Escolar Documentos
Profissional Documentos
Cultura Documentos
trica
Curso de Engenharia Ele
Pr
aticas de Engenharia El
etrica II
Notas de Aula
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).
4. Avaliao
MF =
P1 + P 2 + 2 PAF
4
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.
MONTGOMERY, D. C. Estatstica aplicada e probabilidade para engenheiros, 2 edio, Rio de Janeiro: LTC, 2003.
PEEBLES, P. Z. Probability, random variables and random signal principles. 3rd edition, New York: McGraw-Hill, 1993.
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
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
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.
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 ?
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.
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
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
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
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}
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
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.
(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.
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}
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
lgebra de conjuntos
o Valem as propriedades comutativa, distributiva e associativa para unio e
interseco.
1.3.
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.
Axioma um: P ( A) 0
Axioma 2: P (S ) = 1
n =1
Axioma trs: P An = P( An ) se Am An =
n =1
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.
Aula 3
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
P( A B ) chamada de probabilidade conjunta para dois eventos A e 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 )
Exerccio
1. Em uma caixa existem 100 resistores tendo a resistncia e a tolerncia
mostradas na tabela a seguir:
(b) P(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
P ( A) = P (A Bn )P (Bn )
N
n =1
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)
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:
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
Por substituio no teorema de Bayes, temos que, para eventos estatisticamente independentes,
5
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.
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
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:
(k Np )2
1
exp
(
)
2
Np
1
p
2Np(1 p )
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?
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?
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.
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.
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
(b) P{X = 8}
2.2.
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-
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)
Exerccios
4. Considere
que
assuma
valores
discretos
no
{ 1;
{0,1;
2.3.
As
probabilidades
conjunto
correspondentes
so
Funo Densidade
dFX ( x )
f X (x ) =
dx
3
Existncia
du (x )
para sua representao.
dx
0 f X ( x ) para todo x
(2)
(3)
(4)
f (x )dx = 1
X
FX ( x ) =
f ( )d
X
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:
1
. Determine a
5
FX ( x ) = u ( x )1 e b
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?
Aula 5
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.
f X (x ) =
( x a x )2
1
2 x2
2 x2
FX (x ) =
1
2
2
x
( a x )2
2 x2
d
.
F (x ) =
1
2
2
2
d .
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 ) .
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}.
2.5.
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
N
k
FX ( x ) = p k (1 p ) u (x k ) .
k =0 k
N
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
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
f X (x ) = b a
0,
caso contrrio
x<a
0,
x a
FX ( x ) =
, a x<b
b a
xb
1,
Aplicao importante: quantizao de sinais amostrados precedente codificao em sistemas de comunicaes digitais erro introduzido por arredondamentos so distribudos uniformemente.
Exponencial
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
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
Rayleigh
( x a )e b ,
f X (x ) = b
0
,
( x a )
1 e b ,
FX ( x ) =
0
,
xa
x<a
xa
x<a
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-
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.
1
;
4
P(B A) =
1
;
2
P(A B ) =
1
.
4
( )
( )
3. (HSU, 1996) Seja X uma varivel aleatria contnua com funo densidade de probabilidade:
0 < x <1
kx,
f X (x ) =
0,
caso contrrio
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
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 ?
Aula 8
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.
3.0.
Introduo
3.1.
Valor esperado
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,
E [X ] = X =
xf (x )dx .
X
E [ X ] = x i P ( xi )
n =1
Exerccio
2. A potncia captada na entrada de uma antena interna pode ser modelada
ax
e ax
dx = 2 (1 + ax ) .
a
x>a
x<a
E [g ( X )] =
g (x ) f (x )dx
X
(1)
E [g ( X )] = g ( xi )P ( xi )
n =1
Exerccios
3. Sabe-se que uma dada tenso aleatria pode ser representada por uma vari-
(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 .
distintos
(mensagem)
representada
pelos
valores
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
g(X ) = X n
n = 0, 1, 2,
[ ] x
mn = E X n =
f X ( x )dx
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
= 2 = E (X X ) =
2
X
(x X )
f X (x )dx .
X2 = E (X X ) = E [X 2 2 XX + X 2 ] = E [X 2 ] 2 XE[X ] + X 2 = m2 m12
2
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-
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
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?
Aula 9
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.
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.
4.2.
o de probabilidades:
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 .
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:
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
(6) FX ,Y (x, ) = FX (x )
FX ,Y (, y ) = FY ( y ) .
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.
2 FX ,Y ( x, y )
f X ,Y ( x, y ) =
xy
(2)
f (x, y )dxdy = 1
X ,Y
(3) FX ,Y (x, y ) =
y x
f ( , )d d
X ,Y
(4) FX (x ) =
f ( , )d
X ,Y
FY ( y ) =
d1
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
dF ( x )
dx
fY ( y) =
dF ( y )
dy
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:
4.4.
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 )
dFX (x B )
f X (x B ) =
dx
f X (x Y = y k ) =
N
i =1
P ( xi , y k )
( x xi ) .
P( y k )
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
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 )
Exerccios
6. Verifique se as tenses do Exerccio quatro so independentes.
7
2
k cos 2 xy , 1 < x < 1 e 1 < y < 1
f X ,Y ( x, y ) =
caso contrrio
0,
em que k =
+ Si( )
Si (x ) =
sin ( )
d .
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.
5.0. Introduo
Vamos estender o conceito de valor esperado para o caso de duas ou mais
variveis aleatrias.
5.1.
E [g ( x )] =
g (x ) f (x )dx .
X
g = E [g ( X , Y )] =
g (x , , x ) f
1
X 1 ,, X N
(x1 ,, x N )dx1 dx N .
g ( X 1 , X N ) = i X i
i =1
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
R XY = m11 = E [ XY ] =
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
nk = E (X X ) (Y Y ) =
n
(x X ) ( y Y )
n
f X ,Y ( x, y )dxdy
[
]
= 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 )] =
C XY = R XY XY = R XY E [X ]E [Y ]
Se
e Y
R XY = E [X ]E [Y ] e C XY = 0 .
C XY = E[X ]E[Y ] ,
X e Y ortogonais.
C
11
= XY
20 02 X Y
=
dado por
(X X ) (Y Y )
Y
= E
X
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
Aula 12 -
Questes da Prova P2
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?
f X (x ) = b a
0,
caso contrrio
so X
(a + b ) e 2
= E[X ] =
X
2
2
(
b a)
.
=
12
Aula 13
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.
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
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.
Prticas de Engenharia Eltrica II - Lista de Exerccios Suplementares 1 Professor Marcio Eisencraft agosto 2005
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
Prticas de Engenharia Eltrica II - Lista de Exerccios Suplementares 1 Professor Marcio Eisencraft agosto 2005
5. (PEEBLES, 1993, p.101) Certo medidor projetado para ler pequenas tenses, po-
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.
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-
(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
2
.
f X (x ) = , 1 < x < 2
3
0, caso contrrio
13. (HSU, 1997, p. 57) Seja X uma v.a. contnua com p.d.f.
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
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
17. (NETO, 1993, p. 25) Uma cpsula espacial aproxima-se da Terra com dois defeitos:
18. (PEEBLES, 1993, p. 73) Assuma que as lmpadas fluorescentes fabricadas por uma
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
Prticas de Engenharia Eltrica II - Lista de Exerccios Suplementares 2 Professor Marcio Eisencraft outubro2005
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.
[ ]
5
17
1
X = ; E X 2 = ; X2 = .
3
6
18
____
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
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.
PROBABILIDADE
-1
-2
1/8
-0,5
-1
1/4
0,5
1/2
1/8
8. (COSTA NETO; CYMBALISTA, 1974, p. 55) Seja X uma varivel aleatria con-
(b a ) .
a+b
E[X ] =
e X2 =
2
12
2
de ( X , Y ) dada por f ( x, y ) =
1 y
e , para 4 > x > 0 , y > 0 e zero em qualquer outro
4
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:
11. (HSU, 1997, p. 77) Uma varivel aleatria X chamada de varivel aleatria de
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
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
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
)
.
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
XY = a X2 .
Z2 = a 2 X2 + b 2 Y2 .
Prticas de Engenharia Eltrica II - Lista de Exerccios Suplementares 3 Prof. Marcio Eisencraft novembro 2005
10.
11.
12.
Resposta no livro.
13.
Resposta no livro.
1
Prticas de Engenharia Eltrica II - Lista de Exerccios Suplementares 3 Prof. Marcio Eisencraft novembro 2005
14.
15.
16.
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.
Z2 = a 2 X2 + b 2 Y2 .
18.
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,
Prticas de Engenharia Eltrica II - Lista de Exerccios Suplementares 3 Prof. Marcio Eisencraft novembro 2005
20.
1
.
6
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.