Introducao a Probabilidade

Esperanca e Variancia
de uma Variavel Aleatoria Discreta

Aula 19

1 / 15
Introducao

No estudo de variaveis aleatorias algumas caractersticas

numericas (parametros) podem nos fornecer uma ideia
sobre o comportamento da distribuicao de probabilidades.

Nos modelos matematicos nao-determinsticos ou aleatorios,

que temos considerado, os parametros sao o que caracterizam
a distribuicao de probabilidade associada a esse modelo.

Sao exemplos de parametros: o valor medio (ou esperanca), a

variancia e o desvio padrao.

2 / 15
Valor Medio (Valor Esperado, Esperanca)

Definicao 1
Seja X : RX uma v.a. discreta que assume os valores
x1 , . . . , xi , . . . com probabilidades p(x1 ), . . . , p(xi ), . . . , respectiva-
mente. Definimos o valor medio de X, e indicamos E(X), por

X
E(X) = xi p(xi ).
i=1

Observacao: O valor medio de X tambem e chamado de

valor esperado ou esperanca de X.

3 / 15
Exemplo 1

Considere a v.a. X: numero de pecas produzidas por minuto, cuja

funcao de probabilidade (f.p.) e dada por

X = xi 1 2 3 4
P (X = xi ) 0,10 0,50 0,25 0,15

Calcule E(X).

4 / 15
Exemplo 2

Seja X uma variavel aleatoria cuja de distribuicao acumulada e:

0, se x < 0;
1/2, se 0 x < 1;

F (x) =

5/8, se 1 x < 2;
1, se x 2.

(a) X e uma v.a. discreta? Justifique!

(b) Determine E(X).

5 / 15
Exemplo 3

Um vendedor de equipamento pesado pode visitar, em um dia, 1 ou

2 clientes, com probabilidades iguais a 1/3 e 2/3, respectivamente.
De cada contato, pode resultar a venda de um equipamento por
R$ 50.000,00 (com probabilidade 1/10) ou nenhuma venda (com
probabilidade 9/10). Se Y e a variavel aleatoria que indica o valor
total, em reais, de vendas diarias desse vendedor, obtenha o valor
total esperado de vendas diarias do vendedor.

6 / 15
Exemplo 4

Um laboratorio estuda a emissao de partculas de certo material

radioativo. Seja X a v.a. que representa o numero de partculas
emitidas em 1 minuto, com funcao de probabilidade dada por

e k
P (X = k) = , k = 0, 1, 2, . . . ,
k!
em que e uma constante positiva.

Determine o numero medio de partculas emitidas em 1 minuto.

7 / 15
Observacoes

(1) A fim de que uma v.a. discreta X possua valor esperado faz-se necessario
que a serie da definicao seja convergente.
P
(2) Caso
P a serie i=1 xi p(xi ) convirja absolutamente, isto e,
i=1 |x i p(x i )| convirja, o valor esperado de X existe. Por outro lado,
se
P
i=1 x i p(x i ) diverge, entao a esperanca de X nao existe.
(3) Se a variavel X assume um numero finito de valores, digamos n, entao
E(X) existe e o mesmo se reduz a soma finita dada por
n
X
E(X) = xi p(xi ).
i=1

(4) Nao confunda E(X) com o valor mais provavel de X, o qual denominamos
de valor modal. Note que a esperanca de X nao e necessariamente um dos
valores possveis de X.
(5) Em geral, E(X) e diferente da media aritmetica x. O valor esperado de X,
E(X), esta relacionado a uma v.a. X, enquanto que a media aritmetica,
x, esta associada a um conjunto de valores observados.
8 / 15
Propriedades de Valor Esperado
1 Se X e uma v.a. discreta e a e b sao constantes reais quaisquer,
entao
E[aX + b] = aE(X) + b.

2 Dada a v.a. discreta X e a respectiva funcao de probabilidade

p(x), o valor esperado da funcao h(X) e dado por

X
E[h(X)] = h(xi )p(xi ).
i=1

3 Se tivermos um numero finito de v.a. X1 , X2 , . . . , Xn , entao

E(X1 + X2 + + Xn ) = E(X1 ) + E(X2 ) + + E(Xn ).

9 / 15
Variancia

Definicao 2
Seja X : RX uma variavel aleatoria cujo valor medio E(X)
existe. Definimos a variancia de X, e indicamos Var(X), por

Var(X) = E{[X E(X)]2 }.

A variancia de uma v.a. X e um parametro associado a distribuicao

de probabilidade que traz informacoes sobre a dispersao dos possveis
valores de X em torno do valor esperado E(X), quando o mesmo
existe.

10 / 15
Observacoes

(1) Dado que [X E(X)]2 0 segue que Var(X) 0.

(2) Uma formula alternativa para o calculo da variancia e dada por
Var(X) = E(X 2 ) [E(X)]2 .

De fato,
Var(X) = E{[X E(X)]2 } = E[X 2 2XE(X) + E2 (X)]
= E(X 2 ) E[2XE(X)] + E[E2 (X)]
= E(X 2 ) 2E(X)E(X) + E2 (X) = E(X 2 ) E2 (X).
(3) Se X e uma v.a. discreta que assume os valores x1 , x2 , . . . , xi , . . . com
probabilidades p(x1 ), p(x2 ), . . . , p(xi ), . . . , respectivamente, entao

X
Var(X) = x2i p(xi ) E2 (X).
i=1

(4) Dado que Var(X) 0, definimos o desvio padrao de X por

p
DP(X) = Var(X).

11 / 15
Exemplo 5

Um vendedor de equipamento pesado pode visitar, em um dia, 1 ou

2 clientes, com probabilidades iguais a 1/3 e 2/3, respectivamente.
De cada contato, pode resultar a venda de um equipamento por
R$ 50.000,00 (com probabilidade 1/10) ou nenhuma venda (com
probabilidade 9/10). Se Y e a variavel aleatoria que indica o valor
total, em reais, de vendas diarias desse vendedor, calcule a variancia
e o desvio padrao da v.a. Y .

12 / 15
Propriedade de Variancia
1 Se X uma v.a. cuja variancia existe e a e b sao constantes reais
quaisquer, entao

Var[aX + b] = a2 Var(X).

Justificativa: Seja X uma v.a. tal que Var(X) existe. Definamos a

variavel, Y = aX + b com a, b R. Consequentemente,

Var(Y ) = E(Y 2 ) [E(Y )]2

= E[(aX + b)2 ] [E(aX + b)]2
= E[a2 X 2 + 2abX + b2 ] [aE(X) + b]2
= a2 E(X 2 ) + 2abE(X) + b2 a2 E2 (X) 2abE(X) b2
= a2 E(X 2 ) a2 E2 (X)
= a2 Var(X).

13 / 15
Exerccio

Um laboratorio estuda a emissao de partculas de certo material

radioativo. Seja X a v.a. que representa o numero de partculas
emitidas em 1 minuto, com funcao de probabilidade dada por

e k
P (X = k) = , k = 0, 1, 2, . . . ,
k!
em que e uma constante positiva.

Determine a variancia da v.a. X.

14 / 15
Hora da chamada...

Exerccios Sugeridos: Captulo 6 do livro texto

Questoes: 7, 8, 10, 13, 14, 16 e 17.

Bibliografia
Estatstica Basica (7a edicao). Wilton O. Bussab e Pedro A.
Morettin (2011). Editora Saraiva. (livro texto)
Probabilidade, Aplicacoes a Estatstica (2a edicao). Paul L.
Meyer (1995). LTC.

Paulo Freire
Num pas como o Brasil, manter a esperanca viva e em si um ato
revolucionario.

15 / 15