Valor esperado e Varincia

Prof. Carlos Amorim

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

onde, x1 , x2 ,..., xn : valores possveis de X.

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

Como podemos encontrar a mdia?

292
= 2,92
- Somar todos os nmeros e dividir por 100:
100

- Multiplicar cada nmero pela quantidade de vezes que ele

se repete, somar os resultados e dividir por 100:

Valor esperado
4 32 = 128
3 35 = 105
2 27 = 54
1 5 = 5
0 1 = 0

128 + 105 + 54 + 5 + 0 = 292

292
= 2,92
100

p (x ) xp (x )

0,32

1,28

E ( X ) = 1,28 + 1,05 + 0,54 + 0,05 + 0,00

0,35

1,05

E ( X ) = 2,92

0,27

0,54

0,05

0,05

0,01

0,00

E ( X ) uma mdia ponderada dos diferentes

valores de X com pesos
respectivas probabilidades.

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

E ( X ) no o resultado que podemos esperar quando X

for observada uma nica vez.

1/6

1/6

E ( X ) a mdia aritmtica dos resultados quando X for

1/6

observada um grande nmero de vezes.

Valor esperado
O valor esperado, E ( X ) , de uma varivel
aleatria contnua X definido como:
+

E ( X ) = xf ( x ) dx

onde, f (x ) : a funo de densidade de probabilidade.

Valor esperado
Ex:
f (x ) =

2x, 0 < x < 1

0,

para outros valores de

x.

E ( X ) = xf ( x ) dx

E ( X ) = xf ( x ) dx + xf ( x ) dx +
0

E ( X ) = 0dx + x 2 xdx + 0dx

1

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

Valor esperado de uma funo de

uma varivel aleatria
Seja

uma varivel aleatria e seja

Y = H ( X ).

a) Caso discreto:
n

E[Y ] = E[ H ( x)] = H ( xi ) p( xi )
i =1

b) Caso contnuo:
+

E[Y ] = E[ H ( x)] = H ( x) f ( x)dx

Valor esperado de uma funo de

uma varivel aleatria
Ex:
a) Caso discreto:
X
p(xi)

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 ) =

2x, 0 < x < 1

0,

H ( x) = 2 x 2

para outros valores de

1

x.
1

E[ H ( x)] = E[2 x ] = 2 x 2 xdx = 4 x 3 dx = x 4 |10 = 1

2

Propriedades do Valor esperado

Seja X uma varivel aleatria e C uma constante.

E (C ) = C ;

E (CX ) = C E ( X ) ;

E( X C) = E( X ) C ;

Se Y = a + bX

ento E (Y ) = a + bE ( X ) ;

H1 ( X ), H 2 ( X ),..., H K ( X ) : k funes de X , ento

E[ H1 ( X ) + H 2 ( X ) + ... + H K ( X )] = E[ H1 ( X )] + E[ H 2 ( X )] + ... + E[ H K ( X )]

Propriedades do Valor esperado

Ex:
x
1

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

Propriedades do Valor esperado

Ex:
x
1

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

Propriedades do Valor esperado

Ex:
x
1

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

Propriedades do Valor esperado

Ex:
f (x ) =

2x, 0 < x < 1

0,

para outros valores de

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 ) =

2x, 0 < x < 1

0,

para outros valores de

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 ) =

2x, 0 < x < 1

0,

1
V [ X ] = [ x E ( x)] f ( x)dx =

18
+

para outros valores de

2

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

Calcule o valor esperado e a varincia.