Rciocínio Lógico Quantitativo para AFRFB

RACIOCNIO LGICO QUANTITATIVO PARA AFRFB PROFESSOR: GUILHERME NEVES
Aula 12 Parte 1
Variveis Aleatrias.................................................................................................................................... 2 Esperana de variveis aleatrias discretas ..................................................................................... 5 Propriedades da Esperana Matemtica......................................................................................................... 17 Varincia e desvio-padro de uma varivel aleatria ..................................................................................... 19 Propriedades da Varincia............................................................................................................................... 25 Covarincia ...................................................................................................................................................... 27 Propriedades da Covarincia ........................................................................................................................... 29 Varincia da Soma e da Diferena ................................................................................................................... 29 Relao das questes comentadas.................................................................................................................. 40
Prof. Guilherme Neves
www.pontodosconcursos.com.br
Variveis Aleatrias
As variveis aleatrias so a base no estudo da Estatstica Inferencial. Vamos trabalhar com o exemplo mais clssico e simples que o lanamento de um dado honesto. Como todos bem sabem, so seis possveis resultados no lanamento de um dado, a saber: 1, 2, 3, 4, 5 e 6. O dado que estamos trabalhando honesto, ou seja, estamos partindo do pressuposto que todas as faces tm a mesma probabilidade de sair. Ok? No caso, 1 2 3 4 5 6 1/6. E o que significa esta probabilidade 1/6? Significa que se pudssemos lanar este dado uma infinidade de vezes, o esperado que em 1/6 das vezes sasse o nmero 1, em 1/6 das vezes sasse o nmero 2, e assim por diante. S para exemplificar, se pudssemos lanar o dado 6.000 vezes, esperamos que o nmero 1 saia em torno de 1.000 vezes. No estamos dizendo que sair exatamente 1.000 vezes, mas como o dado honesto, bem provvel que cada um dos nmeros saia 1.000 vezes (ou algo bem prximo disso). Este um exemplo de varivel aleatria. Ela pode assumir valores de uma maneira completamente aleatria, ou seja, no temos como prever o seu resultado. Por outro lado, podemos associar valores de probabilidade a cada um dos possveis resultados. Como outro exemplo, considere o peso do carregamento de garrafas de gua mineral. Esses pesos variam aleatoriamente de 5 a 22 kg. Os pesos reais das garrafas so os valores da varivel aleatria peso. Esses dois exemplos mostram que as variveis aleatrias podem ser discretas ou contnuas. Uma varivel aleatria discreta pode assumir apenas certos valores, usualmente nmeros racionais, e resultam basicamente de contagens. Os possveis resultados no lanamento de um dado so limitados e servem como exemplo de varivel aleatria discreta. Os valores das variveis esto restritos a apenas certos nmeros: 1, 2, 3, 4, 5 e 6. Uma varivel aleatria contnua resulta de uma medida e pode assumir qualquer valor dentro de um dado intervalo. No exemplo do carregamento de garrafas de gua, os pesos podem assumir qualquer valor no intervalo de 5 a 22 kg.
No caso de estarmos trabalhando com uma varivel aleatria contnua, ns no poderemos atribuir probabilidades a valores especficos. S poderemos atribuir probabilidades a intervalos de valores. Por qu? Porque no caso da varivel contnua existe uma infinidade de possibilidades. Vejamos um exemplo prtico: considere a cidade do Recife. Qual a probabilidade de a temperatura no dia 25/03/2014 s 6h da manh ser EXATAMENTE 27,53235778 C? Esta probabilidade igual a 0. Isto porque h um caso favorvel e uma infinidade de casos possveis. Agora, poderamos calcular, por exemplo, a probabilidade de a temperatura assumir valores entre 20C e 25C. Esta probabilidade certamente no igual a 0. Resumo Varivel aleatria (v.a.) uma varivel que associada a uma distribuio de probabilidade. So exemplos de variveis aleatrias: o valor de uma ao ao final do dia de amanh, a altura de uma criana daqui a 1 ano,... Todas essas variveis podem assumir diferentes valores, valores estes que, por sua vez, esto associados a probabilidades. No so variveis aleatrias: o valor de uma ao no final do prego de ontem, o nmero de pontos de um time de futebol em um campeonato que j acabou, a altura de um homem de 40 anos daqui a 2 dias, a rea til de uma sala,... Todas essas variveis tm valores fixos, ou seja, no mudam.
Eu falei sobre distribuio de probabilidade, mas ainda no a defini. Distribuio de probabilidades uma lista de todos os resultados possveis de um experimento e tambm das probabilidades associadas a cada um dos resultados. Obviamente, a soma de todas as probabilidades ser sempre igual a 1.
No nosso exemplo do dado honesto: 1 2 3 4 5 6 1/6 1/6 1/6 1/6 1/6 1/6
Aqui na estatstica inferencial, a probabilidade associada a um valor da varivel aleatria ter um papel muito parecida com a frequncia relativa da estatstica descritiva. Como j falei anteriormente, qual o significado da probabilidade igual a 1/6? Significa que, se voc lanar o dado honesto muitas e muitas vezes, seria bem provvel que cada um dos nmeros sasse em 1/6 das vezes. Temos muito mais coisas a fazer do que ficar lanando dados, no mesmo? para isso que serve o Excel. Fiz uma simulao e lancei o dado 60.000 vezes (usando a funo =ALEATRIOENTRE). De acordo com as probabilidades da distribuio acima, esperamos que cada face saia em torno de 10.000 vezes. Pois bem, mandei o Excel contar os nmeros (usando a funo =cont.se) e obtive os seguintes valores: Nmero da face 1 2 3 4 5 6 Frequncia absoluta 9.917 9.958 10.126 10.090 10.003 9.906
Muito bom!! Vamos calcular a mdia aritmtica desse experimento?
Para isto, vamos multiplicar cada valor da face pela sua frequncia, somar tudo e dividir por 60.000. Nmero da face 1 2 3 4 5 6 Frequncia absoluta 9.917 9.958 10.126 10.090 10.003 9.906 1 9.917 9.917 2 9.958 19.916 3 10.126 30.378 4 10.090 40.360 5 10.003 50.015 6 9.906 59.436
Assim, a mdia ser igual a: 9.917 19.916 30.378 40.360 50015 59436 210.022 60.000 60.000 3,50036666666
Feito isto, vamos falar na esperana de uma varivel aleatria. Esperana de variveis aleatrias discretas
A esperana matemtica (tambm chamada de expectncia, valor mdio ou mdia) , por definio, o nmero

O que significa esta expresso? Significa que, para calcular a esperana de uma varivel aleatria, devemos multiplicar cada valor da varivel pela sua respectiva probabilidade e depois somar tudo. S isso!!! Repita: i) ii) Multiplicamos cada valor da varivel pela sua probabilidade Soma tudo!!
Muito fcil!!! Vejamos o exemplo probabilidades: do dado. Tnhamos a seguinte distribuio de
1 2 3 4 5 6
1/6 1/6 1/6 1/6 1/6 1/6
Para calcular a esperana, multiplicamos cada valor da varivel pela sua probabilidade, ou seja, multiplicamos por . Depois somamos tudo. 1 2 3 4 5 6
1/6 1/6 1/6 1/6 1/6 1/6 1
1 1 1 6 6 1 2 2 6 6 1 3 3 6 6 1 4 4 6 6 1 5 5 6 6 1 6 6 6 6
Vamos somar tudo agora? 1 2 3 4 5 6 1 2 3 4 5 6 21 6 6 6 6 6 6 6 6 3,50 Epaaa, Guilherme!! Aquele exemplo que voc fez no Excel... A mdia tinha dado 3,50036666666 !!!! coincidncia isso? No, meu amigo!! Graas a Deus que voc percebeu isto. Esse o esprito da Esperana Matemtica.
Prof. Guilherme Neves www.pontodosconcursos.com.br 6
Se fosse possvel lanar o dado infinitas vezes e calcular a mdia aritmtica, o resultado seria exatamente a esperana da varivel aleatria. Est vendo como a matemtica bela? Por enquanto vamos nos restringir ao estudo da esperana de variveis aleatrias discretas. Em um momento posterior estudaremos a esperana de variveis contnuas. Vamos resolver alguns exerccios para treinar estes conceitos iniciais? 01. (Administrador DNOCS 2010/FCC) Em uma loja, as unidades vendidas por dia de um determinado eletrodomstico apresentam a seguinte distribuio de probabilidades de ocorrncia de venda:
A probabilidade de que em um determinado dia tenham sido vendidas mais que uma unidade do eletrodomstico igual a (A) 87,5%. (B) 80,0%. (C) 75,0%. (D) 60,0%. (E) 50,0%. Resoluo O somatrio de todas as probabilidades deve ser igual a 1. Desta forma: 3 2 1 8 1 1 8
A probabilidade de que em um determinado dia tenham sido vendidas mais que uma unidade do eletrodomstico igual a 3 2 6 6 Letra C 1 6 3 0,75 75% 8 8 4
02. (TRF 4 Regio 2010/FCC) O nmero de televisores vendidos diariamente em uma loja apresenta a seguinte distribuio de probabilidades.
A probabilidade de que, em um determinado dia, no seja vendido nenhum televisor igual a 10% e de que seja vendido mais que 3 igual a 30%. Ento, a probabilidade de que em um determinado dia sejam vendidos 2 televisores de (A) 10%. (B) 12%. (C) 15%. (D) 18%. (E) 20%. Resoluo Quando o problema enuncia que a probabilidade de que, em um determinado dia, no seja vendido nenhum televisor igual a 10%, isto significa que 10% 0,1. O enunciado ainda afirma que a probabilidade de que seja vendido mais que 3 televisores igual a 30%. Ou seja: 2 30% 2 0,1 0,3 2 0,2 0,1 Como a soma de todas as probabilidades deve ser igual a 1, ento: 3 2 1 2 5 2 1 2 0,1 5 0,1 2 1 0,7 2 1 2 0,3 0,15 A probabilidade de que sejam vendidos 2 televisores de 0,15 15%. Letra C
03. (Tcnico de Controle Externo Economia TCE/MG 2007/FCC) O nmero de unidades vendidas, mensalmente, de umproduto em uma determinada loja uma varivel aleatria(X) com a seguinte distribuio de probabilidades:
Sabe-se que somente em 10% dos meses so vendidosmais que 3 unidades. Ento, se em um determinado msa venda realizada no foi nula, tem-se que a probabilidadedela ter sido inferior a 4 (A) 70,0% (B) 75,0% (C) 80,0% (D) 87,5% (E) 90,0% Resoluo O texto fala que somente em 10% dos meses so vendidos mais que 3 unidades. Ora, vender mais que 3 unidades, de acordo com a tabela, significa vender exatamente 4 unidades. Conclumos que 10% 0,1 . O somatrio de todas as probabilidades deve ser igual a 1, portanto: 2 2 1 2 0,1 2 0,1 1 0,2 4 0,1 1 4 0,7 0,175 17,5%
Vamos reconstruir a distribuio de probabilidades com os valores obtidos? X 0 1 2 3 4 P(X) 2 2 10% 20% 17,5% 2 2 17,5% 35% 17,5% 10%
Fazendo uma limpeza no visual... X 0 1 2 3 4 P(X) 20% 17,5% 35% 17,5% 10%
Se em um determinado ms a venda realizada no foi nula, tem-se que a probabilidade dela ter sido inferior a 4 ... Se a venda realizada no foi nula, podemos riscar a primeira linha da nossa tabela. Isto significa que o nosso total agora 100% - 20% = 80%. X 1 2 3 4 P(X) , % % , % 10%
Queremos calcular a probabilidade de ela ter sido inferior a 4. A probabilidade pedida Letra D 04. (MEC 2009 CESGRANRIO) Uma empresa considera fazer um investimento que tem probabilidade igual a 0,2 de produzir um lucro de R$ 20.000,00 e probabilidade igual a 0,5 de produzir um lucro de R$ 8.000,00; caso contrrio, o investimento trar um prejuzo de R$ 15.000,00. O valor esperado do retorno do investimento, em reais,
17,5% 35% 17,5% 70% 7 0,875 87,5% 80% 80% 8
(A) 3.500,00 (B) 4.000,00 (C) 4.500,00 (D) 5.000,00 (E) 5.500,00 Resoluo Vamos construir a distribuio de probabilidades. X 20.000,00 8.000,00 15.000,00 P(X) 0,2 0,5 0,3
Para calcular o valor esperado, devemos multiplicar cada valor da varivel pela sua respectiva probabilidade e somar tudo. 20.000,00 8.000,00 15.000,00 0,2 0,5 0,3 20.000 0,2 4.000,00 8.000 0,5 4.000,00 15.000 0,3 4.500,00
Dessa forma, o valor esperado ser 4.000 + 4.000 4.500 = 3.500 Letra A 05. (MPOG 2006 ESAF) Suzana e Sandra jogam, cada uma, uma moeda. Se do lanamento dessas duas moedas resultar duas caras, Suzana paga a Sandra R$ 6,00. Dando qualquer outro resultado, Sandra paga a Suzana R$ 4,00. Supondo que ambas as moedas sejam estatisticamente honestas, o valor esperado, em reais, dos ganhos de Sandra (considerando- se como ganhos negativos os valores que ela paga Suzana) igual a a) 1,5. b) -0,75. c) 0,75.
11
d) -1,5. e) 2,5. Resoluo O problema pede para calcular o valor esperado. Valor esperado a mesma coisa que esperana matemtica (ou expectncia ou mdia). Queremos calcular os ganhos de Sandra. Se do lanamento dessas duas moedas resultar duas caras, Suzana paga a Sandra R$ 6,00. Ou seja, se o resultado for cara-cara (probabilidade igual a 1/4), Sandra GANHA R$ 6,00. Dando qualquer outro resultado, Sandra paga a Suzana R$ 4,00. Quais so os outros possveis resultados? Cara-coroa, coroa-cara ou coroacoroa. A probabilidade disto ocorrer igual a . Eis a distribuio de probabilidades. 6,00 4 1 4 3 4
Para calcular a esperana devemos seguir dois passos. i) Multiplicar cada valor da varivel pela sua respectiva probabilidade. ii) Somar tudo. 6,00 4 A esperana igual a: 1 4 3 4 1 6 1,50 4 3 4 3,00 4
1,50 3,00 1,50 Isto significa que, se Sandra e Suzana realizassem este experimento uma infinidade de vezes, Sandra perderia R$ 1,50 por jogo em mdia. Letra D
12
06. (MPU 2004 ESAF) O preo de determinada ao fica constante, aumenta ou diminui R$ 1,00 por dia com probabilidades 0,3, 0,3 e 0,4 respectivamente. Assinale a opo que d o valor esperado do preo da ao amanh se seu preo hoje R$ 8,00. a) R$ 7,90 b) R$ 8,00 c) R$ 7,00 d) R$ 9,00 e) R$ 8,50 Resoluo A probabilidade de o preo da ao no variar (permanecer constante) igual a 0,3. Assim, a probabilidade de o preo da ao continuar R$ 8,00 0,3. A probabilidade de o preo da ao aumentar R$ 1,00 (ou seja, ficar igual a R$ 9,00) igual a 0,3. A probabilidade de o preo da ao diminuir R$ 1,00 (ou seja, ficar igual a R$ 7,00) igual a 0,4. Eis a distribuio de probabilidades. 7,00 8,00 9,00 0,4 0,3 0,3
Queremos calcular o valor esperado. Para tanto, multiplicamos cada valor da varivel pela sua respectiva probabilidade e depois somamos tudo. 7,00 8,00 9,00 0,4 0,3 0,3 7,00 0,4 2,80 8,00 0,3 2,40 9,00 0,3 2,70
2,80 2,40 2,70 7,90 Letra A
13
07. (Estatstico TCE/RO 2007/CESGRANRIO) O retorno mensal de certo investimento de risco pode ser modelado pela varivel aleatria W, com funo de probabilidade dada a seguir.
O retorno esperado : (A) 0,5% (B) 0,5% (C) 1,5% (D) 5% (E) 7,5% Resoluo O retorno esperado o mesmo que esperana. Basta multiplicar cada valor da varivel W pela sua respectiva probabilidade e somar tudo. 5% 0,4 0% 0,15 5% 0,25 10% 0,15 15% 0,05 2% 0% 1,25% 1,5% 0,75% Letra C 1,5%
08. (Analista BACEN 2010 CESGRANRIO) Sobre variveis aleatrias, considere as afirmaes a seguir. I - Para toda e qualquer varivel aleatria, sua funo de densidade de probabilidade fornece a probabilidade de ocorrncia de cada valor da varivel aleatria considerada, exceto no caso de variveis aleatrias contnuas, para as quais a probabilidade de ocorrncia de um valor especfico zero. II - A esperana matemtica (expectncia) de uma varivel aleatria discreta, ou seja, seu valor esperado, a mdia dessa varivel aleatria, que definida como um n-avos do somatrio dos valores possveis dessa varivel multiplicados por suas respectivas probabilidades. III - A distribuio binomial uma extenso direta da Distribuio de Bernoulli, uma vez que o experimento aleatrio que caracteriza a binomial nada mais do que um Experimento de Bernoulli repetido n vezes.
14
correto APENAS o que se afirma em (A) II. (B) III. (C) I e II. (D) I e III. (E) II e III. Resoluo Vamos analisar cada um dos itens: I Verdadeiro. Ao contrrio de uma varivel aleatria discreta, uma varivel aleatria contnua pode assumir qualquer valor dentro de um intervalo definido de valores. Desta maneira, para distribuies de probabilidade, no se consegue enumerar todos os possveis valores de uma varivel aleatria contnua com os valores de probabilidades correspondentes. Em lugar disso, a abordagem mais conveniente construir uma funo densidade de probabilidade, baseada na funo matemtica correspondente. Para definir uma funo de probabilidade contnua, necessrio utilizar critrios diferentes das variveis discretas, isto porque X dever estar compreendido entre dois valores diferentes (em se considerando uma varivel aleatria contnua), sendo que em geral a probabilidade de x assumir um determinado valor 0. No caso de variveis contnuas, as probabilidades so especificadas em termos de intervalos, pois a probabilidade associada a um nmero especfico zero.
II Falso
15
A esperana matemtica (expectncia) de uma varivel aleatria discreta, ou seja, seu valor esperado, a mdia dessa varivel aleatria, que definida como um n-avos do somatrio dos valores possveis dessa varivel multiplicados por suas respectivas probabilidades. A parte em negrito vermelho est errada!!

O texto correto seria A esperana matemtica (expectncia) de uma varivel aleatria discreta, ou seja, seu valor esperado, a mdia dessa varivel aleatria, que definida como somatrio dos valores possveis dessa varivel multiplicados por suas respectivas probabilidades. III Verdadeiro Ainda no estudamos a distribuio binomial, mas vou fazer um resuminho s para responder a questo (no se preocupem!! Vamos estudar detalhadamente tudo sobre a distribuio binomial posteriormente.) A distribuio binomial uma distribuio discreta de probabilidade, aplicvel sempre que o experimento do tipo do de Bernoulli. O experimento de Bernoulli se caracteriza pela existncia de apenas dois eventos, mutuamente exclusivos, que denominaremos sucesso e fracasso. Se a probabilidade de sucesso p, a probabilidade de fracasso 1-p. Caractersticas de um experimento de Bernoulli i) Em cada tentativa existem dois resultados possveis, mutuamente exclusivos. Eles so chamados, por convenincia, sucesso e fracasso. ii) As sries de observaes so constitudas de eventos independentes. iii) As probabilidades de sucesso e fracasso permanecem constantes de tentativa para tentativa. Exemplos de experimentos de Bernoulli: Jogamos uma moeda no-viciada e pomos sucesso = cara, fracasso = coroa. Jogamos um dado no-viciado e pomos sucesso = o resultado 1 ou 2, fracasso = o resultado 3, 4, 5 ou 6. De uma urna que contm 8 bolas verdes e 4 bolas amarelas, sacamos uma bola e pomos sucesso = a bola verde, fracasso = a bola
amarela. A distribuio binomial nada mais do que a generalizao da distribuio de Bernoulli. H um sucesso, com probabilidade p, e um fracasso, com probabilidade q, tal que p+q=1, mas o nmero de experimentos pode ser qualquer um. Letra D
Propriedades da Esperana Matemtica

Apesar de ainda no ter explicado o processo do clculo da Esperana no caso de variveis contnuas, as propriedades apresentadas a seguir so vlidas tanto para variveis discretas como para variveis contnuas. Vamos considerar que X e Y so duas variveis aleatrias quaisquer e que k seja uma constante qualquer (um nmero). i)
Ou seja, se multiplicamos uma varivel aleatria por k, a sua esperana fica multiplicada por k. Lembra da propriedade da mdia aritmtica em Estatstica Descritiva? Aqui fica igualzinho. Por exemplo, se dobramos os valores da varivel aleatria, a sua mdia (esperana) tambm dobra. Vamos ver um exemplo bem prtico. Lembra que levando em considerao um dado honesto de 6 faces (as faces sendo 1,2,3,4,5,6), a esperana tinha dado 3,50? Vamos dobrar os valores das faces. Considere, portanto, um dado cujas faces so iguais a 2,4,6,8,10,12. Qual o valor da esperana neste caso? Ora, como multiplicamos cada valor da varivel por 2, a esperana tambm ser multiplicada por 2. Assim, a esperana neste caso igual a 3,50 2 7. ii)
Se adicionamos uma constante k a todos os valores de uma varivel aleatria, tambm adicionamos k unidades sua esperana.
17
Voltemos novamente ao exemplo do dado. Imagine que eu vou adicionar 20 unidades a cada face. Ou seja, minhas novas faces sero iguais a 21, 22, 23, 24, 25, 26. Qual o novo valor da esperana? Ora, se eu adiciono 20 unidades a cada valor da varivel, a esperana tambm aumentar 20 unidades. Assim, a nova esperana igual a 3,50 + 20 = 23,50. iii)
Podemos ler a propriedade acima da seguinte maneira: a esperana da soma de duas variveis igual soma das esperanas das variveis. iv)
Esta propriedade muito fcil de entender. Ela diz que a esperana de uma constante igual prpria constante. Imagine um dado em que todas as faces so iguais a 4. Qual a esperana neste caso? Ou seja, se voc fosse lanar este dado infinitas vezes e calculasse a mdia, qual seria este valor? Quatro! v) Se X e Y so variveis aleatrias independentes, ento Observe que voc s poder utilizar esta propriedade se o problema garantir que as variveis so independentes, ok? E um fato muito importante que costumam perguntar nas provas. Acabamos de falar que SE (e este um grande SE) as variveis aleatrias X e Y so independentes, ento . Porm, se voc sabe que voc NO PODE GARANTIR QUE AS VARIVEIS SO INDEPENDENTES. Se as variveis X e Y so independentes, ento .
Se , as variveis X e Y podem ser independentes ou dependentes.
Vou resolver uma parte de uma questo do TCE-RS 2011. Na realidade a questo pedia para o candidato analisar trs afirmativas. Como estamos no
18
incio da aula, vamos analisar apenas uma delas. Depois responderemos a questo completamente. (Economista TCE/RS 2011/FMP) Considere X e Y duas variveis aleatrias quaisquer e as afirmativas abaixo: I. Se Z = 8X + 9Y, ento VAR(Z) = 8VAR(X) + 9VAR(Y) + 2 COV(X,Y). II. Se W = 8X + 9Y + 10, ento E(W) = 8E(X) + 9E(Y) + 10. III. Se COV(X,Y) = 0, ento X e Y so independentes. correto afirmar que: (A) apenas I est correta. (B) apenas II est correta. (C) apenas III est correta. (D) apenas I e II esto corretas. (E) apenas II e III esto corretas. No presente momento, s temos condio de analisar a assertiva II. Queremos calcular a esperana da varivel W = 8X + 9Y + 10. 8 9 10 ? A esperana da soma igual soma das esperanas. Assim, podemos desmembrar a expresso acima. 8 9 10 8 9 10 Quando multiplicamos a varivel X por 8, sua esperana fica multiplicada por 8. Portanto, E(8X) = 8 E(X). Quando multiplicamos a varivel Y por 9, sua esperana fica multiplicada por 9. Portanto, E(9Y)=9 E(Y). 10 uma constante. Vimos que a esperana de uma constante igual prpria constante. Portanto, E(10) = 10. 8 9 10 8 9 10 A assertiva II est correta.
Varincia e desvio-padro de uma varivel aleatria

J aprendemos a calcular a mdia (esperana) de uma varivel aleatria discreta. Vamos aprender agora a calcular a varincia (e, consequentemente, o desvio-padro) de uma varivel aleatria.
19
Por definio, a varincia de uma varivel aleatria X, de populao infinita, Lembrando que tambm pode ser representada por , a varincia pode assim ser escrita: Vamos desenvolver esta expresso? Primeiro devemos desenvolver o produto notvel: 2 Portanto: 2 2 Lembre-se que a mdia da varivel X. Assim, uma constante. Sendo uma constante, podemos inferir que e que 2 2. 2 Como ,ento: 2 2
Esta frmula mais fcil de trabalhar. Varincia de uma varivel aleatria Vamos praticar um pouco? Vamos considerar um tetraedro regular (poliedro com 4 faces triangulares). Nas faces temos os nmeros 2, 4, 6 e 8. O resultado a face que fica voltada para baixo.
20
Como o poliedro regular, vamos supor que cada face tem a mesma probabilidade de sair. Assim: 2 4 6 8 Eis a sua distribuio de probabilidade. 2 4 6 8 1/4 1/4 1/4 1/4 1 4
Para calcular a esperana, devemos multiplicar cada valor da varivel pela sua respectiva probabilidade e depois somar tudo. 2 4 6 8 1/4 1/4 1/4 1/4 1 2 2 4 4 1 4 4 4 4 1 6 6 4 4 1 8 8 4 4
Agora somamos tudo. 2 4 6 8 4 4 4 4 5 Isto significa que se fssemos jogar este tetraedro uma infinidade de vezes, a mdia seria igual a 5. Vamos agora calcular a varincia? D uma olhadinha na frmula: Como j sabemos o valor de , automaticamente j sabemos que 5 25. Precisamos calcular .
21
Guilherme, qual o significado da expresso ? Veja, meu amigo. Voc lembra do processo para calcular a esperana de alguma coisa? Devemos multiplicar cada valor da varivel em questo pela sua respectiva probabilidade e depois somar tudo. No caso, queremos calcular a esperana da varivel X. Assim, vamos elevar ao quadrado cada valor da varivel X, depois multiplicar pelas probabilidades e somar tudo. 2 4 6 8 1/4 1/4 1/4 1/4 1 2 2 4 4 1 4 4 4 4 1 6 6 4 4 1 8 8 4 4 2 4 4 16 6 36 8 64
Agora vamos multiplicar cada valor de pelas respectivas probabilidades. 2 4 6 8 1/4 1/4 1/4 1/4 1 2 2 4 4 1 4 4 4 4 1 6 6 4 4 1 8 8 4 4 2 4 4 16 6 36 8 64 1 4 1 4 1 16 4 4 1 36 9 4 1 64 16 4
Somando tudo... 1 4 9 16 30 Agora podemos calcular a varincia. 30 5 25 09. (AFRFB 2009/ESAF) A tabela mostra a distribuio de frequncias relativas populacionais (f) de uma varivel X: 2 1 2
6 1 3
22
Sabendo que a um nmero real, ento a mdia e a varincia de X so, respectivamente:

a) 0,5 3,45 b) 0,5 3,45 c) 0 1 d) 0,5 3,7 e) 0,5 3,7
Resoluo O enunciado da ESAF foi meio impreciso ao falar em frequncia relativa. O correto mesmo seria probabilidade. O somatrio de todas as probabilidades deve ser igual a 1. Portanto: 6 1 3 1 10 1 0,1 Vamos substituir este valor na distribuio de probabilidades. 2 1 2 0,6 0,1 0,3
Para calcular a mdia (esperana), vamos multiplicar cada valor da varivel pela sua probabilidade e somar tudo. 2 0,6 1 0,1 2 0,3 1,2 0,1 0,6 0,5 Poderamos ter feito isto na tabela. 2 1 2 Assim, 1,2 0,1 0,6 0,5. Vamos agora calcular a varincia.
0,6 0,1 0,3
2 0,6 1,2 1 0,1 0,1 2 0,3 0,6
J sabemos o valor de , portanto 0,5 0,25. Vamos calcular . Para tanto, devemos elevar os valores de X ao quadrado, depois multiplicar pela probabilidades e somar tudo. 2 1 2 Somando tudo... 2,4 0,1 1,2 3,7 Agora podemos calcular a varincia. 3,7 0,25 3,45 Letra A 10. (Petrobras 2011/CESGRANRIO) Estatsticas do Departamento de Trnsito sobre o envolvimento de motoristas em acidentes com at 2 anos de habilitao indicam que o seguinte modelo pode ser adotado, ou seja, a varivel aleatria X representa o nmero de acidentes e assume valores 0,1,2,3 e 4: Nmero de Acidentes (X) P(X=x) 0 0,3 1 0,2 2 0,1 3 0,1 4 0,3 0,6 0,1 0,3 2 0,6 1,2 1 0,1 0,1 2 0,3 0,6 2 4 1 1 2 4 4 0,6 2,4 1 0,1 0,1 4 0,3 1,2
O valor esperado respectivamente, a) 1,9 e 1,64 b) 1,9 e 2,69 c) 2,0 e 1,64 d) 2,0 e 2,69 e) 2,69 e 1,9 Resoluo
desvio
padro
da
varivel
aleatria
so,
Para calcular o valor esperado, devemos multiplicar cada valor da sua varivel pela sua respectiva probabilidade e somar. 0 0,3 1 0,2 2 0,1 3 0,1 4 0,3 0 0,2 0,2 0,3 1,2 1,9
Estamos em dvida agora entre as alternativas A e B. Vamos calcular E(X). Para isso, devemos elevar a varivel X ao quadrado, multiplicar pelas probabilidades e somar tudo. 0 0,3 1 0,2 2 0,1 3 0,1 4 0,3 0 0,2 0,4 0,9 4,8 6,3 Agora podemos aplicar a frmula da varincia. 6,3 1,9 2,69 Este o valor da varincia!!! O problema pede o desvio padro, que a raiz quadrada. Assim, j podemos riscar a alternativa B e ficamos com a alternativa A. De fato, 1,64 2,69, portanto: 2,69 1,64 Letra A
Propriedades da Varincia
Veremos agora duas propriedades (muito parecidas com as propriedades da Estatstica Descritiva). Considere que X uma varivel aleatria e que k uma constante real. Vamos analisar cada uma separadamente. i)
Isto significa que se voc adicionar uma constante a todos os valores da varivel, a varincia no se altera.
Prof. Guilherme Neves www.pontodosconcursos.com.br
25
ii)
Se voc multiplicar todos os valores da varivel por uma constante k, a varincia ficar multiplicada pelo quadrado desta constante.
11. (PETROBRAS 2006 Administrador Pleno CESGRANRIO) Se Y = 2X+1 e a varincia de X vale 2, a varincia de Y igual a: (A) 2 (B) 4 (C) 5 (D) 8 (E) 9 Resoluo Poderamos raciocinar da seguinte maneira: Como chegamos varivel Y a partir da varivel X? Multiplicamos os valores de X por 2 e em seguida adicionamos 1 ao resultado encontrado.
Assim, a varincia (que igual a 2) multiplicada por 4 igual a 8. Letra D 12. (CGU 2008 Estatstica e Clculos Atuariais/ESAF) Seja X uma varivel aleatria com mdia 1 e varincia 2. Qual a varincia da varivel Y = 2X + 4? a) 2 b) 4
c) 6 d) 8 e) 12 Resoluo No precisamos da mdia da varivel X para calcular a varincia de Y. O raciocnio o mesmo da questo anterior. Como chegamos varivel Y a partir da varivel X? Multiplicamos os valores de X por 2 e em seguida adicionamos 4 ao resultado encontrado.
Assim, a varincia (que igual a 2) multiplicada por 4 igual a 8. Letra D
Covarincia
Por definio, dadas duas variveis aleatrias, X e Y, a covarincia entre X e Y , A covarincia pode ser entendida como uma varincia conjunta entre duas variveis. Vamos desenvolver a expresso acima para que possamos encontrar uma forma mais fcil de calcular a covarincia. ,
Vamos desmembrar esta expresso. , , Lembre-se que a mdia da varivel X e que a mdia da varivel Y. So, portanto, constantes. A esperana de uma constante igual prpria constante, assim, . , Pessoal, E(X) a mesma coisa que e E(Y) a mesma coisa que . , , Portanto, podemos escrever a covarincia assim: , O passo a passo o seguinte: i) ii) iii) iv) v) Calculamos a esperana de X, obtendo . Calculamos a esperana de Y, obtendo . Multiplicamos a varivel X pela varivel Y obtendo a varivel XY. Calculamos a esperana de XY, obtendo . Aplicamos a frmula da covarincia. ,
Na verdade, o que aparece mais so os aspectos tericos sobre a covarincia. Para responder as questes de covarincia, voc precisa saber a frmula e dois detalhes que vou explicar agora. Voc lembra que quando as variveis X e Y so independentes, ? Pois bem, suponha que as variveis X e Y so independentes. O que ocorre com a covarincia? Ora, sendo independentes, conclumos que . Assim: , , , 0
ISTO MUITO IMPORTANTE!!!!!! Agora, se a covarincia igual a 0, voc no pode concluir que as variveis so independentes. Resumindo: Se as variveis X e Y so independentes, ento cov(X,Y) = 0. Se cov(X,Y)=0, as variveis podem ser independentes ou dependentes.
Amigos, isso cai muito nas provas. Memorizem!!!!
Propriedades da Covarincia
Considere que X,Y e Z so variveis aleatrias e que k uma constante qualquer. possvel demonstrar as seguintes relaes: i) ii) iii) iv) v) , , , , , 0 , , , , , ,
A sentena i) afirma que a covarincia entre X e Y igual covarincia entre Y e X. A sentena ii) afirma que a varincia de X , na realidade, a covarincia entre X e X. A sentena iii) afirma que a covarincia entre uma varivel aleatria e uma constante sempre igual a 0. A sentena iv) nos ensinar a desmembrar uma soma dentro da covarincia. A sentena v) afirma que se uma constante estiver multiplicando uma das variveis, ela pode sair multiplicando a covarincia. Daqui a pouquinho vamos treinar isto em exerccios.
Varincia da Soma e da Diferena
29
Este conceito muito cobrado em provas. Agora que j estudamos a covarincia, podemos mostrar a frmula da varincia e a da diferena de variveis aleatrias. Ei-las: 2 , 2 , Note como estas expresses so muito parecidas s formas dos produtos notveis 2 e 2. Basta fazer a varincia anloga ao quadrado e a covarincia anloga ao produto. Vamos exercitar? 13. (SEFAZ-RJ 2008/FGV) Sejam X e Y duas variveis aleatrias quaisquer. Ento: (A) VAR (X Y) = VAR (X) VAR (Y). (B) VAR (X Y) = VAR (X) + VAR (Y) COV (X, Y). (C) VAR (X Y) = VAR (X) + VAR (Y) 2 COV (X, Y). (D) VAR (X Y) = VAR (X) + VAR (Y) + COV (X, Y). (E) VAR (X Y) = VAR (X) + VAR (Y) + 2 COV (X, Y). Resoluo Vocs acreditam que caiu uma questo assim? Sem comentrios, basta assinalar a frmula que acabamos de ver. Gabarito: C 14. (Economista TCE/RS 2011/FMP) Considere X e Y duas variveis aleatrias quaisquer e as afirmativas abaixo: I. Se Z = 8X + 9Y, ento VAR(Z) = 8VAR(X) + 9VAR(Y) + 2 COV(X,Y). II. Se W = 8X + 9Y + 10, ento E(W) = 8E(X) + 9E(Y) + 10. III. Se COV(X,Y) = 0, ento X e Y so independentes. correto afirmar que: (A) apenas I est correta. (B) apenas II est correta. (C) apenas III est correta. (D) apenas I e II esto corretas. (E) apenas II e III esto corretas. Resoluo I. Se Z = 8X + 9Y, ento VAR(Z) = 8VAR(X) + 9VAR(Y) + 2 COV(X,Y). Vamos aplicar a frmula da varincia da soma de duas variveis.
8 9 8 9 2 8, 9 Observe que se multiplicamos a varivel X por 8, a sua varincia ser multiplicada por 8 = 64. Se multiplicamos a varivel Y por 9, a sua varincia ser multiplicada por 9 = 81. 64 81 2 8, 9 Professor, ainda precisamos desenvolver a expresso da covarincia! Para isto, vamos utilizar uma outra frmula. Se m e n so constantes, ento , , . Ento ficamos assim: 64 81 2 8, 9 64 81 2 8 9 , 64 81 144 , O item I est errado. II. Se W = 8X + 9Y + 10, ento E(W) = 8E(X) + 9E(Y) + 10. Queremos calcular a esperana da varivel W = 8X + 9Y + 10. 8 9 10 ? A esperana da soma igual soma das esperanas. Assim, podemos desmembrar a expresso acima. 8 9 10 8 9 10 Quando multiplicamos a varivel X por 8, sua esperana fica multiplicada por 8. Portanto, E(8X) = 8 E(X). Quando multiplicamos a varivel Y por 9, sua esperana fica multiplicada por 9. Portanto, E(9Y)=9 E(Y). 10 uma constante. Vimos que a esperana de uma constante igual prpria constante. Portanto, E(10) = 10. 8 9 10 8 9 10 O item II est certo.
III. Se COV(X,Y) = 0, ento X e Y so independentes. Est uma casca de banana e aparece em MUITAS provas de estatstica inferencial. Na verdade, a propriedade diz que se X e Y so variveis aleatrias independentes, ento a covarincia nula, ou seja, COV(X,Y) = 0. Agora, se COV(X,Y) = 0, nada podemos afirmar sobre a (in)dependncia entre as variveis envolvidas. Ok? Grave bem....SE AS VARIVEIS SO INDEPENDENTES, A COVARINCIA NULA!! SE A COVARINCIA NULA, ELAS PODEM SER INDEPENDENTES OU DEPENDENTES!!! Assim, o item III est errado. Letra B 15. (Analista BACEN 2010 CESGRANRIO) Se X e Y so duas variveis aleatrias, para as quais so definidas: E(X) e E(Y), suas esperanas matemticas (expectncias); Var(X) e Var(Y), suas respectivas varincias, e Cov(X, Y), a covarincia entre X e Y, quaisquer que sejam as distribuies de X e Y, tem-se que (A) E(XY) = E(X) + E(Y) 2Cov(X, Y) (B) E(X) . E(Y) = E(XY) Cov(X, Y) (C) E(3X + 2Y) = 9E(X) + 4E(Y) (D) Var(X + 5) = Var(X) + 5 (E) Cov(X, Y) = Var(X) . Var(Y) Resoluo A alternativa A completamente absurda. Ele tenta confundir a frmula da varincia da diferena com estas expresses envolvendo esperanas. Vejamos a alternativa B. Sabemos que a covarincia calculada da seguinte maneira: ,
Vamos transportar E(X).E(Y) que est negativo no segundo membro para o primeiro membro. , Agora vamos transportar cov(X,Y) para o segundo membro. , exatamente a alternativa B! Este o gabarito. Vamos analisar as outras alternativas. (C) E(3X + 2Y) = 9E(X) + 4E(Y) 3 2 3 2 3 2 A alternativa C est errada. (D) Var(X + 5) = Var(X) + 5 Vimos que Var (X+ k) = Var(X). Ou seja, se adicionamos uma constante a uma varivel aleatria, a sua varincia no se altera. A alternativa D est errada.
(E) Cov(X, Y) = Var(X) . Var(Y) A alternativa E completamente absurda. Gabarito: B 16. (Estatstico SEAD AM 2005 CESGRANRIO) Se var(X) = 4, var(Y) = 2 e cov(X,Y) = -1, ento var(2X Y) igual a: a) b) c) d) e) 10 12 18 22 24
Resoluo Uma questo muito interessante que vamos aproveitar para revisar as propriedades da varincia e da covarincia. Vamos relembrar as propriedades da varincia.
33
i) Somando-se ou subtraindo-se uma constante qualquer a uma varivel aleatria, a varincia no se altera. ii) Se multiplicarmos ou dividirmos uma constante qualquer a uma varivel aleatria, a varincia ficar multiplicada ou dividida pelo quadrado dessa constante. E quanto covarincia? vlida a seguinte relao: , , E, alm disso, so vlidas tambm as seguintes relaes: 2 , 2 , Estude bem essas relaes!! Bom, vamos voltar ao problema. Queremos calcular var(2X Y) sabendo que var(X) = 4, var(Y) = 2 e cov(X,Y) = -1. De acordo com a relao 2 , , 2 2 2 2, (BASTA TROCAR O X DA FRMULA POR 2X!!!) Vamos analisar cada componente dessa relao! 2 2 2 4 16 2 2, 2 , 2 1 2 Assim, 2 2 2 2, 2 16 2 2 2 22 Letra D 17. (Estatstico ENAP 2006/ESAF) Sabe-se que X e Y so variveis aleatrias independentes.Dado que Z = 2 X Y, ento pode-se afirmar que a) a varincia de Z nunca poder ser superior varinciade X. b) a varincia de Z nunca poder ser inferior varinciade Y. c) a varincia de Z poder se diferente de 2 X - Y.
34
d) o valor esperado de Z igual a 2. e) a varincia de Z igual a zero. Resoluo Como o problema j afirma que as variveis X e Y so independentes, podemos concluir que , 0. Assim, 2 2 2 2, 2 2 2 2 , 2 4 4 0 4 Como a varincia sempre um nmero no negativo, a varincia de Z nunca poder ser inferior varincia de Y. Letra B 18. (MPE RO 2005 CESGRANRIO) Analise as afirmativas a seguir, a respeito da esperana e da varincia de duas variveis aleatrias X e Y. I - Se X e Y so independentes, ento var(X + Y) = var(X) + var(Y). II - Se var(X + Y) = var(X) + var(Y), ento X e Y so independentes. III - Se X e Y so independentes, ento E(X + Y) = E(X) + E(Y). IV - Se E(X + Y) = E(X) + E(Y), ento X e Y so independentes. Est(o) correta(s) a(s) afirmativa(s): (A) II, somente. (B) I e III, somente. (C) I e IV, somente. (D) II e IV, somente. (E) I, II, III e IV Resoluo I Verdadeiro Sabemos que 2 , ,.
Se X e Y so independentes, ento cov(X,Y) = 0. Portanto, se X e Y so independentes, ento 2 0 II Falso Duas variveis independentes tm covarincia zero, mas a recproca no verdadeira. Ou seja, se a covarincia zero, as variveis podem ser independentes ou no. III Verdadeiro Sejam X e Y duas variveis quaisquer, sempre verdade que E(X + Y) = E(X) + E(Y). No interessa se as variveis so ou no independentes, sempre ser verdade E(X+Y)=E(X)+ E(Y). IV Falso E(X + Y) = E(X) + E(Y) verdade para duas variveis quaisquer. Portanto, X e Y podem ser independentes ou no. Letra B 19. (Estatstico Pref. Manaus 2004 CESGRANRIO) Analise as afirmativas a seguir, a respeito de duas variveis aleatrias X e Y. I Se X e Y so independentes, ento Cov(X,Y) = 0. II Se Cov(X,Y) = 0, ento X e Y so independentes. III Se X e Y so independentes, ento E(XY) = E(X).E(Y). IV Se E(XY) = E(X).E(Y), ento X e Y so independentes. Est(o) correta(s) a(s) afirmativa(s): (A) I, somente. (B) I e III, somente. (C) I e IV, somente. (D) II e IV, somente. (E) I, II, III e IV Resoluo I Verdadeiro
Duas variveis independentes tm covarincia zero, mas a recproca no verdadeira. Ou seja, se a covarincia zero, as variveis podem ser independentes ou no. II - Falso A frase II falsa pelo mesmo motivo da frase I. III Verdadeiro Se X e Y so duas variveis independentes, ento E(XY) = E(X).E(Y). A recproca no verdadeira. IV Falso A frase IV falsa pelo mesmo motivo da frase III. Letra B 20. (Fiscal de Rendas-MS 2006/FGV) Analise as afirmativas a seguir, a respeito de duas variveis aleatrias X e Y: I se X e Y so independentes, ento Cov(X,Y) = 0. II se Cov(X,Y) = 0, ento X e Y so independentes; III se X e Y so independentes, ento E(XY) = E(X).E(Y) IV se E(XY) =E(X).E(Y), ento X e Y so independentes. Assinale: a) se nenhum alternativa estiver correta b) se somente as alternativas I e III estiverem corretas c) se somente as alternativas I e IV estiverem corretas d) se somente as alternativas II e IV estiverem corretas e) se todas as alternativas estiverem corretas. Resoluo Muito criativa a questo, no? IDNTICAS. No vou nem copiar os comentrios. Letra B
37
21. (BNDES 2011/CESGRANRIO) As variveis aleatrias X e Y tm varincias iguais e possuem coeficiente de correlao igual a 0,2. O coeficiente de correlao entre as variveis aleatrias X e 5X 2Y (A) 0,35 (B) 0,2 (C) 0,1 (D) 0,56 (E) 0,92 Resoluo Ns ainda no estudamos o coeficiente de correlao. Mas no tem problema. Podemos resolver esta questo (difcil, por sinal) com as propriedades da varincia e da covarincia. Para tanto, deixe-me apresentar-lhes a frmula do coeficiente de correlao. O coeficiente de correlao , dado por: , ,
O problema informa que Var(X) = Var(Y). Para simplificar, utilizarei a letra m para representar estes valores. Assim, , ,
Como o coeficiente de correlao igual a 0,2, ento: 0,2 ,
, 0,2 Vamos agora aplicar a definio do coeficiente de correlao para as variveis X e 5X 2Y. , 5 2 5 2 , 5 2
Utilizemos as propriedades de varincia e covarincia:

5 2 5 2 2 5, 2 5 2 5 2 2 5 2 , 5 2 25 4 20 , 25 5 2 25 , 5 2 , 5 , 2 5, 2 , Lembrando que , , 5 2 5 2 , , 5 2 5 2 0,2 , 5 2 4,6 Substituindo estes valores na frmula: , 5 2 Letra E 5 2 , 5 2 25 4,6 4,6 4,6 0,92 5 5
39
Relao das questes comentadas

01. (Administrador DNOCS 2010/FCC) Em uma loja, as unidades vendidas por dia de um determinado eletrodomstico apresentam a seguinte distribuio de probabilidades de ocorrncia de venda:
A probabilidade de que em um determinado dia tenham sido vendidas mais que uma unidade do eletrodomstico igual a (A) 87,5%. (B) 80,0%. (C) 75,0%. (D) 60,0%. (E) 50,0%. 02. (TRF 4 Regio 2010/FCC) O nmero de televisores vendidos diariamente em uma loja apresenta a seguinte distribuio de probabilidades.
A probabilidade de que, em um determinado dia, no seja vendido nenhum televisor igual a 10% e de que seja vendido mais que 3 igual a 30%. Ento, a probabilidade de que em um determinado dia sejam vendidos 2 televisores de (A) 10%. (B) 12%. (C) 15%. (D) 18%. (E) 20%.
40
03. (Tcnico de Controle Externo Economia TCE/MG 2007/FCC) O nmero de unidades vendidas, mensalmente, de umproduto em uma determinada loja uma varivel aleatria(X) com a seguinte distribuio de probabilidades:
Sabe-se que somente em 10% dos meses so vendidosmais que 3 unidades. Ento, se em um determinado msa venda realizada no foi nula, tem-se que a probabilidadedela ter sido inferior a 4 (A) 70,0% (B) 75,0% (C) 80,0% (D) 87,5% (E) 90,0% 04. (MEC 2009 CESGRANRIO) Uma empresa considera fazer um investimento que tem probabilidade igual a 0,2 de produzir um lucro de R$ 20.000,00 e probabilidade igual a 0,5 de produzir um lucro de R$ 8.000,00; caso contrrio, o investimento trar um prejuzo de R$ 15.000,00. O valor esperado do retorno do investimento, em reais, (A) 3.500,00 (B) 4.000,00 (C) 4.500,00 (D) 5.000,00 (E) 5.500,00 05. (MPOG 2006 ESAF) Suzana e Sandra jogam, cada uma, uma moeda. Se do lanamento dessas duas moedas resultar duas caras, Suzana paga a Sandra R$ 6,00. Dando qualquer outro resultado, Sandra paga a Suzana R$ 4,00. Supondo que ambas as moedas sejam estatisticamente honestas, o valor esperado, em reais, dos ganhos de Sandra (considerando- se como ganhos negativos os valores que ela paga Suzana) igual a a) 1,5. b) -0,75. c) 0,75.
d) -1,5. e) 2,5. 06. (MPU 2004 ESAF) O preo de determinada ao fica constante, aumenta ou diminui R$ 1,00 por dia com probabilidades 0,3, 0,3 e 0,4 respectivamente. Assinale a opo que d o valor esperado do preo da ao amanh se seu preo hoje R$ 8,00. a) R$ 7,90 b) R$ 8,00 c) R$ 7,00 d) R$ 9,00 e) R$ 8,50 07. (Estatstico TCE/RO 2007/CESGRANRIO) O retorno mensal de certo investimento de risco pode ser modelado pela varivel aleatria W, com funo de probabilidade dada a seguir.
O retorno esperado : (A) 0,5% (B) 0,5% (C) 1,5% (D) 5% (E) 7,5% 08. (Analista BACEN 2010 CESGRANRIO) Sobre variveis aleatrias, considere as afirmaes a seguir. I - Para toda e qualquer varivel aleatria, sua funo de densidade de probabilidade fornece a probabilidade de ocorrncia de cada valor da varivel aleatria considerada, exceto no caso de variveis aleatrias contnuas, para as quais a probabilidade de ocorrncia de um valor especfico zero. II - A esperana matemtica (expectncia) de uma varivel aleatria discreta, ou seja, seu valor esperado, a mdia dessa varivel aleatria, que definida como um n-avos do somatrio dos valores possveis dessa varivel multiplicados por suas respectivas probabilidades.
42
III - A distribuio binomial uma extenso direta da Distribuio de Bernoulli, uma vez que o experimento aleatrio que caracteriza a binomial nada mais do que um Experimento de Bernoulli repetido n vezes. correto APENAS o que se afirma em (A) II. (B) III. (C) I e II. (D) I e III. (E) II e III. 09. (AFRFB 2009/ESAF) A tabela mostra a distribuio de frequncias relativas populacionais (f) de uma varivel X: 2 6 1 1 2 3 Sabendo que a um nmero real, ento a mdia e a varincia de X so, respectivamente:
3,45 a) 0,5 b) 0,5 3,45 c) 0 1 d) 0,5 3,7 e) 0,5 3,7
10. (Petrobras 2011/CESGRANRIO) Estatsticas do Departamento de Trnsito sobre o envolvimento de motoristas em acidentes com at 2 anos de habilitao indicam que o seguinte modelo pode ser adotado, ou seja, a varivel aleatria X representa o nmero de acidentes e assume valores 0,1,2,3 e 4: Nmero de Acidentes (X) P(X=x) 0 0,3 1 0,2 2 0,1 3 0,1 4 0,3
O valor esperado respectivamente, a) 1,9 e 1,64 b) 1,9 e 2,69 c) 2,0 e 1,64
desvio
padro
da
varivel
aleatria
so,
43
d) 2,0 e 2,69 e) 2,69 e 1,9
11. (PETROBRAS 2006 Administrador Pleno CESGRANRIO) Se Y = 2X+1 e a varincia de X vale 2, a varincia de Y igual a: (A) 2 (B) 4 (C) 5 (D) 8 (E) 9 12. (CGU 2008 Estatstica e Clculos Atuariais/ESAF) Seja X uma varivel aleatria com mdia 1 e varincia 2. Qual a varincia da varivel Y = 2X + 4? a) 2 b) 4 c) 6 d) 8 e) 12 13. (SEFAZ-RJ 2008/FGV) Sejam X e Y duas variveis aleatrias quaisquer. Ento: (A) VAR (X Y) = VAR (X) VAR (Y). (B) VAR (X Y) = VAR (X) + VAR (Y) COV (X, Y). (C) VAR (X Y) = VAR (X) + VAR (Y) 2 COV (X, Y). (D) VAR (X Y) = VAR (X) + VAR (Y) + COV (X, Y). (E) VAR (X Y) = VAR (X) + VAR (Y) + 2 COV (X, Y). 14. (Economista TCE/RS 2011/FMP) Considere X e Y duas variveis aleatrias quaisquer e as afirmativas abaixo: I. Se Z = 8X + 9Y, ento VAR(Z) = 8VAR(X) + 9VAR(Y) + 2 COV(X,Y). II. Se W = 8X + 9Y + 10, ento E(W) = 8E(X) + 9E(Y) + 10. III. Se COV(X,Y) = 0, ento X e Y so independentes. correto afirmar que: (A) apenas I est correta. (B) apenas II est correta. (C) apenas III est correta. (D) apenas I e II esto corretas. (E) apenas II e III esto corretas.
44
15. (Analista BACEN 2010 CESGRANRIO) Se X e Y so duas variveis aleatrias, para as quais so definidas: E(X) e E(Y), suas esperanas matemticas (expectncias); Var(X) e Var(Y), suas respectivas varincias, e Cov(X, Y), a covarincia entre X e Y, quaisquer que sejam as distribuies de X e Y, tem-se que (A) E(XY) = E(X) + E(Y) 2Cov(X, Y) (B) E(X) . E(Y) = E(XY) Cov(X, Y) (C) E(3X + 2Y) = 9E(X) + 4E(Y) (D) Var(X + 5) = Var(X) + 5 (E) Cov(X, Y) = Var(X) . Var(Y) 16. (Estatstico SEAD AM 2005 CESGRANRIO) Se var(X) = 4, var(Y) = 2 e cov(X,Y) = -1, ento var(2X Y) igual a: a) b) c) d) e) 10 12 18 22 24
17. (Estatstico ENAP 2006/ESAF) Sabe-se que X e Y so variveis aleatrias independentes.Dado que Z = 2 X Y, ento pode-se afirmar que a) a varincia de Z nunca poder ser superior varinciade X. b) a varincia de Z nunca poder ser inferior varinciade Y. c) a varincia de Z poder se diferente de 2 X - Y. d) o valor esperado de Z igual a 2. e) a varincia de Z igual a zero. 18. (MPE RO 2005 CESGRANRIO) Analise as afirmativas a seguir, a respeito da esperana e da varincia de duas variveis aleatrias X e Y. I - Se X e Y so independentes, ento var(X + Y) = var(X) + var(Y). II - Se var(X + Y) = var(X) + var(Y), ento X e Y so independentes. III - Se X e Y so independentes, ento E(X + Y) = E(X) + E(Y). IV - Se E(X + Y) = E(X) + E(Y), ento X e Y so independentes. Est(o) correta(s) a(s) afirmativa(s): (A) II, somente.
45
(B) I e III, somente. (C) I e IV, somente. (D) II e IV, somente. (E) I, II, III e IV 19. (Estatstico Pref. Manaus 2004 CESGRANRIO) Analise as afirmativas a seguir, a respeito de duas variveis aleatrias X e Y. I Se X e Y so independentes, ento Cov(X,Y) = 0. II Se Cov(X,Y) = 0, ento X e Y so independentes. III Se X e Y so independentes, ento E(XY) = E(X).E(Y). IV Se E(XY) = E(X).E(Y), ento X e Y so independentes. Est(o) correta(s) a(s) afirmativa(s): (A) I, somente. (B) I e III, somente. (C) I e IV, somente. (D) II e IV, somente. (E) I, II, III e IV 20. (Fiscal de Rendas-MS 2006/FGV) Analise as afirmativas a seguir, a respeito de duas variveis aleatrias X e Y: I se X e Y so independentes, ento Cov(X,Y) = 0. II se Cov(X,Y) = 0, ento X e Y so independentes; III se X e Y so independentes, ento E(XY) = E(X).E(Y) IV se E(XY) =E(X).E(Y), ento X e Y so independentes. Assinale: a) se nenhum alternativa estiver correta b) se somente as alternativas I e III estiverem corretas c) se somente as alternativas I e IV estiverem corretas d) se somente as alternativas II e IV estiverem corretas e) se todas as alternativas estiverem corretas.
21. (BNDES 2011/CESGRANRIO) As variveis aleatrias X e Y tm varincias iguais e possuem coeficiente de correlao igual a 0,2. O coeficiente de correlao entre as variveis aleatrias X e 5X 2Y (A) 0,35 (B) 0,2 (C) 0,1 (D) 0,56 (E) 0,92
47

Rciocínio Lógico Quantitativo para AFRFB

Enviado por

Dados do documento

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Rciocínio Lógico Quantitativo para AFRFB

Enviado por

Direitos autorais:

Formatos disponíveis

RACIOCNIO LGICO QUANTITATIVO PARA AFRFB PROFESSOR: GUILHERME NEVES

Prof. Guilherme Neves

RACIOCNIO LGICO QUANTITATIVO PARA AFRFB PROFESSOR: GUILHERME NEVES

Prof. Guilherme Neves

RACIOCNIO LGICO QUANTITATIVO PARA AFRFB PROFESSOR: GUILHERME NEVES

Prof. Guilherme Neves

RACIOCNIO LGICO QUANTITATIVO PARA AFRFB PROFESSOR: GUILHERME NEVES

Muito bom!! Vamos calcular a mdia aritmtica desse experimento?

Prof. Guilherme Neves

RACIOCNIO LGICO QUANTITATIVO PARA AFRFB PROFESSOR: GUILHERME NEVES

Muito fcil!!! Vejamos o exemplo probabilidades: do dado. Tnhamos a seguinte distribuio de

Prof. Guilherme Neves

RACIOCNIO LGICO QUANTITATIVO PARA AFRFB PROFESSOR: GUILHERME NEVES

1/6 1/6 1/6 1/6 1/6 1/6

1/6 1/6 1/6 1/6 1/6 1/6 1

RACIOCNIO LGICO QUANTITATIVO PARA AFRFB PROFESSOR: GUILHERME NEVES

Prof. Guilherme Neves

RACIOCNIO LGICO QUANTITATIVO PARA AFRFB PROFESSOR: GUILHERME NEVES

RACIOCNIO LGICO QUANTITATIVO PARA AFRFB PROFESSOR: GUILHERME NEVES

Prof. Guilherme Neves

RACIOCNIO LGICO QUANTITATIVO PARA AFRFB PROFESSOR: GUILHERME NEVES

17,5% 35% 17,5% 70% 7 0,875 87,5% 80% 80% 8

RACIOCNIO LGICO QUANTITATIVO PARA AFRFB PROFESSOR: GUILHERME NEVES

Prof. Guilherme Neves

RACIOCNIO LGICO QUANTITATIVO PARA AFRFB PROFESSOR: GUILHERME NEVES

Prof. Guilherme Neves

RACIOCNIO LGICO QUANTITATIVO PARA AFRFB PROFESSOR: GUILHERME NEVES

2,80 2,40 2,70 7,90 Letra A

Prof. Guilherme Neves

RACIOCNIO LGICO QUANTITATIVO PARA AFRFB PROFESSOR: GUILHERME NEVES

Prof. Guilherme Neves

RACIOCNIO LGICO QUANTITATIVO PARA AFRFB PROFESSOR: GUILHERME NEVES

Prof. Guilherme Neves

RACIOCNIO LGICO QUANTITATIVO PARA AFRFB PROFESSOR: GUILHERME NEVES

RACIOCNIO LGICO QUANTITATIVO PARA AFRFB PROFESSOR: GUILHERME NEVES

Propriedades da Esperana Matemtica

Prof. Guilherme Neves

RACIOCNIO LGICO QUANTITATIVO PARA AFRFB PROFESSOR: GUILHERME NEVES

Prof. Guilherme Neves

RACIOCNIO LGICO QUANTITATIVO PARA AFRFB PROFESSOR: GUILHERME NEVES

Varincia e desvio-padro de uma varivel aleatria

Prof. Guilherme Neves

RACIOCNIO LGICO QUANTITATIVO PARA AFRFB PROFESSOR: GUILHERME NEVES

Prof. Guilherme Neves

RACIOCNIO LGICO QUANTITATIVO PARA AFRFB PROFESSOR: GUILHERME NEVES

Prof. Guilherme Neves

RACIOCNIO LGICO QUANTITATIVO PARA AFRFB PROFESSOR: GUILHERME NEVES

RACIOCNIO LGICO QUANTITATIVO PARA AFRFB PROFESSOR: GUILHERME NEVES

Sabendo que a um nmero real, ento a mdia e a varincia de X so, respectivamente:

0,6 0,1 0,3

2 0,6 1,2 1 0,1 0,1 2 0,3 0,6

RACIOCNIO LGICO QUANTITATIVO PARA AFRFB PROFESSOR: GUILHERME NEVES

RACIOCNIO LGICO QUANTITATIVO PARA AFRFB PROFESSOR: GUILHERME NEVES

RACIOCNIO LGICO QUANTITATIVO PARA AFRFB PROFESSOR: GUILHERME NEVES

RACIOCNIO LGICO QUANTITATIVO PARA AFRFB PROFESSOR: GUILHERME NEVES

Assim, a varincia (que igual a 2) multiplicada por 4 igual a 8. Letra D

RACIOCNIO LGICO QUANTITATIVO PARA AFRFB PROFESSOR: GUILHERME NEVES

RACIOCNIO LGICO QUANTITATIVO PARA AFRFB PROFESSOR: GUILHERME NEVES

Amigos, isso cai muito nas provas. Memorizem!!!!

Varincia da Soma e da Diferena

Prof. Guilherme Neves

RACIOCNIO LGICO QUANTITATIVO PARA AFRFB PROFESSOR: GUILHERME NEVES

RACIOCNIO LGICO QUANTITATIVO PARA AFRFB PROFESSOR: GUILHERME NEVES

RACIOCNIO LGICO QUANTITATIVO PARA AFRFB PROFESSOR: GUILHERME NEVES