Baixe o app para aproveitar ainda mais
Prévia do material em texto
28-03-2016 1 Capítulo 4 – Variáveis aleatórias 4.1. Variáveis aleatórias 1 Variável aleatória: Seja o espaço de resultados de uma experiência aleatória. Chama-se variável aleatória (v.a.), a qualquer função X que, a cada acontecimento faz corresponder um número real x = X(). Capítulo 4 – Variáveis aleatórias 4.1. Variáveis aleatórias 2 Convenções: Uma v.a. representa-se sempre por uma letra maiúscula. Os valores possíveis das v.a.s representam-se por letras minúsculas. Tipos de variáveis aleatórias: Variável aleatória discreta ou descontínua: o conjunto dos valores assumidos pela variável aleatória X (isto é, o seu contradomínio CDX) é finito ou, sendo infinito, pode ser contado ou enumerado (infinito numerável); Variável aleatória contínua: o conjunto dos valores assumidos pela variável é um intervalo de números reais (ou união de intervalos); Variável aleatória mista: o contradomínio da variável aleatória não cumpre nenhuma das condições anteriores. 28-03-2016 2 Exemplo 4.1: Considere-se a experiência aleatória que consiste em lançar duas moedas perfeitas ao ar, com o objetivo de contar o número de coroas que aparecem. A variável aleatória X = número de coroas observado, num lançamento estabelece uma correspondência entre o espaço de resultados = (F, F), (F, C), (C, F), (C, C), onde a letra F designa a face “cara” e C a face “coroa”, e o conjunto dos números reais CDX = 0, 1, 2. Temos assim, X : (F, F), (F, C), (C, F), (C, C) 0, 1, 2. A variável aleatória X é uma variável discreta. Capítulo 4 – Variáveis aleatórias 4.1. Variáveis aleatórias 3 Capítulo 4 – Variáveis aleatórias 4.1. Variáveis aleatórias 4 Exemplo 4.2: Considerem-se as variáveis aleatórias X = altura Y = peso de um determinado grupo de pessoas. Estas variáveis podem assumir quaisquer valores num determinado intervalo. Classificaremos as variáveis X e Y como variáveis aleatórias contínuas. 28-03-2016 3 Capítulo 4 – Variáveis aleatórias 4.2. Função de probabilidade e função de distribuição de v.a´s unidimensionais 5 O facto de uma variável aleatória assumir um determinado valor x pode ser interpretado como um acontecimento: "a variável aleatória X assume o valor x“ do qual podemos determinar a respetiva probabilidade. Assim, a probabilidade de uma v.a. X assumir um valor concreto x é igual à probabilidade de realização do acontecimento A, cuja imagem dada por X é x, ou seja, 1 2 3 IR b Capítulo 4 – Variáveis aleatórias 4.2. Função de probabilidade e função de distribuição de v.a´s unidimensionais 6 Graficamente onde e X a 1 2P X Pa , 3P X Pb 28-03-2016 4 Exemplo 4.3: Relativamente à v.a. X = número de coroas observado, num lançamento de duas moedas definida no Exemplo 4.1, podem calcular-se as seguintes probabilidades, Capítulo 4 – Variáveis aleatórias 4.2. Função de probabilidade e função de distribuição de v.a´s unidimensionais 7 1P X 0 P , 4 F F F,C,C,FP1XP 4 1 P2XP C,C 2 1 4 2 Capítulo 4 – Variáveis aleatórias 4.2. Função de probabilidade e função de distribuição de v.a´s unidimensionais 8 Variáveis aleatórias discretas Considere-se o espaço de resultados de uma experiência aleatória e X uma variável aleatória discreta definida em . À função associada à variável aleatória X, designamos por função massa de probabilidade (f.m.p.) ou função de probabilidade da variável aleatória X. 28-03-2016 5 Capítulo 4 – Variáveis aleatórias 4.2. Função de probabilidade e função de distribuição de v.a´s unidimensionais 9 Variáveis aleatórias discretas Para a função massa de probabilidade f, de uma variável aleatória discreta X, tem-se: 1. 0 f (x) 1, x IR; 2. Qualquer função f com domínio IR e conjunto de chegada em 0, 1 pode servir como f.m.p. de uma v.a. discreta X se os seus valores satisfizerem as condições 1. e 2. definidas atrás. Capítulo 4 – Variáveis aleatórias 4.2. Função de probabilidade e função de distribuição de v.a´s unidimensionais 10 Variáveis aleatórias discretas Exemplo 4.4: Relativamente ao exemplo anterior, X = n.º de coroas observado, num lançamento de duas moedas a função massa de probabilidade da v.a. X será a função f tal que 28-03-2016 6 Variáveis aleatórias discretas Dada uma variável aleatória discreta X, chama-se função distribuição (f.d.) ou função de probabilidade acumulada à função De notar que para uma f.d. F de uma v.a. X, o limite à esquerda num ponto é dado por: que denotaremos por . Temos assim que, P(X < a) = . Capítulo 4 – Variáveis aleatórias 4.2. Função de probabilidade e função de distribuição de v.a´s unidimensionais 11 Capítulo 4 – Variáveis aleatórias 4.2. Função de probabilidade e função de distribuição de v.a´s unidimensionais 12 Variáveis aleatórias discretas Exemplo 4.5: Considere a seguinte função massa de probabilidade: a) Mostre que esta função satisfaz as propriedades de qualquer função massa de probabilidade e represente-a graficamente. b) Deduza a função de distribuição. c) Calcule . x x x xf de valoresoutros , 0 3 2, ,1 , 14 2 2X1XP 28-03-2016 7 Capítulo 4 – Variáveis aleatórias 4.2. Função de probabilidade e função de distribuição de v.a´s unidimensionais 13 Variáveis aleatórias discretas Teorema 4.1: Seja X uma variável aleatória discreta e F a sua função distribuição. Então, i. ii. iii. F é uma função não decrescente em IR. Capítulo 4 – Variáveis aleatórias 4.2. Função de probabilidade e função de distribuição de v.a´s unidimensionais 14 Variáveis aleatórias discretas Teorema 4.2: Sejam X uma variável aleatória discreta e F a sua função de distribuição. Então, i. ii. iii. iv. aFbFba XP P X a b F b F a P X a b F b F a P X a b F b F a 28-03-2016 8 Capítulo 4 – Variáveis aleatórias 4.2. Função de probabilidade e função de distribuição de v.a´s unidimensionais 15 Variáveis aleatórias discretas Teorema 4.3: Sejam X uma variável aleatória discreta e F a sua função distribuição. Então, F é uma função em escada definida em IR e tem, no máximo, uma infinidade numerável de pontos de descontinuidade à esquerda, que correspondem aos pontos onde a função massa de probabilidade é positiva. Capítulo 4 – Variáveis aleatórias 4.2. Função de probabilidade e função de distribuição de v.a´s unidimensionais 16 Variáveis aleatórias contínuas Uma função real f, não negativa, definida em IR e para a qual é convergente, diz-se uma função densidade de probabilidade (f.d.p.), ou apenas função densidade, de uma variável aleatória contínua X, quando = 1. xxf d xxf d 28-03-2016 9 Capítulo 4 – Variáveis aleatórias 4.2. Função de probabilidade e função de distribuição de v.a´s unidimensionais 17 Variáveis aleatórias contínuas A função f é tal que a probabilidade de a v.a. X se situar no intervalo compreendido entra a e b, é dada pela área sob a função densidade, entre os valores x = a e x = b, isto é, ba XP b a xxf d Capítulo 4 – Variáveis aleatórias 4.2. Função de probabilidade e função de distribuição de v.a´s unidimensionais 18 Variáveis aleatórias contínuas Observações: 1. , k CDX e assim sendo, a, b IR, 2. Nas v.a.'s discretas a probabilidade está "concentrada" em pontos dareta real enquanto que no caso das v.a.'s contínuas a probabilidade está "distribuída" de modo contínuo num intervalo da reta real. 3. O valor da f.d.p. num ponto, f (x), não é a P(X = x), como acontece nas v.a.'s discretas. O seu integral entre dois valores a e b define esse sim, uma probabilidade. kXP 0d k k xxf ba XP ba XP ba XP ba XP 28-03-2016 10 Capítulo 4 – Variáveis aleatórias 4.2. Função de probabilidade e função de distribuição de v.a´s unidimensionais 19 Variáveis aleatórias contínuas Sejam X uma variável aleatória contínua e f a sua função densidade de probabilidade. Chama-se função distribuição de probabilidade (f.d.) ou função de probabilidade acumulada à função admitindo a convergência do integral, para qualquer x IR. Capítulo 4 – Variáveis aleatórias 4.2. Função de probabilidade e função de distribuição de v.a´s unidimensionais 20 Variáveis aleatórias contínuas Teorema 4.4: Seja F a função distribuição de uma variável aleatória contínua X. Então, Teorema 4.5: Seja f a função densidade e F a função distribuição de uma variável aleatória contínua X. Se f é contínua em IR, com exceção de um número finito ou infinito numerável de pontos de descontinuidade de 1ª espécie (os limites laterais existem e são finitos) então F é derivável em qualquer ponto de continuidade x, de f e, nesse ponto xfxF 28-03-2016 11 Variáveis aleatórias contínuas Observação: A uma função distribuição podem estar associadas uma infinidade de funções densidade, todas elas diferentes entre si, apenas em um número finito ou infinito numerável de pontos. Teorema 4.6: Sendo F a função distribuição de uma variável aleatória contínua X, tem-se Capítulo 4 – Variáveis aleatórias 4.2. Função de probabilidade e função de distribuição de v.a´s unidimensionais 21 Capítulo 4 – Variáveis aleatórias 4.2. Função de probabilidade e função de distribuição de v.a´s unidimensionais 22 Variáveis aleatórias contínuas Exemplo 4.6: Considere a variável aleatória X cuja função densidade de probabili- dade é dada por: Calcule usando a) a função densidade de probabilidade. b) a função de distribuição. x xx xx xf de valoresoutros para , 0 21 , 2 10 , 2,1X8,0P 28-03-2016 12 Características Populacionais A características numéricas associadas à distribuição de uma variável aleatória dá-se o nome de parâmetros de distribuição. Entre os vários existentes destacam-se: Os parâmetros de localização: indicadores de como determinada característica de uma população se distribui ao longo do respetivo espaço de resultados. Exemplo: valor médio da v.a. X: E(X), μX ou simplesmente μ Os parâmetros de dispersão: medidas da variabilidade de determinada característica de uma população. Exemplos: variância da v.a. X: Var(X), 2X ou simplesmente 2, desvio padrão da v.a. X: X ou simplesmente . Capítulo 4 – Variáveis aleatórias 4.2. Função de probabilidade e função de distribuição de v.a´s unidimensionais 23 Características Populacionais Considere-se a v.a. X e CDX o seu contradomínio. Se X é uma v.a. discreta, com função massa de probabilidade f, o valor médio de X é definido por desde que a soma seja finita. Se X é uma v.a. contínua, com função densidade de probabilidade f, o valor médio é definido por desde que o integral seja convergente. Capítulo 4 – Variáveis aleatórias 4.2. Função de probabilidade e função de distribuição de v.a´s unidimensionais 24 28-03-2016 13 Características Populacionais Na definição anterior, se o somatório ou o integral não forem convergentes, isto é, caso não se tenha |E(X)|<+, dizemos que o valor médio não existe, ou que é infinito. Exemplo 4.7: Calcule o valor médio de X das v.a.´s definidas nos Exemplos 4.5 e 4.6. Exemplo 4.8: Calcule o valor médio de Y = 7X – 2, considerando a v.a X definida no Exemplo 4.5. Capítulo 4 – Variáveis aleatórias 4.2. Função de probabilidade e função de distribuição de v.a´s unidimensionais 25 Características Populacionais Teorema 4.7: Consideremos X uma v.a. discreta ou contínua e CDX o seu contradomínio. i. Se |E(X)|<+ e a e b são constantes reais, então E(aX+b) = aE(X)+b. ii. Seja g uma função real qualquer definida em IR. Se X é uma v.a. discreta, com f.m.p. f, então supondo a soma convergente. Se X é uma v.a. contínua, com f.d.p. f, então, supondo o integral convergente, Capítulo 4 – Variáveis aleatórias 4.2. Função de probabilidade e função de distribuição de v.a´s unidimensionais 26 28-03-2016 14 Características Populacionais Teorema 4.7: (continuação) iii. Sejam g1, g2, … , gn, funções quaisquer definidas em IR e X uma v.a. tal que |E(gi(X))|<+, i = 1, … , n, então, iv. Se X é uma v.a. não negativa, com função distribuição F, então, ou seja, se um dos membros da igualdade é finito o outro também o é e, nesse caso, são iguais. Capítulo 4 – Variáveis aleatórias 4.2. Função de probabilidade e função de distribuição de v.a´s unidimensionais 27 Características Populacionais Teorema 4.8: Sejam X1, X2, … , Xn v.a.'s, tais que |E(Xi)|<+, para i = 1, … , n. Então, Teorema 4.9: Sejam X1, X2, … , Xn v.a.'s independentes, tais que |E(Xi)|<+, para i = 1, … , n. Então, Capítulo 4 – Variáveis aleatórias 4.2. Função de probabilidade e função de distribuição de v.a´s unidimensionais 28 28-03-2016 15 Características Populacionais Sendo X uma v.a. com contradomínio CDX, a variância de X é definida por 2 = Var(X) = E[(X μ)2] = E[(X E(X))2] (4.1) caso exista o valor médio indicado. Chama-se desvio padrão da variável aleatória X, a Capítulo 4 – Variáveis aleatórias 4.2. Função de probabilidade e função de distribuição de v.a´s unidimensionais 29 XVar Características Populacionais Se X é uma v.a. discreta, com função massa de probabilidade f, a expressão (4.1) escreve-se desde que a soma seja finita. Se X é uma v.a. contínua, com função densidade de probabilidade f, a expressão (4.1) escreve-se desde que o integral seja convergente. Capítulo 4 – Variáveis aleatórias 4.2. Função de probabilidade e função de distribuição de v.a´s unidimensionais 30 28-03-2016 16 Características Populacionais Teorema 4.10: Seja X uma v.a. para a qual |E(X)|<+ e E(X2)<+. Então, i. Var(X) 0. ii. Var(X) = E(X2) (E(X))2. iii. Sendo a e b duas constantes reais, Var(aX+b) = a2Var(X). Teorema 4.11: Sejam X1, X2, … , Xn v.a.'s independentes, tais que |E(Xi)|<+, para i = 1, … , n. Então, Capítulo 4 – Variáveis aleatórias 4.2. Função de probabilidade e função de distribuição de v.a´s unidimensionais 31 Características Populacionais Exemplo 4.9: Calcule a variância de X das v.a.´s definidas nos nos Exemplos 4.5 e 4.6. Capítulo 4 – Variáveis aleatórias 4.2. Função de probabilidade e função de distribuição de v.a´s unidimensionais 32
Compartilhar