Você está na página 1de 78

Universidade Presbiteriana Mackenzie

trica
Curso de Engenharia Ele

Pr
aticas de Engenharia El
etrica II
Notas de Aula

Prof. Marcio Eisencraft


Primeiro semestre de 2006

Prticas de Engenharia Eltrica 2 Aula 1 Professor Marcio Eisencraft julho 2005

Universidade Presbiteriana Mackenzie


Prticas de Engenharia Eltrica II
Professor Marcio Eisencraft (marcioft@mackenzie.com.br)
2 semestre 2005
1. Objetivos
Apresentar uma introduo modelagem de sinais e sistemas atravs de
variveis aleatrias e processos estocsticos. Estes conceitos so muito importantes para o Engenheiro Eltrico atual sendo aplicado em diversas reas como:
o Telecomunicaes;
o Automao e Controle (Controle estocstico)
o Projeto e dimensionamento de redes de computadores
o Projeto e dimensionamento de redes de Distribuio de energia
o Estudos de Engenharia biomdica
o Mercados financeiros.

2. Metodologia das aulas


Aulas expositivas utilizando transparncias e quadro negro.

3. Contedo programtico
O curso abordar:
1. Probabilidades (PEEBLES, 1993; p. 1-38)
2. A Varivel Aleatria (PEEBLES, 1993; p.39-74).
3. Operaes sobre uma varivel Esperana (PEEBLES, 1993; pp. 75-99).
4. Mltiplas variveis aleatrias (PEEBLES, 1993; p. 100-133).
5. Operaes sobre mltiplas variveis (PEEBLES, 1993; p. 134-162).

Prticas de Engenharia Eltrica 2 Aula 1 Professor Marcio Eisencraft julho 2005

6. Processos aleatrios (PEEBLES, 1993; p. 163-198).

4. Avaliao

A mdia do aluno ser formada por trs provas (P1, P2 e PAF).

A mdia final ser calculada como:

MF =

P1 + P 2 + 2 PAF
4

As provas sero realizadas no horrio das aulas nos seguintes dias:


PROVA Turma 10F (5 feira)

Peso

P1

22/09

Peso 1

P2

27/10

Peso 2

PAF

A ser definida

Peso dois

5. Bibliografia
As notas de aula do curso esto organizadas aula a aula e esto disponveis
na pgina do curso http://meusite.mackenzie.com.br/marcioft/.
Livros que sero usados durante o semestre:

COSTA NETO, P. L. O. Probabilidades: resumos tericos, exerccios resolvidos, exerccios propostos [por] Pedro Luiz de Oliveira Neto [e] Melvin Cymbalista. So Paulo: Edgard Blcher, 1993.

DEVORE, J. L. Probability and Statistics for Engineering and the


Sciences, 6th edition, New York: Duxbury, 2003.
HSU, H. Schaums outline Theory and Problems of Probability, random
variables, and random processes, New York: McGraw-Hill, 1997.

Prticas de Engenharia Eltrica 2 Aula 1 Professor Marcio Eisencraft julho 2005

HSU, H. Schaums outline Theory and Problems of Analog and Digital


Communications. 2nd edition, New York: McGraw-Hill, 2003.

KAY, S. M. Fundamentals of Statistical Signal Processing: Estimation


Theory. New Jersey: Prentice Hall, 1993.

LATHI, B. P. Modern Digital and Analog Communication Systems, 3rd


edition, New York: Oxford University, 1998.

MONTGOMERY, D. C. Estatstica aplicada e probabilidade para engenheiros, 2 edio, Rio de Janeiro: LTC, 2003.

PAPOULIS, A.; PILLAI, U. Probability, random variables and stochastic


processes. 4th edition, New York: McGraw-Hill, 2002.

PEEBLES, P. Z. Probability, random variables and random signal principles. 3rd edition, New York: McGraw-Hill, 1993.

5. Exemplos de questes a serem debatidas no curso


1. (PEEBLES, 1993; p.69) A central de um sistema de intercomunicao prov msica para seis quartos de um hospital. A probabilidade de que cada
quarto seja ativado e consuma potncia a qualquer instante 0,4. Quando
ativado, o quarto consome 0,5W.
(a) Encontre e faa um grfico das funes distribuio e densidade para a varivel aleatria potncia fornecida pela central.

Prticas de Engenharia Eltrica 2 Aula 1 Professor Marcio Eisencraft julho 2005

(b) Se o amplificador da estao principal fica sobrecarregado quando mais do


que 2W necessrio, qual a probabilidade de sobrecarga?

2. A potncia refletida por uma aeronave com um formato complexo recebida por um radar e pode ser descrita por uma varivel aleatria exponencial P . A densidade de P , portanto,
1 PP
e 0, P>0
f P (P ) = P0

, caso contrrio
0

em que P0 o valor mdio da potncia recebida. Em um instante particular, P


pode ter um valor diferente do seu valor mdio. Qual a probabilidade de que a
potncia recebida seja maior do que o seu valor mdio?

3. Uma tenso aleatria X tem densidade gaussiana segundo

f X (x ) =

1
2 X2

( x a X )2
2 X2

Esta tenso aplicada a um amplificador linear que gera em sua sada a tenso
Y = T ( X ) = aX + b . Determine a funo densidade de probabilidade de Y , f Y ( y ) .

4. (PEEBLES, 1993; p.173) Num sistema de controle, sabe-se que uma tenso aleatria X tem mdia X = m1 = 2 V e momento de segunda ordem
2

X 2 = m2 = 9 V . Se a tenso X amplificada por um amplificador que for-

nece como sada Y = 1,5 X + 2 encontre X2 , Y , Y 2 , Y2 e R XY .


5. (HSU, 2003; p. 149) Todos os dispositivos e mquinas produzidos falham
mais cedo ou mais tarde. Se a taxa de falha constante, o tempo at uma

Prticas de Engenharia Eltrica 2 Aula 1 Professor Marcio Eisencraft julho 2005

falha T modelado por uma varivel aleatria exponencial. Suponha que


se descobriu que uma classe particular de chips de memria para computadores tem uma lei de falha exponencial dada por:

fT (t ) = ae at u (t ) ,
com t em horas.
(a) Medidas mostraram que a probabilidade de que o tempo de falha exceda
104 horas para chips desta classe de e 1 ( 0,368 ). Calcule o valor do parmetro a para este caso.
(b) Usando o valor do parmetro a determinado na parte (a), calcule o tempo
t 0 tal que a probabilidade de que o tempo de falha seja menor do que t 0 seja

de 0,05.

6. (PEEBLES, 1993; p. 71) Uma linha de produo fabrica resistores de


1000 que devem satisfazer uma tolerncia de 10%.
(a) Se a resistncia descrita adequadamente por uma varivel aleatria gaussiana X com a X = 1000 e x = 40 , qual frao de resistores espera-se que
seja rejeitada?
(b) Se a mquina no est ajustada corretamente, os resistores produzidos passam a ter a X = 1050 (5% de erro). Qual frao ser rejeitada agora?

7. (GIROD et al., 2003; p. 224) A figura a seguir mostra dois processos aleatrios A e B que possuem valores esperados idnticos. Porm, as funesamostra do processo A variam mais lentamente no tempo do que as do
processo B . O que pode se esperar das funes de autocorrelao dos processos A e B ?

Prticas de Engenharia Eltrica 2 Aula 1 Professor Marcio Eisencraft julho 2005

Prticas de Engenharia Eltrica 2 Aula 2 Professor Marcio Eisencraft julho 2005

Aula 2

Probabilidades - Definio

Bibliografia
PEEBLES, P. Z. Probability, random variables and random signal principles. 3rd edition, New York:
McGraw-Hill, 1993.
LATHI, B. P. Modern Digital and Analog Communication Systems, 3rd edition, New York: Oxford University, 1998.

1.

Probabilidades

1.0.

Introduo ao curso e ao captulo

Os objetivos principais deste curso so introduzir os princpios de sinais

aleatrios e prover as ferramentas atravs das quais pode-se lidar com sistemas envolvendo tais sinais.
Para chegar a esses objetivos, talvez a primeira coisa que deve ser feita

definir o que um sinal aleatrio:


Sinal aleatrio (ou randmico) uma forma de onda que pode ser caracterizada apenas de uma maneira probabilstica. Em geral, pode ser uma forma de
onda desejada ou no.

Exemplos:
O rudo de fundo ouvido quando escutamos uma rdio. A forma de onda
causadora do rudo, se observada em um osciloscpio, apareceria como
uma tenso flutuando aleatoriamente com o tempo. Ela indesejvel j que
interfere com nossa habilidade de ouvir o programa de rdio e chamada
de rudo.
Num sistema de televiso, o rudo aparece na forma de interferncia de imagem, freqentemente chamada de snow.
Num sistema sonar, sons do mar gerados de forma aleatria geram rudos
que interferem com os ecos desejados.
1

Prticas de Engenharia Eltrica 2 Aula 2 Professor Marcio Eisencraft julho 2005

Bits em uma comunicao entre computadores parecem flutuar aleatoriamente com o tempo entre os nveis zero e um gerando um sinal aleatrio.
A sada de tenso em um gerador elico aleatria por cauda da variao
randmica da velocidade do vento.
A tenso de um detector solar varia aleatoriamente devido imprevisibilidade das condies das nuvens e do tempo.
A tenso de um analisador de vibrao acoplado a um carro dirigido sobre
um terreno irregular
Para definir precisamente as caractersticas de um sinal aleatrio precisamos dos conceitos da teoria das probabilidades.

1.1.

Definies de conjuntos

Um conjunto uma coleo de objetos. Os objetos so chamados de elementos do conjunto.


Existem dois modos para especificar os elementos de um conjunto:
o mtodo tabular todos os elementos so enumerados explicitamente. Exemplo: {6; 7; 8; 9} .
o mtodo da regra o contedo do conjunto determinado por uma
regra. Exemplo: {inteiros entre 5 e 10}.
Um conjunto dito enumervel se seus elementos podem ser postos em
correspondncia 1-a-1 (biunvoca) com os nmeros naturais. Caso contrrio ser no-enumervel.
Um conjunto dito vazio ( ) se no possui elementos.
Um conjunto finito aquele que contm um nmero finito de elementos.
Caso contrrio ser infinito.
Dois conjuntos, A e B, so disjuntos ou mutuamente exclusivos se no tm
nenhum elemento em comum.
2

Prticas de Engenharia Eltrica 2 Aula 2 Professor Marcio Eisencraft julho 2005

Exerccios
1. Os conjuntos a seguir representam os possveis valores que podem ser obtidos na medio de certa corrente:
A = {1; 3; 5; 7}

D = {0}

}
B = {1; 2; 3;
C = {0,5 < c 8,5}

E = {2; 4; 6; 8; 10; 12; 14}


F = { 5 < f 12}

Determine se so finitos ou no, enumerveis ou no e especificados de forma


tabular ou por regra.

2. Ainda com relao aos conjuntos do exerccio anterior, diga se verdadeiro ou falso:
(a) A B

(d) C F

(b) A C

(e) D F

(c) A F

(f) E B

3. Escreva todos os pares de conjuntos que so mutuamente exclusivos.

o O conjunto que contm todos os objetos em discusso chamado de conjunto universo ( S ).

Exerccio
4. Suponha que se considere o problema de jogar um dado. Estamos interessados nos nmeros que aparecem na face superior. Pede-se:
(a) Escreva o conjunto universo S de todos os resultados possveis.
(b) Num jogo, suponha que uma pessoa ganhe se sair um nmero mpar. Escreva o conjunto A dos resultados que interessam a esta pessoa.

Prticas de Engenharia Eltrica 2 Aula 2 Professor Marcio Eisencraft julho 2005

(c) Suponha que uma outra pessoa vence se sair um nmero menor ou igual a
4. Escreva o conjunto de todos os resultados que interessam a esta pessoa.
(d) Quantos subconjuntos de S existem?

1.2.

Operaes com conjuntos

Igualdade e diferena
o Dois conjuntos A e B so iguais se todos os elementos de A esto presentes em B e vice-versa.
o A diferena de dois conjuntos A B o conjunto contendo todos os elementos de A que no esto em B .
Unio e interseco
o A unio de dois conjuntos ( A B ) o conjunto de todos os elementos pertencentes a A , B ou ambos.
o A interseco de dois conjuntos ( A B ) o conjunto de elementos comuns
a A e B . Se A e B forem mutuamente exclusivos, A B = .
Complemento
o O complemento de um conjunto A , denotado por A o conjunto de todos
os elementos que no esto em A .

Exerccio
5. Dados os conjuntos:
S = {1 inteiros 12}

B = {2; 6; 7; 8; 9; 10; 11}

A = {1, 3, 5, 12}

C = {1; 3; 4; 6; 7; 8}

pede-se:
(a) A B

(d) A B

(g) A

(b) A C

(e) A C

(h) B

(c) B C

(f) B C

(i) C
4

Prticas de Engenharia Eltrica 2 Aula 2 Professor Marcio Eisencraft julho 2005

lgebra de conjuntos
o Valem as propriedades comutativa, distributiva e associativa para unio e
interseco.

1.3.

Probabilidade introduzida atravs de conjuntos

Experimentos e espaos amostrais


o Espao amostral: conjunto de todos os possveis resultados de um experimento. Smbolo: S .

Espaos amostrais discretos e contnuos


o O espao amostral dito discreto se S enumervel. O espao amostral
dito contnuo se S no-enumervel.

Eventos
o Um evento definido como um subconjunto do espao amostral. Como um
evento um conjunto, todas as definies e operaes anteriores aplicadas
a conjuntos se aplicam a eventos. Por exemplo, se dois eventos no tm resultados comuns eles sero mutuamente exclusivos.

Definio de probabilidade e axiomas


o A cada evento definido no espao amostral S associa-se um nmero no
negativo chamado de probabilidade. A probabilidade , portanto uma funo; uma funo dos eventos definidos. Adota-se a notao P( A) para a
probabilidade do evento A .
o A probabilidade deve satisfazer os seguintes axiomas para quaisquer eventos definidos num espao amostral S :

Prticas de Engenharia Eltrica 2 Aula 2 Professor Marcio Eisencraft julho 2005

Axioma um: P ( A) 0
Axioma 2: P (S ) = 1

n =1

Axioma trs: P An = P( An ) se Am An =
n =1

Modelo matemtico de experimentos


o Para resolver problemas de probabilidades so necessrios 3 passos:
(1) estabelecimento do espao amostral
(2) definio dos eventos de interesse
(3) associar probabilidade aos eventos de forma que os axiomas sejam satisfeitos

Exerccio
6. Um experimento consiste em observar a soma dos nmeros que saem
quando dois dados so jogados. Determine a probabilidade dos seguintes
eventos:
(a) A = {soma = 7}
(b) B = {8 < soma 11}
(c) C = {10 < soma}

7. [PEEBLES, p. 30] Um dado jogado. Encontre a probabilidade dos eventos A = {um nmero mpar obtido} , B = {um nmero maior do que 3 obtido} , A B
e A B.

Prticas de Engenharia Eltrica 2 Aula 3 Professor Marcio Eisencraft julho 2005

Aula 3

Probabilidade conjunta e condicional


Independncia estatstica

Bibliografia

PEEBLES, P. Z. Probability, random variables and random signal principles. 3rd edition, New York:
McGraw-Hill, 1993. Pginas 13 35.
LATHI, B. P. Modern Digital and Analog Communication Systems, 3rd edition, New York: Oxford University, 1998. Pginas 439 445.

1.4.

Probabilidade conjunta e condicional

Probabilidade conjunta
P( A B ) chamada de probabilidade conjunta para dois eventos A e B

que se interceptam no espao amostral.


Estudando um diagrama de Venn, obtm-se:
P ( A B ) = P ( A ) + P (B ) P ( A B ) P ( A) + P (B ) .

Portanto,

P ( A B ) = P ( A) + P ( B ) P ( A B )
Para eventos mutuamente exclusivos, P( A B ) = e P( A) + P(B ) = P( A B ) .
Probabilidade condicional
Dado um evento B com probabilidade no-nula, define-se a probabilidade
condicional de um evento A , dado B , como:

P(A B ) =

P( A B )
P (B )

Prticas de Engenharia Eltrica 2 Aula 3 Professor Marcio Eisencraft julho 2005

Exerccio
1. Em uma caixa existem 100 resistores tendo a resistncia e a tolerncia
mostradas na tabela a seguir:

Figura 1 Resistores em uma caixa (PEBLES, 1993).

Considere que um resistor selecionado da caixa e assuma que cada resistor


tem a mesma possibilidade de ser escolhido. Defina trs eventos: A como selecionar um resistor de 47, B como selecionar um resistor com tolerncia
de 5% e C como selecionar um resistor de 100. A partir da tabela, determine as seguintes probabilidades:
(a) P( A)

(b) P(B )

(f) P(B C ) (g) P(A B )

(c) P(C )

(d) P( A B )

(h) P(A C )

(i) P(B C )

(e) P( A C )

Probabilidade Total
Dado N eventos mutuamente exclusivos Bn , n = 1, 2, , N , cuja unio
seja o espao amostral S , a probabilidade de qualquer evento A pode ser
escrita como:
2

Prticas de Engenharia Eltrica 2 Aula 3 Professor Marcio Eisencraft julho 2005

P ( A) = P (A Bn )P (Bn )
N

n =1

Figura 2 N eventos mutuamente exclusivos Bn e A (PEEBLES, 1993).

Teorema de Bayes
O Teorema de Bayes, um dos mais importantes e usados na rea de probabilidades e na teoria de estimao estabelece que:

P(B n A) =

P( A Bn )P(Bn )
P ( A)

Usando a probabilidade total,

Prticas de Engenharia Eltrica 2 Aula 3 Professor Marcio Eisencraft julho 2005

P (B n A) =

P( A Bn )P(Bn )

P( A B1 )P(B1 ) + P ( A B2 )P(B2 ) +

+ P( A BN )P(BN )

.
As probabilidades P(Bn ) so geralmente chamadas de probabilidades a
priori j que so aplicadas a eventos antes de ocorrer o experimento.
As probabilidades P(Bn A) so chamadas de a posteriori j que elas se aplicam quando um evento A obtido.

Exerccio
2. Um sistema de comunicao binrio elementar consiste de um transmissor
que envia um de dois smbolos possveis (1 ou 0) sobre um canal para o receptor. O canal ocasionalmente causa erros de forma que um 1 detectado
quando foi transmitido um zero e vice-versa.
O espao amostral tem dois elementos (0 ou 1). Denota-se por Bi , i = 1, 2 ,
como os eventos o smbolo antes do canal um e o smbolo antes do
canal zero, respectivamente. Alm disso, define-se Ai , i = 1, 2 , como os
eventos o smbolo depois do canal um e o smbolo depois do canal
zero, respectivamente.
Assume-se que as probabilidades de que os smbolos um e zero sejam selecionados para transmisso sejam P(B1 ) = 0,6 e P(B2 ) = 0,4 .
O seguinte diagrama mostra as probabilidades condicionais que descrevem
o efeito que o canal tem sobre os smbolos transmitidos:

Prticas de Engenharia Eltrica 2 Aula 3 Professor Marcio Eisencraft julho 2005

Figura 3 Sistema de comunicao binrio simtrico [PEEBLES].

Pede-se:
(a) as probabilidades de se receber um um e de receber um 0 P( A1 ) e P( A2 ) .
(b) as probabilidades de acerto de bit P(B1 A1 ) e P(B2 A2 ).
(c) as probabilidades de erro de bit P(B2 A1 ) e P(B1 A2 ) .

1.5.

Eventos independentes

Sejam dois eventos A e B tais que P( A) 0 e P(B ) 0 . Dizemos que estes


eventos so estatisticamente independentes se a probabilidade de ocorrncia de um evento no afeta a ocorrncia do outro evento. Matematicamente, temos:
P ( A B ) = P( A) e P (B A) = P(B )

Por substituio no teorema de Bayes, temos que, para eventos estatisticamente independentes,
5

Prticas de Engenharia Eltrica 2 Aula 3 Professor Marcio Eisencraft julho 2005

P ( A B ) = P ( A) P ( B )
Cuidado: no confundir independncia estatstica com eventos mutuamente
exclusivos. Dois eventos serem independentes significa que a ocorrncia de
um no depende, no influenciado, pela ocorrncia do outro. Dois eventos serem mutuamente exclusivos significa que um no pode ocorrer se outro ocorreu.
Em suma,
A e B Independentes:

P( A B ) = P( A) P(B )

A e B mutuamente exclusivos:

P( A B ) = 0

Pelas definies, dois eventos no podem ser simultaneamente independentes e mutuamente exclusivos.

Exerccios
3. Em um experimento, uma carta selecionada de um conjunto comum de
52 cartas. Defina os eventos A como selecionar um rei, B como selecionar um valete ou uma rainha e C selecionar uma carta de copas.
Pede-se:
(a) Determine P( A) , P(B ) e P(C ) .
(b) Determine as probabilidades conjuntas P( A B ) , P(B C ) e P( A C ) .
(c) Determine se os pares A e B , A e C e B e C so estatisticamente independentes ou no.

4. Considere a retirada de quatro cartas de um conjunto com 52 cartas. Sejam


os eventos A1 , A2 , A3 , A4 definidos como a retirada de um s na primei6

Prticas de Engenharia Eltrica 2 Aula 3 Professor Marcio Eisencraft julho 2005

ra, segunda, terceira e quarta tentativas. Determine a probabilidade conjunta P( A1 A2 A3 A4 ) (ou seja, retirar quatro ases seguidos) nos seguintes
casos:
(a) cada carta recolocada no baralho aps ser retirada.
(b) as cartas retiradas no so retornadas ao baralho.
Em qual dos dois experimentos os eventos A1 , A2 , A3 , A4 so independentes?

1.6.

Tentativas de Bernoulli

Problema: Seja A com P( A) = p um evento elementar tendo um de dois


possveis resultados como elemento. Deseja-se repetir esse experimento N
vezes e determinar a probabilidade do evento A ser observado k vezes
nessas N tentativas. Esse experimento chamado de tentativas de Bernoulli (Bernoulli trials).
Pode-se mostrar que:

N
N k
P( A ocorrer exatamente k vezes) = p k (1 p ) ,
k
N

N!

.
com =
k k!( N k )!
Quando N muito grande, uma aproximao para a frmula acima a aproximao de De Moivre-Laplace:

P( A ocorrer exatamente k vezes) =

(k Np )2
1
exp

(
)
2
Np
1

p
2Np(1 p )

Prticas de Engenharia Eltrica 2 Aula 3 Professor Marcio Eisencraft julho 2005

Exerccios
5. Um submarino deseja afundar um porta-avies. Ele ter sucesso apenas se
dois ou mais torpedos atingirem a embarcao. Se o submarino dispara trs
torpedos e a probabilidade de cada torpedo atingir o alvo 0,4, qual a probabilidade do porta-avies naufragar?

6. Em uma cultura usada para pesquisa biolgica, o crescimento inevitvel de


bactrias ocasionalmente estraga os resultados de um experimento que requer pelo menos trs de quatro culturas no estejam contaminadas para se
obter um ponto de dado. Experincias mostram que cerca de 6 em cada 100
culturas so aleatoriamente contaminadas por bactrias.
Se um experimento requer trs pontos de dados, encontre a probabilidade
de sucesso para um conjunto de 12 culturas (trs pontos de dados usando
quatro culturas cada).

7. Suponha que certa arma automtica dispara balas por 3 segundos a uma
taxa de 2400 por minuto e que a probabilidade de acertar um alvo seja 0,4.
Encontre a probabilidade de que exatamente 50 balas atinjam o alvo. (Use
a aproximao de De Moivre-Laplace).

8. (PEEBLES, 1993; p. 32) Uma companhia vende amplificadores de alta fidelidade capazes de gerar potncias de 10, 25 e 50W. Ela tem em mos 100
unidades de 10W das quais 15% so defeituosas, 70 unidades de 25W dos
quais 10% so defeituosos e 30 dos de 50W dos quais 10% so defeituosos.
(a) Qual a probabilidade de que um amplificador vendido entre os de 10W
seja defeituoso?

Prticas de Engenharia Eltrica 2 Aula 3 Professor Marcio Eisencraft julho 2005

(b) Se cada amplificador de potncia vendido com mesma probabilidade,


qual a probabilidade de uma unidade selecionada aleatoriamente ser de
50W e defeituoso?
(c) Qual a probabilidade de uma unidade aleatoriamente selecionada para
venda ser defeituosa?

Prticas de Engenharia Eltrica 2 Aula 4 Professor Marcio Eisencraft agosto 2005

Aula 4

Variveis aleatrias
Funes densidade e distribuio

Bibliografia

PEEBLES, P. Z. Probability, random variables and random signal principles. 3rd edition, New York:
McGraw-Hill, 1993. Pginas 41 51.

LATHI, B. P. Modern Digital and Analog Communication Systems, 3rd edition, New York: Oxford University, 1998. Pginas 445 452.

2. A varivel aleatria
2.0. Introduo
Neste captulo introduzido um conceito que permite definir eventos de
uma forma mais consistente. Este novo conceito o de variveis aleatrias
e se constitui em uma poderosa ferramenta na soluo de problemas probabilsticos prticos.

2.1.

O conceito de varivel aleatria

Definio de uma varivel aleatria


Define-se uma varivel aleatria real como uma funo real dos elementos
de um espao amostral S .
Representa-se uma varivel aleatria por letras maisculas (como W , X ou
Y ) e um valor particular que ela assume por letras minsculas (como w , x

ou y ).
Assim, dado um experimento definido pelo espao amostral S com elementos s , atribui-se a cada s o nmero real X (s ) de acordo com alguma
regra e diz-se que X (s ) uma varivel aleatria.

Variveis aleatrias contnuas e discretas


Uma varivel aleatria discreta se possui apenas valores discretos.
1

Prticas de Engenharia Eltrica 2 Aula 4 Professor Marcio Eisencraft agosto 2005

Uma varivel aleatria contnua se abrange um contnuo de valores.

Exerccios
1. Um experimento consiste em jogar um dado e uma moeda. Considere uma
varivel aleatria X tal que: (1) uma cara (H) corresponde a valores positivos de X que so iguais aos nmeros que aparecem no dado e (2) uma coroa (T) corresponde a valores negativos de X cuja magnitude o dobro do
nmero que aparece no dado. Pede-se:
(a) Represente o espao amostral deste experimento;
(b) Para cada evento s deste espao amostral, determine X (s ) .
2. Um espao amostral definido pelo conjunto S = {1; 2; 3; 4} sendo as
probabilidades de seus elementos P(1) =

4
3
7
, P(2) =
e P(3) = . Definin24
24
24

do a varivel aleatria X = X (s ) = s 3 , calcule as probabilidades:


(a) P{X = 1}

(b) P{X = 8}

(c) P{X = 27}

(d) P{X = 64}

3. Suponha que a temperatura de uma localidade seja modelada como uma


varivel aleatria contnua T que se sabe encontrar entre -5C e 35C. Alm disso, considere que todos os valores { 5 t 35} so igualmente provveis. Calcule:
(a) P{T 10}

2.2.

(b) P{5 T 20}

(c) P{T = 10}

Funo distribuio

A probabilidade P{X x} a probabilidade do evento {X x}. um nmero que depende de x . Esta funo, denotada por FX (x ) , chamada de fun-

Prticas de Engenharia Eltrica 2 Aula 4 Professor Marcio Eisencraft agosto 2005

o distribuio de probabilidade cumulativa da varivel aleatria X . Assim,

FX ( x ) = P{X x}
Freqentemente, FX (x ) chamada de funo distribuio de X . O argumento x qualquer nmero real entre e .
Propriedades:
(1)

FX ( ) = 0

(2)

FX ( ) = 1

(3)

0 FX 1

(4)

FX ( x1 ) FX ( x2 ) se x1 < x2

(5)

P{x1 < X x2 } = FX (x2 ) FX (x1 )

Exerccios
4. Considere

que

assuma

valores

discretos

no

{ 1;

0,5; 0,7; 1,5; 3} .

{0,1;

0,2; 0,1; 0,4; 0,2} . Determine e faa um grfico de FX (x ) .

2.3.

As

probabilidades

conjunto

correspondentes

so

Funo Densidade

A funo densidade de probabilidade f X (x ) definida como a derivada da


funo de distribuio:

dFX ( x )
f X (x ) =
dx
3

Prticas de Engenharia Eltrica 2 Aula 4 Professor Marcio Eisencraft agosto 2005

Freqentemente, chama-se f X (x ) apenas de funo densidade da varivel


aleatria X .

Existncia

f X ( x ) existe desde que a derivada de FX ( x ) exista. No caso de variveis

aleatrias discretas, pode ser necessria a utilizao de funes impulso


(x ) =

du (x )
para sua representao.
dx

Propriedades da funo densidade


(1)

0 f X ( x ) para todo x

(2)

(3)

(4)

f (x )dx = 1
X

FX ( x ) =

f ( )d
X

P{x1 < X < x 2 } =

x2

f (x )dx
X

x1

Exerccios
5. A tenso contnua X sobre um capacitor uma varivel aleatria cuja funo densidade g X (x ) dada na figura a seguir:

Prticas de Engenharia Eltrica 2 Aula 4 Professor Marcio Eisencraft agosto 2005

Figura 2 Funo densidade triangular (PEEBLES, 1993).


(a) Determine a para que g X (x ) seja uma funo densidade.
(b) Para o valor de a do item anterior, determine e esboce G X (x ) .

6. Suponha que uma tenso aleatria X tenha a densidade de probabilidade


triangular do exerccio anterior com x0 = 8 , = 5 e a =

1
. Determine a
5

probabilidade P{4,5 < X 6,7}.

7. A quantidade acessos normalizada a um servidor durante um dia descrita


por uma varivel aleatria X que tem distribuio:
x

FX ( x ) = u ( x )1 e b

Determine a funo densidade f X (x ) .

8. (PEEBLES, 2001, p.69) A central de um sistema de intercomunicao


prov msica para seis quartos de um hospital. A probabilidade de que ca5

Prticas de Engenharia Eltrica 2 Aula 4 Professor Marcio Eisencraft agosto 2005

da quarto seja ativado e consuma potncia a qualquer instante 0,4. Quando ativado, o quarto consome 0,5W.
(a) Encontre e faa um grfico das funes distribuio e densidade para a
varivel aleatria potncia fornecida pela central.
(b) Se o amplificador da estao principal fica sobrecarregado quando mais
do que 2W necessrio, qual a probabilidade de sobrecarga?

Prticas de Engenharia Eltrica 2 Aula 5 Professor Marcio Eisencraft agosto 2005

Aula 5

Exemplos de funes densidade e distribuio

Bibliografia

PEEBLES, P. Z. Probability, random variables and random signal principles. 4 edio, McGraw-Hill,
2001. Pginas 51 65.

LATHI, B. P. Modern Digital and Analog Communication Systems, 3 edio, Oxford University Press,
1998. Pginas 452 463.

2. 4. A varivel aleatria gaussiana.


Uma varivel aleatria X chamada de gaussiana se sua funo densidade
de probabilidade tem a forma

f X (x ) =

( x a x )2

1
2 x2

2 x2

em que x > 0 e < a x < so constantes reais.


A densidade gaussiana a mais importante de todas as densidades e aparece praticamente em todas as reas da cincia e da Engenharia.
Esta importncia vem de sua descrio precisa de muitas quantidades prticas e significado no mundo real, especialmente as quantidades resultantes
de muitos efeitos aleatrios pequenos que se somam agindo para criar a
quantidade de interesse.
A funo distribuio dada por:

FX (x ) =

1
2

2
x

( a x )2
2 x2

d
.

Esta integral no tem forma fechada conhecida. Para obter FX (x ) , definese:

Prticas de Engenharia Eltrica 2 Aula 5 Professor Marcio Eisencraft agosto 2005

F (x ) =

1
2

2
2

d .

Com esta definio,

x ax
FX ( x ) = F
x

A funo F (x ) ou a funo Q(x ) = 1 F (x ) so tabeladas e podem ser encontradas em muitos livros para x 0 . Para x < 0 , usa-se F ( x ) = 1 F (x ) .

Figura 1 Valores tabelados de F (x ) [PEEBLES].


2

Prticas de Engenharia Eltrica 2 Aula 5 Professor Marcio Eisencraft agosto 2005

Exerccios
1. A relao sinal-rudo no canal de um sistema de comunicaes dada em dB
pode ser aproximada por uma varivel aleatria gaussiana tendo a x = 3 e
x = 2 . Encontre a probabilidade do evento {X 5.5}.

2. Assuma que a altura das nuvens sobre o solo em um determinado local


uma varivel aleatria gaussiana X com a x = 1830 m e x = 460 m. Encontre
a probabilidade de que uma nuvem esteja a uma altura superior a 2750m.
3. Seja uma varivel aleatria gaussiana para a qual a x = 7 e X = 0,5 . Encontre a probabilidade do evento {X 7,3}.

2.5.

Outros exemplos de distribuies e densidades

Binomial
Para 0 < p < 1 e N = 1, 2, ento a funo

N
k
f X ( x ) = p k (1 p ) (x k )
k =0 k
N

chamada de funo densidade binomial.


A densidade binomial pode ser aplicada aos experimentos de Bernoulli.
aplicada a muitos problemas de deteco em radar e sonar e muitos experimentos tendo apenas dois possveis resultados.
Integrando, obtm-se a funo distribuio binomial:

N
k
FX ( x ) = p k (1 p ) u (x k ) .
k =0 k
N

A figura a seguir ilustra as funes densidades e distribuio binomial para


N = 6 e p = 0,25 .

Prticas de Engenharia Eltrica 2 Aula 5 Professor Marcio Eisencraft agosto 2005

Figura 2 Exemplo de densidade e distribuio binomial [PEEBLES].

Poisson
Densidade e distribuio dadas por:

bk
f X (x ) = e (x k )
k = 0 k!
b

bk
FX ( x ) = e u ( x k )
k = 0 k!
b

em que b > 0 uma constante positiva.


Caso limite em que N e p 0 da distribuio binomial com Np = b .
Usada para descrever nmero de unidades defeituosas numa linha de produo, o nmero de chamadas telefnicas feitas durante um perodo de
4

Prticas de Engenharia Eltrica 2 Aula 5 Professor Marcio Eisencraft agosto 2005

tempo, o nmero de eltrons emitidos de uma pequena poro de um ctodo num intervalo de tempo.
Se o intervalo de tempo de interesse tem durao T e os eventos sendo
contados ocorrem a uma taxa , ento b dado por:

b = T
Exerccio
4. Assuma que a chegada de carros num posto de gasolina uma distribuio
de Poisson e ocorrem a uma taxa mdia de 50/h. O posto tem apenas uma
bomba. Assumindo que todos os carros necessitam de 1 minuto para abastecer, qual a probabilidade de que uma fila se forme na bomba?

Uniforme

A densidade de probabilidade uniforme e a sua funo de transferncia so


definidas por:
1
, a xb

f X (x ) = b a
0,
caso contrrio
x<a
0,
x a

FX ( x ) =
, a x<b
b a
xb
1,

para constantes reais < a < e b > a .

Prticas de Engenharia Eltrica 2 Aula 5 Professor Marcio Eisencraft agosto 2005

Figura 3 Funes densidade e distribuio uniforme [PEEBLES].

Aplicao importante: quantizao de sinais amostrados precedente codificao em sistemas de comunicaes digitais erro introduzido por arredondamentos so distribudos uniformemente.

Exponencial

As funes distribuio e densidade so:

1 ( x b a )
, x>a
e
f X (x ) = b
0,
x<a

( xa )

, x>a
FX (x ) = 1 e
0,
x<a
para nmeros reais < a < e b > 0 .
6

Prticas de Engenharia Eltrica 2 Aula 5 Professor Marcio Eisencraft agosto 2005

Figura 4 Densidade e distribuio exponencial [PEEBLES].

Aplicaes: descrio do tamanho das gotas de chuva, flutuao da intensidade de um sinal de radar recebido da reflexo de certas aeronaves.

Exerccio
5. A potncia refletida por uma aeronave com um formato complexo recebida por um radar e pode ser descrita por uma varivel aleatria exponencial P . A densidade de P , portanto,
1 PP
e 0, P>0
f P (P ) = P0

, caso contrrio
0

Prticas de Engenharia Eltrica 2 Aula 5 Professor Marcio Eisencraft agosto 2005

em que P0 o valor mdio da potncia recebida. Em um instante particular, P


pode ter um valor diferente do seu valor mdio. Qual a probabilidade de que a
potncia recebida seja maior do que o seu valor mdio?

Rayleigh

As funes densidade e distribuio de Rayleigh so


( xa )
2

( x a )e b ,
f X (x ) = b
0
,

( x a )

1 e b ,
FX ( x ) =
0
,

xa
x<a

xa
x<a

para constantes reais < a < e b > 0 .

Figura 5 Funes densidade e distribuio de Rayleigh [PEEBLES].


8

Prticas de Engenharia Eltrica 2 Aula 5 Professor Marcio Eisencraft agosto 2005

Aplicaes: descreve a envoltria de um tipo de rudo quando passa por um


filtro passa-faixas. Tambm importante na anlise de erros em vrios sistemas de medio.

Exerccio
6. O valor x = x0 tal que P{X x0 } = P{X > x0 } chamado de mediana de uma
distribuio. Determine a mediana de uma distribuio de Rayleigh.
7. [PEEBLES, p.72] Uma tenso aleatria gaussiana X para o qual a X = 0 e
X = 4,2 V aparece atravs de um resistor de 100 com uma potncia m-

xima tolervel de 0,25W. Qual a probabilidade de que esta tenso cause


uma potncia instantnea que exceda a mxima do resistor?

Prticas de Engenharia Eltrica 2 Aula 7 Professor Marcio Eisencraft setembro 2005

Aula 7

Questes da Prova P1

1. (SOARES NETO; CYMBALISTA, 1974) Um mtodo A de diagnstico de certa enfermidade d resultados positivos para 80% dos portadores da enfermidade e para 10%
dos sos. Um mtodo B de diagnstico da mesma enfermidade d positivo para 70%
dos portadores e para 5% dos sos. Se 15% da populao so portadores da dita enfermidade, calcular a probabilidade:
(a) (1,0) de uma pessoa fornecer resultado positivo pelos dois mtodos.
(b) (1,5) de, entre duas pessoas enfermas, pelo menos uma fornecer resultado positivo por
algum mtodo.

2. (SOARES NETO; CYMBALISTA, 1974) Considere dois eventos A e B tais que:


P ( A) =

1
;
4

P(B A) =

1
;
2

P(A B ) =

1
.
4

(a) (1,0) Os eventos A e B so mutuamente exclusivos? Justifique.


(b) (0,5) Os eventos A e B so independentes? Justifique.

( )

( )

(c) (1,0) Calcule P A B , P (A B ) + P ( A B ) e P A B .

3. (HSU, 1996) Seja X uma varivel aleatria contnua com funo densidade de probabilidade:
0 < x <1

kx,
f X (x ) =
0,

caso contrrio

em que k uma constante.


(a) (0,5) Determine o valor de k e esboce f X ( x ) .
(b) (1,0) Encontre e esboce a funo distribuio de probabilidade correspondente.

(c) (1,0) Encontre P < X 2 .


4

4. (SOARES NETO; CYMBALISTA, 1974) (2,5) No circuito abaixo igualmente provvel que a chave seletora esteja nas posies A ou B , bem como que os interruptores

Prticas de Engenharia Eltrica 2 Aula 7 Professor Marcio Eisencraft setembro 2005

P , Q , R , S e T estejam abertos ou fechados. Calcular a probabilidade de que a lmpada esteja acesa. Se a lmpada est acesa, qual a probabilidade de que a chave seletora
esteja na posio A ?

Prticas de Engenharia Eltrica 2 Aula 8 Professor Marcio Eisencraft outubro 2005

Aula 8

Valor esperado e varincia

Bibliografia

PEEBLES, P. Z. Probability, random variables and random signal principles. 3rd edition, New York:
McGraw-Hill, 1993. Pginas 66 87.

LATHI, B. P. Modern Digital and Analog Communication Systems, 3rd edition, New York: Oxford University, 1998. Pginas 463 472.

3.

Operaes sobre uma varivel aleatria Valor esperado

3.0.

Introduo

Introduziremos neste captulo algumas operaes importantes que podem


ser realizadas sobre uma varivel aleatria.

3.1.

Valor esperado

Valor esperado o nome dado ao processo de tomar uma mdia quando


uma varivel aleatria est envolvida.
Para uma varivel aleatria X , usa-se a notao E [X ], que pode ser lida
como a esperana matemtica de X , o valor esperado de X , o valor
mdio de X ou a mdia estatstica de X .
Ocasionalmente, usa-se a notao X que lida da mesma forma que E [X ],
ou seja, X = E [X ].
Vamos comear com um exemplo:

Exerccio
1. Noventa pessoas foram selecionadas aleatoriamente e o valor em reais fra-

cionrio das moedas em seus bolsos foi contado. Se a conta dava acima de
um real, o valor inteiro era descartado e tomava-se apenas a parte que ia de
0 a 99 centavos. Observou-se que 8, 12, 28, 22, 15 e 5 pessoas tinham 18,

Prticas de Engenharia Eltrica 2 Aula 8 Professor Marcio Eisencraft outubro 2005

45, 64, 72, 77 e 95 centavos respectivamente. Determine o valor mdio da


quantidade de centavos nos bolsos.

Valor esperado de uma varivel aleatria


Seguindo o exemplo do exerccio anterior, o valor esperado de uma varivel aleatria X definido por:

E [X ] = X =

xf (x )dx .
X

Caso X seja discreta com N possveis valores de xi com probabilidades


P( xi ) , ento:
N

E [ X ] = x i P ( xi )
n =1

Exerccio
2. A potncia captada na entrada de uma antena interna pode ser modelada

aproximadamente por uma varivel aleatria contnua distribuda exponencialmente com:


1 ( x b a )
,
e
f X (x ) = b
0,

Determine o valor mdio da potncia recebida.


Dica: xe

ax

e ax
dx = 2 (1 + ax ) .
a

x>a
x<a

Prticas de Engenharia Eltrica 2 Aula 8 Professor Marcio Eisencraft outubro 2005

Valor esperado de uma funo de uma varivel aleatria


Como ficar evidente na prxima seo, muitos parmetros teis relacionados a uma varivel aleatria X podem ser obtidos encontrando o valor
esperado de uma funo real g () de X . Pode-se mostrar que este valor esperado dado por

E [g ( X )] =

g (x ) f (x )dx
X

(1)

Se X for uma varivel aleatria discreta,


N

E [g ( X )] = g ( xi )P ( xi )
n =1

Exerccios
3. Sabe-se que uma dada tenso aleatria pode ser representada por uma vari-

vel aleatria de Rayleigh V com funo densidade dada por:


(v a )
2

(v a )e b ,
f V (v ) = b
0,

va
v<a

com a = 0 e b = 5 . Esta tenso aplicada a um dispositivo que gera uma tenso Y = g (V ) = V 2 que igual, numericamente, potncia de V (sobre um resistor de 1). Encontre a potncia mdia de V .

4. Um problema em sistemas de comunicaes como definir a informao

de uma fonte. Considere a modelagem de uma fonte capaz de emitir L


smbolos

distintos

(mensagem)

representada

pelos

valores

Prticas de Engenharia Eltrica 2 Aula 8 Professor Marcio Eisencraft outubro 2005

xi , i = 1, 2, , L de uma varivel aleatria discreta X ( L = 2 o caso

binrio). Seja P(xi ) a probabilidade do smbolo X = xi . Pergunta-se, qual a


informao contida nesta fonte, em mdia. necessrio fazer trs consideraes.
Primeiro, considera-se que a informao deve ser maior para sadas da fonte com baixa probabilidade. Por exemplo, contm pouca informao prever
tempo quente e seco para o deserto do Saara j que estas condies prevalecem quase todo o tempo. Mas prever tempo frio e chuvas fortes carrega
muita informao. A seguir, as informaes de duas fontes independentes devem se somar de acordo e finalmente a informao deve ser uma
quantidade positiva (uma escolha feita) e zero para um evento que ocorre
com certeza. A nica funo com estas propriedades a logartmica. Como
duas quantidades representam o menor nmero para uma escolha, o logaritmo na base 2 escolhido para medir informao e sua unidade chamada de bit.
Para uma fonte, definimos a informao de um smbolo xi como
1
log 2
= log 2 [P( xi )] . Determine ento a informao mdia de uma fon P( xi )

te, ou entropia, discreta com L smbolos possveis.

3.2.

Momentos

Uma aplicao imediata do valor esperado de uma funo g () de uma varivel aleatria X o clculo de momentos. Dois tipos de momentos so
de interesse, os em torno da origem e os em torno da mdia.
Momentos em torno da origem
A funo
4

Prticas de Engenharia Eltrica 2 Aula 8 Professor Marcio Eisencraft outubro 2005

g(X ) = X n

n = 0, 1, 2,

quando usada em (1) d o momento em torno da origem da varivel aleatria


X . Denotando o n-simo momento por mn , temos:

[ ] x

mn = E X n =

f X ( x )dx

Claramente, m0 = 1 , a rea sob a funo f X (x ) e m1 = X , o valor esperado


de X .

Momentos centrais
Momentos em torno da mdia so chamados de momentos centrais e so
simbolizados por n . So definidos pelo valor esperado da funo

g ( X ) = (X X ) , n = 0, 1, 2,
n

que

n = E (X X ) =
n

(x X )

f X ( x )dx

O momento 0 = 1 , a rea sob f X (x ) , enquanto 1 = 0 . (Por qu?).

Varincia e distoro (skew)


O segundo momento central 2 to importante que conhecido por um
nome especial: varincia representada por X2 . Assim, a varincia dada
por:

Prticas de Engenharia Eltrica 2 Aula 8 Professor Marcio Eisencraft outubro 2005

= 2 = E (X X ) =

2
X

(x X )

f X (x )dx .

A raiz positiva X da varincia chamada de desvio padro de X e uma


medida do espalhamento da funo f X (x ) ao redor da mdia.
A varincia pode ser determinada conhecendo-se o primeiro e segundo
momento em torno da origem. Temos:

X2 = E (X X ) = E [X 2 2 XX + X 2 ] = E [X 2 ] 2 XE[X ] + X 2 = m2 m12
2

O terceiro momento central 3 = E (X X ) uma medida da assimetria de


3

f X ( x ) ao redor de x = X = m1 . chamada de distoro (skew) da funo

densidade.
Se uma densidade simtrica em torno de x = X ento ela tem distoro
zero.
O terceiro momento central normalizado

3
chamado de coeficiente de
X3

distoro (skewness).

Exerccios
5. Seja X uma varivel aleatria com a funo densidade exponencial do E-

xerccio dois. Determine a varincia de X .

6. Ainda para a varivel X do exerccio anterior,


3

(a) Mostre que 3 = X 3 3 X X2 X .


(b) Calcule 3 e o coeficiente de distoro.
x 2 2x
2
2 + 3.
m
m m

Dicas: x 2 e mx dx = e mx

3
3x 2 6 x
6
3 mx
mx x
=

+ 3 4.
x
e
dx
e

m
m
m m

Prticas de Engenharia Eltrica 2 Aula 8 Professor Marcio Eisencraft outubro 2005

7.

(PEEBLES, 2001, p.101) Certo medidor projetado para ler pequenas tenses, porm comete erros por causa de rudos. Os erros so representados
de forma acurada por uma varivel aleatria gaussiana com mdia nula e
desvio padro 10-3V. Quando o nvel DC desconectado, descobre-se que
a probabilidade da leitura do medidor ser positiva devido ao rudo 0,5.
Quando a tenso DC presente, a probabilidade torna-se 0,2514. Qual o
nvel DC?

Prticas de Engenharia Eltrica 2 Aula 9 Professor Marcio Eisencraft outubro 2005

Aula 9

Variveis aleatrias mltiplas

Bibliografia
PEEBLES, P. Z. Probability, random variables and random signal principles. 3rd edition, New York:
McGraw-Hill, 1993. Pginas 109 122.

HSU, H. Schaums outline Theory and Problems of Analog and Digital Communications. 2nd edition,
New York: McGraw-Hill, 2003. Pginas 133-135.

4.

Mltiplas variveis aleatrias

4.0.

Introduo

Estendemos agora a teoria para incluir duas variveis aleatrias na discrio de um fenmeno. Por exemplo, a posio de um ponto aleatrio no
plano.

4.1.Variveis aleatrias vetoriais


Suponha que duas variveis aleatrias X e Y sejam definidas num espao
amostral S em que valores especficos de X e Y so denotados por x e y
respectivamente.
Ento, qualquer para ordenado de nmeros (x, y ) pode ser convenientemente considerado como um ponto aleatrio no plano xy .
O ponto pode ser tomado como o valor especfico de uma varivel aleatria
vetorial ou um vetor aleatrio. A Figura 1 a seguir ilustra o mapeamento
envolvido em ir de S para o plano xy .

4.2.

Distribuio conjunta e suas propriedades

As probabilidades dos eventos A = {X x} e B = {Y y} j foram definidas


como funes de

e y , respectivamente e chamadas de funes distribui-

o de probabilidades:

Prticas de Engenharia Eltrica 2 Aula 9 Professor Marcio Eisencraft outubro 2005

Figura 1 Mapeamento do espao amostral S para o plano xy (PEEBLES,


2001).
FX (x ) = P{X x}
FY ( y ) = P{Y y}

Ser introduzido agora um novo conceito para incluir a probabilidade do


evento conjunto {X x, Y y}.

Funo Distribuio Conjunta


Define-se a probabilidade do evento conjunto {X x, Y y}, que uma funo dos nmeros

e y como uma funo distribuio de probabilidades

conjunta e a denotamos pelo smbolo FX ,Y (x, y ) . Assim,

FX ,Y ( x, y ) = P{X x, Y y}
P{X x, Y y} = P( A B ) em que o evento A B foi definido em S .

Prticas de Engenharia Eltrica 2 Aula 9 Professor Marcio Eisencraft outubro 2005

Exerccio
1. Assuma que o espao amostral conjunto S J tenha apenas trs elementos
possveis: (1,1), (2,1) e (3,3). As probabilidades destes elementos so
P(1,1) = 0,2 , P(2,1) = 0,3 e P(3,3) = 0,5 . Encontre FX ,Y ( x, y ) .

Resposta:

Figura 2 Funo distribuio conjunta do Exerccio 1 [PEEBLES].

Propriedades da distribuio conjunta


(1) FX ,Y ( , ) = 0

FX ,Y ( , y ) = 0

FX ,Y ( x, ) = 0 .

(2) FX ,Y (, ) = 1 .
(3) 0 FX ,Y (x, y ) 1
(4) FX ,Y (x, y ) uma funo no-decrescente de x e y .
(5) FX ,Y (x 2 , y 2 ) + FX ,Y (x1 , y1 ) FX ,Y (x1 , y 2 ) FX ,Y (x 2 , y1 ) = P{x1 X x 2 , y1 Y y 2 } 0 .
3

Prticas de Engenharia Eltrica 2 Aula 9 Professor Marcio Eisencraft outubro 2005

(6) FX ,Y (x, ) = FX (x )

FX ,Y (, y ) = FY ( y ) .

Funes de distribuio marginal


A propriedade (6) acima afirma que a funo distribuio de uma varivel
aleatria pode ser obtida fazendo o valor da outra varivel aleatria ser infinito em FX ,Y (x, y ) . As funes FX (x ) ou FY ( y ) obtidas desta forma so
chamadas de funes de distribuio marginal.

Exerccio
2. Encontre expresses explcitas para FX ,Y (x, y ) e as distribuies marginais
FX ( x ) e FY ( y ) para o espao amostral conjunto do Exerccio um.

4.3.

Densidade conjunta e suas propriedades

Funo densidade conjunta


Para duas variveis aleatrias X e Y , a funo densidade de probabilidade
conjunta, denotada por f X ,Y (x, y ) definida como a segunda derivada da
funo distribuio conjunta onde quer que ela exista.

2 FX ,Y ( x, y )

f X ,Y ( x, y ) =

xy

Propriedades da densidade conjunta


(1) f X ,Y (x, y ) 0

(2)

f (x, y )dxdy = 1
X ,Y

Prticas de Engenharia Eltrica 2 Aula 9 Professor Marcio Eisencraft outubro 2005

(3) FX ,Y (x, y ) =

y x

f ( , )d d
X ,Y

(4) FX (x ) =

f ( , )d
X ,Y

FY ( y ) =

d1

(5) P{x1 < X x 2 , y1 < Y y 2 } =

f ( , )d d
X ,Y


y 2 x2

f (x, y )dxdy
X ,Y

y1 x1

(6) f X (x ) =

f X ,Y ( x, y )dy

fY ( y) =

f (x, y )dx
X ,Y

As propriedades (1) e (2) podem ser usadas para testar se uma dada funo
pode ser uma funo densidade vlida.
Exerccio
3. Seja b uma constante positiva. Determine seu valor para que a funo

x
be cos y, 0 x 2 e 0 y 2
g ( x, y ) =
0,
caso contrrio

seja uma funo densidade de probabilidade vlida.

Funo Densidade Marginal


As funes f X (x ) e f Y ( y ) da propriedade (6) so chamadas de funes densidade de probabilidade marginal ou apenas funes densidade marginal.
Elas so as funes densidades das variveis simples X e Y , definidas como as derivadas das funes distribuio marginais:
f X (x ) =

dF ( x )
dx

fY ( y) =

dF ( y )
dy

Prticas de Engenharia Eltrica 2 Aula 9 Professor Marcio Eisencraft outubro 2005

Exerccio
4. As tenses X e Y foram medidas em volts em dois pontos diferentes de
um circuito eltrico. Encontre f X (x ) e f Y ( y ) se a funo densidade de probabilidade conjunta dada dessas tenses dada por:

f X ,Y (x, y ) = u ( x )u ( y )xe x ( y +1) .

4.4.

Densidade e distribuio condicional

A funo distribuio condicional de uma varivel aleatria X , dado algum evento B definida como:

FX (x B ) = P{X x B} =

P{X x B}
.
P (B )

A funo densidade condicional correspondente foi definida atravs da derivada

dFX (x B )

f X (x B ) =

dx

Densidade e distribuio condicional condio pontual


Pode-se mostrar que, para variveis discretas, vale:

f X (x Y = y k ) =
N

i =1

P ( xi , y k )
( x xi ) .
P( y k )

Para o caso contnuo vale:

Prticas de Engenharia Eltrica 2 Aula 9 Professor Marcio Eisencraft outubro 2005

f X (x Y = y ) = f (x y ) =

f X ,Y (x, y )
fY ( y)

Exerccio
5. Encontre f Y ( y x ) para a funo densidade definida no Exerccio quatro.

4.5.

Independncia Estatstica

Dois eventos A e B so independentes se (e somente se):


P ( A B ) = P ( A)P (B ) .

Assim, pela definio de funes distribuio, duas variveis aleatrias X e


Y so estatisticamente independentes se:

FX ,Y ( x, y ) = FX ( x ) FY ( y )
ou

f X ,Y ( x, y ) = f X ( x ) f Y ( y ) .
Usando a densidade e a distribuio condicionais, vemos que se duas variveis aleatrias X e Y forem independentes, vale:

f (x y ) =

f (y x) =

f X ,Y ( x, y )
fY ( y)

f X ,Y ( x, y )
f X (x )

f X (x ) f Y ( y )
= f X (x )
fY ( y)

f X (x ) f Y ( y )
= fY ( y) .
f X (x )

Assim, as densidades deixam de ser condicionais e tornam-se iguais s


marginais.

Exerccios
6. Verifique se as tenses do Exerccio quatro so independentes.
7

Prticas de Engenharia Eltrica 2 Aula 9 Professor Marcio Eisencraft outubro 2005

7. A densidade conjunta de duas variveis aleatrias X e Y tem densidade


conjunta

2
k cos 2 xy , 1 < x < 1 e 1 < y < 1

f X ,Y ( x, y ) =

caso contrrio
0,

em que k =

+ Si( )

0,315 e o seno integral definido por:


x

Si (x ) =

sin ( )

d .

Determine se X e Y so estatisticamente independentes.

Prticas de Engenharia Eltrica 2 Aula 10 Professor Marcio Eisencraft outubro 2005

Aula 10 -

Correlao e covarincia

Bibliografia
PEEBLES, P. Z. Probability, random variables and random signal principles. 3rd edition, New York:
McGraw-Hill, 1993. Pginas 122 146.

HSU, H. Schaums outline Theory and Problems of Analog and Digital Communications. 2nd edition,
New York: McGraw-Hill, 2003. Pginas 137-138.

5.

Operaes sobre mltiplas variveis aleatrias

5.0. Introduo
Vamos estender o conceito de valor esperado para o caso de duas ou mais
variveis aleatrias.
5.1.

Valor esperado de uma funo de variveis aleatrias

O valor esperado de uma funo de uma varivel aleatria foi definido no


Captulo 3 como:

E [g ( x )] =

g (x ) f (x )dx .
X

Quando mais de uma varivel aleatria envolvida, o valor esperado deve


ser tomado em relao a todas as variveis envolvidas.
Por exemplo, se g ( X , Y ) uma funo de duas variveis aleatrias X e Y ,
o valor esperado de g (,) dado por:

g = E [g ( X , Y )] =

g (x, y ) f (x, y )dxdy


X ,Y

Para N variveis aleatrias X 1 , X 2 ,..., X N e uma funo dessas variveis


denotada por g ( X 1 , , X N ) , o valor esperado dessa funo se torna:
g = E [g ( X 1 , , X N )] =

g (x , , x ) f
1

X 1 ,, X N

(x1 ,, x N )dx1 dx N .

Prticas de Engenharia Eltrica 2 Aula 10 Professor Marcio Eisencraft outubro 2005

Um resultado que segue diretamente da definio acima que o valor


esperado de uma soma ponderada de variveis aleatrias
N

g ( X 1 , X N ) = i X i
i =1

a soma ponderada de seus valores mdios:

N
N
g = E i X i = i E [ X i ]
i =1
i =1
Momentos Conjuntos em torno da origem
Uma importante aplicao do valor esperado na definio de momentos
conjuntos em torno da origem.
Eles so denotados por mnk e so definidos por:

] x y

mnk = E X Y =
n

f X ,Y ( x, y )dxdy

para o caso de duas variveis aleatrias X e Y .


Claramente, mn 0 = E [X n ] so os momentos mn de X e m0 k = E [Y k ] so os
momentos de Y .
A soma n + k chamada de ordem dos momentos.
Assim, m02 , m20 e m11 so todos momentos de segunda ordem de X e Y .
Os momentos de primeira ordem m01 = E[Y ] = Y e m10 = E[X ] = X so os
valores esperados de X e Y respectivamente e so as coordenadas do
centro de gravidade da funo f X ,Y (x, y ) .
O momento de segunda ordem m11 = E [XY ] chamado de correlao de X
e Y.
Ele to importante que recebe um smbolo especial R XY .Assim,
2

Prticas de Engenharia Eltrica 2 Aula 10 Professor Marcio Eisencraft outubro 2005

R XY = m11 = E [ XY ] =

xyf (x, y )dxdy


X ,Y

Se a correlao puder ser escrita na forma

R XY = E [X ] E[Y ] ,
ento X e Y so ditas no correlacionadas.
Independncia estatstica de X e Y suficiente para garantir que elas so
no correlacionadas. Porm, o contrrio no verdade em geral. Ou seja,
independncia implica no-correlao, mas no-correlao no implica
independncia.
Se R XY = 0 as variveis X e Y so ditas ortogonais.
Resumindo:

f X ,Y ( x, y ) = f X ( x ) f Y ( y ) X e Y so independentes

R XY = E[X ] E[Y ]

R XY = 0

X e Y so no-correlacionadas
X e Y so ortogonais

X e Y independentes X e Y no correlacionadas
Exerccio
1. Seja X uma varivel aleatria com um valor mdio X = E [X ] = 3 e
varincia X2 = 2 e uma outra varivel Y dada por Y = 6 X + 22 . Pede-se:
(a) E [X 2 ]

(b) Y

(c) R XY

(d) as variveis so correlacionadas?


(e) as variveis so ortogonais?

Prticas de Engenharia Eltrica 2 Aula 10 Professor Marcio Eisencraft outubro 2005

Momentos conjuntos centrais


Uma outra aplicao importante da definio de valores esperado a
definio de momentos centrais conjuntos.
Para duas variveis aleatrias X e Y , estes momentos denotados por m
so dadas por:

nk = E (X X ) (Y Y ) =
n

(x X ) ( y Y )
n

f X ,Y ( x, y )dxdy

Os momentos centrais de segunda ordem

[
]
= E [(Y Y ) ] =

20 = E (X X ) = X2
2

02

2
Y

so as varincias de X e Y .
O momento conjunto de segunda ordem 11 muito importante.
chamado de covarincia de X e Y e simbolizado por C XY . Assim,

C XY = 11 = E [(X X )(Y Y )] =

(x X )(y Y ) f (x, y )dxdy


X ,Y

Expandindo diretamente o produto (X X )(Y Y ) esta integral se reduz a:

C XY = R XY XY = R XY E [X ]E [Y ]
Se

e Y

forem independentes ou no correlacionadas, ento

R XY = E [X ]E [Y ] e C XY = 0 .

Se X e Y forem ortogonais ento

C XY = E[X ]E[Y ] ,

X e Y ortogonais.

Claramente, C XY = 0 se X ou Y tambm tiverem mdia nula alm de serem


ortogonais.
4

Prticas de Engenharia Eltrica 2 Aula 10 Professor Marcio Eisencraft outubro 2005

O momento de segunda ordem normalizado:

C
11
= XY
20 02 X Y

=
dado por

(X X ) (Y Y )
Y

= E
X

conhecido como coeficiente de correlao de X e Y . Pode-se mostrar que


1 1.

Uma aplicao direta das definies acima que se X uma soma


N

ponderada de variveis aleatrias X i , X = i X i , ento:


i =1

E [X ] = i X i
i =1

2
X

= i2 X2 i
i =1

Exerccio
2. (PEEBLES, 2001, p.173) Num sistema de controle, sabe-se que uma tenso
aleatria X tem mdia X = m1 = 2 V e momento de segunda ordem
2

X 2 = m2 = 9 V . Se a tenso X amplificada por um amplificador que

fornece como sada Y = 1,5 X + 2 encontre X2 , Y , Y 2 , Y2 e R XY .

Prticas de Engenharia Eltrica 2 Aula 12 Professor Marcio Eisencraft novembro 2005

Aula 12 -

Questes da Prova P2

1. (PEEBLES, 2001, p. 173) (2,5) Em um sistema de controle, sabe-se que


uma tenso aleatria X tem valor mdio X = m1 = 2 V e um momento de
segunda ordem E [X 2 ] = m2 = 9 V2. Se a tenso X amplificada por um amplificador que tem como sada Y = 1,5 X + 2 , encontre X2 , Y , E [Y 2 ], Y2 e
R XY .

2. (PEEBLES, 2001, p. 101) (2,5) Certo medidor projetado para medir pequenas tenses dc, mas comete erros por causa de rudo. Estes erros podem
ser representados de forma precisa por uma varivel aleatria gaussiana
com mdia zero e desvio padro 10 3 V. Quando a tenso dc est desconectada descobre-se que a probabilidade do medidor registrar um valor positivo 0,5 por causa do rudo. Quando a tenso dc est presente, esta probabilidade torna-se 0,2514. Qual o valor da tenso dc?

3. (PEEBLES, 2001, p. 99) (2,5) Mostre que o valor mdio e a varincia de


uma tenso aleatria com funo densidade uniforme dada por:
1
,a x b

f X (x ) = b a
0,
caso contrrio

so X

(a + b ) e 2
= E[X ] =
X
2

2
(
b a)
.
=

12

4. (HSU, 1997, p. 98) A pdf conjunta de um v.a. bivariada ( X , Y ) dada por:


kxy, 0 < x < 1, 0 < y < 1
f X ,Y ( x, y ) =
caso contrrio
0,

em que k uma constante.


1

Prticas de Engenharia Eltrica 2 Aula 12 Professor Marcio Eisencraft novembro 2005

(a) (1,0) Determine o valor de k .


(b) (1,0) X e Y so independentes?
(c) (0,5) Encontre P( X + Y < 1) .

Prticas de Engenharia Eltrica 2 Aula 13 Professor Marcio Eisencraft novembro 2005

Aula 13

Variveis aleatrias gaussianas conjuntas

Bibliografia
PEEBLES, P. Z. Probability, random variables and random signal principles. 3rd edition, New York:
McGraw-Hill, 1993. Pginas 148 178.

KAY, S. M. Fundamentals of Statistical Signal Processing: Estimation Theory. New Jersey: Prentice
Hall, 1993. Pginas 1-14.

5.3.

Variveis aleatrias gaussianas conjuntas

Variveis aleatrias gaussianas so muito importantes porque aparecem


praticamente em todas as reas da Engenharia e das Cincias.
Nesta seo o caso de duas variveis aleatrias conjuntas gaussianas ser
examinado.

Duas variveis aleatrias


Duas variveis aleatrias X e Y so ditas conjuntamente gaussianas se sua
funo densidade conjunta
f X ,Y ( x, y ) =

1
2 X Y

1
exp
2
2 1
1 2

com:
X = E[X ]
Y = E [Y ]

[
]
= E [(Y Y ) ]

X2 = E (X X )

Y2

E [(X X )(Y Y )]

XY

C XY

XY

(x X )2 2 (x X )( y Y ) ( y Y )2

2
XY
Y
X

Prticas de Engenharia Eltrica 2 Aula 13 Professor Marcio Eisencraft novembro 2005

A Figura 1 ilustra a aparncia da funo densidade gaussiana. Seu mximo


ocorre em (X , Y ) .

Figura 1 Densidade conjunta de duas v.a. s gaussianas (PEEBLES, 2001).

Prticas de Engenharia Eltrica 2 Aula 13 Professor Marcio Eisencraft novembro 2005

Pode-se ver que se = 0 , correspondendo a variveis X e Y nocorrelacionadas, f X ,Y (x, y ) pode ser reescrita como:

f X ,Y ( x, y ) = f X ( x ) f Y ( y )
em que f X (x ) e f Y ( y ) so as densidades marginais de X e Y dadas por:

f X (x ) =
fY ( y) =

1
2 X2

(x X )2
exp

2 X2

( y Y )2 .
exp

2
2 Y2

2 Y
1

Assim, conclumos que quaisquer variveis aleatrias gaussianas no correlacionadas so estatisticamente independentes.

Exerccio
1. Sejam duas variveis aleatrias gaussianas X e Y com mdias X e Y , varincias X2 e Y2 e coeficiente de correlao . Determine o ngulo tal
que as variveis:

A = X cos + Y sin
B = X sin + Y cos
sejam independentes.

2. (PEEBLES, 2001, p. 176) Suponha que a queda de neve anual (quantidade


de neve acumulada em metros) em dois hotis de esqui alpinos vizinhos seja representada por variveis aleatrias gaussianas conjuntas X e Y para as
quais = 0,82 , X = 1,5 m, Y = 1,2 m e R XY = 81,476 m2. Se a queda de neve
mdia no primeiro hotel 10m, qual a taxa de queda mdia no outro hotel?
3

Prticas de Engenharia Eltrica II - Lista de Exerccios Suplementares 1 Professor Marcio Eisencraft agosto 2005

Prticas de Engenharia Eltrica II


Lista de Exerccios Suplementares 1 2 semestre 2005
1. Resolver Exerccio 10.1-9 da pgina 481 do (LATHI, 1998). O primeiro aluno a
entregar uma resoluo completa e correta deste exerccio ganhar 0,5 ponto
na P1.
RESP: (a) 9,562%; (b) 0,001004.

2. (NETO, 1993, p. 17] Um meteorologista acerta 80% dos dias em que chove e 90%
dos dias em que faz bom tempo. Chove em 10% dos dias. Tendo havido previso de
chuva, qual a probabilidade de chover?
RESP: 47,06%.

3. (HSU, 2003, p. 149) Todos os dispositivos e mquinas produzidos falham mais cedo
ou mais tarde. Se a taxa de falha constante, o tempo at uma falha T modelado
por uma varivel aleatria exponencial. Suponha que se descobriu que uma classe
particular de chips de memria para computadores tem uma lei de falha exponencial
dada por:

fT (t ) = ae at u (t ) ,
com t em horas.
(a) Medidas mostraram que a probabilidade de que o tempo de falha exceda 104 horas
para chips desta classe de e 1 ( 0,368 ). Calcule o valor do parmetro a para este

caso.
(b) Usando o valor do parmetro a determinado na parte (a), calcule o tempo t 0 tal que
a probabilidade de que o tempo de falha seja menor do que t 0 seja de 0,05.
RESP: (a)

a = 10 4 ; (b) 512,93h.

4. (PEEBLES, 1993, p. 71) Uma linha de produo fabrica resistores de 1000 que

devem satisfazer uma tolerncia de 10%.


(a) Se a resistncia descrita adequadamente por uma varivel aleatria gaussiana X
com a X = 1000 e x = 40 , qual frao de resistores espera-se que seja rejeitada?

Prticas de Engenharia Eltrica II - Lista de Exerccios Suplementares 1 Professor Marcio Eisencraft agosto 2005

(b) Se a mquina no est ajustada corretamente, os resistores produzidos passam a ter


a X = 1050 (5% de erro). Qual frao ser rejeitada agora?
RESP: (a) 1,24%; (b) 10,57%.

5. (PEEBLES, 1993, p.101) Certo medidor projetado para ler pequenas tenses, po-

rm comete erros por causa de rudos. Os erros so representados de forma acurada


por uma varivel aleatria gaussiana com mdia nula e desvio padro 10-3V. Quando o nvel DC desconectado, descobre-se que a probabilidade da leitura do medidor ser positiva devido ao rudo 0,5. Quando a tenso DC presente, a probabilidade torna-se 0,2514. Qual o nvel DC?
RESP: -0,67mV.

6. (NETO, 1993, p. 25) Rivelino e Z Maria esto machucados e talvez no possam

defender o Corinthians em sua prxima partida contra o Palmeiras. A probabilidade


de Rivelino jogar de 40% e a de Z Maria, 70%. Com ambos os jogadores, o Corinthians ter 60% de probabilidade de vitria; sem nenhum deles, 30%; com Rivelino, mas sem Z Maria, 50%, e com Z Maria, mas sem Rivelino, 40%. Qual a
probabilidade de o Corinthians ganhar a partida?
RESP: 0,45.

7. (PEEBLES, 1993, p. 67) O resistor R2 na Figura 1 a seguir escolhido aleatoria-

mente de uma caixa de resistores contendo resistores de 180, 470, 1000 e


2200. Todos os valores de resistores tm mesma possibilidade de ser selecionado.
A tenso E 2 uma varivel aleatria discreta. Encontre o conjunto de valores que
E 2 pode assumir e d a suas probabilidades.

Figura 1 Circuito do Exerccio 2 [PEEBLES].


RESP:

E 2 {2,16V ; 4,37V ; 6,59V ; 8,74V } sendo que cada valor

tem 25% de probabilidade.

Prticas de Engenharia Eltrica II - Lista de Exerccios Suplementares 1 Professor Marcio Eisencraft agosto 2005

8. (HSU, 1997, p. 26) Duas mquinas produzem peas semelhantes. A maquina A pro-

duz 1000 peas, 100 das quais so defeituosas. A maquina B produz 2000 peas
sendo 150 defeituosas. Uma pea selecionada aleatoriamente e considerada defeituosa. Qual a probabilidade dela ter sido produzida pela mquina A?
RESP: 0,4.

9. (HSU, 1997, p. 33) Um sistema constitudo de n componentes separados chamado

de sistema paralelo se ele funciona quando pelo menos um dos componentes funciona (Figura a seguir). Assuma que os componentes falhem de forma independente
e que a probabilidade de falha do componente i seja pi , i = 1, 2, , n . Encontre a probabilidade de funcionamento do sistema.

s1

s2

....
sn
n

RESP:

1 pi .
i =1

10. (HSU, 1997, p. 37) A rede de rels mostrada na figura a seguir funciona se e somen-

te se existe um caminho fechado de rels da esquerda para a direita. Assuma que os


rels falhem de forma independente e que a probabilidade de falha de cada rel seja
a indicada na figura. Qual a probabilidade da rede funcionar?

(HSU, 1997)

Prticas de Engenharia Eltrica II - Lista de Exerccios Suplementares 1 Professor Marcio Eisencraft agosto 2005

RESP: 0,865.

11. (HSU, 1997, p. 37) Sejam A e B dois eventos independentes em S . Sabe-se que
P( A B ) = 0,16 e P( A B ) = 0,64 . Encontre P( A) e P(B ) .
RESP:

P( A) = P(B ) = 0,4 .

12. (HSU, 1997, p. 56) A funo densidade de probabilidade (p.d.f.) de uma varivel

aleatria (v.a.) X dada por:


1
3 , 0 < x < 1

2
.
f X (x ) = , 1 < x < 2
3
0, caso contrrio

Encontre a correspondente funo distribuio (c.d.f.) Fx ( x ) e esboce f X ( x ) e Fx ( x ) .

13. (HSU, 1997, p. 57) Seja X uma v.a. contnua com p.d.f.

kx, 0 < x < 1


f X (x ) =
0 caso contrrio
em que k uma constante.
(a) Determine o valor de k e esboce f X ( x ) .
(b) Encontre e esboce a correspondente c.d.f. FX (x ) .
1

(c) Encontre P < X 2 .


4

RESP: (a) 2; (c)

15
.
16

14. (HSU, 1997, p. 75) Um sistema de transmisso digital tem uma probabilidade de

erro de 10 6 por dgito. Encontre a probabilidade de trs ou mais erros em 10 6 dgitos utilizando a aproximao da distribuio de Poisson.
RESP: 0,08.

15. (HSU, 1997, p. 75) Sabe-se que os disquetes produzidos por uma companhia A so

defeituosos com uma probabilidade de 0,01. A companhia vende os discos em paco-

Prticas de Engenharia Eltrica II - Lista de Exerccios Suplementares 1 Professor Marcio Eisencraft agosto 2005

tes de 10 e oferece garantia de troca se ao menos 1 dos 10 discos for defeituoso. Encontre a probabilidade de que um pacote comprado tenha que ser trocado.
RESP: 0,004.

16. (HSU, 1997, p. 77) Um lote constitudo de 100 fusveis inspecionado pelo seguinte

processo: cinco fusveis so selecionados aleatoriamente e se os cinco queimarem


na corrente especificada, o lote aceito. Suponha que um lote contenha 10 fusveis
defeituosos. Qual a probabilidade de se aceitar o lote?
RESP: 0,584.

17. (NETO, 1993, p. 25) Uma cpsula espacial aproxima-se da Terra com dois defeitos:

nos seus circuitos eltricos e no sistema de foguetes propulsores. O comandante


considera que, at o instante de reingresso na atmosfera, existe 20% de probabilidade de reparar os circuitos eltricos e 50% de probabilidade de reparar o sistema de
foguetes. Os reparos se processam independentemente. Por outro lado, os especialistas em Terra consideram que as probabilidades de xito no retorno so as seguintes:
(a) 90% com os circuitos eltricos e o sistema de foguetes reparados.
(b) 80% s com o sistema de foguetes reparado.
(c) 60% s com os circuitos eltricos reparados.
(d) 40% com os circuitos eltricos e o sistema de foguetes defeituosos. Com base nas
consideraes acima, qual a probabilidade de xito no retorno? Se o retorno se processar com xito, qual a probabilidade de que tenha se realizado nas condies mais adversas (ambos os sistemas no-reparados)?
RESP: 63% e 25,40% respectivamente.

18. (PEEBLES, 1993, p. 73) Assuma que as lmpadas fluorescentes fabricadas por uma

empresa tenham probabilidade de 0,05 de serem inoperantes quando novas. Uma


pessoa compra oito lmpadas para uso domstico.
(a) Qual a probabilidade de exatamente uma lmpada ser inoperante entre as oito?
(b) Qual a probabilidade de que as oito lmpadas estejam funcionando?
(c) Determine a probabilidade de que uma ou mais lmpadas sejam inoperantes.
(d) Faa um grfico da funo distribuio de probabilidades da varivel aleatria o
nmero de lmpadas inoperantes.
RESP: (a) 27,93%; (b) 66,34%; (c) 33,66%.

Prticas de Engenharia Eltrica II - Lista de Exerccios Suplementares 1 Professor Marcio Eisencraft agosto 2005

19. (PEEBLES, 1993, p. 72) Suponha que a altura da base das nuvens seja uma varivel

aleatria gaussiana X com a X = 4000 m e X = 1000 m. Joo afirma que a altura


das nuvens amanh estar no conjunto A = {1000m < X 3300m} enquanto Pedro
afirma que a altura estar no conjunto B = {2000m < X 4200m} . Paulo afirma que
os dois estaro corretos. Encontre a probabilidade de cada um acertar a previso.
RESP: Joo: 24,07%; Pedro: 55,66% e Paulo: 21,93%.

Prticas de Engenharia Eltrica II - Lista de Exerccios Suplementares 2 Professor Marcio Eisencraft outubro2005

Prticas de Engenharia Eltrica II


Lista de Exerccios Suplementares 2 2 semestre 2005
1. Resolver Exerccio 10.2-8 da pgina 483 do (LATHI, 1998).
Resposta: (a)

f X ( x ) = xe

x2
2

u ( x ) ; f Y ( y ) = ye

y2
2

u ( y ) ; f X Y (x y ) = f X ( x ) ; f Y

( y x ) = f ( y ) ; (b)
Y

Sim.

2. Resolver Exerccio 10.3-5 da pgina 485 do (LATHI, 1998).


Respostas:

[ ]

5
17
1
X = ; E X 2 = ; X2 = .
3
6
18

3. Resolver Exerccio 10.5-2 da pgina 486 do (LATHI, 1998).

4. Resolver Exerccio 10.5-3 da pgina 486 do (LATHI, 1998). O primeiro aluno a


entregar uma resoluo completa e correta deste exerccio ganhar 0,5 ponto
na P2.

____
1 ____2 5
19
1
5. (PEEBLES, 2001, p. 173) X = , X = , Y = 2 , Y 2 =
e C XY =
para
2
2
2
2 3

variveis aleatrias X e Y .
(a) Encontre X2 , Y2 , R XY e .
(b) Qual a media da varivel aleatria W = ( X + 3Y ) + 2 X + 3 ?
2

Resposta: (a)

X2 =

6 3
66
9 2 11
; Y =
; R XY =
; =
; (b) 96,27.
4
2
6
99

6. (DEVORE, 2003, p. 210) Dois componentes de um microcomputador tm a seguin-

te pdf conjunta para seus tempos de vida til X e Y :


xe x (1+ y ) , x 0 e y 0
f XY ( x, y ) =
.
0
,
caso
contrrio

(a) Quais so as pdfs marginais de X e Y ? Estes tempos de vida so independentes?


Justifique.
(b) Qual a probabilidade de que o tempo de vida X do primeiro componente exceda 3?
1

Prticas de Engenharia Eltrica II - Lista de Exerccios Suplementares 2 Professor Marcio Eisencraft outubro2005

Resposta: (a)

f X (x ) = e x , x 0 ; f Y ( y ) =

(1 + y )2

; (b) 0,0498.

7. Duas variveis aleatrias podem assumir os valores indicados na tabela.

PROBABILIDADE

-1

-2

1/8

-0,5

-1

1/4

0,5

1/2

1/8

(a) (MONTGOMERY, 2003, p. 103) Determine as seguintes probabilidades:


P( X < 0,5; Y < 1,5) , P( X < 0,5) , P(Y < 1,5) e P( X > 0,25; Y < 4,5) .

(b) (MONTGOMERY, 2003, p. 103) Determine E [X ] e E [Y ] .


Respostas: (a) 3/8; 3/8; 7/8; 5/8 respectivamente. (b) 0,125 e respectivamente.

8. (COSTA NETO; CYMBALISTA, 1974, p. 55) Seja X uma varivel aleatria con-

tnua com funo densidade constante entre a e b , a < b . Mostre que:

(b a ) .
a+b
E[X ] =
e X2 =
2
12
2

9. (COSTA NETO; CYMBALISTA, 1974, p. 70) Sendo a funo densidade conjunta

de ( X , Y ) dada por f ( x, y ) =

1 y
e , para 4 > x > 0 , y > 0 e zero em qualquer outro
4

ponto, calcular a probabilidade P( X > 2, Y < 4 ) .


Resposta: 0,4908.

10. (PEEBLES, 2001, p. 174) As variveis aleatrias estatisticamente independentes X

1
e Y tm respectivamente mdias X = 1 e Y = . Seus momentos de segunda or2
dem so X 2 = 4 e Y 2 =

11
. Uma outra varivel aleatria definida como
4

W = 3 X 2 + 2Y + 1 . Encontre X2 , Y2 , R XY , C XY e RWY .

Prticas de Engenharia Eltrica II - Lista de Exerccios Suplementares 2 Professor Marcio Eisencraft outubro2005

Resposta:

X2 = 3 ; Y2 = 2,5 ; R XY = 0,5 ; C XY = 0 ; RWY = 1 .

11. (HSU, 1997, p. 77) Uma varivel aleatria X chamada de varivel aleatria de

Laplace se sua funo densidade de probabilidade dada por:


f X ( x ) = ke

, > 0, < x <

em que k uma constante.


(a) Encontre o valor de k .
(b) Encontre FX (x ) .
(c) Encontre a mdia e a varincia de X .

Resposta: (a)

k=

; (b)

1 x
x<0
2 e ,
2
; (c) E [X ] = 0; Var [ X ] = 2
FX ( x ) =

1 1 e x , x 0
2

12. (PEEBLES, 2001, p.98) Uma tenso aleatria gaussiana X tem valor mdio

X = a X = 0 e varincia X2 = 9 . A tenso X aplicada a um diodo detector de onda completa com lei quadrtica que tem funo de transferncia Y = 5X 2 . Encontre
o valor mdio da tenso de sada Y .

13. (PEEBLES, 2001, p. 98) Uma varivel aleatria X tem funo densidade:

1
cos x, < x <
f X (x ) = 2
2
2 .
0,
caso contrrio
Encontre o valor mdio da funo g ( X ) = 4X 2 .

14. (HSU, 1997, p. 98) A funo densidade conjunta das variveis aleatrias X e Y

dada por:
k ( x + y ), 0 < x < 2, 0 < y < 2
f X ,Y ( x, y ) =
.
caso contrrio.
0,
em que k uma constante.
(a) Encontre o valor de k .
(b) Encontre as funes densidade marginais de X e Y .
(c) X e Y so independentes?

Prticas de Engenharia Eltrica II - Lista de Exerccios Suplementares 2 Professor Marcio Eisencraft outubro2005

Resposta:

1
k= ;
8

(a)

1
( x + 1), 0 < x < 2
f X (x ) = 4
0,
caso contrrio

(b)

1
( y + 1), 0 < y < 2
fY ( y) = 4
; (c) No.
0,
caso contrrio
15. (HSU, 1997, p. 101) Suponha que se escolha um ponto de forma aleatria dentro de

um crculo de raio R . Se considerarmos o centro do crculo na origem e definirmos

X e Y como as coordenadas do ponto escolhido (ver figura abaixo), ento ( X , Y )


forma uma v.a. bidimensional cuja p.d.f. dada por:

k , x 2 + y 2 R 2
f X ,Y ( x, y ) =
0, x 2 + y 2 R 2
sendo k uma constante.
(a) Determine o valor de k ;
(b) Encontre as p.d.f.s marginais de X e Y ;
(c) Encontre a probabilidade de que a distncia do ponto selecionado origem no seja
maior do que a .

Resposta:

f X ( x ) = R 2
0,

1
k=
R 2

(a)

R2y2 ,

y R

y >R

; (c)

(b)

a2
R2

para

f X ( x ) = R 2
0,

R2 x2 ,

x R

x >R

0 a R.

16. (HSU, 1997, p. 103) Um industrial tem usado dois diferentes processos de produo

para fazer chips de memria para computadores. Seja ( X , Y ) uma v.a. bidimensio4

Prticas de Engenharia Eltrica II - Lista de Exerccios Suplementares 2 Professor Marcio Eisencraft outubro2005

nal em que X denota o tempo at a falha dos chips feitos pelo processo A e Y denota o tempo at a falha dos chips feitos pelo processo B. Assumindo que a p.d.f.
conjunta de ( X , Y ) :
abe (ax +by ) , x > 0, y > 0
f XY ( x, y ) =
,
caso contrrio
0

em que a = 10 4 e b = 1,2 10 4 , determine P( X > Y ) .


Resposta: 0,545.

17. (HSU, 1997, p. 108) Seja ( X ,Y ) uma v.a. bidimensional com p.d.f. conjunta:
x2 + y2
f X ,Y ( x, y ) =
e
4

x2 + y2
2

)
.

Mostre que X e Y no so independentes, mas so no correlacionadas.

18. (PEEBLES, 2001, p. 176) Suponha que a queda de neve anual (profundidade acu-

mulada em metros) para dois hotis de esqui prximos seja adequadamente representada por duas variveis aleatrias gaussianas conjuntas X e Y para as quais

= 0,82 , X = 1,5 m, Y = 1,2 m e R XY = 81,476 m2. Se a mdia de queda de neve


em um dos hotis 10m, qual a mdia no outro hotel?

19. (HSU, 2003, p.159) Encontre a covarincia de X e Y se (a) elas so independentes

(b) Y est relacionada com X por Y = aX + b .


Resposta: (a) 0; (b)

XY = a X2 .

20. (HSU, 2003, p. 159) Seja Z = aX + bY , em que a e b so constantes arbitrrias.

Mostre que se X e Y so independentes ento:

Z2 = a 2 X2 + b 2 Y2 .

Prticas de Engenharia Eltrica II - Lista de Exerccios Suplementares 3 Prof. Marcio Eisencraft novembro 2005

Prticas de Engenharia Eltrica II


Lista de Exerccios Suplementares 3 2 semestre 2005
1. Resolver Exerccio 10.1-15 da pgina 483 do (LATHI, 1998).
2. Resolver Exerccio 10.2-3 da pgina 483 do (LATHI, 1998).
3. Resolver Exerccio 10.2-10 da pgina 484 do (LATHI, 1998).
4. Resolver Exerccio 10.3-5 da pgina 485 do (LATHI, 1998).
5. Resolver Exerccio 10.5-2 da pgina 486 do (LATHI, 1998).

6. Resolver Exerccio 3.32 da pgina 36 do (MONTGOMERY, 2003).


7. Resolver Exerccio 3.41 da pgina 38 do (MONTGOMERY, 2003).
Resposta no livro.
8. Resolver Exerccio 3.51 da pgina 41 do (MONTGOMERY, 2003).
Resposta no livro.
9. Resolver Exerccio 3.58 da pgina 43 do (MONTGOMERY, 2003).

10.

Resolver Exerccio 3.76 da pgina 46 do (MONTGOMERY, 2003).

11.

Resolver Exerccio 3.80 da pgina 47 do (MONTGOMERY, 2003).

12.

Resolver Exerccio 5.33 da pgina 79 do (MONTGOMERY, 2003).

Resposta no livro.

13.

Resolver Exerccio 5.51 da pgina 85 do (MONTGOMERY, 2003).

Resposta no livro.
1

Prticas de Engenharia Eltrica II - Lista de Exerccios Suplementares 3 Prof. Marcio Eisencraft novembro 2005

14.

Resolver Exerccio 5.74 da pgina 92 do (MONTGOMERY, 2003).

15.

Resolver Exerccio 6.102 da pgina 124 do (MONTGOMERY, 2003).

16.

(COSTA NETO; CYMBALISTA, 1993, p. 16) No circuito eltrico dado abaixo,

em que existe tenso entre os pontos A e B, determine a probabilidade de passar corrente entre A e B, sabendo-se que a probabilidade de cada chave estar fechada e
que cada chave est aberta ou fechada independentemente de qualquer outra.
B

RESPOSTA: 0,53125

17.

(HSU; 1997, p. 159) Considere as variveis aleatrias X , Y e Z = aX + bY , em

que a e b so constantes arbitrrias. Mostre que, se X e Y so independentes ento

Z2 = a 2 X2 + b 2 Y2 .
18.

(PAPOULIS; PILLAI, 2002, p. 87) Suponha que o tempo de espera de um clien-

te por uma mesa num restaurante seja uma distribuio exponencial com mdia 5
minutos. Determine a probabilidade de que um cliente espere mais do que 10 minutos por uma mesa.
e x , x 0
Dado: funo densidade exponencial: f X ( x ) =
.
caso contrrio
0,
RESPOSTA: 13,53%.

19.

(HSU; 1997, p.98) A p.d.f. conjunta de uma v.a. bivariada ( X , Y ) dada por:
kxy, 0 < x < 1, 0 < y < 1
.
f X ,Y ( x, y ) =
caso contrrio
0,

em que k uma constante. Pede-se:


2

Prticas de Engenharia Eltrica II - Lista de Exerccios Suplementares 3 Prof. Marcio Eisencraft novembro 2005

(a) Encontre o valor de k .


(b) X e Y so independentes?
(c) Encontre P ( X + Y < 1) .
RESPOSTAS: (a) 4; (c)

20.

1
.
6

(COSTA NETO; CYMBALISTA, 1993, p. 118) Certo tipo de resistor conside-

rado aceitvel se seu valor estiver entre 45 e 55 e considerado ideal se estiver entre 48 e 52. O valor desses resistores tem distribuio normal com mdia de 53 e
desvio padro de 3. Em um lote de 200 resistores aceitveis, quantos resistores ideais devem-se esperar?
RESPOSTA: 87 resistores.

Você também pode gostar