Escolar Documentos
Profissional Documentos
Cultura Documentos
8
4 40
52
P (X = 0, Y = 0) = 00 2
/ 2
= 780/1326 ≃ 0.589
8 4 40 52
P (X = 0, Y = 1) = 01 1
/ 2
= 160/1326 ≃ 0.121
8 4 40 52
P (X = 0, Y = 2) = 02 0
/ 2
= 6/1326 ≃ 0.004
8 4 40 52
P (X = 1, Y = 0) = 10 1
/ 2
= 320/1326 ≃ 0.241
8 4 40 52
P (X = 1, Y = 1) = 11 0
/ 2
= 32/1326 ≃ 0.024
8 4 40 52
P (X = 2, Y = 0) = 2 0 0
/ 2
= 28/1326 ≃ 0.021
X\Y 0 1 2
0 0.589 0.121 0.004 0.714
1 0.241 0.024 0 0.265
2 0.021 0 0 0.021
0.851 0.145 0.004 1
FX,Y (x, y) = (
P (X ≤ x, Y ≤ y)
P P
fX,Y (u, v) (caso discreto),
= R xu≤xR y v≤y
f (u, v) dvdu
−∞ −∞ X,Y
(caso contínuo).
NOTAS DE PROBABILIDADES E ESTATÍSTICA - GS – 59/207
Note-se que
X X fX,Y (0, y) 1 X
fY |X=0 (y) = = fX,Y (0, y) = 1
y y
f X (0) f X (0) y
P (X ∈ A, Y ∈ B) = P (X ∈ A)P (Y ∈ B).
E a variância de X + Y ?
R∞ R∞
E((X + Y )2 ) = −∞ −∞ (x + y)2 fX,Y (x, y)dxdy
R∞ R∞
= −∞ x2 −∞ fX,Y (x, y)dy dx
R∞ R∞
+2 −∞ −∞ xyfX,Y (x, y)dxdy
R∞ R∞
+ −∞ y 2 −∞ fX,Y (x, y)dx dy
R∞ R∞
= −∞ x2 fX (x)dx + 2E(XY ) + −∞ y 2 fY (y)dy
= E(X 2 ) + 2E(XY ) + E(Y 2 )
Covariância.
Definição 5.7: Dadas duas v.a. X e Y , a covariância de X e Y é o valor
esperado do produto dos desvios de X e Y em relação aos seus valores
esperados, i.e.,
1 11
∴ Cov(X, Y ) = 4
− 22
= 0.
Resultado previsível pois X e Y são v.a. independentes.
NOTAS DE PROBABILIDADES E ESTATÍSTICA - GS – 75/207
Cov(X, Y )
Corr(X, Y ) = p .
V ar(X) V ar(Y )
X\Y 0 1 2
0 0.589 0.121 0.004 0.714
1 0.241 0.024 0 0.265
2 0.021 0 0 0.021
0.851 0.145 0.004 1
e, por conseguinte,
Pn Pn
• E(Y ) = E(X ) =
i=1 i i=1 p = np,
Pn Pn
• V ar(Y ) = V ar(X ) =
i=1 i i=1 p(1 − p) = np(1 − p).
Consequentemente, Z = X1 + X2 ∼ Poisson(λ = λ1 + λ2 ).
Vector aleatório.
X = (X1 , . . . , Xn ) diz-se um vector aleatório em IRn , se Xi ,
1, . . . , n, são variáveis aleatórias. Consequentemente, se E(Xi ) = µi ,
V ar(Xi ) = σi2 e Cov(Xi , Xj ) = σij , j 6= i, então o valor esperado e a
matriz de covariâncias de X são, respectivamente,
E(X) = µ = (µ1 , . . . , µn )T
σ12 σ12 · · · σ1n
21 σ22 · · · σ2n
σ
T
V ar(X) = E((X−µ)(X−µ) ) =
. . . . . . . . . . . . . . . . . .
n
x
fX (x) = x
p (1 − p)n−x
n!
= ( λ )x (1
x!(n−x)! n
− nλ )n−x , onde p = λ/n
n(n−1)...(n−x+1) λx (1−λ/n)n
= nx
× x!
× (1−λ/n)x
λx e−λ
⇒1× x!
× 1
, quando n → ∞, p → 0
e−λ λx
= x!
.
a
Ou seja, X ∼ Poisson(λ = np), quando n → ∞ e p → 0.
fX (x) = [ M
N −M N
x n−x
]/ n
M! (N −M )! n!(N −n)!
= x!(M −x)!
× (n−x)!(N −M −n+x)!
× N!
n! M! (N −M )! (N −n)!
= x!(n−x)!
× (M −x)!
× (N −M −(n−x))!
× N!
×M (M −1)...(M −x+1)
n (N −M )(N −M −1)...(N −M −(n−x)+1)
= x
N (N −1)...(N −x+1)
× (N −x)(N −x−1)...(N −n+1)
⇒ nx × [ M M
··· M ] × [ N −M N −M
· · · N −M
N N N N N N
], M, N → ∞
n
(M x N −M n−x
= x N) ( N )
n
= x px (1 − p)n−x , x = 0, 1, . . . , n e p = M/N .
a
Ou seja, X ∼ Binomial(n, p = M
N
), quando N, M→∞ simultaneamente.
Convergência em distribuição
Definição 5.11: Sejam X, X1 , X2 . . . v.a. com respectivas funções de
distribuição FX , FX1 , FX2 , . . .. Diz-se que Xn converge em distribuição
D
para X (Xn → X), se FXn (x) → FX (x), quando n → ∞, ∀ x ponto de
continuidade de FX . Ou seja,
P (Xn = 1/n) = 1 e P (X = 0) = 1.
• A função de distribuição de X é
(
1, x ≥ 0;
FX (x) =
0, x < 0.
D
Portanto, Xn → X para todos os pontos de continuidade, i.e.,
• x > 0 ⇒ FXn (x) → 1 = FX (x), quando n → ∞.
• x < 0 ⇒ FXn (x) → 0 = FX (x), quando n → ∞.
Sn − E(Sn ) Sn − nµ D
p = √ → N (0, 1).
V ar(Sn ) σ n
0.30
0.30
0.20
0.20
f(x)
f(x)
0.10
0.10
0.00
0.00
0 10 20 30 40 50 0 10 20 30 40 50
x x
0.30
0.20
0.20
f(x)
f(x)
0.10
0.10
0.00
0.00
0 10 20 30 40 50 0 10 20 30 40 50
x x
• E(Xi ) = (5+0)
2
= 2.5 ⇒ E(S60 ) = 60 × 2.5 = 150.
• V ar(Xi ) = (5−0)2 25 25
12
= 12
⇒ V ar(S60 ) = 60 × 12
= 125.
= P (Z ≤ 2.68)
= 0.9963.
NOTAS DE PROBABILIDADES E ESTATÍSTICA - GS – 92/207
Aplicação à distribuição Binomial.
Corolário 5.2: Seja X1 , X2 . . . uma sucessão de v.a. associadas a en-
saios de Bernoulli independentes com probabilidade de sucesso p, i.e.,
Xi ∼ Bernoulli(p), i = 1, . . . , n, independentes com valor esperado
µ = E(Xi ) = p e variância σ 2 P = V ar(Xi ) = p(1 − p), onde
p = P (Xi = 1) ∈ (0, 1). Para Sn = ni=1 Xi ,
S − np D
p n → N (0, 1).
np(1 − p)
0.4
0.3
0.3
f(x)
f(x)
0.2
0.2
0.1
0.1
0.0
0.0
0 1 2 3 4 5 0 2 4 6 8 10
x x
0.4
0.3
0.3
f(x)
f(x)
0.2
0.2
0.1
0.1
0.0
0.0
0 5 10 15 20 0 10 20 30 40 50
x x
= P (Z ≥ 0.58)
= 1 − FZ (0.58) = 1 − 0.719
= 0.281.
• (com correcção de continuidade)
7−12 0.5−1/2
P (X ≥ 7) ≈ P Z ≥ √
12 0.5 0.5
= P (Z ≥ 0.29)
= 1 − FZ (0.29) = 1 − 0.6141
= 0.3859.