Escolar Documentos
Profissional Documentos
Cultura Documentos
Capitulo4 PDF
Capitulo4 PDF
exemplo:
Duas peas so retiradas sucessivamente, sem reposio, de uma caixa que contm
quatro peas boas (B) e 3 defeituosas (D).
Para esse experimento teramos o seguinte espao amostral
S = {BB, BD, DB, DD}.
Se considerarmos a v.a. Y = nmero de peas boas retiradas teramos:
S* = {0, 1, 2}.
Fazendo uma correspondncia entre S e S* teramos:
Evento Simples Y=y
BB 2
BD 1
DB 1
DD 0
outro exemplo:
Considere o lanamento de duas moedas e seja X = no de caras obtidas, c= cara e
k=coroa
Por outro lado, se um espao amostral contm pontos amostrais que formam uma
continuidade como todas as possveis alturas de pessoas, pesos de animais, tempos de
47
INF 162 Prof. Luiz Alexandre Peternelli
vida de um componente mecnico ou eletrnico, temperaturas, etc. ento ele chamado
espao amostral contnuo. A varivel definida sobre esse espao chamada varivel
aleattia contnua (v.a.c.).
obs.: na maior parte dos problemas prticos as v.a.c. representam dados medidos e as
v.a.d. representam dados contados, tais como o nmero de defeituosos em uma amostra de
n peas ou o nmero de acidentes na estrada Viosa Belo Horizonte no ano de 1999.
exemplo:
- no de acidentes ocorridos em uma semana;
- no de defeitos por pea produzida por um fabricante;
- no de vitrias obtidas por um atleta;
- no de filhos do sexo masculino por casal.
obs.: No caso das v.a.c. somente tero interesse as probabilidades de que a v.a. assuma
valores em dados intervalos. As probabilidades de interesse podero ser determinadas
com o conhecimento da distribuio de probabilidade da v.a.
Distribuio de probabilidade
De acordo com o tipo de varivel aleatria, ou seja se v.a.d. ou v.a.c., teremos:
a) X uma v.a.d.
Nesse caso precisamos saber os valores da v.a.d. X e de sua funo de
probabilidade.
Chama-se funo de probabilidade (f.p.) da varivel aleatria discreta X, a
funo
P ( X = x i )= P ( x i )= p i
que a cada valor de X (ou seja, a cada xi) associa sua probabilidade de ocorrncia.
obs.: essa funo muitas vezes est reduzida a um valor numrico e, em outros casos,
pode ser representada por uma frmula.
i) P( xi ) 0, para todo xi
ii) P( xi ) = 1
i
exemplo:
Seja E: lanamento de um dado viciado de tal forma que a probabilidade proporcional
ao valor obtido no lanamento.
considere: S = {1, 2, 3, 4, 5, 6}
Vamos supor que estamos interessado na avaliao da varivel aleatria X, onde
o
X = {n de pontos obtidos num lanamento}, ou X = {resultado num lanamento}
48
INF 162 Prof. Luiz Alexandre Peternelli
i) Grfico
0,3
6/21
0,25
5/21
0,2
4/21
P(x)
0,15
3/21
0,1
2/21
1/21
0,05
0
1 2 3 4 5 6
x
ii) Tabela
xi 1 2 3 4 5 6
P(xi) 1/21 2/21 3/21 4/21 5/21 6/21
xi
, para x i = 1,2 ,3,4,5,6
P( x i ) = 21
0, para outros valores de x
i
Problema proposto:
Uma urna contm 4 bolas azuis e 6 brancas. Duas bolas so retiradas sucessivamente I)
com reposio e II) sem reposio. Determinar, em cada caso, a distribuio de
probabilidade e a funo de probabilidade do no de bolas brancas retiradas.
b) X uma v.a.c.
No caso de v.a.c. somente tero interesse as probabilidades de que a v.a. assuma
valores em dados intervalos. Tais probabilidades podero ser determinadas com o
conhecimento da funo densidade de probabilidade da v.a..
Chama-se funo densidade de probabilidade (f.d.p.) da varivel aleatria
discreta X, a funo f(x) que atenda s seguintes condies:
49
INF 162 Prof. Luiz Alexandre Peternelli
i) f(x) 0, para a < x < b
b
ii)
f (x)dx = 1,
a
obs.:
d
1) Para c < d , P(c < X < d) = f(x) dx
c
x0
exemplo:
Uma v.a.c. X possui a seguinte funo:
k, para 0 x < 1
f ( x) = k (2 x), para 1 x < 2
0,
para outros valores de x
Pede-se:
a) A constante k para que f(x) seja uma f.d.p.
b) Grfico da f(x).
1 1 3
c)P( X 1); d)P(X = 1); e)P( X < ); f )P(X > 2)
2 2 2
Respostas: a) 2 3; c)1 3 ; d) 0 ; e) 7 12 ; f) 0 .
Problemas propostos:
50
INF 162 Prof. Luiz Alexandre Peternelli
Respostas: a)1 2 ; c) 1 4
Respostas: a) k = 3; b) 0,173
obs.:
a) 0 F(x) 1 para todo x.
b) Se x1 x2, ento F(x1) F(x2), isto , F(x) no-decrescente.
x 0 1 2 3 4 total
i
P( x ) 1/16 4/16 6/16 4/16 1/16 1,00
i
51
INF 162 Prof. Luiz Alexandre Peternelli
Pede-se:
d F( x )
V-se tambm que f ( x ) = em todos os pontos de continuidade de f(x),
dx
isto , a derivada da funo de distribuio a funo densidade de probabilidade.
Exemplos:
1. Seja X uma v.a.c. com a seguinte f.d.p.:
1
x, para 0 x 2
f ( x) = 2
0, caso contrario.
Pede-se:
a) Traar o grfico da f.d.p.
b) Obter F(x) e traar seu grfico
c) Calcular P (X 1)
3
d) Calcular P 1 X
2
e) Qual o valor de X abaixo do qual existem 50% dos dados?
Respostas: c)1 4 ; d) 5 16 ; e) 2
52
INF 162 Prof. Luiz Alexandre Peternelli
e) Se X1, X2 e X3 forem trs observaes independentes de X, qual ser a probabilidade
de, exatamente um desses trs nmeros ser maior do que 1?
f) Qual valor de X abaixo do qual existem 50% dos dados?
Resposta: a)1 2 ; d) 1 2 ; e) 9 64 ; f) 1,5.
Distribuies empricas
Definio
Sejam E um experimento e S um espao amostral associado a E.
Sejam X = X(s) e Y =Y(s), duas funes, cada uma associando um nmero real a
cada resultado sS. Denominaremos (X,Y) uma varivel aleatria bidimensional.
Em determinadas situaes, X e Y no esto necessariamente ligadas a um mesmo
experimento, mas existe uma razo bastante definida para considerar X e Y
conjuntamente.
Para o nosso estudo vamos considerar que X e Y so ambas discretas ou
contnuas.
Do mesmo modo que no caso unidimensional (X,Y) deve ter associada, a cada
valor que pode assumir, uma probabilidade de sua ocorrncia. Assim precisamos definir a
distribuio de probabilidade da v.a. bidimensional (X,Y).
53
INF 162 Prof. Luiz Alexandre Peternelli
54
INF 162 Prof. Luiz Alexandre Peternelli
Analogamente para o X:
P( X = xi , Y = y j )
P( X = xi / Y = y j ) =
P(Y = y j )
a ) f ( x, y) 0, para todo ( x, y)
b) f ( x, y)dxdy = 1
P(a X b, c Y d ) = f ( x, y)dxdy
c a
f ( x, y)
f ( x / y) = , h( y) > 0
h( y)
55
INF 162 Prof. Luiz Alexandre Peternelli
f ( x, y)
f ( y / x) = , g( x) > 0
g( x)
a )f ( x / y) 0
f ( x , y) 1 h ( y)
b) f ( x / y)dx = dx = f ( x , y)dx = =1
h ( y) h ( y) h ( y)
OBS.: Todas as definies concernentes a duas v.a. podem ser generalizadas para o caso
de n v.a.
Exemplos:
1. Dada a distribuio de probabilidade conjunta de (X, Y) na Tabela abaixo
56
INF 162 Prof. Luiz Alexandre Peternelli
X Y 0 1 2
0 0,10 0,20 0,20
1 0,04 0,08 0,08
2 0,06 0,12 0,12
Pede-se:
a) Distribuio marginal de X e Y, distribuio de (X + Y) e de XY;
b) X eY so independentes ?
c) As distribuies condicionais de X dado que Y = 0 e Y dado que X = 1.
d) P ( X 1,Y 1)
e) P ( X 1 / Y = 0 )
f) Construir a distribuio conjunta a partir das distribuies marginais de X e de Y.
Pede-se:
a) O valor de k
b) P( X 3, 2 Y 4 )
c)P(Y < 2)
d) P(X > 4)
e) X e Y so v.a. independentes? Justifique
f) f(x/ y)
g) f(x/ Y = 1)
Problemas propostos:
1) A funo de probabilidade conjunta da v.a.X e Y dada por
x y 10 x y
10! 1 25 10
p(x,y) =
x ! y ! (10 x y) ! 36 36 36
para x = 0,1,2, , 10
y = 0,1,2, , 10
0 x + y 10
Calcule: a) P(X 2, Y 2); b) P(X + Y = 4)
57
INF 162 Prof. Luiz Alexandre Peternelli
xi x1 x2 ... xn Total
P(x i ) P ( x1 ) P ( x2 ) ... P ( xn ) 1
E( X) = x = = x 1 . P( x 1 ) + x 2 . P( x 2 ) +...+ x n . P( x n )
n
E ( X) = x i . P ( x i )
i =1
Exemplo: Um fabricante produz peas tais que 10% delas so defeituosas e 90% no so
defeituosas. Se uma pea defeituosa for produzida, o fabricante perde U$ 1,00, enquanto
uma pea no defeituosa lhe d um lucro de U$ 5,00. Seja a varivel aleatria X = {lucro
lquido por pea}. Calcular a mdia do lucro lquido por pea.
Resposta: ( ) = 4,40
E ( X) = x f ( x)dx
Exemplo: Uma v.a.c. X apresenta a seguinte f.d.p.:
0, para x < 0
x
f ( x) = , para 0 x 2
2
0, para x > 2
Calcular E(X)
Resposta: 4 3
58
INF 162 Prof. Luiz Alexandre Peternelli
P1) Se X uma v.a. com P(X = k) = 1, ento E(X) = k, sendo k uma constante (ou numa
linguagem mais simples mas menos rigorosa, pode-se dizer que a mdia de uma
constante a prpria constante).
P2) A esperana matemtica do produto de uma constante por uma varivel igual ao
produto da constante pela esperana matemtica da varivel, ou seja, multiplicando-
se uma varivel aleatria por uma constante, sua mdia fica multiplicada por essa
constante.
E( XY) = E( X) E(Y)
59
INF 162 Prof. Luiz Alexandre Peternelli
P6) A mdia de uma v.a. centrada zero, ou seja, a mdia dos desvios dos valores da v.a.
em relao a sua mdia zero.
Obs: Dizemos que a v.a. est centrada quando todos os valores so expressos como
desvios em relao respectiva mdia, ( X x ).
Assim: E[ X x ] = E ( X ) E[ x ] = x x = 0
b) Varincia
a medida que quantifica a disperso dos valores em torno da mdia.
A varincia de uma v.a. X definida por:
V ( X ) = 2x = E[ X E ( X )]2 = E[ X x ]2
V ( X ) = E ( X 2 ) [ E ( X )]2 ,
pois,
V ( X ) = E[ X E ( X )]2
= {X 2 2 XE ( X ) + [ E ( X )]2 }
= E ( X 2 ) 2 E ( X ) E ( X ) + [ E ( X )]2
= E ( X 2 ) [ E ( X )]2
em que:
- para X v.a.d.: E ( X 2 ) = x i2 P ( x i )
i
E( X 2 ) = x
2
- para X v.a.c.: f ( x)dx
P2) Somando-se ou subtraindo-se uma constante uma v.a., sua varincia no se altera.
Prova:
60
INF 162 Prof. Luiz Alexandre Peternelli
V( X k ) = E[( X k ) E ( X k )]2
= E[( X) E ( X) ( k k )]2
= E[ X E ( X)]2 = V( X)
V( X k ) = V( X)
P3) Multiplicando-se uma v.a. por uma constante, sua varincia fica multiplicada pelo
quadrado da constante.
Prova:
V ( kX ) = E[ kX E ( kX )]2
= E[ kX kE ( X )]2
= k 2 E[ X E ( X )]2
V ( kX ) = k 2 V ( X )
P4) A varincia da soma de duas v.a. independentes igual a soma das varincias das duas
variveis.
Prova:
V ( X + Y ) = E[ X + Y ]2 [ E ( X + Y )]2
= E ( X 2 + 2 XY + Y 2 ) [ E ( X ) + E ( Y )]2
= E ( X 2 ) + 2 E ( XY ) + E ( Y 2 ) {[ E ( X )]2 + 2 E ( X ) E ( Y ) + [ E ( Y )]2 }
= E ( X 2 ) + 2 E ( XY ) + E ( Y 2 ) [ E ( X )]2 2 E ( X ) E ( Y ) [ E( Y )]2
Do mesmo modo:
V(X - Y) = V(X) + V(Y)
61
INF 162 Prof. Luiz Alexandre Peternelli
Exerccios propostos:
1. Sabendo-se que Y=3X-5 e que E(X)=2 e V(X)=1, calcule:
a)E(Y); b)V(Y); c)E(X+3Y); d)E(X2 + Y2 ); e)V(3X+2Y);
Resp.: 1; 9; 5; 15; 81
2. Uma urna contm 5 bolas brancas e 7 bolas pretas. Trs bolas so retiradas
simultaneamente dessa urna. Se ganharmos R$ 200,00 por bola branca retirada e
perdermos R$ 100,00 por bola preta retirada, qual seria o nosso lucro esperado? Resp.:
75
4. Uma mquina de apostar tem 2 discos independentes. Cada disco tem 10 figuras: 4
mas, 3 bananas, 2 pras e 1 laranja. Paga-se 80 para acionar a mquina. Se
aparecerem 2 mas ganha-se 40; 2 bananas 80; 2 pras 140 e 2 laranjas 180. Qual o
resultado esperado aps inmeras jogadas? Resp.: E(X) = 59
5. Um determinado artigo vendido em caixas a preo de 8 U.M. por caixa. Sabe-se que
20% dos artigos vendidos apresentam algum defeito de fabricao. Um comprador faz
a seguinte proposta: Pede para poder amostrar, ao acaso, 10 artigos por caixa e pagar
por caixa 10 U.M. se nenhum dos artigos amostrados for defeituoso; 5 U.M. se um ou
dois artigos forem defeituosos e 4 U.M. se trs ou mais forem defeituosos.
O que melhor para o vendedor; manter o seu preo de 8 U.M. por caixa ou
aceitar a proposta do comprador? Mostre por qu.
Considere X = nmero de artigos defeituosos, com a seguinte distribuio de
probabilidade: (sugesto: utilize a varivel Y = valor pago por caixa)
xi 0 1 2 3 Total
P ( x i ) 0,1074 0,2684 0,3019 0,3223 1,00
Resp.: O vendedor deve manter o seu preo [E(Y) 5,21]
Pede-se calcular:
a) E(X), V(X) e x
b) E(Y), V(Y) e y
c) E(X + Y)
d) X e Y so independentes ?
Resp.: a) 2; 1 e 1 b) 0,6; 9,24 e 3,04 c) 2,6 d) no so
62
INF 162 Prof. Luiz Alexandre Peternelli
7. Seja X uma v.a.c. com a seguinte f.d.p.:
2
3, x [0,1]
2
f ( x) = (2 x), x [1,2]
3
0, caso contr rio
Calcule:
a) A esperana matemtica de (X-1)2
b) O desvio padro de X
Resp.: a) 0,278 b) 0,478
6( x x 2 ) , 0 x 1
f ( x) =
0 , para outros valores de x
Calcular :
a) P [E( X) 2 X E ( X) + 2] , = V( X) , dado E( X 2 ) = 3 / 10
b) F(x), a Funo de distribuio acumulada
X
Y -1 1 2
-2 0,1 0,1 0
0 0,1 0,2 0,3
3 0,1 0,1 0
63
INF 162 Prof. Luiz Alexandre Peternelli
3. Dada a funo densidade de probabilidade abaixo:
1
, se 0 x 1
2
1
f ( x) = ( x 3) , se 1 x 3
4
0 , para outros valores de x
Calcule :
a) V( 12X - 8 ), dado E ( X 2 ) = 127 / 6
b) A funo de distribuio acumulada
c) P( 0,5 < X < 1,5 )
Determinar:
a) F(x), a funo de distribuio acumulada
b) P(0,5 x 0,5)
Pede-se:
a) Verifique se X e Y so v. a. independentes.
X 2 2Y
b) E 10
3 5
c) V(8 15X)
7. Conceitue:
a) Varivel aleatria discreta
b) Varivel aleatria contnua
64
INF 162 Prof. Luiz Alexandre Peternelli
8.Uma v. a. c. dada por:
kx 2 , se 2 x < 5
f ( x) = k(8 x) , se 5 x 8
0 , se x assume outros valores
Determinar:
a) O valor da constante k para que f(x) seja uma f. d. p.
8 27
b) P X
2 2
Pede-se:
1
a) E X ; b) V(5X 3Y) ; c) X e Y so v. a. independentes? Mostre porque.
3
a) E( X - Y + 3 ) d) V(3Y + 2)
1
b) E[ ( X - Y ) 2 ] c) V X Y
3
11. Seja ( X, Y ) uma varivel aleatria bidimensional discreta, com a seguinte funo de
probabilidade:
2x i + y j
, para x i = 0, 1, 2 e y j = 0, 1, 2, 3
( )
P x i , y j = 42
0
, caso contr rio
Pede-se:
a) Dar a tabela da distribuio de probabilidade conjunta.
b) Dar a tabela da distribuio marginal de X e tambm a de Y.
c) E(X 2Y + 4)
65
INF 162 Prof. Luiz Alexandre Peternelli
Determinar:
a) O valor de K para que f(x) seja uma f.d.p.
( )
b) E X 3
3
c) P X d) P( X = 1)
2
3 y
, se 0 y 2 e 0 x 4
16. Dado f ( x , y) = 16
0 , caso contr rio
Determinar:
a) As funes marginais de X e Y
b) Se X e Y so v. a. independentes.
18. Suponha que as dimenses, X e Y, de uma chapa retangular de metal, possam ser
consideradas variveis aleatrias contnuas independentes, com as seguintes f.d.p.:
x 1, 1< x 2 1
, 2<y<4
g ( x ) = x + 3 , 2 < x < 3 e h ( y) = 2
0 , para outros valores 0 , para outros valores
RESPOSTAS
66
INF 162 Prof. Luiz Alexandre Peternelli
2. a) no b) 0,55 c)119,57
x 1
3. a) 2879 b) 0 se x < 0; se 0 x < 1; ( x 2 6x + 1) se 1 x < 3; 1 se x 3
2 8
c) 15/32
1 1
4.a) 0 se x < 1; ( x 3 + 3x + 2) se 1 x < 0; ( 2 + 3x) se 0 x < 4 / 3; 1 se x 4 / 3
6 6
b) 23/48
5. a) no b) -3723/450 c) 689/4
8. a) 2/87 b) 149/261
9. a) -1 b) 72,16 c) no
10. a) 0 b) 14 c) 7/3 d) 27
11. c) 70/42
7 a 3
15.
(a 3
+8)
1 1
, 0 x 4 (3 y) , 0 y 2
16. a) g( x) = 4 h( y ) = 4 b) sim
0 , c. c. 0 , c. c
1, 0 x 1 1, 0 y 1
1 1
17. a) f ( x, y)dxdy = 1 b) g( x) =
0, c. c.
e h( y ) =
0, c. c.
0 0
x 1
, para 1 < x < 2 e 2 < y < 4
2
x + 3
18. f ( x, y) = , para 2 < x < 3 e 2 < y < 4
2
0 , fora destes int ervalos
67