Resumo Elementos de Probabilidades e Estatstica

Captulo 1 Dados Estatsticos

1.2
Amostra, Populao
Coleco de Dados : conjunto de observaes de certo(s) atributo(s), qualquer que seja a
forma como foram recolhidas
Categorias Bsicas de Dados :
a) Dados temporais : dados cujas observaes se referem a uma mesma entidade, para
vrios momentos ou periodos de tempo ; caracterizados essencialmente pela sua
ordem cronolgica ; a frequncia temporal das observaes outro aspecto
importante ; descrio da evoluo no tempo srie temporal / cronograma ;
b) Dados seccionais : dados cujas observaes se referem a determinadas entidades
(unidades estatsticas) em certo momento ou periodo de tempo ; a caracterstica
fundamental que a ordem das observaes irrelevante ;
c) Dados seccionais combinados : dados com aspectos seccionais e temporais ; conjunto
de dados seccionais, cada um referente a certa data ; comparao de comportamentos
entre as datas ;
d) Dados de painel : conjunto fixo de entidades observadas em vrias datas ;
caracterstica essencial o conjunto de entidades a observar sempre o mesmo para
todas as observaes temporais (dificulta a obteno) / vrias observaes temporais
para a mesma entidade
Populao : conjunto dos elementos cujos atributos so objecto de um determinado
estudo
conjuntos fundamentais para efectuar anlises estatsticas
Unidade Estatstica : facto ou entidade elementar que objecto de observao, qualquer
que seja a sua natureza
Censo / Indagao Completa : anlise de todos os elementos de uma populao
Amostra : subconjunto finito de uma populao sobre o qual incide o estudo dos atributos
da populao (conjunto de unidades estatsticas)
Processo de Amostragem : forma de seleco de uma amostra a partir da populao ;
determinante para a qualidade das inferncias ; geralmente aleatrio
Tipos de Atributos :
1) Atributos Quantitativos : os seus valores determinam as suas intensidades
2) Atributos Qualitativos :
a) Representao em Escalas Nominais : atribuio dos valores no tem qualquer
significado (ex: mulher = 0 ; homem = 1)
b) Representao em Escalas Ordinais : numerao deve respeitar a ordem das
vrias modalidades (ex: graus de especializao de 1 a 5)
Varivel e Dimenso : O valor nmerico de um atributo representado por uma varivel

. Se a amostra observada tem dimenso  (ou seja,  elementos), tem-se
 ,
 , ,

onde
 ( = 1,2, , ) o valor do atributo da -sima observao.
Tipos de Variveis :
a) Variveis Discretas : variveis que podem tomar somente um nmero finito ou uma
infinidade numervel de valores (ex: contagens, escalas nominais/ordinais, etc)
b) Variveis Contnuas : variveis que podem tomar qualquer valor dentro de um
intervalo de nmeros reais (ex: altura, peso, taxas de juro, etc)

Resumo Elementos de Probabilidades e Estatstica

1/30

Joo Marques

1.3
Grfico caule-e-folhas
Grfico caule-e-folhas : mtodo semigrfico usado quando a amostra pequena ; permite
que o observador se torne mais sensvel ao aspecto global dos dados e comece a explorar
a existncia de padres
Construo/Elementos dos grficos caule-e-folhas :
 Nmero de folhas : nmero de dgitos dominados de cada dgito dominante
 Caule : dgitos dominantes
 Folhas : dgitos dominados
  : nmero total de folhas (dimenso da amostra)
 unidade : primeiro dgito dominado
Excepes :
 Caules com demasiadas folhas : 12 + e 12 / dgito dominado : 0 , , , , 0 , 1 ,
 Valores anormalmente pequenos/grandes : novas linhas rotuladas com Pe e Gr
Nmero de linhas de um grfico caule-e-folhas : parte inteira de 2
Propriedades que se podem identificar graas construo de grficos caule-e-folhas :
a) Existncia de valores em torno dos quais se concentram os restantes
b) Maior ou menor disperso dos valores
c) Simetrias ou assimetrias
d) Presena de valores extremos (pequenos e grandes)

1.4
Distribuies de Frequncias, Histogramas
Frequncia Absoluta : nmero de vezes que um valor de
observado ; notao:  ;
propriedade :   = 

Frequncia Relativa :  =




; propriedade :   = 1

Varivel  contnua
classes de valores :

os intervalos de classe no tm pontos em comum :  " = , $ &
o domnio ' da varivel deve ser igual unio de todos os intervalos : ' = ()
* 
os intervalos devem ser abertos esquerda e fechados direita :  = +,- , , +
a amplitude deve ser constante :  = , ,- ($ = 1,2, , /)
Representao grfica de distribuies de frequncias de variveis discretas : diagramas
de barras
Representao grfica de distribuies de frequncias de variveis contnuas :
 diagrama de reas / histograma, formado por uma sucesso de rectngulos adjacentes
 reas dos rectngulos = resp. frequncias relativas
 Intervalos de classe com amplitude constante :
base do rectngulo : = 1
altura do rectngulo :  ou 
 Intervalos de classe com amplitudes diferentes :
base do rectngulo :  = , ,-

altura do rectngulo : 21 ou 2


1.5
Caractersticas Numricas : Mdia e Desvio-Padro
4 54 5548

Mdia :
3 = 1 6
=  *

(medida de localizao)

Ponto mdio de uma classe :
9 = ,- +   =

:;1 5:


 )

9
 *  

9
Mdia (de dados agrupados em classes) :
3 =
= )
* 

Propriedade da Mdia : A soma dos desvios em relao mdia nula. *(

3 ) = 0

Resumo Elementos de Probabilidades e Estatstica

2/30

Joo Marques

Moda (< ) : valor com maior frequncia

Classe modal : classe com maior frequncia

Varincia :   =  *(

3 )
(medida de disperso)

Varincia corrigida (quando a amostra tem dimenso pequena) :  9 =





 (

- * 

3 )


 (

3 )
- * 



9
Varincia (para dados classificados) :   = )
 >
9
3 ? = )
*  >

3 ?
 *  




9
)  >
9
3 ? = )
Varincia corrigida (para dad. class.) :  9 =
* -  >

3 ?
- *  


Varincia (forma simplicifada) :   = *(

3 ) = *(
  )
3 




Desvio-absoluto mdio : @ = *|

3 | ou @ = )
 B
9
3 B

 *  
E
Coeficiente de Variao : CD = 43 ; observaes com sinal positivo / independente da

Desvio-Padro :  =   = = *(

3 ) ou  9 = =

unidade em que se exprime a varivel / permite comparao entre distribuies

1.6
Caractersticas Numricas : Estatsticas da Ordem

() = /(
 )
Extremos :
;

() = /F
(
 )
Mediana : valor da coleco que tem 50% de observaes inferiores e 50% de

("5)
K  = 2& + 1
N
observaes superiores ;
I = J 4(L)54(LM1)
K

=
2&

Quantil de ordem O : valor da coleco que tem P observaes inferiores e (1 P)
observaes superiores ; calcula-se a ordem: Q = 1 + ( 1)P ;
se Q , TU =
(V)
se Q , TU =
(V) + X>
(V5)
(V) ? = (1 X)
(V) + X
(V5) , onde 0 X < 1
Quartis :
Quartis
Ordem aproximada
Q a parte inteira
X a parte fraccionria
+3
1 quartil : [
4
+1
Mediana : I
2
3 + 1
3 quartil : [^
4

Amplitude do Intervalo de Variao : ' D =
()
() (medida de disperso absoluta)

Amplitude do Intervalo de Interquartis : ' [ = [^ [ (medida de disperso absoluta)
_`a
Uma medida de disperso relativa (qdo todas as obs. tm o mesmo sinal) : b
Resumo dos 5 nmeros : mnimo, 1 quartil, mediana, 3 quartil, mximo
 Grfico : caixa-de-bigodes
caixa formada por 1 e 3 quartis
mediana atravessa a caixa
bigodes mnimo e mximo
caixa contm 50% das observaes
Estimativa da estatstica de ordem (c) de :

,- : limite inferior da classe  ;

-
: frequncia absoluta acumulada at classe
 : amplitude da classe  ;
 : frequncia absoluta da classe  ;

Resumo Elementos de Probabilidades e Estatstica

3/30

 2

f() = ,- + g> -

? h  , onde:

- : 

+  + + - ;

Joo Marques

Estimativa do quantil iO de :

U-0;1

TU = ,- +

Amplitude dos intervalos de classe : =

_`a
k

0

Principais medidas de localizao e de disperso :

Medidas
l m no p. < rds rds/<

Localizao

Disperso absoluta

Disperso relativa

Atributo quantitativo

Atributo qualitativo nominal

Atributo qualitativo ordinal

1.7
Outliers
Outlier Severo :
 um outlier severo quando

 < [ 3([^ [ )

 > [^ + 3([^ [ )

ou
Outlier Moderado :
 um outlier moderado quando
[ 3([^ [ ) <
 < [ 1,5([^ [ )
ou
[^ + 1,5([^ [ ) <
 < [^ + 3([^ [ )
Barreira externa inferior : [ 3([^ [ )
Barreira externa superior : [^ + 3([^ [ )
Barreira interna inferior : [ 1,5([^ [ )
Barreira interna exterior : [^ + 1,5([^ [ )
Caixa-de-bigodes (modificada) :
bigodes : barreiras internas superior e inferior
outliers moderados/severos
representados por smbolos grficos diferentes (, )

1.8
Correlao


Covarincia : 4x =  *(

3 )(y yz) ou 4x =  *(
 y )
3 yz

Coeficiente de correlao de Pearson : Q = E {|

=
E
{ |

8
z)
}~1(4} -43 )(x} -x

8
6
z)6
=8
}~1(4} -43 ) =}~1(x} -x

1 Q 1
CC mede o grau de associao linear
sinal correlao positiva ou negativa
valor absoluto intensidade da associao linear
CC prximo de 1
dados dispostos essencialmente nos 1 e 3 quadrantes (linear)
CC prximo de 1
dados dispostos essencialmente nos 2 e 4 quadrantes (linear)
Coeficiente de correlao de Spearman : Substitui-se cada par (
 , y ) substitudo pelo
par Q@(
 ), Q@(y ), onde Q@(
 ) representa a ordem de
 na coleco. Calcula-se o
coeficiente de correlao com a frmula habitual.
mesmos valores mdia das ordens
outliers podem influenciar CC retirar outliers

Resumo Elementos de Probabilidades e Estatstica

4/30

Joo Marques

Captulo 2 Probabilidades
2.1
Introduo
Experincia aleatria : Diz-se que uma experincia aleatria se apresentar as seguintes
caractersticas:
a) O conjunto dos resultado possveis fixado antecipadamente;
b) O resultado da experincia nunca pode ser previsto de forma exacta, mesmo que se
desenvolvam todos os esforos para manter sob controlo as circunstncias relevantes
para o resultado.
2.2
Espao de resultados / Acontecimentos
Espao de resultados ou Espao-amostra () : conjunto fundamental (no vazio) formado
por todos os resultados que hipoteticamente possvel obter quando se efectua uma
determinada experincia aleatria
Acontecimento : subconjunto do espao
Acontecimentos elementares : subconjuntos formados por um s elemento
Realizao de um acontecimento : Ao efectuar a experincia aleatria associada com ,
diz-se que o acontecimento ' se realiza, se o resultado da experincia um ponto
que pertence a ': '
lgebra dos acontecimentos :
 Implicao de acontecimentos : (' ) < = > (
' = >
)
 Identidade de acontecimentos : (' = ) < = > (
' < = >
)
 Unio de acontecimentos : ' =
:
'
(' = ' ; ' = )
 Interseco de acontecimentos : ' =
:
'
(' = ; ' = ')
 Acontecimentos incompatveis / mutuamente exclusivos : ' e so incompatveis sse
a realizao de um implica a no realizao do outro (acontecimentos disjuntos)
 Acontecimento impossvel : (exemplo : ' e so incompatveis sse ' = )
 Acontecimento certo : (para qualquer da experincia aleatria tm-se )
 Diferena de acontecimentos : ' = ' z =
:
'

 Acontecimento contrrio/complementar : '3 =
:
' (' '3 = ; ' '3 = ; '3 = ')
Propriedades das operaes definidas sobre acontecimentos :
1) Associatividade : ' ( C) = (' ) C ; ' ( C) = (' ) C
2) Comutatividade : ' = ' ; ' = '
3) Distributividade : ' ( C) = (' ) (' C) ; ' ( C) = (' ) (' C)
4) Leis de Morgan : zzzzzzz
' = '3 z ; zzzzzzz
' = '3 z
Operaes sobre infinidades numerveis de acontecimentos :
1) Unio numervel : (5
* '
2) Interseco numervel : 5
* '

2.3
Medida de Probabilidade. Axiomtica de Kolmogorov
Medida de probabilidade : funo que a cada acontecimento ', ' , faz
corresponder um nmero real, ('), probabilidade do acontecimento ', que verifica os 3
axiomas seguintes :
P1) (') 0
P2) () = 1
P3) Se ' e forem acont. incompatveis, ' = , ento (' ) = (') + ()
P3*) Se ' , ' , '^ , , ' , forem acontecimentos em nmero finito numervel,
5
dois a dois incompatveis, ' ' = ( $), ento >(5
* ' ? = * >' ?
Resumo Elementos de Probabilidades e Estatstica

5/30

Joo Marques

Propriedades da medida de probabilidade :

1) (') = 1 ('3)
2) () = 0
3) ( ') = () (' )
4) (' ) = (') + () (' )
5) ' (') ()
6) (') 1

2.4
Interpretaes do conceito de probabilidade
Regra de Laplace : Sejam os acontecimentos elementares equiprovveis, ento temos

(') =

)


#(_)

= #() =

 EE 0VE _
 EE EEE

Como reconhecer que os casos so igualmente possveis?

1) O princpio da indiferena faz apelo s propriedades de simetria ou de homogeneidade
da situao experimental (se o dado perfeito, porque seriam umas faces preferidas
em detrimento de outras?);
2) O princpio da razo insuficiente diz que se no h razo para crer em que qualquer
dos casos mais provvel do que os outros, pode actuar-se como se todos os casos
fossem igualmente provveis.
Lei dos grandes nmeros : lim5 (| (') (')| < X) = 1
As propriedades das frequncias relativas verificam a axiomtica de Kolmogorov :
E1)  (') 0
E2)  () = 1
E3) Se ' e forem acont. incompatveis, ento  (' ) =  (') +  ()
Probabilidade subjectiva (grau de credibilidade) : aproximao quantitativa credibilidade
que se atribui a um determinado acontecimento. (deve respeitar o princpio da coerncia)

2.5
Mtodos de contagem
Regra fundamental da contagem : Suponha-se que uma experincia aleatria composta
por & etapas. Se na primeira etapa h / casos possveis, na segunda etapa h / casos
possveis, , na &-sima etapa h /" casos possveis, ento o nmero total de resultados
da experincia aleatria, combinando as & etapas / / /" .
Amostra ordenada : Se & elementos so seleccionados de um conjunto de  elementos e
se a ordem da seleco registada, o conjunto de & elementos forma uma amostra
ordenada de dimenso &.
Amostragem sem reposio : Quando se selecciona um elemento e o mesmo no
reposto no conjunto, diz-se que se seguiu um processo de amostragem sem reposio.
Amostragem com reposio : Um processo de amostragem com reposio ocorre quando
se selecciona um elemento e o mesmo reposto no conjunto antes de se seleccionar o
elemento seguinte.
Conceitos fundamentais de Anlise Combinatria :
!
 Arranjos (sem repetio) : '" = (-")!
 Arranjos completos (com repetio) : P" = "
 Permutaes :  = ' = !

_8
!
 Combinaes : C" = = L = "!(-")! (coeficiente binomial)
&
L
!
 Permutaes de elementos no todos distintos : " !" !" ! (coeficiente multinomial)
1

Resumo Elementos de Probabilidades e Estatstica

6/30

Joo Marques

2.6

Probabilidade Condicionada. Teorema de Bayes

Probabilidade Condicionada : ('| =

_

se
 > 0

Regra da multiplicao de probabilidades :

'  =

'| =
'
|'
Generalizvel para 3 ou + acont. (Ex:
' C =
'
|'
C|' )
Partio do espao de resultados : Diz-se que a classe de acontecimentos
' , ' , '^ , , ') , uma partio de quando ' ' =
 $ e ( ' =
Consequncia : >( ' ? =  >' ? = 1
Regra da Probabilidade Total : Se ' , ' , '^ , , ') , uma partio de e se
>' ? > 0
$ = 1,2, , /, , vem, para qualquer acontecimento ,

 =  >' ? >|' ?
'
Teorema de Bayes : Se  , ' , '^ , , ') , uma partio de e se >' ? > 0

$ = 1,2, , /, , vem, para qualquer acontecimento , a verificar

 > 0,
>' |? =

>_ ?>|_ ?

}~1 >_ ?>|_ ?

$ = 1,2, , /, 

Nota 1 :  >' |? = 1
Nota 2 : * >' ? >|' ? =

Interpretao do Teorema de Bayes :
Probabilidade a priori : >' ?
Probabilidade a posteriori : >' |?
Verosimilhanas de para cada ' : >|' ?
 probabilidade F QQ probabilidade F KQQ verosimilhana
proporcional a

2.7
Acontecimentos Independentes
Acontecimentos independentes : Dois acontecimentos, ' e , do mesmo espao de
resultados, dizem-se independentes, se e s se
'  =
'

Teorema : Se ' e forem acontecimentos independentes, ento

'| =
' se
 > 0 ;
|' =
 se
' > 0
Nota sobre o Exemplo 2.38 (Lanamento de uma moeda regular/viciada) : A igualdade

'  =
'
 verifica-se apenas nos casos triviais, = 0 e = 1, e no caso

simtrico, = (moeda regular). Assim, ' e podem ser ou no independentes,

consoante a natureza da moeda.
Casos com 3 (ou mais) acontecimentos : Os acontecimentos ', e C podem ser
independentes dois a dois e no se verificar
' C =
'

C ou
vice-versa.
Independncia completa ou mtua : Os acontecimentos ', e C do mesmo espao de
resultados dizem-se completamente independentes ou mutuamente independentes se e
s se:

'  =
'
,

' C =
'
C,

C =

C,

' C =
'

C
Nota : Definio extensvel a quatro ou mais acontecimentos.
Independncia condicional : Dois acontecimentos, ' e , so independentes
condicionalmente em relao a um acontecimento C se e s se

' |C =
'|C
|C
Nota : A independncia condicional no implica independncia no sentido corrente a no
ser, obviamente, quando C = .

Resumo Elementos de Probabilidades e Estatstica

7/30

Joo Marques

Captulo 3 Varivel Aleatria / Funo de Distribuio

3.1
Varivel Aleatria
Varivel Aleatria : Uma varivel aleatria , uma funo com domnio e com
contradomnio . Assim: ()
3.2
Funo de Distribuio
Funo de Distribuio : A funo real de varivel real,  , com domnio , definida por
 (
) = (
)
designa-se por funo de distribuio da varivel aleatria .
Propriedades da Funo de Distribuio :
1) 0 (
) 1
2)  no decrescente:
> 0 (
) (
+
)
3) () = lim4- (
) = 0 e (+) = lim45 (
) = 1
4) (F < ) = () (F), F, : > F
5)  contnua direita: (F + 0) = lim45 (
) = (F)
6) ( = F) = (F) (F 0), F
Acontecimentos com probabilidade zero : Estes acontecimentos tm probabilidade zero,
mas no so impossveis. Exemplo: Obter na escolha de um nmero real qualquer no
intervalo 3,4. Voltar a calhar praticamente impossvel, da ser um acontecimento
com probabilidade zero.
Mais Propriedades da Funo de Distribuio :
a) ( < ) = ( 0)
b) ( > F) = 1 (F)
c) ( F) = 1 (F 0)
d) (F < < ) = ( 0) (F)
e) (F < ) = ( 0) (F 0)
f) (F ) = () (F 0)
Teorema : A funo real de varivel real, , uma funo de distribuio se e s se verifica
as propriedades 2, 3 e 5.

3.3
Classificao das Variveis Aleatrias
Conjunto dos Pontos de Descontinuidade : =
( =
) = () ( 0) > 0
Classificao das Variveis Aleatrias :
 uma varivel aleatria discreta se e s se ( ) = 1, ou seja, se e s se a
soma dos saltos da funo de distribuio for igual a 1. Assim:
( ) = 4 ( =
) = 1
 uma varivel aleatria contnua se e s se = e se existe uma funo real de
varivel real  , no negativa, tal que
4
 (
) = -  ()@ ,

 Seja 1 uma funo de distribuio associada a uma varivel aleatria discreta,  , e
6 outra funo de distribuio carterizadora de uma varivel aleatria contnua,  .
Diz-se que uma varivel aleatria mista se e s se a respectiva funo de
distribuio puder ser escrita do seguinte modo:
 (
) = 1 (
) + (1 )6 (
), onde 0 < < 1
 Existem variveis aleatrias que no so nem discretas, nem contnuas nem mistas.
A) Variveis Aleatrias Discretas
Nota : Uma varivel aleatria discreta quando toda a massa de probabilidade est
concentrada nos pontos de descontinuidade da funo de distribuio.

Resumo Elementos de Probabilidades e Estatstica

8/30

Joo Marques

Funo Probabilidade : A funo  chama-se funo probabilidade da varivel

aleatria discreta se e s se:
( =
) > 0 K
N
 (
) =
( =
) = 0 K

Suporte da Distribuio : Subdomnio de  ; valores de
que pertencem a ;
habitualmente, refere-se a funo probabilidade apenas para os valores do
suporte
( ) = () = 4 (
)
(
) = (
) = 4} 4 (
 ) ,
com =
 ,
 ,
indiferente representar-se uma v.a. discreta por (
) ou (
).
B) Variveis Aleatrias Contnuas
4
Funo Densidade de Probabilidade : A funo  , tal que  (
) = -  ()@,
chama-se funo densidade de probabilidade ou simplesmente funo densidade.
 9 (
) (nos pontos onde existe derivada)N
(
) =
(nos outros pontos)
0
5
- (
)@
= (+) () = 1
() = ( ) = (
)@

Se = F, , com F < , tem-se () = (F < ) = (
)@
= () (F)
Devido continuidade da funo de distribuio, ( = F) = ( = ) = 0, e
pode escrever-se:
(F < ) = (F < ) = (F < < ) = (F ), com F <
indiferente representar-se uma v.a. discreta por (
) ou (
).
C) Variveis Aleatrias Mistas
Varivel Aleatria Mista : Seja 1 uma funo de distribuio associada a uma
varivel aleatria discreta,  , e 6 outra funo de distribuio carterizadora de uma
varivel aleatria contnua,  . Diz-se que uma varivel aleatria mista se e s se a
respectiva funo de distribuio puder ser escrita do seguinte modo:
 (
) = 1 (
) + (1 )6 (
), onde 0 < < 1

3.4
Funes de uma varivel aleatria
Mudana de Varivel : Seja uma varivel aleatria, e considere-se uma funo
= () tambm uma varivel aleatria que assume o valor y = (
) quando =
.
Conhecida a funo de distribuio de ,  , pretende-se determinar a funo de
distribuio de ,  . Ao substituir a varivel aleatria pela varivel aleatria , est a
efectuar-se uma mudana de varivel.
Utilidade : facilita a interpretao e o tratamento quando da varivel aleatria original
Caso 1 : Varivel Aleatria Discreta :
Conjunto dos pontos que assume com probabilidade positiva : = ( ) ;
'x =
(
) = y,

Funo Probabilidade de :  (y) = ( = y) = ( ' ) = _|  (
), para y
Caso 2 : Varivel Aleatria Qualquer :
Funo de Distribuio de :  (y) = ( y) = >'x ? onde 'x =
(
) y
Condio suficiente para que uma varivel aleatria = () seja tambm contnua :
Seja = (), onde uma varivel aleatria contnua e uma funo real de
varivel real com domnio em '; supe-se que este domnio contm o conjunto dos
valores assumidos por com densidade positiva. Se tem derivada no nula em todos os
pontos do seu domnio e estritamente montona em ', ento uma varivel aleatria
contnua.

Resumo Elementos de Probabilidades e Estatstica

9/30

Joo Marques

3.5
Variveis Aleatrias Bidimensionais
Varivel Aleatria Bidimensional : Uma varivel aleatria bidimensional, (, ), uma
funo com domnio e com contradomnio  . Assim,
(, ) >(), ()? 
Funo de Distribuio Conjunta : Seja (, ) uma varivel aleatria bidimensional. A
funo real de duas variveis reais, , , com domnio  , definida por
, (
, y) = (
, y),
a funo de distribuio de (, ), ou funo de distribuio conjunta das variveis e .
Propriedades da Funo de Distribuio Conjunta :
1) 0 (
, y) 1
2)  no decrescente, separadamente, em relao a
e em relao a y :

> 0 (
, y) (
+
, y) e y > 0 (
, y) (
, y + y)
3) (, y) = (
, ) = 0 e (+, +) = 1
4) ( ) = (
 <

 , y < y y ) = (
 , y ) (
 , y ) (
 , y ) + (
 , y )
5)  contnua direita, separadamente, em relao a
e em relao a y :
(
+ 0, y) = (
, y), (
, y + 0) = (
, y)
Funo de Distribuio Marginal : A funo  definida por  (
) = , (
, +) designase por funo de distribuio marginal da varivel aleatria . A funo  dada por
 (y) = , (+, y) a funo de distribuio marginal da varivel aleatria .
Variveis Aleatrias Independentes : Considere-se uma varivel aleatria bidimensional
(, ). Sejam  e  dois acontecimentos quaisquer tais que  envove apenas , e 
refere-se apenas a . As variveis aleatrias e so independentes se e s se
(  ,  ) = (  )(  )
ou ento , (
, y) =  (
) (y)
Teorema : Se e so variveis aleatrias independentes, e se e so duas funes,
ento as variveis aleatrias = () e D = () so tambm independentes.
3.6
Variveis Bidimensionais Discretas
Varivel Aleatria Bidimensional Discreta : (, ) varivel aleatria bidimensional
discreta se e s se e so variveis aleatrias discretas.
Conjunto dos Pontos de Descontinuidade : = (
, y) ( =
, = y) > 0
Funo Probabilidade Conjunta : Seja (, ) varivel aleatria bidimensional discreta. A
funo real de duas variveis reais, , , com domnio  , definida por
, (
, y) = ( =
, = y)
a funo probabilidade de (, ), ou funo probabilidade conjunta das variveis e .
( =
, = y) > 0 K (
, y) N
(
, y) =
( =
, = y) = 0 K (
, y)
(4,x) (
, y) = 1 ; (, ) = (4,x) (
, y)
(
, y) = (
, y) = 4} 4 x} x (
 , y )
Funo Probabilidade Marginal : Considere-se uma varivel bidimensional discreta, (, ).
Seja  a funo de distribuio marginal de , e
=
( =
) =  (
)  (
0) > 0
o conjunto dos pontos de descontinuidade de  .
A funo probabilidade marginal de ,  , definida da seguinte maneira:
( =
) > 0 K
N
 (
) =
( =
) = 0 K

Do mesmo modo se define a funo probabilidade marginal de ,  ,
( = y) > 0 K y N
 (y) =
( = y) = 0 K y
onde = y ( = y) =  (y)  (y 0) > 0

Resumo Elementos de Probabilidades e Estatstica

10/30

Joo Marques

A funo probabilidade marginal de obtm-se somando, para cada
, a funo

probabilidade conjunta para todos os y :
 (
) = ( =
) = x ( =
, = y) = x , (
, y)
idem para
Teorema : As variveis aleatrias discretas, e , so independentes se e s se
, (
, y) =  (
) (y)
isto , se e s se a funo probabilidade conjunta for igual ao produto das funes
probabilidade marginais.
Funo Probabilidade Condicionada : Seja , a funo probabilidade conjunta de e .
A funo probabilidade de condicionada pela realizao do acontecimento = y, com
( = y) > 0, dada por:
|*x

 =
=
| = y =

*4,*x

*x

0,
4,x
0
x

(y fixo)

|*4
y =
= y| =
 =

*4,*x

*4

0,
4,x
0
4

(
fixo)

De modo anlogo, a funo probabilidade de condicionada pela realizao do

acontecimento =
, com
=
 > 0, dada por:
4 |*x

 = 1 e x |*x
y = 1
Se e so independentes, ento
|*x

 = 

, se 
y > 0 ; |*4
y = 
y, se 

 > 0

3.7
Variveis Bidimensionais Contnuas
Varivel Aleatria Bidimensional Contnua : A varivel aleatria
, , com funo de
distribuio , , uma varivel aleatria bidimensional contnua se e s se existe uma
funo real de duas variveis reais, no negativa, , , tal que
x
4
,

, y = - - ,
, @@,

, y 
Funo Densidade Conjunta : A funo , (introduzida na definio anterior) chama-se
funo densidade de
,  ou funo densidade conjunta de e
5 5
,
+, + = - - 

, y@
@y = 1

Se a funo densidade 

, y for contnua no ponto

, y, ento 

, y =

Funes Densidade Marginais : A funo densidade marginal de ,  , dada por

De forma anloga,

6 
4,x
4x



 =

y =


4
4

x
x

= - ,

, y@y
5

= - ,

, y@

5

a funo densidade marginal de ,  .

Teorema : As variveis aleatrias e dizem-se independentes se e s se
,

, y = 


y
isto , se e s se a funo densidade conjunta for igual ao produto das funes densidade
marginais.
Funo Densidade Condicionada : Seja ,

, y a funo densidade conjunta de e . A
funo densidade de condicionada por = y, com 
y > 0, definida da seguinte
maneira:
|*x

 =

0,
4,x
0
x

(y fixo)

A funo densidade de condicionada por =
, com 

 > 0, dada por:
- |*x

@
= 1
5

|*4
y =

0,
4,x
0
4

F < < | =  = |*

@
=

Resumo Elementos de Probabilidades e Estatstica

11/30

(
fixo)

0,
4,4
0


Joo Marques

 Factorizao da Fun. de Dens. Conj. : , (
, y) =  (
)|*4

y = 
y|*x


Frmula de Bayes para Densidades :
|*x

 =

0
40|~{
x
0
x

0
40|~{
x
M
; 0
40|~{
x4

, com 
y > 0

3.8
Distribuies Multidimensionais
Vectores Aleatrios : Variveis Aleatrias &-dimensionais (com & 2)
Funo de Distribuio : A funo de distribuio de =
 , , " ,  , a funo real
de & variveis reais definida por


 , ,
"  =

 , , "
" 
 no decrescente e contnua direita em relao a cada varivel

,
 , ,
"  = = 

 ,
 , ,  = 0 ; 
+, +, , + = 1
A noo de funo de distribuio marginal abrange agora no s as situaes
unidimensionais mas tambm todos os possveis subconjuntos das & variveis.
Exemplo 1 : Seja =
 , , " , com / < &, ento

 = 

 , ,
) , +, , +
Exemplo 2 : 

 , +, , + =

  = 41

 
Vectores Aleatrios Independentes : Os vectors aleatrios e D dizem-se independentes
se e s se


 , ,
"  = ,
,  = 


ou seja, se e s se a funo de distribuio conjunta igual ao produto das funes de
distribuio marginais.
Variveis Aleatrias Independentes : As variveis aleatrias  , , " dizem-se
independentes se e s se


 , ,
"  = 1

  L

" 
Varivel Aleatria -dimensional Discreta : =
 , , "  varivel aleatria &dimensional discreta se e s se as variveis aleatrias  , com $ = 1, , &, so discretas.
As restantes propriedades das variveis aleatrias discretas so generalizveis.
Varivel Aleatria -dimensional Contnua : A varivel aleatria &-dimensional
=
 , , " , onde  a respectiva funo de distribuio, contnua se e s se existe
uma funo real de & variveis reais, no negativa,  , a verificar
41

4L


 , , "  = 
 , , " @ @"
-

As restantes propriedades das variveis aleatrias discretas so generalizveis.

Captulo 4 Distribuies Discretas

4.2
Valor Esperado
Valor Esperado de uma Varivel Aleatria Discreta : Se uma varivel aleatria discreta
com funo probabilidade  , a expresso
=
 = 4



quando
4|
|

 < + (4.2)
define o valor esperado, mdia ou esperana matemtica de .
centro de gravidade da distribuio
parmetro de localizao
Valor Esperado de uma Funo de uma Varivel Aleatria Discreta : Se uma varivel
aleatria discreta com funo probabilidade  , a expresso
>
? = 4




o valor esperado de

, impondo-lhe uma condio semelhante a (4.2)
x y
y = 4



 < = >
 = >
?
Resumo Elementos de Probabilidades e Estatstica

12/30

Joo Marques

Propriedades do Valor Esperado :

1) Se uma constante, ento () =
2) Se uma constante e se existe (), ento () = ()
3) Se existirem  () e  (), ento  () +  () =  () +  ()
Outra Propriedade : O valor esperado de uma combinao linear de funes de varivel
aleatria a respectiva combinao linear dos valores esperados:
*   ()+ = *   ()+
Resultados Importantes :
 Se e so duas variveis aleatrias discretas, ento ( + ) = () + ()
 Se e so duas variveis aleatrias discretas independentes, ento () = ()()

4.3
Momentos
Momento de Ordem em Relao Origem : O valor esperado,
"9 = > " ? = 4
"  (
)
se existir, o momento de ordem & em relao origem, ou momento ordinrio de ordem
& da varivel aleatria .
Nota : 9 = () = 4
 (
)
valor esperado
Teorema : Se existe o momento ordinrio de ordem & de uma varivel aleatria, ento
tambm existe o momento ordinrio de ordem , com  < &, da mesma varivel aleatria.
Momento de Ordem em Relao Mdia : O valor esperado,
" = ( )" = 4( )"  (
)
se existir, o momento de ordem & em relao mdia, ou momento central de ordem &
da varivel aleatria .
Varincia : Designa-se por varincia de o valor esperado, se existir, de ( )" ,
DFQ() =  = ( ) = 4( )  (
)
DFQ() 0 ; DFQ() = 0 < = > ( = ) = 1
parmetro de disperso da distribuio de em torno da mdia
Propriedades da Varincia :
1) Se uma constante, DFQ() = 0
2) Se uma constante, DFQ() =  DFQ()
3) Se e @ so constantes, DFQ( + @) =  DFQ()
Frmula mais operacional para o clculo da varincia : DFQ() = (  ) 
Desvio Padro : Ao valor positivo da raz quadrada da varincia, = +DFQ(), chamase desvio padro da varivel aleatria .
medida de disperso absoluta
Coeficiente de Variao : Considere-se uma varivel aleatria com suporte contido no
cpnjunto dos nmeros reais positivos. O coeficiente de variao de igual, se existir, ao

quociente entre o desvio padro e a mdia, CD =

medida de disperso relativa

(-)k

Coeficiente de Assimetria : O quociente

 = k = kk
, se exisir,
designado por coeficiente de assimetria da varivel aleatria .
 = 0 sse a distribuio simetrica
 > 0 sse os desvios positivos dominam
 < 0 sse os desvios negativos dominam
Varincia de Variveis Aleatrias Independentes : Se e so duas variveis aleatrias
discretas independentes, ento
DFQ( + ) + DFQ() + DFQ()

Resumo Elementos de Probabilidades e Estatstica

13/30

Joo Marques

4.4
Funes Geradoras
Sucesses Importantes :
 Sucesso das probabilidades : ,  ,  ,
 Sucesso dos momentos em relao origem : 9 = , 9 , , "9 ,
 Sucesso dos momentos em relao mdia :  = 0,  , , " ,
Funo Geradora das Probabilidades : Seja uma varivel aleatria discreta assumindo,
com probabilidade positiva, os valores do conjunto = 0,1,2, . Seja
4 = ( =
) com
= 0,1,2, a verificar 5
4* 4 = 1
A funo geradora das probabilidades de a funo real de varivel real, , definida
4
por
() = ( ) = 5
4* 4
({) ()

4 = ( =
) =
4!
() = 9 (1) = 5
4*
4
99 (1)
DFQ() =
+ 9 (1)  9 (1)
Funo Geradora dos Momentos : Seja uma varivel aleatria discreta com funo
probabilidade  . Se existir um nmero real  > 0, tal que
(K E ) = 4 K E4  (
)
existe para  <  <  , ento
I () = (K E )
define a funo geradora dos momentos de , I .
I9 (0) = 4
 (
) = ()
Teorema : A funo geradora dos momentos, se existir numa vizinhana de 0, determina
univocamente a funo de distribuio ; inversamente, se existir, a funo geradora dos
momentos nica.
Formalizando: Se para cada uma das variveis aleatrias e , existe funo geradora dos
momentos, e se I () = I () para algum intervalo  <  <  , ento e possuem
a mesma funo de distribuio (e a mesma probabilidade, no caso de as variveis
aleatrias serem discretas).
Relao entre a Funo Geradora dos Momentos com a Funo Geradora das
I() = (K E ) = (K E ) < = > () = Iln()
Probabilidades :
Teorema : Se e so variveis aleatrias discretas independentes, com funes
geradoras dos momentos I () e I (), ento a funo geradora dos momentos +
existe, e dada pela expresso:
I5 () = I ()I ()

4.5
Distribuio Uniforme
Distribuio Uniforme : Seja uma varivel aleatria discreta com =
 ,
 , ,
 .
Diz-se que segue uma distribuio uniforme nos  pontos
 , com $ = 1,2, , , se e s
se a funo probabilidade dada por

K
N
 (
) = J
0 K

a funo probabilidade constante para um nmero finito de pontos
a distribuio simetrica
Principais caractersticas da Distribuio Uniforme :

 Valor Esperado : () = =  *



 Momento de Ordem & em relao Origem : > " ? =  *
"



 Varincia : DFQ() =  *>
 ?

 Funo Geradora dos Momentos : I() =  * K E4

Resumo Elementos de Probabilidades e Estatstica

14/30

Joo Marques

Casos Particulares Importantes :

1) Ex: Lanamento de um dado perfeito : = 1,2, , 
2) Ex: Obteno de um dos 10 dgitos : = 0,1,2, , /

4.6
Distribuio de Bernoulli / Distribuio Binomial
Prova de Bernoulli : Experincia aleatria em que se observa a realizao (sucesso;
= 1)
ou a no realizao (insucesso;
= 0) de determinado acontecimento ' com
probabilidade (') = .
1 K
= 1
N
K
= 0
 (
| =
0
FQF Q

Distribuio de Bernoulli : Se a varivel aleatria tem funo probabilidade dada por


| = 4
1 -4 com
= 0,1 para 0 < < 1 ,
diz-se que tem distribuio de Bernoulli. Simbolicamente, ~
1; 
Principais caractersticas da Distribuio de Bernoulli :
 Valor Esperado :
 = =
 Momento de Ordem 2 em relao Origem :
  =
 Varincia : DFQ
 =
1 
 Desvio Padro : =
1 
-

 Coeficiente de Assimetria :  =
 Funo Geradora dos Momentos : I
 =
K E  =
1  + K E
Sucesso de Provas de Bernoulli Independentes : Sucesso de experincias aleatrias
independentes em cada uma das quais se observa a realizao (sucesso;
= 1) ou a no
realizao (insucesso;
= 0) de determinado acontecimento ' com probabilidade

' = , constante de prova para prova.

Distribuio Binomial : Se a varivel aleatria tem funo probabilidade dada por

4
1 -4 K
= 0,1,2, , N


| = J

, para 0 < < 1 ,
0
FQF Q

diz-se que tem distribuio binomial. Simbolicamente, ~
; 
Principais caractersticas da Distribuio Binomial :
 Valor Esperado :
 = = 
 Momento de Ordem 2 em relao Origem :
  = 
 1  + 
 Varincia : DFQ
 = 
1 
 Desvio Padro : = 
1 
-

 Coeficiente de Assimetria :  =

 Funo Geradora dos Momentos : I

 =
K E  = 
1  + K E 
Teorema : Sejam  e  duas variveis aleatrias independentes. Ento
 ~
 ; ,  ~
 ;  =  +  ~
; 
onde  =  +  .

4.7
Distribuio Geomtrica / Distribuio Binomial Negativa
Nova perspectiva : Realizar provas de Bernoulli at que se d um sucesso. O nmero de
provas que passa a ser aleatrio.
Distribuio Geomtrica : Quando a varivel aleatria tem funo probabilidade dada
por

1 4- K
= 1,2, N


 =
0
FQF Q

diz-se que tem distribuio geomtrica ou distribuio de Pascal.
A sucesso das probabilidades forma uma progresso geomtrica de razo 1 .
Resumo Elementos de Probabilidades e Estatstica

15/30

Joo Marques

Propriedades da Srie Geomtrica de razo :


"
a) () =
(srie absolutamente convergente para || < 1)
"* =

b)
c)

-


"-

= (-)6
= "* &

"-
99 () =
= (-)k
"* &(& 1)
9 ()

Principais caractersticas da Distribuio Geomtrica :


"*  (
|) = 1

 Valor Esperado : () = =
 Varincia : DFQ() =  =

 Desvio Padro : =

-

-
6

 Coeficiente de Assimetria :  =

-

-

> 0 (enviesamento positivo)

 Funo Geradora dos Momentos : I() = (K E ) = -(-) , com (1 )K E < 1

Algumas Propriedades :
(F ) = (1 )- (1 )
Se +, ( F) = (1 )-
Se F = 1, ( ) = 1 (1 )
Funo de Distribuio de uma Varivel Aleatria com Distribuio Geomtrica :
0
K
< 1
N
 (
) =
1 (1 )" K &
& + 1
para & = 1,2,
Propriedade da Falta de Memria : ( > | > ) = ( >  )
Nova perspectiva : Realizar provas de Bernoulli independentes at obter Q sucessos.
Distribuio Binomial Negativa : Uma varivel aleatria com funo probabilidade dada
por

1 V (1

)4-V K
= Q, Q + 1, Q + 2, N
 (
|) = Q 1
, para 0 < < 1
0
FQF Q

diz-se que tem distribuio binomial negativa. Simbolicamente, ~(Q; ).
Principais caractersticas da Distribuio Binomial Negativa :
V
 Valor Esperado : () = =
V(-)
6
V(-)

 Varincia : DFQ() =  =

 Desvio Padro : =

 Coeficiente de Assimetria :  =

-

>0

 Funo Geradora dos Momentos : I() = (K E ) = -(-) , com (1 )K E < 1

Teorema : Sejam  e  duas variveis aleatrias independentes. Ento

 ~( ; ),  ~( ; ) =  +  ~(; )
onde  =  +  .
Corolrio :  ~(1; ) se  = 1,2, , Q, independentes V*  ~(Q; )
Interpretao do Corolrio : Realizar provas at aparecerem Q sucessos o mesmo que
realizar provas at aparecer o primeiro sucesso, continuar at aparecer o segundo, e
assim sucessivamente, at aparecer o Q-simo sucesso.

Resumo Elementos de Probabilidades e Estatstica

16/30

Joo Marques

4.8
Distribuio Hipergeomtrica
Distribuio Hipergeomtrica : Se a varivel aleatria tem funo probabilidade dada
por
 (
|, I,  =

b -b

4 -4

K
N

0
K

com =
/F
0, 
I
/, I,
KQ
diz-se que tem distribuio hipergeomtrica. Simbolicamente ~
, I, 

Principais caractersticas da Distribuio Hipergeomtrica :

 4* 

|, I,  = 1
b
 Valor Esperado :
 =  = 
 Varincia : DFQ
 = 

-b

-
-

= 
1 

-
-

4.9
Distribuio de Poisson
Processo de Poisson : Suponha-se que se procede contagem do nmero de
acontecimentos (chegada de doentes, chegada de avarias, chegada de navios, etc)
ocorridos ao longo do tempo. Tem-se um processo de Poisson com parmetro > 0
quando se verificam as seguintes condies:
O nmero de acontecimentos que ocorrem em dois intervalos disjuntos so
independentes;
A probabilidade de ocorrer exactamente um acontecimento em qualquer intervalo de
amplitude  arbirtariamente pequena aproximadamente ;
A probabilidade de ocorrerem dois ou mais acontecimentos em qualquer intervalo de
amplitude  arbirtariamente pequena aproximadamente igual a zero.
Distribuio de Poisson : Uma varivel aleatria com funo probabilidade dada por
K
= 0,1,2, N , com > 0,
0
FQF Q

diz-se que tem distribuio de Poisson. Simbolicamente, ~

Principais caractersticas da Distribuio de Poisson :


| =

; {
4!

 5
4* 4! = 1
 Funo Geradora dos Momentos : I
 =
K E  = K

K E 1
 Valor Esperado :
 =
 Varincia : DFQ
 =
 Desvio Padro : =
 Coeficiente de Assimetria :  = -
Distribuio de Poisson e Intervalos de Tempo :
; {



| = 
 =
| =

;
{
,
4!

K
= 0,1,2, , para > 0

Teorema : Sejam  e  duas variveis aleatrias independentes. Ento

 ~
 ,  ~
  =  +  ~

onde =  +  .
Lei dos Acontecimentos Raros : A gnese da distribuio de Poisson, a partir do processo

de Poisson, mostra que, quando =  0 mantendo-se fixo  = , a binomial tende

 4
-4
;8

{
para Poisson,
lim5  1 
=
4!

Resumo Elementos de Probabilidades e Estatstica

17/30

Joo Marques

4.10 Valor Esperado e Momentos de Variveis Aleatrias Bidimensionais Discretas

Valor Esperado de Funo de Varivel Aleatria Bidimensional : Se
,  uma varivel
aleatria bidimensional discreta com funo probabilidade , , e se uma funo de

, , a expresso

,  = (4,x)

, y), (
, y)
o valor esperado de (
, y). Tal como no caso unidimensional, tem de se verificar
(4,x)|(
, y)|, (
, y) < +
Teorema : Se (, ) for uma varivel aleatria bidimensional discreta com funo
probabilidade , , e se existirem () e (), ento
( + ) = () + ()
Teorema : Se e forem variveis aleatrias discretas e independentes, com funo
probabilidade conjunta , , e se existirem () e (), ento
() = ()()
Momentos de Ordem  + m em Relao Origem : Seja (, ) uma varivel aleatria
bidimensional discreta. O valor esperado,
9
VE
= ( V E ) = (4,x)
V y E , (
, y)
define, se existir, um momento de ordem Q +  em relao origem (ordinrio) de varivel
aleatria (, ).
Momentos de primeira ordem :
9
= () =
Q = 1,  = 0 
9
Q = 0,  = 1  = () =
Momentos de segunda ordem :
9
Q = 2,  = 0 
= (  )
9
Q = 1,  = 1 
= ()
9
Q = 0,  = 2  = (  )
Momentos de Ordem  + m em Relao Mdia : Seja (, ) uma varivel aleatria
bidimensional discreta. O valor esperado,
VE = ( )V ( )E = (4,x)(
)V (y )E , (
, y)
define, se existir, um momento de ordem Q +  em relao mdia (central) de varivel
aleatria (, ).
Momentos de primeira ordem (so nulos) :
Q = 1,  = 0  = 0
Q = 0,  = 1  = 0
Momentos de segunda ordem :
Q = 2,  = 0  = ( ) = DFQ() = 
Q = 1,  = 1  = ( )( )
Q = 0,  = 2  = ( ) = DFQ() = 
Covarincia : A covarincia das variveis aleatrias e
C(, ) = , = ( )( ) ,
se este valor esperado existir.
C(, ) = () ()()
C(, ) = () () = 0
Interpretao do Sinal e da Grandeza da Covarincia :
Centro de gravidade da distribuio conjunta : ( , )
( )( ) > 0
1 e 3 quadrantes
( )( ) < 0
2 e 4 quadrantes
Coeficiente de Correlao : O coeficiente de correlao entre as variveis aleatrias e
dado por
, =

Resumo Elementos de Probabilidades e Estatstica

(,)

V()V()

18/30

= ,

Joo Marques

Teorema : Se duas variveis aleatrias, e , so independentes, ento a respectiva

covarincia igual a zero.
A independncia implica no correlao, mas a recproca no verdadeira.
Teorema : Se existem segundos momentos para as variveis aleatrias e , ento
DFQ
 = DFQ
 C
,  + DFQ

Em particular, se as variveis so independentes,
DFQ
 = DFQ
 + DFQ

Valor Esperado Condicionado : Seja a varivel aleatria  =
, , funo das variveis
aleatrias discretas e . O valor esperado de  =
,  condicionado por =
,
definido por

| =
 = 
, | =
= x

, y|*4
y
se se verificar a condio habitual de existncia do valor esperado.
De modo anlogo se define

| = y = 
, | = y = 4

, y|*x


Se

, y = ,
| =
 = x y|*4
y
Se

, y = ,
| = y = 4
|*x


Teorema : O valor esperado de  =
, , se existir, igual ao valor esperado do seu
valor esperado condicionado por ,

 = 
|
Se  = ,
 = 
|
regra do valor esperado iterado ( v.e. marginal)
Varincia Condicionada : A varincia de condicionada por =
definida por
DFQ
| =
 = 
| =
 | =
= x y
| =
 |*4
y
Do mesmo modo se define a varincia de condicionada por = y,
DFQ
| = y = 
| = y | = y = 4

| = y |*x


DFQ
| =
 =
 | =

| =

DFQ
| = y =
 | = y
| = y
Teorema : Se existe
 , ento
DFQ
 = DFQ
| + DFQ
| (Varincia Marginal)
Teorema : A covarincia entre e igual covarincia entre e o valor esperado de
condicionado por ,
C
,  = C,
|
Independncia em Mdia : A varivel aleatria independente em mdia da varivel
aleatria se e s se

| =
 =
, qualquer que seja

A varivel aleatria independente em mdia da varivel aleatria se e s se

| = y =
, qualquer que seja y

4.11 Valor Esperado de Momentos de Variveis Aleatrias -Dimensionais Discretas

Momento de Ordem  +  + +  em Relao Mdia :

  V1
  V6
" " VL
Momentos Centrais de 2 Ordem :
 Varincia : DFQ
  =  = 
 Covarincia : C> ,  ? = 
 $
  "
  "
Matriz das Covarincias : C
 =


" " ""

Coeficiente de Correlao entre c e e :  = } = }

}} 

Resumo Elementos de Probabilidades e Estatstica

19/30

} 

Joo Marques

1 

1
Matriz das Correlaes do Vector Aleatrio : CQQ
 =


" "
Relao entre a Varincia e a Matriz das Covarincias :
DFQ
 = DFQ
  =  C

Relao entre a Matriz das Covarincias e a Matriz das Correlaes :
C
 = C
r = rC
r
 Nota: e r so matrizes de coeficientes

"
"


4.12 Distribuio Multinomial

Distribuio Multinomial : Se uma varivel aleatria &-dimensional tem funo
probabilidade dada por
!


 ,
 , ,
"  = 4 !,4 !,,4 !
-4 -4 --4 !
1

4 4
4
 1  6 " L
1   " -41 -46 --4L ,
para as probabilidades positivas, diz-se que tem distribuio multinomial.
Principais caractersticas da Distribuio Multinomial :
 Valor Esperado :
  = 
 Varincia : DFQ
  = 
1  
 Desvio Padro : = 
1  
 Covarincia : C> ,  ? =  =  
6

} 
 Coeficiente Correlao :  = =
- >-

?

 $

Captulo 5 Distribuies Contnuas

5.2
Valor Esperado
Valor Esperado de uma Varivel Aleatria Discreta : Se varivel aleatria contnua
com funo densidade  , a expresso
5

 = -


@

quando
5
- |
|

@
< + (5.2)
define o valor esperado, mdia ou esperana matemtica de .
centro de gravidade da distribuio
parmetro de localizao

Valor Esperado de uma Funo de uma Varivel Aleatria Discreta : Se uma varivel
aleatria contnua com funo densidade  , e uma funo real de varivel real. A
expresso
5
>
? = -



@

o valor esperado de

, impondo-lhe uma condio semelhante a (5.2)
Propriedades do Valor Esperado : As propriedades do valor esperado para variveis
aleatrias contnuas so as mesmas do que as propriedades para variveis aleatrias
discretas. Apenas necessrio substituir as somas por integrais.

Resumo Elementos de Probabilidades e Estatstica

20/30

Joo Marques

5.3
Momentos
Momento de Ordem em Relao Origem : O valor esperado,
5
"9 = > " ? = -
" 

@

se existir, define o momento de ordem & em relao origem, ou momento ordinrio de
ordem & da varivel aleatria .
5
Nota : 9 =
 = -


@

valor esperado
Teorema : Se existe o momento ordinrio de ordem & de uma varivel aleatria, ento
tambm existe o momento ordinrio de ordem , com  < &, da mesma varivel aleatria.
Momento de Ordem em Relao Mdia : O valor esperado,
5
" = 
" = -
" 

@

se existir, o momento de ordem & em relao mdia, ou momento central de ordem &
da varivel aleatria .
Varincia : A varincia de uma varivel aleatria contnua dada por
5
DFQ
 =  = 
 = -
 

@

parmetro de disperso da distribuio de em torno da mdia
Propriedades da Varincia :
DFQ
 =  DFQ

DFQ
 =
  
frmula mais operacional para o clculo da varincia
DFQ
+  = DFQ
 + DFQ
 , se e so independentes
Desvio Padro : = +DFQ

medida de disperso absoluta

Coeficiente de Variao : CD =
medida de disperso relativa

Coeficiente de Assimetria :  =

-k
k

= kk

Coeficiente de Kurtosis : O coeficiente de kurtosis de uma varivel aleatria , se existir,

definido por
 = 
excesso de kurtosis :  3

5.4
Parmetros da Ordem
Quantil : Seja uma varivel aleatria contnua, e P, um nmero real a verificar
0 < P < 1. Quantil de ordem P, U , um valor de que satisfaz a condio



@
= P < = > 
U  = P
-
 medida de localizao
,
Mediana : P = 0,5 , = = /K@

-


@
= 0,5
,6
1 Quartil : P = 0,25 ,
-


@
= 0,25

,
3 Quartil : P = 0,75 ,
-


@
= 0,75
Moda : Seja uma varivel aleatria contnua. Moda, , um valor de que verifica a
condio


 
,

Nota: A moda no um parmetro da ordem, contudo trata-se de uma importante medida
de localizao.
Amplitude Interquartis : ' [ = , , (medida de disperso absoluta)
_`a
Uma medida de disperso relativa :

Principais medidas de localizao e de disperso :

Medidas
  no   rds rds/
Localizao

Disperso absoluta

Disperso relativa

Resumo Elementos de Probabilidades e Estatstica

21/30

Joo Marques

5.5.
Funo Geradora dos Momentos
Funo Geradora dos Momentos : Seja uma varivel aleatria contnua com funo
densidade  . Se existir um nmero real  > 0, tal que
5

K E  = - K E4 

@

existe e finito para  <  <  , ento
I
 =
K E 
define a funo geradora dos momentos de .
a) Existe uma correspondncia biunvoca entre funo geradora dos momentos (quando
existe) e funo densidade
b) I5
 = I
I


5.6
Distribuio Uniforme
Distribuio Uniforme : Diz-se que uma varivel aleatria contnua, , tem distribuio
uniforme no intervaalo
P, , com P < , quando a funo densidade dada por

K P <
<  N


|P,  = J -U
0
FQF Q

Simbolicamente, ~
P, .
Principais caractersticas da Distribuio Uniforme :
0
K
< P
4-U
K
P <
< N
 Funo de Distribuio : 

|P,  = -U
1
K

 Funo Geradora dos Momentos : I
 =
K

E 

 {
U -U @

 Expresso Geral dos Momentos em Relao Origem :

 Mdia :
 =

 L
@

-U

> " ? = U

U5


4 LM1

 - 
J E
-U

 LM1 -ULM1

= -U g "5 h =
"5
-U
U

K  0N

K  = 0

 Varincia : DFQ
 = 
 Coeficiente de Assmetria nulo :  = 0
Transformao Uniformizante :
a) Seja uma varivel aleatria contnua com funo de distribuio  estritamente
crescente no intervalo aberto F,  onde tem densidade positiva (este intervalo
pode ser ilimitado, isto , pode acontecer F = ou = + ; tem-se 
F = 0 e

 = 1). Ento a varivel aleatria = 
 tem distribuio
0,1.
b) Seja uma varivel aleatria contnua com distribuio
0,1, e  a funo de
distribuio de uma varivel aleatria contnua. Supe-se que  estritamente
crescente no intervalo aberto F,  onde esta varivel aleatria tem densidade
positiva (o intervalo pode ser ilimitado, isto , pode acontecer F = ou = + ;
tem-se 
F = 0 e 
 = 1). Ento a varivel aleatria = -
 contnua
com funo de distribuio  .

-U6

Resumo Elementos de Probabilidades e Estatstica

22/30

Joo Marques

5.7
Distribuio Normal
Distribuio Normal : Diz-se que a varivel aleatria tem distribuio normal com
parmetros e  quando a funo densidade da forma




|,   =
K
6

 com <
< +
6




onde e  > 0. Simbolicamente ~

,  .

Funo de Distribuio de ~ >,  ? : 

|,   = -

 Funo de Distribuio :
 =

Caso Particular Importante : = 0 e  = 1

6

 Funo Densidade : !
 =
K - 


 6

K


 6

 @


- 6 
K
@

-


Distribuio Normal Estardadizada : A distribuio

0,1 uma distribuio normal
-
estandardizada se ~
,   e  = .
Simetria :

,   simetrica em relao recta
=

0,1
!

 = !

 ;

 = 1


6
Funo Geradora dos Momentos de #~
$,  : I%
 = K -E 
Funo Geradora dos Momentos de ~ >,  ? : I%
 = K
 +
Valor Esperado e Varincia :
 = ; DFQ
 = 

Expresso Geral dos Momentos Centrais de Ordem Par : V =

Coeficiente de Kurtosis :  =  = 3

V! 6

6 E6

 V!

Interpretao do excesso de kurtosis :

a) Distribuio leptokurtica :  > 3
caudas mais espessas
b) Distribuio platilurtica :  < 3
caudas mais finas
c) Distribuio mesokurtica :  = 3
distribuio normal
Intervalos e Probabilidades da Distribuio Normal :
Intervalos
Probabilidades
0,6826

0,9544
2
0,9973
3
0,5000
0,6745
0,9000
1,6450
0,9500
1,9600
0,9900
2,5758
Teorema : Se as variveis aleatrias 
 = 1,2, , & so independentes, ento
 ~> ,  ? = "* P  ~
,  
onde
= "* P  e  = "* P 
Qualquer combinao linear de variveis aleatrias independentes com distribuio
normal tem ainda distribuio normal.
Corolrio : Se as variveis aleatrias 
 = 1,2, , & so independentes e identicamente
distribudas, ento
 ~
,   = "*  ~
&, &  
Corolrio : Se as variveis aleatrias 
 = 1,2, , & so independentes e identicamente
distribudas, ento

6
 ~
,   z = "*  ~ ,
"

Resumo Elementos de Probabilidades e Estatstica

23/30

"

Joo Marques

Teorema : Se as variveis aleatrias 

 = 1,2, , & so normais tais que

  =  , DFQ
  =  =  , C> ,  ? = 
 $
ento
= "* P  ~
,  
onde
= "* P 
e
 = P  + 2P P  + 2P P^ ^ + + 2P P" "
+P  + 2P P^ ^ + + 2P P" "

+P" ""

5.8
Distribuio Exponencial
Distribuio Exponencial : A varivel aleatria com funo densidade definida por
0
K
0N


| = ) -4
K
K
> 0
diz-se que tem distribuio exponencial (ou exp. negativa). Simbolicamente, ~

.
Principais Caractersticas da Distribuio Exponencial :
0
K
0 N
 Funo de Distribuio : 

| = )
-4
1K
K
> 0
E -

 Funo Geradora dos Momentos : I

 = 1 = -E ,
 < 
 Valor Esperado :
 =







Varincia : DFQ
 = 6
Coeficiente de Variao : CD = 1
Coeficiente de Assimetria :  = 2
Coeficiente de Kurtosis :  = 9
No tem Moda porque 

| decrescente com
e o domnio aberto.

 Mediana : =


enviesamento positivo <
Propriedade da Falta de Memria :
~


>
+ | >
 =
>

Teorema : Se  ,  , , " so variveis aleatrias independentes, ento
 ~

 min  ~

&
*+ 

5.9
Distribuio Gama ; Distribuio do Qui-Quadrado
Funo Gama (factorial generalizado) : Funo real de varivel real que faz corresponder a
cada nmero real positivo, P > 0, o nmero real definido por
5

P = K -4
U- @

P > 0
Propriedades da Funo Gama :
5
a) Substituindo
por
, obtm-se

P = U K -4
U- @

b) Com P > 1, integrando por partes, obtm-se
P =
P 1
P 1
c) Se P =  (inteiro positivo), tem-se

 =
 1!
5
mas
1 = K -4 @
= 1

d)  =


Distribuio Gama : Uma varivel aleatria com funo densidade dada por
0
K
0
N , com P > 0 e > 0


|P,  =  ;{ 4 ;1
K


>
0
-
U

diz-se ter distribuio gama de parmetros P e . Simbolicamente, ~.

P, .
Nota : Quando P = 1 cai-se no caso particular da distribuio exponencial.

Resumo Elementos de Probabilidades e Estatstica

24/30

Joo Marques

E -

=

-E
U
U5
U5"-
L

 Funo Geradora dos Momentos : I

 = 1

Principais Caractersticas da Distribuio Exponencial :

 Momentos em Relao Origem : > " ? =

 Valor Esperado :
 = =

 Varincia : DFQ
 =  =

U
6

,
 < 


U

Assimetria :  =
U
/
Kurtosis :  = 3 +
U

 Coeficiente de Variao : CD =
 Coeficiente de

 Coeficiente de

U-

 Se P 1, no tem Moda
;
Se P > 1, Moda : /@F
 = =
 Se P > 1, verifica-se sempre < <
Teorema : Sejam  e  duas variveis aleatrias independentes. Ento
 ~.
P ;  ,  ~.
P ;  =  +  ~.
P;  , P = P + P
Generalizando para & variveis aleatrias independentes, tem-se
 ~.
P ; ,  = 1,2, , & = "*  ~.
P; , P = "* P
Quando, em particular, P = 1
 = 1,2, , &, tem-se
 ~

,  = 1,2, , & = "*  ~.
&; 
ou seja, a soma de & variveis aleatrias indepenentes com distribuio exponencial,
com o mesmo , tem distribuio gama com parmetros & e .
Tempo de Espera pelo -simo acontecimento (Poisson) : 

|,  =

8 ;{ 4 8;1

-!

Distribuio do Qui-Quadrado : Diz-se que a varivel aleatria tem distribuio do quiquadrado com  graus de liberdade ( inteiro positivo), simbolicamente ~0 
, quando
a respectiva funo densidade dada por
0
K
0
{ 8
;
;1
N


| = 6 4 6
K
> 0 , para  = 1,2,
8
8
 6 -
6

Nota : A distribuio do qui-quadrado uma distribuio gama com P =  e = ,

~0 
 < = > ~. ;
 

F
~0 
 2 2 1~
0,1
Mtodos de Clculo :

 

~.
;  2 0 
2
Principais Caractersticas da Distribuio do Qui-Quadrado :
 Valor Esperado :
 = 
 Varincia : DFQ
 = 2
 Coeficiente de Variao : CD = =


 Coeficiente de Assimetria :  = =
 Coeficiente de Kurtosis :  = 3 +




 Funo Geradora dos Momentos : I

 =
1 2- 6 com  < 
8

Teorema : Sejam  e  duas variveis aleatrias independentes. Ento

 ~0 
  ,  ~0 
  =  +  ~0 
 ,  =  + 
Generalizando para & variveis aleatrias independentes, tem-se
 ~0 
 ,  = 1,2, , & = "*  ~0 
, P = "* 

Resumo Elementos de Probabilidades e Estatstica

25/30

Joo Marques

Teorema : Seja uma varivel aleatria. Ento

~
0,1 =  ~0 
1
ou

} -} 
~0 

}

 ~> ,  ? *

5.10 Distribuio Beta

Funo Beta : Funo real de duas variveis reais, fazendo corresponder a cada par de
nmeros reais positivos
P, , um nmero real definido por


P,  = U-
1 - @ com P > 0 e  > 0
Propriedades da Funo Beta
a)
P,  =
, P
b)
1,1 = 1
-
U-

c) As funes gama e beta esto relacionadas do seguinte modo :
P,  = -
U5

d)  ,  =
 

Distribuio Beta : A varivel aleatria com funo densidade dada por



U-
1
- K 0 <
< 1 N


|P,  = J
U,
, para P > 0 e  > 0,
0
FQF Q

diz-se que tem distribuio beta. Simbolicamente ~K
P, .
Principais Caractersticas da Distribuio Beta :
U
U5
U5"-

 Momentos em Relao Origem : > " ? =

U5
U55
U55"-
U

 Valor Esperado :
 = U5

U

 Varincia : DFQ
 =
U56
U55

 Coeficiente de Variao : CD = =U
U55
 Coeficiente de Assimetria :  =

 Coeficiente de Kurtosis :  =


-UU55

U55U
^
U55
U56 5U
U5-/+
U
U55
U55^

Forma/Simetria :
P = 
distribuio simtrica
P < 
distribuio assimtrica positiva cauda longa direita
P > 
distribuio assimtrica negativa cauda longa esquerda
U-
P > 0 e  > 0
distribuio unimodal /@F
 = = U5-
P = 1 e  = 1
distribuio uniforme
outros valores de P e 
no tem moda

5.11 Teorema do Limite Central

Interpretao do Teorema do Limite Central : O Teorema do Limite Central garante que a
soma de  variveis aleatrias independentes, todas com a mesma mdia e a mesma
varincia, tem, depois de estandardizada e para valores de  suficientemente grandes,
distribuio aproximada,
0,1.
Teorema da Continuidade : Considere-se a sucesso de variveis aleatrias,
 ,  +  , ,  +  + +  , , ou *  com  = 1,2,
Sejam  e I , com  = 1,2, , as respectivas sucesses de funes de distribuio e
de funes geradoras dos momentos [supe-se que existem para || < 
 > 0].
Ento, se I
 I

 > 0 e I
0 1, a sucesso  tende para a funo de
distribuio  que tem I como funo geradora dos momentos.
Resumo Elementos de Probabilidades e Estatstica

26/30

Joo Marques

Teorema do Limite Central : Dada a sucesso de variveis aleatrias independentes e

identicamente distribudas (iid),  ,  , ,  , , com mdia e varincia  , ento,
quando  +, a funo de distribuio da varivel aleatria,
 =

8
}~1
} -


tende para uma funo de distribuio

0,1, ou seja, a distribuio assinttica ou
F
aproximada de 
0,1. Simbolicamente,  ~
0,1.
lim

 = lim

 Outras formulaes :


 =

8
}~1
} -

=



 ( grande)

Corolrio : Dada uma sucesso de variveis aleatrias iid,  ,  , ,  , , com

distribuio de Bernoulli de mdia
  = e DFQ
  =
1 , vem
F
8
}~1
} -
~
0,1

F  = 4

-


-


-

54

F  6

=  =



-


-

Correco de Continuidade : para  > 20,

Caso particular
= F =  :

8
}~1
} -

1
6

5 -


-


+ 

7 6

= 6

1
6

1
6

- -


-

5 -


-

7 6

1
6

- -


-

Regras prticas orientadoras do clculo de probabilidades que envolvem a distribuio

binomial :
Sempre que possvel, deve utilizar-se directamente a distribuio binomial, o que
permite o clculo exacto das probabilidades recorrendo a meios computacionais.
Quando necessrio (sempre para  > 20), o clculo aproximado das probabilidades
deve atender aos seguintes casos:
Se 0,1, deve utilizar-se a aproximao da binomial pela Poisson;
Se 0,9, deve usar-se a Poisson considerando o acontecimento complementar
Se 0,1 < < 0,9, deve recorrer-se frmula da correco da continuidade
 Nota importante : medida que se afasta de 0,5, so necessrias amostras com
dimenso cada vez maior, uma vez que a distribuio binomial se torna mais
assimtrica.
Corolrio : Se uma varivel com distribuio de Poisson, ~
, ento
lim

=



F
-
~
0,1 quando +
 Outra formulao :
-

Correco de Continuidade : para > 20,

F  6

Resumo Elementos de Probabilidades e Estatstica

27/30

1
6

5 -

76

1
6

- -

Joo Marques

5.12 Valor Esperado e Momentos de Variveis Aleatrias Contnuas

Valor Esperado de Funo de Varivel Aleatria Bidimensional : Se
,  for uma
varivel aleatria bidimensional contnua, com funo densidade , , e se uma funo
de
, , a expresso
5 5

,  = - -

, y,

, y@
@y
define o valor esperado de

, y, desde que se verifique a j referida condio de
existncia do valor esperado.
Teorema :
+  =
 +

Teorema :
 =


Momentos de Ordem  + m em Relao Origem : Seja
,  uma varivel aleatria
bidimensional contnua. O valor esperado,
5 5
9
VE
=
V E  = - -
V y E ,

, y@
@y
define um momento de ordem Q +  em relao origem de
, .
Momentos de primeira ordem :
9
=
 =
Q = 1,  = 0 
9
Q = 0,  = 1  =
 =
Momentos de segunda ordem :
9
Q = 2,  = 0 
=
 
9
Q = 1,  = 1  =

9
Q = 0,  = 2 
=
 
Momentos de Ordem  + m em Relao Mdia : Seja
,  uma varivel aleatria
bidimensional contnua. O valor esperado,
5 5
VE = 
V
E = - -

V
y E ,

, y@
@y
define um momento de ordem Q +  em relao mdia de
, .
Momentos de primeira ordem (so nulos) :
Q = 1,  = 0  = 0
Q = 0,  = 1  = 0
Momentos de segunda ordem :
Q = 2,  = 0  = 
 = DFQ
 = 
Q = 1,  = 1  = 


Q = 0,  = 2  = 
 = DFQ
 = 
Covarincia : A covarincia das variveis aleatrias e
C
,  = , = 

 ,
se este valor esperado existir.
C
,  =



C
,  =

 = 0
Coeficiente de Correlao : O coeficiente de correlao entre as variveis aleatrias e
dado por

, =


,

V
V


= ,

Teorema : Se duas variveis aleatrias, e , so independentes, ento a respectiva

covarincia igual a zero.
A independncia implica no correlao, mas a recproca no verdadeira.
Teorema : Se existem segundos momentos para as variveis aleatrias e , ento
DFQ
 = DFQ
 C
,  + DFQ

Em particular, se as variveis so independentes,
DFQ
 = DFQ
 + DFQ


Resumo Elementos de Probabilidades e Estatstica

28/30

Joo Marques

Valor Esperado Condicionado : Seja a varivel aleatria  =

, , funo das variveis
aleatrias contnuas e . O valor esperado de  =
,  condicionado por =
,
definido por
5

| =
 = 
, | =
= -

, y|*4
y@y
se se verificar a condio habitual de existncia do valor esperado.
De modo anlogo se define
5

| = y = 
, | = y = -

, y|*x

@

Se

, y = ,
| =
 = - y|*4
y@y
5

Se

, y = ,
| = y = -
|*x

@

Teorema : O valor esperado de  =
, , se existir, igual ao valor esperado do seu
valor esperado condicionado por ,

 = 
|
Se  = ,
 = 
|
regra do valor esperado iterado ( v.e. marginal)
Varincia Condicionada : A varincia de condicionada por =
definida por
DFQ
| =
 = 
| =
 | =

5
= - y
| =
 |*4
y@y
Do mesmo modo se define a varincia de condicionada por = y,
DFQ
| = y = 
| = y | = y
5
= -

| = y |*x

@

DFQ
| =
 =
 | =

| =

DFQ
| = y =
 | = y
| = y
 Os resultados da seco 4.11 ainda so vlidos para variveis aleatrias -dimensionais
contnuas (matrizes das covarincias e das correlaes, etc).
5

5.13 Distribuio Normal Bidimensional

Distribuio Normal Bidimensional : Se a varivel aleatria bidimensional
,  tem
funo densidade da forma

, >
, y| , ,  ,  , , ? =
4- 
4-
x-
x- 

2

9
,

, ?
,  > 0,  > 0 e 1 , 1, diz-se

K
>-86


6
 =-8,

com

, y , ,
que tem
distribuio normal bidimensional.
Principais Caractersticas da Distribuio Normal Bidimensional :
5 5
 - - ,

, y@
@y = 1
 Valor Esperado (marginal) :
 = ;
 =
 Varincia (marginal) : DFQ
 =  ; DFQ
 = 
 Coeficiente de Correlao : ,
 Covarincia : C
,  = ,
Distribuio Normal Bidimensional Estandardizada : Se = = 0 e  =  = 1,


 =

,

, y =

6
=

K
>-86


, ?

 2
y + y  9

K
6

 9 ; 
y =

Funo Densidade Marginal :



-86


=6

K
6
y  9


Teorema : Se
,  uma varivel aleatria normal bidimensional, ento e so
independentes se e so se e forem no correlacionados
 = 0.

Resumo Elementos de Probabilidades e Estatstica

29/30

Joo Marques

Funo Densidade de condicionada por = : :

|*x

, y =

0,
4,x
0
x

6
-86 
=


K
6
-86  ;



6 + 
y

Valor Esperado de condicionado por = : :

| = y = + 

Varincia de condicionada por = : : DFQ

| = y = 
1  

7< =

5.14 Distribuio Normal -Dimensional

 Os resultados obtidos na seco 5.13 so generalizveis.

Resumo Elementos de Probabilidades e Estatstica

30/30

Joo Marques