias condicionadas de (Y|X=x) são: 1 2 2 10 12 E(Y|X=1)= E(Y|1)= 2. 5. 4 3 3 3 3 3 2 6 10 16 E(Y|X=3)= E(Y|3)= 2. 5. 3,2 5 5 5 5 Portanto, as variáveis aleatórias associadas às expectâncias condicionadas são: Unidade I – Cálculo de Probabilidades – Capítulo 7 – Distribuições Multidimensionais 20 Y Y 5 1 , se y 2 ;com P(Y=2) p (2) 2 2 E(X|Y) = 1 2 , se y 5 ; com P(Y=5) p (5) 2 X X 3 4 , se x 1 ; com P(X=1) p (x) 8 E(Y|X) = 16 5 , se x 3 ; com P(X=3) p (x) 5 8 Aplicando agora a lei das expectativas iteradas, tem-se: E[E(X|Y)] = 5 1 1 5 5 4 9 2 1 2 2 2 4 4 4 E[E(Y|X)] = 3 16 5 3 3 4 7 4 2 8 5 8 2 2 2 Deve-se observar que E[E(X|Y)] = E(X) e E[E(Y|X)] = E(Y) , pois 3 5 3 15 18 9 E(X)=1 3 8 8 8 8 4 1 1 2 5 7 E(Y)= 2 5 2 2 2 2 Exemplo 19. Seja (X, Y) uma variável aleatória com a seguinte função de densidade de probabilidade conjunta: XY 1 f (x,y) = , para 0 < x < 2 e 0 < y < x 2 a) Determinar as funções de densidade de probabilidade marginais de X e de Y; b) determinar as funções de densidade de probabilidade condicionadas associadas à variável aleatória (X,Y); c) determinar as expectâncias condicionadas E(X | y) e E(Y | x); d) aplicar a lei das expectâncias iteradas a E(X | Y) e E(Y | X). Solução A função de densidade de probabilidade conjunta é Juliana Realce Unidade I – Cálculo de Probabilidades – Capítulo 7 – Distribuições Multidimensionais 21 XY 1 f (x, y) , para 0 < x < 2 e 0 < y < x 2 Então segue: a) as funções de densidade marginais de X e de Y são: x x x X 0 0 0 1 1 1 1 f (x) dy dy y x , para 0 < x < 2 2 2 2 2 X 1 f (x)= x , para 0< x <2 2 2 2 Y y y 1 1 1 f (y) dx x 2- y , para 0< y <2 22 2 Y 1f (y)= 2- y , para 0< y<2 2 b) as funções de densidade condicionais associadas a (X,Y) são: X|Y 1 12f (x|y) , para y < x <2, com 0 y 2 1 2- y 2 y 2 X|Y 1 f (x|y)= , para y< x <2, com 0 y 2 2- y Y|X 1 12f (y|x) , para 0< y < x , com 0< x 2 1 x x 2 Y|X 1 f (y|x) , para 0< y< x , com 0< x 2 x c) as expectâncias condicionadas são calculadas a seguir: c-i) pelo método direto Unidade I – Cálculo de Probabilidades – Capítulo 7 – Distribuições Multidimensionais 22 2 2 2 2 X y y y 1 1 1 1 E(X|Y y) E(X|y) (y) x dx x dx x 2- y 2- y 2- y 2 2 2+ y 2 y1 1 1 2 y4 y , com 0 y x 2 2- y 2 2 y 2 X 1 2 y E(X|Y y) E(X|y) (y) 2 y , com 0 y 2 2 2 e x x x 2 Y 0 0 0 1 1 1 1 E(Y|X x) E(Y|x) (x) y dy y dy y x x x 2 21 xx , com 0 x 2 2x 2 Y 1 E(Y|X=x)= E(Y|x)= (x) x , com 0 < x < 2 2 c-ii) pelo método alternativo Examinando a expressão da função de densidade de (X|y) verifica-se que essa variável aleatória tem distribuição uniforme no intervalo (y , 2). Portanto, tem-se, diretamente, X 1 2 y E(X|Y y) E(X|y) (y) 2 y , com 0 y 2 2 2 e Examinando a expressão da função de densidade de (Y|x) verifica-se que essa variável aleatória tem distribuição uniforme no intervalo (0 , x). Portanto, tem-se, diretamente, Y 1 E(Y|X=x)= E(Y|x)= (x) x , com 0 < x < 2 2 d) Lei das expectâncias iteradas Considerando a variável aleatória E(X|Y), tem-se: i) pelo método direto 2 2 2 2 Y 0 0 0 2 y 2 y 1 1 E[E(X|Y)] f (y) dy 2 y dy 4 y dy 2 2 2 4 Unidade I – Cálculo de Probabilidades – Capítulo 7 – Distribuições Multidimensionais 23 2 2 222 3 0 0 0 0 1 1 1 1 8 2 4 4 dy y dy 4 y y 8 2 4 4 3 4 3 3 3 2 2 2 2 3 0 0 0 1 1 1 1 8 4 E(X) x x dx x dx x 2 2 2 3 6 3 ii) pelo método alternativo 1 1 E(X|y) 2 y donde E(X|Y) 2 Y 2 2 e portanto 1 1 E E(X|Y) E 2 Y 2 E(Y) 2 2 mas 2 2 2 2 2 0 0 0 0 1 1 1 E(Y) y (2 y)dy y(2 y)dy 2 ydy y dy 2 2 2 2 2 2 3 0 0 1 1 1 8 4 2 y y 4 2 2 3 2 3 3 3 logo 1 1 2 1 4 E E(X|Y) 2 E(Y) 2 1 E(X) 2 2 3 3 3 Considerando a variável aleatória E(Y|X), tem-se: i) pelo método direto 2 2 2 2 2 3 X 0 0 0 0 x x 1 1 1 1 8 2 E[E(Y|X)] f (x)dx x dx x dx x 2 2 2 4 4 3 12 3 2 2 2 2 2 0 0 0 0 1 1 1 E(Y) y (2 y)dy y(2 y)dy 2 ydy y dy 2 2 2 2 2 2 3 0 0 1 1 1 8 4 2 y y 4 2 2 3 2 3 3 3 ii) pelo método alternativo 1 1 E(Y|x) x donde E(Y|X) X 2 2 Unidade I – Cálculo de Probabilidades – Capítulo 7 – Distribuições Multidimensionais 24 e portanto 1 1 E[E(Y|X)] E X E(X) 2 2 mas 2 2 2 2 3 0 0 0 1 1 1 1 8 4 E(X) x x dx x dx x 2 2 2 3 6 3 1 4 2 E[E(Y|X)] E(Y) 2 3 3 Covariância e coeficiente de correlação linear (RT7 – Seção 7.8) Exemplo 20. Sejam X e Y variáveis aleatórias com a seguinte distribuição conjunta de probabilidades: X Y 2 5 1 1/8 2/8 3 3/8 2/8 Pede-se: a) A covariância entre X e Y; b) o coeficiente de correlação linear entre X e Y; c) verificar se X e Y são independentes. Solução A função de probabilidade conjunta de X e de Y é X Y Soma 2 5 Juliana Realce Unidade I – Cálculo de Probabilidades – Capítulo 7 – Distribuições Multidimensionais 25 1 1/8 2/8 3/8 3 3/8 2/8 5/8 Soma 4/8 4/8 1 Então: a) X Y 3/8 x 1 1/ 2 y 2 p x p y 5/8 x 3 1/ 2 y 5 1 2 3 2 E XY 1 2 1 5 3 2 3 5 8 8 8 8 2 8 10 8 18 8 30 8 15 2 3 5 9 E X (1) 3 8 8 4 1 1 7 E Y (2) 5 2 2 2 15 9 7 3 Cov X,Y = E XY -E X E Y 2 4 2 8 2 2 23 5 48E X 1 3 6 8 8 8 2 2 2 1 1 29 E Y 2 5 2 2 2 2 2 2 9 15Var X = E X -E X 6 4 16 2 2 2 29 7 9Var Y = E Y -E Y 2 2 4 XY 3 Cov X,Y 18 0,2582 15 9 15Var X Var Y 16 4 c) XY 0 XeYnãosãoindependentes. Unidade I – Cálculo de Probabilidades – Capítulo 7 – Distribuições Multidimensionais 26 Exemplo 21. Seja X,Y uma variável aleatória bidimensional do tipo contínuo com a seguinte densidade de probabilidade conjunta: XYf x,y 3x para 0 x 1 e 0 y x Pede-se: a) Determinar a covariância entre X e Y b) Verificar se X e Y são independentes. Solução A função de densidade de probabilidade conjunta de X e de Y é XYf x,y 3x para 0 x 1 e 0 y x x x 2 X 0 0 x a) f x 3xdy 3x dy 3x y 3x para 0 x 1 0 1 1 2 2 Y y y 1 f y 3xdx 3 xdx 3 x /2 3/ 2 1-y para 0 y 1 y 1 1 2 3 4 0 0 1 E X (3x )dx 3 x dx 3 x /4 3/ 4 0 x 1 1 1 2 3 0 0 0 E Y 3/ 2 y 1-y dy 3/ 2 ydy y dy 2 4 1 1 3/ 2 y /2 - y /4 0 0 3/ 4 3/8 3/8 1 1 x 1 2 2 2 0 0 0 0 0 x E XY xy 3x dydx 3 x ydydx 3 x y /2 dx 0 x 1 4 5 0 1 3/ 2 x dx 3/ 2 x /5 3/10 0 Cov X,Y =E XY -E X E Y = 3/10 3/ 4 3/8 1/180 Unidade I – Cálculo de Probabilidades – Capítulo 7 – Distribuições Multidimensionais 27 b) Como Cov X,Y 0, X e Y não são independentes. Exemplo 22. (ex. 7.15) Sejam X e Y duas variáveis aleatórias tais que 2Y = X . Considere-se, ainda, que X tem a seguinte função de probabilidade: X 1 p (x)= , para x 2, 1, 1, 2 4 Determinar: a) a função de probabilidade conjunta de X e de Y; b) a covariância de X e Y; Solução A função de probabilidade marginal de X é X 1 p (x)= , para x 2, 1, 1, 2 4 e as duas variáveisaleatórias X e Y são relacionadas por 2Y = X . Então: a) A distribuição marginal de Y é Y 1 p (y)= , para y =1,4 2 b) A distribuição conjunta de X e Y é expressa por XY 1 p (x,y)= , para x,y (-2,4),(-1,1), (1,1), 2,4) 4 c) A covariância entre X e Y é calculada a seguir 1 1 E(X Y)= ( 2).4 ( 1).1 1.1 2.4 8 1 1 4 0 4 4 1 1 5 E(X)= ( 2) ( 1) 1 2 0 e E(Y)= (1 4) 4 2 2 donde Unidade I – Cálculo de Probabilidades – Capítulo 7 – Distribuições Multidimensionais 28 5 Cov(X,Y)= E(XY)-E(X)E(Y)=0-0. 0 2 ou seja, Cov(X,Y)=0 d) Portanto, o coeficiente de correlação é nulo XY 0 Isso mostra que o coeficiente de correlação (linear) pode ser nulo mesmo para variáveis aleatórias inter-relacionadas (não linearmente). Exemplo 23. Seja (X, Y) uma variável aleatória do tipo contínuo com a seguinte função de densidade de probabilidade: XYf (x,y) = x + y , para 0 < x < 1 e 0 < y < 1 a) Verificar que a função acima atende as condições de uma função de densidade de probabilidade conjunta; b) as funções de densidade de probabilidade marginais de X e de Y; c) as funções de densidade de probabilidade condicionadas associadas à variável aleatória (X,Y); d) calcular a covariância e o coeficiente de correlação. Solução A função de probabilidade conjunta de (X,Y) é XYf (x,y) = x + y , para 0 < x < 1 e 0 < y < 1 a) sim, pois 2 XY XY XYf (x,y) 0,para todo (x,y) R e f (x,y)dx dy = 1 pois 2 XY 1 1 1 1 1 XY R 0 0 0 0 0 f (x,y)dx dy x + y dx dy x dx y dx dy 1 1 1 1 1 11 12 2 0 00 0 0 0 0 0 1 1 1 1 1 1 1 x y x dy dy dy ydy y y 1 2 2 2 2 2 2 2 y b) Unidade I – Cálculo de Probabilidades – Capítulo 7 – Distribuições Multidimensionais 29 1 2 X 0 1 11 1 f (x) = x+y dy = x y y x + , para 0 < x < 1 0 02 2 1 2 Y 0 1 11 1 f (y) = x+y dx = x y x y , para 0 < y < 1 0 02 2 c) X | Y x + y f (x | y) = , para 0 < x < 1 , com 0 < y < 1 1 y + 2 Y | X x + y f (y | x) = , para 0 < y < 1 , com 0 < x < 1 1 x + 2 d) a expressão geral dos momentos ordinários mistos 1 1 1 1 1 i j i j i+1 j i j+1 ij 0 0 0 0 0 μ E(X Y ) x y (x + y)dxdy x y dx + x y dx dy= 1 11 1 1 1 i+2 i+1 j i+1 j+1 i j j+1 0 0 0 0 0 0 x x y x dx + y x dx dy = y y dy i+2 i 1 1 1 1 j j+1 j j+1 0 0 0 1 1 1 1 y y dy y dy y dy i 2 i 1 i 2 i+1 1 1 j+1 j+2 0 0 1 1 1 1 y y i 2 j+1 i+1 j+2 ij 1 1 1 1 1 1 μ i+2 j+1 i+1 j+2 i+2 ( j+1) i+1 j+2 Portanto, tem-se: i j ij 1 1 μ E(X Y ) i +2 j+1 i +1 j+2 10 01 7 7 E(X)=μ = e E(Y)=μ = 12 12 Unidade I – Cálculo de Probabilidades – Capítulo 7 – Distribuições Multidimensionais 30 2 2 20 02 5 5 E(X )=μ = e E(Y )=μ = 12 12 2 2 2 5 7 11V(X)= E(X )-E (X)= V(Y) 12 12 144 11 1 E(XY) =μ 3 2 1 7 -1 Cov(X,Y)= E(XY)-E(X)E(Y)= 3 12 144 XY 1 E(XY)-E(X) E(Y) -1144= Cor(X,Y) = 11V(X) V(Y) 11 11 144 144 ------------------------------------------------------------------------------------------------------ Variáveis Aleatórias Bidimensionais – Exemplos Complementares Exercícios Adicionais Resolvidos Exercício resolvido 1. Seja (X, Y) uma variável aleatória bidimensional do tipo discreto com a seguinte função de probabilidade conjunta: XY 1 p (x,y) xy , para x =1, 2, 3 e y =1, 2, ...,x 25 a) Determinar as funções de probabilidade marginais de X e de Y; b) Determinar as expressões analíticas das funções de probabilidade condicionadas associadas a (X,Y). Solução A função de probabilidade conjunta de X e de Y tem a seguinte expressão XY 1 p (x,y)= x y , para x =1,2,3 e y=1,2,...,x 25 Então: a) Determinação das distribuições marginais: a-i) x x 2 X y=1 y=1 (1+ x) x1 1 1 1 p (x) xy= x y x x (1 x),para x 1,2,3 25 25 25 2 50 Unidade I – Cálculo de Probabilidades – Capítulo 7 – Distribuições Multidimensionais 31 a-ii) 3 3 Y x=y x=y 1 1 1 p (y) xy= y x y(y +...+3) 25 25 25 (y+3)(4- y)1 1 y y(y+3)(4- y), para y=1, 2, 3 25 2 50 b) Determinação das distribuições condicionais: b-i) X|Y 1 x y 2 x25p (x|y) , para x = y, y +1, ...,3 ; com y 1,2,3 1 (y +3) (4- y) y(y +3) (4- y) 50 b-ii) Y|X 2 1 x y 2 y25p (y|x) , para y 1,2, ..., x ; com x =1,2,3 1 x (1+ x) x (1+ x) 50 Exercício resolvido 2. Uma urna contém cinco bolas numeradas de 1 a 5. Duas bolas são escolhidas ao acaso dessa urna, observando-se os números nelas inscritos. Sejam X e Y as variáveis aleatórias que representam os números eventualmente inscritos na primeira e na segunda, respectivamente. Considerem-se as duas situações que correspondem à escolha ser efetuada com e sem reposição. Para cada uma delas determine: a) a distribuição de probabilidade conjunta da variável aleatória (X,Y); b) as distribuições marginais de X e de Y; c) as expectâncias e as variâncias de X e de Y; d) a covariância de X e Y. Solução Nas condições estabelecidas, tem-se: a) distribuição conjunta de (X,Y) nos dois casos a serem considerados. Unidade I – Cálculo de Probabilidades – Capítulo 7 – Distribuições Multidimensionais 32 a-i) na seleção com reposição X Y 1 2 3 4 5 1 1 25 1 25 1 25 1 25 1 25 2 1 25 1 25 1 25 1 25 1 25 3 1 25 1 25 1 25 1 25 1 25 4 1 25 1 25 1 25 1 25 1 25 5 1 25 1 25 1 25 1 25 1 25 e a-ii) na seleção sem reposição X Y 1 2 3 4 5 1 0 1 20 1 20 1 20 1 20 2 1 20 0 1 20 1 20 1 20 3 1 20 1 20 0 1 20 1 20 4 1 20 1 20 1 20 0 1 20 5 1 20 1 20 1 20 1 20 0 Portanto, segue: b) distribuições marginais de X e de Y Unidade I – Cálculo de Probabilidades – Capítulo 7 – Distribuições Multidimensionais 33 b-i) na seleção com reposição X Y Xp (x) 1 2 3 4 5 1 1 25 1 25 1 25 1 25 1 25 1 5 2 1 25 1 25 1 25 1 25 1 25 1 5 3 1 25 1 25 1 25 1 25 1 25 1 5 4 1 25 1 25 1 25 1 25 1 25 1 5 5 1 25 1 25 1 25 1 25 125 1 5 Yp (y) 1 5 1 5 1 5 1 5 1 5 1 Ou seja, as distribuições marginais de X e de Y são iguais, tendo, ambas, a mesma função de probabilidade: X 1 p (x) ; para x 1,2,3,4,5 5 Y 1 p (y) ; para y 1,2,3,4,5 5 e b-ii) na seleção sem reposição Unidade I – Cálculo de Probabilidades – Capítulo 7 – Distribuições Multidimensionais 34 X Y Xp (x) 1 2 3 4 5 1 0 1 20 1 20 1 20 1 20 1 5 2 1 20 0 1 20 1 20 1 20 1 5 3 1 20 1 20 0 1 20 1 20 1 5 4 1 20 1 20 1 20 0 1 20 1 5 5 1 20 1 20 1 20 1 20 0 1 5 Yp (y) 1 5 1 5 1 5 1 5 1 5 1 Ou seja, as distribuições marginais de X e de Y são iguais, tendo, ambas, a mesma função de probabilidade: X 1 p (x) ; para x 1,2,3,4,5 5 Y 1 p (y) ; para y 1,2,3,4,5 5 Como se pode verificar, as funções de probabilidade marginais de X e de Y são iguais nos dois casos – com e sem reposição. c) cálculo das expectâncias e variâncias 5 5 y=1 1 1 5 .51 1 1 E(X)= x x 3 5 5 5 2x 5 5 y=1 1 1 5 .51 1 1 E(Y)= y y 3 5 5 5 2x Unidade I – Cálculo de Probabilidades – Capítulo 7 – Distribuições Multidimensionais 35 5 5 2 2 2 x=1 1 1 1 1 5.6.11 E(X )= x x 11 5 5 5 6x 5 5 2 2 2 x=1 1 1 1 1 5.6.11 E(Y )= y y 11 5 5 5 6x 2 2 2V(X)= E X -E X 11 3 11 9 2 2 2 2V(Y)= E Y -E Y 11 3 11 9 2 Como se pode verificar, as expectâncias e variâncias de X e de Y são iguais, nos dois casos – com e sem reposição. Porém, no que diz respeito ao momento misto de ordens 1 e 1, o mesmo não ocorre, tendo-se 5 5 5 5 5 5 x=1 y=1 x=1 y=1 x=1 x=1 1+5 51 1 1 15 3 (1 5)5 3 E(X Y)= x y x y x x 15 9 25 25 25 2 25 5 2 5 no caso de extração com reposição e 2 5 5 5 5 5 5 5 5 5 5 2 2 2 x=1 y=1 x=1 y=1 x=1 x=1 y=1 x=1 x=1 x=1 y 1 1 1 1 E(X Y)= x y x y- x x y x x - x 20 20 20 20 x 2 21 (1 5).5 5.6.11 1 225 55 170 1715 55 8,5 20 2 6 20 20 20 2 no caso de extração sem reposição d) cálculo da covariância d-i) no caso com reposição E(XY)-E(X)E(Y) 9 3.3 Cov(X,Y)= 0 V(X)V(Y) 2.2 Unidade I – Cálculo de Probabilidades – Capítulo 7 – Distribuições Multidimensionais 36 Resultado que era esperado pois na extração com reposição as variáveis X e Y são independentes. d-ii) no caso sem reposição 17 17 18 3.3 E(XY)-E(X) E(Y) 12 2Cov(X,Y) = 0,25 2 4V(X) V(Y) 2.2 Exercício resolvido 3. Seja (X,Y) uma variável aleatória bidimensional do tipo contínuo cuja função de densidade de probabilidade tem por expressão: x(1+y)XYf (x,y) = x , para x > 0 e y > 0e Determinar: a) As funções de densidade marginais de X e de Y; b) as funções de densidade condicionais associadas a (X,Y); c) E(Y|x) e V(Y|x). Solução A função de densidade de probabilidade conjunta de (X,Y) tem por expressão: x(1+y) XYf (x,y) = x , para x > 0 e y > 0e Portanto: a) as funções de densidade marginais de X e de Y são: a-i) 0 x(1+y) x xy x xy x X 0 0 1 f (x) x dy x dy x , para x 0 x e e e e e e e a-ii) Unidade I – Cálculo de Probabilidades – Capítulo 7 – Distribuições Multidimensionais 37 x(1+y) 2 (1+y)x Y 0 0 2 u Y 2 2 2 0 f (y) x dx (1 y) (1 y) x (1 y)dx e fazendo u (1 y) x tem-se que du (1 y)dx e segue 1 1 1 f (y) (1 y) u du (2) 1! , para y 0 (1 y) (1 y) (1 y) e e e b) as funções de densidade condicionais associadas a (X,Y) são: b-i) x(1+y) 2 (1+y)x X|Y 2 x f (x|y) (1+ y) x , para x 0 com y 0 1 (1 y) e e e b-ii) x(1+y) x x y x y Y|X x x x x f (y,x) x , para y 0 com x 0 e e e e e e c) a expectância e a variância condicionadas de (Y|X=x) são facilmente obtidas observando-se que a distribuição de (Y|X=x) é exponencial de parâmetro x; logo c-i) 1 E(Y|X=x) E(Y|x) x c-ii) 2 1 V(Y|X=x) V(Y|x) , para x >0 x d) a expectância e a variância condicionadas de (X|Y=y) são facilmente obtidas observando-se que a distribuição de (X|Y=y) é gama de parâmetros (1+y) e 2; logo d-i) expectância condicionada 2 E(X|Y=y) E(X|y) , para y 0 (1 + y) d-ii) variância condicionada Unidade I – Cálculo de Probabilidades – Capítulo 7 – Distribuições Multidimensionais 38 2 2 V(X|Y=y) V(X|y) , para y>0 (1 y) Exercício resolvido 4. Certa loja recebe diariamente uma remessa de determinado artigo que é muito procurado pela clientela. O número de artigos de cada remessa é uma variável aleatória com a seguinte distribuição. x 10 11 12 13 14 15 p(x) 0,05 0,10 0,10 0,20 0,35 0,20 A probabilidade de que qualquer artigo seja defeituoso é a mesma para todos os artigos, sendo igual a 0,10. Representando por Y o número de artigos defeituosos recebidos em um dia, determinar o valor esperado de Y. Solução Tem-se no caso uma variável aleatória bidimensional (X,Y) onde X representa o número eventual de artigos de uma remessa diária e Y o número eventual de artigos defeituosos. A distribuição marginal de X é conhecida e a correspondente função de probabilidade é. x 10 11 12 13 14 15 p(x) 0,05 0,10 0,10 0,20 0,35 0,20 Supondo que cada artigo tem (ou não) defeito de forma independente dos demais, a variável aleatória Y, para um valor fixado do número de artigos recebidos na remessa diária, possui distribuição binomial de parâmetros n = x, valor de X fixado, e p = 0,10. Então, a distribuição condicionada de Y dado X=x é: y y x-y Y|X xp (y|x) C 0,10 0,90 para y 0,1,2, ... , x Portanto, a expectância de (Y|X=x) = (Y|x) é 0,10x, ou seja E(Y|x) = 0,10x e desse modo, considerando todos os valores possíveis de X tem-se a variável aleatória E(Y|X), expressa por E(Y|X) = 0,10 X A expectância de Y pode ser assim obtida pela aplicação da lei das expectâncias iteradas E[E(Y|X)] = E[0,10 X] = 0,10 E(X) Mas a expectância de X pode ser facilmente determinada por Unidade I – Cálculo de Probabilidades – Capítulo 7 – Distribuições Multidimensionais 39 E(X) = 10.0,05+ 11.0,10 + 12.0,10 + 13.0,20 + 14.0,35 + 15.0,20 = = 0,5 + 1,1 + 1,2 + 2,6 + 4,9 + 3,0 = 13,3 Logo, finalmente, tem-se E(Y) = 0,10.13,3 = 1,33 artigo ----------------------------------------------------------------------------------------------------------
Compartilhar