Baixe o app para aproveitar ainda mais
Prévia do material em texto
Variáveis Aleatórias Discretas Definição e Exemplos 1 / 20 Variável Aleatória Definição 1 Seja Ω um espaço amostral associado a um experimento aleatório E . Uma função X : Ω→ RX , RX ⊆ R, que associa a cada ponto amostral ω ∈ Ω um único número real X(ω) é denominada de variável aleatória. 2 / 20 Observações O conjunto RX dos posśıveis valores da variável aleatória (v.a.) X, pode ser con- siderado como um espaço amostral associado à v.a. X. Seja X : Ω→ RX uma v.a.. Seja B um evento definido em relação a RX , ou seja, B ⊂ RX , considere um evento A ⊂ Ω definido por A = {ω ∈ Ω;X(ω) ∈ B}. Neste caso, dizemos que A e B são eventos equivalentes. Dessa forma, PX(B) = P (A), onde PX denota a probabilidade induzida pela probabilidade calculada no espaço amostral Ω. 3 / 20 Exemplo 1 Considere o experimento aleatório E que consiste em jogar duas moedas honestas, com C simbolizando cara e R coroa. Seja X uma v.a. que representa o número de caras que aparecerem. Note que, Ω = {CC,CR,RC,RR} é o espaço amostral de E e RX = {0, 1, 2} é o espaço amostral associado à v.a. X. Como calcular probabilidades nesse “novo” espaço amostral RX? 4 / 20 Exemplo 1 Temos que P (X = 0) = P ({RR}) = 1/4, P (X = 1) = P ({CR,RC}) = 2/4, P (X = 2) = P ({CC}) = 1/4. 5 / 20 Variável Aleatória Discreta Definição 2 Uma variável aleatória X : Ω → RX é dita discreta se o conjunto RX dos posśıveis valores de X é finito ou infinito enumerável, de maneira que podemos listar todos os resultados como x1, x2, . . . , xi, . . . . Ilustração: A v.a. X do Exemplo 1 é discreta, pois RX = {0, 1, 2} é um conjunto finito. 6 / 20 Função de Probabilidade Definição 3 Seja X : Ω → RX uma v.a. discreta. A função p : RX → [0, 1] que associa a cada xi ∈ RX o número real p(xi) = P (X = xi), satisfazendo as condições (a) p(xi) ≥ 0,∀i e (b) ∞∑ i=1 p(xi) = 1, é chamada de função de probabilidade (f.p.) da v.a. X. Definição 4 A coleção de pares ordenados do tipo (xi, p(xi)) para todo i = 1, 2, 3, . . . é denominada de distribuição de probabilidade da v.a. X. 7 / 20 Exemplo 2 Seja X uma v.a. que representa o número de caras que aparecem no lançamento de duas moedas honestas (ver Exemplo 1). Obtenha a função de probabilidade (f.p) da v.a. X. Temos que RX = {0, 1, 2}, p(0) = P (X = 0) = P ({RR}) = 1/4, p(1) = P (X = 1) = P ({CR,RC}) = 2/4 = 1/2, p(2) = P (X = 2) = P ({CC}) = 1/4. Logo, a f.p. da v.a. X é X = xi 0 1 2 p(xi) = P (X = xi) 1/4 1/2 1/4 8 / 20 Exemplo 3 Considere uma v.a. X cuja função de probabilidade p(xi) é dada por: p(xi) = P (X = xi) = 1 2xi , xi = 1, 2, 3, . . . Calcule: (a) P (X < 3). (b) P (X ≤ 3). (c) P (X > 3). (d) P (X ser par). (e) P (X ≥ 3 | X é par). 9 / 20 Exemplo 3(a): Solução. Podemos exibir a f.p. da v.a. X da seguinte maneira: X = xi 1 2 3 4 5 6 7 · · · p(xi) = P (X = xi) 1/2 1/4 1/8 1/16 1/32 1/64 1/128 · · · (a) Temos que P (X < 3) = P (X = 1 ou X = 2) = P (X = 1) + P (X = 2) = p(1) + p(2) = 1/2 + 1/4 = 3/4 = 0, 75. 10 / 20 Exemplo 3(b): Solução. Podemos exibir a f.p. da v.a. X da seguinte maneira: X = xi 1 2 3 4 5 6 7 · · · p(xi) = P (X = xi) 1/2 1/4 1/8 1/16 1/32 1/64 1/128 · · · (b) Temos que P (X ≤ 3) = P (X = 1) + P (X = 2) + P (X = 3) = p(1) + p(2) + p(3) = 1/2 + 1/4 + 1/8 = 7/8 ' 0, 88. 11 / 20 Exemplo 3(c): Solução. Podemos exibir a f.p. da v.a. X da seguinte maneira: X = xi 1 2 3 4 5 6 7 · · · p(xi) = P (X = xi) 1/2 1/4 1/8 1/16 1/32 1/64 1/128 · · · (c) Temos que P (X > 3) = 1− P (X ≤ 3) = 1− [ p(1) + p(2) + p(3) ] = 1− 7/8 = 1/8 ' 0, 12. 12 / 20 Exemplo 3(d): Solução. Podemos exibir a f.p. da v.a. X da seguinte maneira: X = xi 1 2 3 4 5 6 7 · · · p(xi) = P (X = xi) 1/2 1/4 1/8 1/16 1/32 1/64 1/128 · · · (d) Temos que P (X ser par) = p(2) + p(4) + p(6) + · · · = 1/4 + 1/16 + 1/64 + · · · = 1/4 1− 1/4 = 1/4 3/4 = 1/3 ' 0, 33. 13 / 20 Exemplo 3(e): Solução. Podemos exibir a f.p. da v.a. X da seguinte maneira: X = xi 1 2 3 4 5 6 7 · · · p(xi) = P (X = xi) 1/2 1/4 1/8 1/16 1/32 1/64 1/128 · · · (e) Temos que P (X ≥ 3 | X é par) = P (X ≥ 3 e X é par) P (X é par) = p(4) + p(6) + · · · p(2) + p(4) + p(6) + · · · = 1/16 + 1/64 + · · · 1/4 + 1/16 + 1/64 + · · · = (1/16)/(1− 1/4) (1/4)/(1− 1/4) = 1/12 1/3 = 1/4 ' 0, 25. 14 / 20 Exemplo 4 Um determinado vendedor pode visitar, em um dia, 1 ou 2 clientes, com probabilidades iguais a 1/4 e 3/4, respectivamente. De cada contato, pode resultar a venda de um produto por R$ 1500,00 (com probabilidade 1/5) ou nenhuma venda (com probabilidade 4/5). Seja X uma variável aleatória que indica o valor total, em reais, de vendas diárias desse vendedor. (a) Quais os valores posśıveis da v.a. X? (b) Obtenha a função de probabilidade da v.a. X. (c) Calcule a probabilidade do valor total de vendas diárias desse vende- dor ser no ḿınimo R$ 1500,00. 15 / 20 Exemplo 4(a): Solução. C1 C2 V1 V c1 V1 V c1 V2 V c2 V2 V c2 X = 1500 X = 0 X = 3000 X = 1500 X = 1500 X = 0 1/4 3/4 1/5 4/5 1/5 4/5 1/5 4/5 1/5 4/5 Considere os seguintes eventos: Ci: o vendedor visitar i clientes num determinado dia, i = 1, 2. Vk: o vendedor conseguir vender o pro- duto para o k-ésimo cliente, k = 1, 2. (a) Quais os valores posśıveis da v.a. X? Temos que: RX = {0, 1500, 3000}. (b) Obtenha a f.p. da v.a. X. 16 / 20 Exemplo 4(b): Solução. C1 C2 V1 V c1 V1 V c1 V2 V c2 V2 V c2 X = 1500 X = 0 X = 3000 X = 1500 X = 1500 X = 0 1/4 3/4 1/5 4/5 1/5 4/5 1/5 4/5 1/5 4/5 p(0) = P (C1 ∩ V c1 ) + P (C2 ∩ V c1 ∩ V c2 ) = 1 4 · 4 5 + 3 4 · 4 5 · 4 5 = 0, 68; p(1500) = P (C1 ∩ V1) + P (C2 ∩ V1 ∩ V c2 ) + P (C2 ∩ V c1 ∩ V2) = 1 4 · 1 5 + 3 4 · 1 5 · 4 5 + 3 4 · 4 5 · 1 5 = 0, 29; p(3000) = P (C2 ∩ V1 ∩ V2) = 3 4 · 1 5 · 1 5 = 0, 03. 17 / 20 Exemplo 4(b): Solução. C1 C2 V1 V c1 V1 V c1 V2 V c2 V2 V c2 X = 1500 X = 0 X = 3000 X = 1500 X = 1500 X = 0 1/4 3/4 1/5 4/5 1/5 4/5 1/5 4/5 1/5 4/5 Portanto, a função de probabilidade (f.p.) da v.a. X é: X = xi 0 1500 3000 p(xi) = P (X = xi) 0,68 0,29 0,03 18 / 20 Exemplo 4(c): Solução. (c) Calcule a probabilidade do valor total de vendas diárias desse vendedor ser no ḿınimo R$ 1500,00. Observando a f.p. da v.a. X, temos que: X = xi 0 1500 3000 p(xi) = P (X = xi) 0,68 0,29 0,03 P (X ≥ 1500) = P (X = 1500) + P (X = 3000) = 0, 29 + 0, 03 = 0, 32. 19 / 20 Bibliografia Estat́ıstica Básica (7ª edição). Wilton O. Bussab e Pedro A. Morettin (2011). Editora Saraiva. Noções de Probabilidade e Estat́ıstica (4ª edição). Marcos N. Magalhães e Antonio C. P. de Lima. (2002). Edusp. Probabilidade, Aplicações à Estat́ıstica (2ª edição). Paul L. Meyer (1995). LTC. Cora Coralina O que vale na vida não é o ponto de partida e sim a caminhada. Caminhando e semeando, no fim terás o que colher. 20 / 20
Compartilhar