Baixe o app para aproveitar ainda mais
Prévia do material em texto
1 Variáveis aleatórias (v. a.) Definição: Seja Ω o espaço amostral associado ao experimento aleatório. Uma variável aleatória, X, é uma função que associa a cada ponto amostral, wi, um número real. Ou seja, uma variável aleatória é uma função que tem como domínio Ω e como contradomínio um subconjunto dos números reais, Rx R. Ω X(w) Rx w1 x1 w2 x2 . . . . . . wn xn As variáveis aleatórias, usualmente, são representadas por letras maiúsculas e seus respectivos valores por letras minúsculas. Ex.: Retira-se, ao acaso, um artigo de um lote com 6 artigos e define-se as variáveis; X :Número de falhas que o artigo sorteado tem Y : Tempo de vida do artigo sorteado Ω = {a1, a2, a3, a4, a5, a6}, ai = i-ésimo artigo Os possíveis valores da variável X são 0, 1, ..., e os de Y são os números reais não negativos. Ou seja, o contradomínio de X e Y são: Rx : {x; x = 0, 1, 2, ...} Ry : {y; y 0, y R} As variáveis aleatórias podem ser classificadas, segundo o contradomínio, em 2 tipos: • Variável aleatória discreta: Seu contradomínio é um conjunto finito ou infinito enumerável, isto é, os possíveis valores que a variável pode assumir constitui um conjunto finito ou infinito enumerável. Ex.1: Seja X o número de sessões de fisioterapia que um paciente necessita até o desaparecimento de uma dor lambar em um tratamento que exige no máximo 10 sessões. Rx = { 1, 2, 3, 4, ..., 10} Rx = conjunto dos possíveis valores de X. Ex.2: No exemplo da retirada de um artigo, a v.a. X : número de falhas que o artigo sorteado tem é discreta, pois Rx : {x; x = 0, 1, 2, ...} é um conjunto infinito enumerável. • Variável aleatória contínua: Seu contradomínio é um conjunto infinito não enumerável, isto é, os possíveis valores que a variável pode assumir constitui um conjunto infinito não enumerável. Ex.: No exemplo da retirada de um artigo, a v. a. Y: Tempo de vida do artigo sorteado é contínua, pois Ry : {y; y 0, y R} é um conjunto infinito não enumerável. Y pode assumir qualquer valor real positivo. 2 1) Variáveis aleatórias discretas 1.1) Função de probabilidade (distribuição de probabilidade) de uma variável aleatória discreta - fdp Se X é uma v.a. discreta que tem como contradomínio Rx, uma função f(x) é chamada função de probabilidade da v.a X se tem como domínio Rx e como contradomínio um conjunto de números reais P(X = xi) = f(xi), que satisfaz as seguintes condições: a) xiii RxxfxXP se , )()( b) xii Rxxf se ,1)(0 c) 1)()( xixxi Rx i Rx i xXPxf Ou seja, a função de probabilidade de uma v.a. discreta, X, é a função que atribui a cada valor xi de X sua probabilidade de ocorrência, f (xi) = P (X = xi). Ex.1: Seja X o número de crianças do sexo masculino numa família com dois filhos. Considere os eventos F1 = { a 1ª criança é do sexo feminino } e F2 = { a 2ª criança é do sexo feminino }. Esses eventos são independentes, pois P( F2 | F1 ) = P( F2 ). Analogamente, M1 e M2 são os eventos a 1ª criança e a 2ª criança, respectivamente, são do sexo masculino e também são independentes. Ω = { F1 F2 , F1 M2 , M1 F2 , M1 M2 } A variável aleatória X atribui a cada ponto de Ω um valor numérico Ω X Rx w1 = F1 F2 x1 = 0 w2 = F1 M2 x2 = 1 w3 = M1 F2 x3 = 2 w1 = M1 M2 P(X=0) = P(F1 ∩ F2 ) = P(F1)P(F2) = 4 1 2 1 2 1 P(X=1) = P(F1 ∩ M2 ) + P(M1 ∩ F2) = P(F1)P(M2) + P(M1)P(F2) = 4 2 2 1 2 1 2 1 2 1 P(X=2) = P(M1 ∩ M2 ) = P(M1)P(M2) = 4 1 2 1 2 1 A função (distribuição) de probabilidade da variável aleatória X será: X 0 1 3 f (x) = P (X = x) 1/4 2/4 1/4 3 Ex. 2: Suponha que 3 artigos são retirados, ao acaso, um a um, com reposição, de uma caixa que contém 10 artigos, dos quais 2 são defeituosos. Seja a variável aleatória X: número de artigos perfeitos sorteados. Determinar a função de probabilidade de X. Ω = {D1D2D3, D1D2P3, D1P2D3, P1D2D3, D1P2P3, P1D2P3, P1P2D3, P1P2P3}, onde Pi = i-ésimo artigo perfeito e Di = i-ésimo artigo defeituoso, i = 1, 2, 3. Como o sorteio é feito com reposição, os eventos Pi e Di são independentes. Rx : {x; x = 0, 1, 2, 3}. As probabilidades associadas aos valores da v.a. X são: 51200 10 8 10 8 10 8 10 833 38400 10 2 10 8322 10 2 10 8 10 8 10 8 10 2 10 8 10 8 10 8 10 222 09600 10 2 10 8311 10 2 10 2 10 8 10 2 10 8 10 2 10 8 10 2 10 211 11 00800 10 2 10 2 10 2 10 200 3 321 2 321321221 2 321321321 321321321 3 321321 ,)()()( ,)()( )()( ,)()( )()( )()( ,)()()()()( PPPPXPf XPf DPPPDPPPDPXPf XPf DDPPDPDPPDDPXPf DDPDPDPDDPXPf DPDPDPDDDPXPf ind A fdp da v.a. X é dada por: contrário caso , se , , se , , se , , se , , )()( 0 351200 10 8 238400 10 2 10 83 109600 10 2 10 83 000800 10 2 3 2 2 3 x x x x xXPxf A f(x) é uma fdp, pois 110 )( e )( xfRxxf x . 1.2) Função de distribuição acumulada de uma variável aleatória discreta - FDA xx i xx i ii xXPxfxXPxF )()()()( onde xi Rx . Exemplo: Determine a função de distribuição acumulada da v.a. X : número de artigos perfeitos. 4 31 3248800 2110400 1000800 00 1512004880032321033 4880038400104002121022 104000960000800101011 00800000 3 2 1 0 x x x x x xF fFffffxfXPF fFfffxfXPF fFffxfXPF fxfXPF i i i i x i x i x i x i , ,, ,, ,, , )( ,,)()()()()()()()()( ,,,)()()()()()()()( ,,,)()()()()()()( ,)()()()( 2) Variáveis aleatórias contínuas 2.1) Função de probabilidade de uma variável aleatória contínua - fdp Uma função f(x) é chamada função de probabilidade ou função de densidade da variável aleatória contínua X, se satisfaz as seguintes condições: 1) xRxxf se ,0)( 2) 1)( dxxf 3) Seja o evento: ;| bxaxA logo, .)( b a dxxfbxaPAxPAP Exemplo: Suponha que o tempo de produção de um artigo, em minutos, é uma v.a. X que tem como função de probabilidade: contrário caso, 0 42, 4 5 )( x x xf Verificar se f(x) é uma fdp e calcular a probabilidade de que o tempo de produção de um artigo escolhido ao acaso seja menor que 3 minutos. Solução: Para confirmar se a f(x) é uma fdp temos que verificar (através do gráfico da f(x)) se a f(x) 0 para xRx e se 1)( dxxf . (feito em sala) 3 2 8 5 4 5)3( dxxXP . Observação: Se X é uma v. a. contínua, então: )()( )()()( 0)( aXPaXP bXaPbXaPbXaP xXP 5 2.2) Função de distribuição acumulada de uma variável aleatóriacontínua - FDA Seja X uma v.a. contínua com fdp f(x). A FDA da v.a. X será: x dxxfxXPxF )()()( , para todo xRx . Exemplo: Feito em sala Propriedades da FDA: F(x) satisfaz as seguintes propriedades: 1) Para todo .1)(0 ,R xFx 2) )(xF é uma função não decrescente. 3) 0)(lim xF x e .1)(lim xF x 4) )(xF é uma função contínua para todo xRx . 5) )()( xF dx dxf . VALOR ESPERADO E VARIÂNCIA DE UMA VARIÁVEL ALEATÓRIA X a) Valor esperado Seja X uma v.a. com função de probabilidade f(x). O valor esperado, ou esperança matemática, ou média da v.a. X, denotado por E(X) = , é definida como: 1) Se X é uma v.a. discreta, xRx xxfXE )()( 2) Se X é uma v.a. contínua, dxxxfxE )()( . b) Variância Seja X uma v.a. com função de probabilidade, f(x), e valor esperado, E(X), a variância de X é definida como: 2222 )()()()( XEXEXEXEXVar (demonstrado em sala) 1) Se X é uma v.a. discreta, 2 2 )()()( xx RxRx xxfxfxXVar 2) Se X é uma v.a. contínua, 2 2 )()()( dxxxfdxxfxXVar . (Exemplo feito em sala) 6 Propriedades de E(X) e Var(X): Sejam X e Y variáveis aleatórias definidas no mesmo espaço amostral e a e b constantes quaisquer. 1. E(a) = a 2. E(aX) = aE(X) 3. E(aX + b) = aE(X) + b 4. E(aX - b) = aE(X) - b 5. E(aX + bY) = aE(X) + bE(Y) 6. E(aX - bY) = aE(X) – bE(Y) 7. Var(a) = 0 8. Var(aX) = a2Var(X) 9. Var(aX + b) = a2Var(X) 10. Var(aX - b) = a2Var(X) 11. Se X e Y são v. a. independentes, Var(aX + bY) = a2Var(X) + b2Var(Y) 12. Se X e Y são v. a. independentes, Var(aX - bY) = a2Var(X) + (-b2)Var(Y) = a2Var(X) + b2Var(Y). (Exemplo feito em sala)
Compartilhar