Baixe o app para aproveitar ainda mais
Prévia do material em texto
Probabilidade Esperança e Variância de VAs Discretas Probabilidade Esperança Inicialmente, vamos considerar uma v.a. discreta X cujos possíveis valores são x1, x2, . . . xn. Suponha que possamos observar a realização dessa v.a. um certo número m de vezes. Seja mi o número de vezes, dentre as m realizações, em que ocorre o valor xi, i = 1, . . . , n. Obviamente, m = ∑n i mi. Se quiséssemos calcular a média dos valores observados nas m realizações, faríamos m1 vezes︷ ︸︸ ︷ x1 + x1 + . . .+ x1 + m2 vezes︷ ︸︸ ︷ x2 + x2 + . . .+ x2 + . . .+ mn vezes︷ ︸︸ ︷ xn + xn + . . .+ xn m Probabilidade Esperança Inicialmente, vamos considerar uma v.a. discreta X cujos possíveis valores são x1, x2, . . . xn. Suponha que possamos observar a realização dessa v.a. um certo número m de vezes. Seja mi o número de vezes, dentre as m realizações, em que ocorre o valor xi, i = 1, . . . , n. Obviamente, m = ∑n i mi. Se quiséssemos calcular a média dos valores observados nas m realizações, faríamos m1 vezes︷ ︸︸ ︷ x1 + x1 + . . .+ x1 + m2 vezes︷ ︸︸ ︷ x2 + x2 + . . .+ x2 + . . .+ mn vezes︷ ︸︸ ︷ xn + xn + . . .+ xn m Probabilidade Esperança Inicialmente, vamos considerar uma v.a. discreta X cujos possíveis valores são x1, x2, . . . xn. Suponha que possamos observar a realização dessa v.a. um certo número m de vezes. Seja mi o número de vezes, dentre as m realizações, em que ocorre o valor xi, i = 1, . . . , n. Obviamente, m = ∑n i mi. Se quiséssemos calcular a média dos valores observados nas m realizações, faríamos m1 vezes︷ ︸︸ ︷ x1 + x1 + . . .+ x1 + m2 vezes︷ ︸︸ ︷ x2 + x2 + . . .+ x2 + . . .+ mn vezes︷ ︸︸ ︷ xn + xn + . . .+ xn m Probabilidade Esperança m1 vezes︷ ︸︸ ︷ x1 + x1 + . . .+ x1 + m2 vezes︷ ︸︸ ︷ x2 + x2 + . . .+ x2 + . . .+ mn vezes︷ ︸︸ ︷ xn + xn + . . .+ xn m m1x1 + m2x2 + . . .+ mnxn m m1 m x1 + m2 m x2 + . . .+ mn m xn limm→∞ (L.G.N) ⇒ P(X = x1)x1 + P(X = x2)x2 + . . .+ P(X = xn)xn Probabilidade Esperança m1 vezes︷ ︸︸ ︷ x1 + x1 + . . .+ x1 + m2 vezes︷ ︸︸ ︷ x2 + x2 + . . .+ x2 + . . .+ mn vezes︷ ︸︸ ︷ xn + xn + . . .+ xn m m1x1 + m2x2 + . . .+ mnxn m m1 m x1 + m2 m x2 + . . .+ mn m xn limm→∞ (L.G.N) ⇒ P(X = x1)x1 + P(X = x2)x2 + . . .+ P(X = xn)xn Probabilidade Esperança Def: Seja X uma v.a. discreta cujos possíveis valores são x1, x2, x3, . . .. A esperança (ou média, valor esperado, expectância) de X, denotada por E(X) é definida como E(X) = ∑ i xiP(X = xi) Probabilidade Esperança Ex. Considere X a v.a. que representa o número de caras em três lançamentos de uma moeda equilibrada. Calcule E(X). Como vimos, a distribuição de probabilidade da v.a. X é dada por xi 0 1 2 3 P(X = xi) 1/8 3/8 3/8 1/8 ⇒ E(X) = 0P(X = 0) + 1P(X = 1) + 2P(X = 2) + 3P(X = 3) E(X) = 0× 1/8 + 1× 3/8 + 2× 3/8 + 3× 1/8 = 1, 5 Probabilidade Esperança Ex. Considere X a v.a. que representa o número de caras em três lançamentos de uma moeda equilibrada. Calcule E(X). Como vimos, a distribuição de probabilidade da v.a. X é dada por xi 0 1 2 3 P(X = xi) 1/8 3/8 3/8 1/8 ⇒ E(X) = 0P(X = 0) + 1P(X = 1) + 2P(X = 2) + 3P(X = 3) E(X) = 0× 1/8 + 1× 3/8 + 2× 3/8 + 3× 1/8 = 1, 5 Probabilidade Esperança Ex. Um jogo consiste em lançar três moedas equilibradas. Para jogar, o jogador paga R$3, ao passo que ele ganha R$2 para cada cara e paga R$1 para cada coroa. Qual é o lucro esperado pelo jogador? Vamos considerar X a v.a. que representa o número de caras nos três lançamentos e L a que representa o lucro do jogador, dada por L = −3 + 2X − (3− X) = 3X − 6 xi 0 1 2 3 P(X = xi) 1/8 3/8 3/8 1/8 li -6 -3 0 3 E(L) = −6× 1/8− 3× 3/8 + 0× 3/8 + 3× 1/8 = −1, 5 Probabilidade Esperança Ex. Um jogo consiste em lançar três moedas equilibradas. Para jogar, o jogador paga R$3, ao passo que ele ganha R$2 para cada cara e paga R$1 para cada coroa. Qual é o lucro esperado pelo jogador? Vamos considerar X a v.a. que representa o número de caras nos três lançamentos e L a que representa o lucro do jogador, dada por L = −3 + 2X − (3− X) = 3X − 6 xi 0 1 2 3 P(X = xi) 1/8 3/8 3/8 1/8 li -6 -3 0 3 E(L) = −6× 1/8− 3× 3/8 + 0× 3/8 + 3× 1/8 = −1, 5 Probabilidade Esperança Ex. Um jogo consiste em lançar três moedas equilibradas. Para jogar, o jogador paga R$3, ao passo que ele ganha R$2 para cada cara e paga R$1 para cada coroa. Qual é o lucro esperado pelo jogador? Vamos considerar X a v.a. que representa o número de caras nos três lançamentos e L a que representa o lucro do jogador, dada por L = −3 + 2X − (3− X) = 3X − 6 xi 0 1 2 3 P(X = xi) 1/8 3/8 3/8 1/8 li -6 -3 0 3 E(L) = −6× 1/8− 3× 3/8 + 0× 3/8 + 3× 1/8 = −1, 5 Probabilidade Esperança Ex. Um jogo consiste em lançar três moedas equilibradas. Para jogar, o jogador paga R$3, ao passo que ele ganha R$2 para cada cara e paga R$1 para cada coroa. Qual é o lucro esperado pelo jogador? Vamos considerar X a v.a. que representa o número de caras nos três lançamentos e L a que representa o lucro do jogador, dada por L = −3 + 2X − (3− X) = 3X − 6 xi 0 1 2 3 P(X = xi) 1/8 3/8 3/8 1/8 li -6 -3 0 3 E(L) = −6× 1/8− 3× 3/8 + 0× 3/8 + 3× 1/8 = −1, 5 Probabilidade Esperança Propriedades da Esperança Sejam a, b e c constantes, g uma função e X e Y v.a’s. Então 1 Se X = c, então E(X) = c 2 E(X + Y) = E(X) + E(Y) 3 E(g(X)) = ∑ i g(xi)P(X = xi) 4 E(aX + b) = aE(X) + b Probabilidade Esperança 1. E(c) = c Dem. Se X = c é constante, então P(X = c) = 1 e, portanto, E(X) = 1× c = c � Probabilidade Esperança 2. E(X + Y) = E(X) + E(Y) Dem. pendente. Probabilidade Esperança 3. E(g(X)) = ∑ i g(xi)P(X = xi) Dem. Sejam yj os diferentes valores assumidos por g(xi). Vamos agrupar os g(xi) que têm os mesmos valores:∑ i g(xi)P(X = xi) = ∑ j ∑ i:g(xi)=yj g(xi)P(X = xi) = ∑ j ∑ i:g(xi)=yj yjP(X = xi) = ∑ j yj ∑ i:g(xi)=yj P(X = xi) = ∑ j yjP(g(X) = yj) = E(g(X)) Probabilidade Esperança 4. E(aX + b) = aE(X) + b Dem. E(aX + b) = ∑ i(axi + b)P(X = xi) = ∑ i axiP(X = xi) + ∑ i bP(X = xi) = a ∑ i xiP(X = xi) + b ∑ i P(X = xi) = aE(X) + b Probabilidade Esperança Ex. Voltando ao exemplo em que X representa o número de caras em três lançamentos de uma moeda equilibrada e L = 3X − 6. Vimos que E(X) = 1, 5. Então E(L) = E(3X − 6) = E(3X)− E(6) = 3E(X)− 6 = 3× 1, 5− 6 = −1, 5 Probabilidade Esperança Ex. Voltando ao exemplo em que X representa o número de caras em três lançamentos de uma moeda equilibrada e L = 3X − 6. Vimos que E(X) = 1, 5. Então E(L) = E(3X − 6) = E(3X)− E(6) = 3E(X)− 6 = 3× 1, 5− 6 = −1, 5 Probabilidade Esperança Ex. Se X é a v.a. que representa o número de caras em três lançamentos de uma moeda equilibrada, calcule E(X2). Vamos considerar g(X) = X2. Então E(X2) = E(g(X)) = ∑ i g(xi)P(X = xi) = ∑ i x 2 i P(X = xi) em que xi = 0, 1, 2, 3. Ou seja, E(X2) = 02P(X = 0) + 12P(X = 1) + 22P(X = 2) + 32P(X = 3) = 3/8 + 12/8 + 9/8 = 24/8 = 3 Note que, em geral, E(X2) 6= [E(X)]2. Probabilidade Esperança Ex. Se X é a v.a. que representa o número de caras em três lançamentos de uma moeda equilibrada, calcule E(X2). Vamos considerar g(X) = X2. Então E(X2) = E(g(X)) = ∑ i g(xi)P(X = xi) = ∑ i x 2 i P(X = xi) em que xi = 0, 1, 2, 3. Ou seja, E(X2) = 02P(X = 0) + 12P(X = 1) + 22P(X = 2) + 32P(X = 3) = 3/8 + 12/8 + 9/8 = 24/8 = 3 Note que, em geral, E(X2) 6= [E(X)]2. Probabilidade Esperança Ex. Se X é a v.a. que representa o número de caras em três lançamentos de uma moeda equilibrada, calcule E(X2). Vamos considerar g(X) = X2. Então E(X2) = E(g(X)) = ∑ i g(xi)P(X = xi) = ∑ i x 2 i P(X = xi) em que xi = 0, 1, 2, 3. Ou seja, E(X2) = 02P(X = 0) + 12P(X = 1) + 22P(X = 2) + 32P(X = 3) = 3/8 + 12/8 + 9/8 = 24/8 = 3 Note que, em geral, E(X2) 6= [E(X)]2. Probabilidade Variância A esperança de uma variável aleatória é uma medida de centralidade, isto é, ela é um valor em torno do qual a variável aleatória ocorre. Porém, a esperança por si só pode ser uma informação relativamente pobre. Para se ter uma ideia melhor sobre o comportamento probabilísticoda v.a., seria interessante ter alguma informação sobre a variabilidade dos valores admitidos pela v.a. Probabilidade Variância Por exemplo, suponha que na turma A todos os alunos obtiveram nota 5 na prova, enquanto na turma B metade dos alunos tiraram 10 e a outra metade 0. É fácil constatar que a nota média em ambas as turmas é igual (5). Porém, as notas da turma A não apresentam variabilidade nenhuma, ao passo que cada nota da turma B está a uma distância razoável da média. A variância de uma v.a. expressa exatamente essa variabilidade. A ideia é calcular a distância média dos valores assumidos pela v.a, levando-se em conta suas probabilidades. Probabilidade Variância Def: A variância de uma v.a. X é definida como Var(X) = E[(X − E(X))2]. Def: O desvio-padrão de uma v.a. X é definido como √ Var(X). Nota: É comum o uso da letra grega σ para designar o desvio-padrão, e de σ2 para a variância. Probabilidade Variância Da definição de variância temos Var(X) = E[(X − E(X))2] = E[X2 − 2XE(X) + (E(X))2] = E(X2)− E(2XE(X)) + E((E(X))2) = E(X2)− 2(E(X))2 + (E(X))2 = E(X2)− (E(X))2 Probabilidade Variância Nota: E(Xk) é chamado de “k-ésimo momento” da v.a. X. Assim, a variância é a diferença entre o segundo momento e o quadrado do primeiro momento. Var(X) = E(X2)− (E(X))2 Probabilidade Variância Ex. Para a v.a. X que representa o número de caras em três lançamentos de uma moeda equilibrada, calcaule Var(X). Já vimos que E(X) = 1, 5 e que E(X2) = 3. Assim, Var(X) = 3− (1, 5)2 = 0, 75. Logo, o desvio-padrão de X é dado por √ 0, 75 ≈ 0, 87. Probabilidade Variância Ex. Para a v.a. X que representa o número de caras em três lançamentos de uma moeda equilibrada, calcaule Var(X). Já vimos que E(X) = 1, 5 e que E(X2) = 3. Assim, Var(X) = 3− (1, 5)2 = 0, 75. Logo, o desvio-padrão de X é dado por √ 0, 75 ≈ 0, 87. Probabilidade Variância Propriedades da Variância Sejam X uma v.a., e a e b constantes. Então: 1 Var(X) ≥ 0, sendo que Var(X) = 0 sse X é constante. 2 Var(aX) = a2Var(X) 3 Var(X + b) = Var(X) Corolário: Var(aX + b) = a2Var(X) Probabilidade Variância 1. Var(X) ≥ 0, sendo que Var(X) = 0 sse X é constante. Dem. Da definição de variância, temos Var(X) = E[(X − E(X))2] = ∑ i(xi − E(X))2P(X = xi). Como (xi − E(X))2 ≥ 0 e P(X = xi) ≥ 0 para todo i, a expressão não pode ser negativa, e só será igual a 0 se xi = E(X) para todo i. Probabilidade Variância 2. Var(aX) = a2Var(X) Dem. Var(aX) = E((aX)2)− (E(aX))2 = E(a2X2)− (aE(X))2 = a2E(X2)− a2(E(X))2 = a2[E(X2)− (E(X))2] = a2Var(X) Probabilidade Variância 3. Var(X + b) = Var(X) Dem. Var(X + b) = E((X + b)2)− (E(X + b))2 = E(X2 + 2bX + b2)− (E(X) + b)2 = E(X2) + 2bE(X) + b2 − [(E(X))2 + 2bE(X) + b2] = E(X2)− (E(X))2 = Var(X) Probabilidade Variância Ex. Para o exemplo do jogo de três lançamentos de uma moeda equilibrada, o lucro era dado por L = 3X − 6, em que X representa o número de caras. Assim, Var(L) = 9Var(X) = 9× 0, 75 = 6, 75. De fato, já vimos que E(L) = −1, 5. Além disso, E(L2) = (−6)2 × 18 + (−3) 2 × 38 + 0 2 × 38 + 3 2 × 18 = 72 8 = 9 Logo, Var(L) = 9− (−1, 5)2 = 6, 75. Probabilidade
Compartilhar