Escolar Documentos
Profissional Documentos
Cultura Documentos
Valor esperado
(Esperana Matemtica)
O valor esperado, E ( X ) , de uma varivel
aleatria discreta X definido como:
n
E ( X ) = xi p ( xi )
i =1
p ( xi ) = P ( X = xi )
Valor esperado
a mesma mdia que aprendemos anteriormente?
Notas de 100 alunos:
4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,3,3,3,3,3,3,3,3,
3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,2,2,2,2,2,2,2,2,2,2,2,2,2,
2,2,2,2,2,2,2,2,2,2,2,2,2,2,1,1,1,1,1,0
Valor esperado
4 32 = 128
3 35 = 105
2 27 = 54
1 5 = 5
0 1 = 0
p (x ) xp (x )
0,32
1,28
0,35
1,05
E ( X ) = 2,92
0,27
0,54
0,05
0,05
0,01
0,00
dados
pelas
Valor esperado
Ex:
Experimento: lanamento de um dado;
X: nmero de pontos obtidos.
E( X ) = ?
x
p (x ) E ( X ) = 1 1 + 2 1 + 3 1 + 4 1 + 5 1 + 6 1
1/6
1/6
1/6
E ( X ) = 3,5
1/6
1/6
1/6
Valor esperado
O valor esperado, E ( X ) , de uma varivel
aleatria contnua X definido como:
+
E ( X ) = xf ( x ) dx
Valor esperado
Ex:
f (x ) =
x.
E ( X ) = xf ( x ) dx
E ( X ) = xf ( x ) dx + xf ( x ) dx +
0
31
x
2
E ( X ) = 2 x dx = 2
=
0
30 3
1
xf ( x ) dx
Valor esperado
Ex2: (relgio eltrico)
0, se
f (x ) =
1/360, se
0, se
E( X ) =
360
x < 0
0 x < 360
x 360
2 360
1
1 x
x
dx =
360
360 2
= 180
0
Y = H ( X ).
a) Caso discreto:
n
E[Y ] = E[ H ( x)] = H ( xi ) p( xi )
i =1
b) Caso contnuo:
+
0
1/4
1
2/4
H ( x) = 2 x + 1
2
1/4
E[ H ( x)] = ?
1
2
1
E[ H ( x)] = E[2 x + 1] = ( 2 xi + 1) p ( xi ) = 1 + 3 + 5 = 3
4
4
4
i =1
b) Caso contnuo:
f (x ) =
H ( x) = 2 x 2
x.
1
E (C ) = C ;
E (CX ) = C E ( X ) ;
E( X C) = E( X ) C ;
Se Y = a + bX
ento E (Y ) = a + bE ( X ) ;
p(x)
2
3
x+3
4
p(x)
5
6
1
1
1
E ( X ) = 1 + 2 + 3 = 2
4
2
4
E( X + C) = E( X ) + C = 2 + 3 = 5
1
1
1
E ( X + 3) = 4 + 5 + 6 = 5
4
2
4
p(x)
2
3
2x
2
p(x)
E (CX ) = C E ( X ) = 2 2 = 4
4
6
1
1
1
E (2 X ) = 2 + 4 + 6 = 4
4
2
4
1
1
1
E ( X ) = 1 + 2 + 3 = 2
4
2
4
p(x)
2
3
2x+1
3
p(x)
E (2 X + 1) = 2 E ( X ) + 1 = 2 2 + 1 = 5
5
7
1
1
1
E (2 X + 1) = 3 + 5 + 7 = 5
4
2
4
1
1
1
E ( X ) = 1 + 2 + 3 = 2
4
2
4
E[ H ( x)] = ?
1
E (2 X ) = 2 E ( X ) = 2 = 1
2
2
E( X 2 ) =
2
x
0 2xdx =
41
x
1
=
20 2
H ( x) = 2 x 2
x.
Varincia
V ( X ) = E[ X E ( X )]
a) Caso discreto:
n
V [ X ] = [ xi E ( X )]2 p ( xi )
i =1
b) Caso contnuo:
+
V [ X ] = [ x E ( x)]2 f ( x)dx
Varincia
Ex:
a) Caso discreto:
x
p(x)
E( X ) = 2
V [ X ] = [ xi E ( X )]2 p( xi )
i =1
1
1 1
V ( X ) = ( xi 2) 2 p ( xi ) = 1 + 0 + 1 =
4
4 2
i =1
Varincia
Ex:
b) Caso contnuo:
f ((x ) =
V [ X ] = [ x E ( x)]2 f ( x)dx
x.
2
E( X ) =
3
+
2 2
4
4
2
V [ X ] = [ x ] f ( x)dx= ( x x + ) f ( x)dx =
3
3
9
+
+ 4
+ 4
2
= x f ( x)dx
xf ( x)dx +
f ( x)dx =
3
9
41
1
4
4
x
4 2 4 1 4 1
2
= x 2 xdx E ( X ) + 1 =
+ = =
0
3
9
2 0 3 3 9 2 9 18
+
Varincia
Teorema:
V ( X ) = E( X ) E ( X )
2
Demonstrao:
V ( X ) = E[ X E ( X )]2
= E[ X 2 2 XE ( X ) + E 2 ( X )]
= E ( X 2 ) E[2 XE ( X )] + E[ E 2 ( X )]
= E ( X 2 ) 2E ( X ) E ( X ) + E 2 ( X )
= E( X 2 ) 2E 2 ( X ) + E 2 ( X )
= E( X 2 ) E 2 ( X )
Varincia
Ex:
a) Caso discreto:
x
p(x)
E( X ) = 2
3
1
1 1
=
1
+
0
+
1
=
V ( X ) = ( xi 2) p ( xi )
4
4 2
i =1
2
9
1
22 =
2
2
3
1
1
1
5 9
E ( X 2 ) = xi2 p( xi) = 1 + 4 + 9 = 2 + =
4
2
4
2 2
i =1
V ( X ) = E( X 2 ) E 2 ( X ) =
Varincia
Ex:
b) Caso contnuo:
f ((x ) =
1
V [ X ] = [ x E ( x)] f ( x)dx =
18
+
x.
1
2
1
V ( X ) = E ( X 2 ) E 2 ( X ) = =
2 3 18
41
E ( X 2 ) = x 2 2 xdx = x = 1
0
20 2
1
2
E( X ) =
3
Propriedades da Varincia
Seja X uma varivel aleatria e C uma constante.
V (C ) = 0 ;
V (CX ) = C 2 V ( X ) ;
V ( X C ) = V ( X ).
Propriedades da Varincia
Ex:
x
1
p(x)
2
3
x+3
4
p(x)
5
6
E( X ) = 2
1
V (X ) =
2
V ( X + 3) = V ( X ) =
1
2
E ( X + 3) = 5
1
1
1 1
2
2
V ( X + 3) = (4 5) + (5 5) + (6 5) =
4
2
4 2
2
Propriedades da Varincia
Ex:
x
1
p(x)
2
3
2x
2
p(x)
4
6
E( X ) = 2
V (X ) =
1
2
V (2 X ) = 2 2 V ( X ) = 4
1
=2
2
E (2 X ) = 4
1
1
1
V (2 X ) = (2 4) 2 + (4 4) 2 + (6 4) 2 = 2
4
2
4
Questo
1. Uma moeda perfeita lanada 3 vezes. Seja
Y o nmero de caras obtidas.
Y
p(y)
0
1
1/8
3/8
3/8
1/8