Captulo 1

Variaveis Aleatorias Bidimensionais

Muitas vezes faz-se necessario analisar 2 variaveis conjuntamente. Por exemplo, pode-se
ter interesse em saber se a umidade do ar esta relacionada com a quantidade de chuva em
determinada regiao. Ou o interesse pode ser em saber qual e a probabilidade da temperatura
estar abaixo de um valor e da umidade estar acima de outro.
Uma variavel aleatoria bidimensional e uma variavel pertencente ao plano R2 , isto e, tem 2
coordenadas. Seja W uma variavel aleatoria bidimensional. Entao W = (X, Y ) sendo X e Y
variaveis aleatorias unidimensionais. As variaveis aleatorias X e Y podem ter ambas naturezas
quantitativas (discreta ou contnua) ou ambas qualitativas ou uma de cada natureza.

1.1 Distribuicao conjunta discreta

Definicao 1.1.1 Se o conjunto dos possveis valores para a variavel aleatoria (X, Y ) for um
conjunto finito ou enumeravel entao diz-se que X e Y tem uma distribuicao conjunta discreta.

Teorema 1.1.1 Suponha que X e Y sejam duas variaveis aleatorias discretas. Entao X e Y
tem uma distribuicao conjunta discreta.

Definicao 1.1.2 Sejam X e Y variaveis aleatorias com distribuicao conjunta discreta. A

funcao pX,Y (i, j) que associa uma probabilidade a cada elemento de R2 e chamada de
funcao de probabilidade conjunta da variavel aleatoria (X, Y ), ou seja,

pX,Y (i, j) = P r(X = i, Y = j).

1
2 CAPITULO 1. VARIAVEIS ALEATORIAS BIDIMENSIONAIS

Por definicao de probabilidade, tem-se que esta funcao atende as seguintes probabilidades:

1. pX,Y (i, j) 0 (i, j) R2

X
X
2. pX,Y (i, j) = 1
i= j=

X
3. P r[(X, Y ) A] = pX,Y (i, j) sendo A uma regiao em R2
(i,j)A

Definicao 1.1.3 Sejam X e Y variaveis aleatorias com distribuicao conjunta discreta. A

funcao de distribuicao conjunta de (X, Y ) e dada pela seguinte funcao
i j
X X
FX,Y (i, j) = P r(X i, Y j) = pX,Y (x, y) (i, j) R2 .
x= y=

Por definicao de probabilidade, tem-se que esta funcao atende as seguintes probabilidades:

1. 0 FX,Y (i, j) 1 (i, j) R2

2. x1 x2 e y1 y2 FX,Y (x1 , y1 ) FX,Y (x2 , y2 )

3. lim FX,Y (i, j) = 1 e lim FX,Y (i, j) = 0

i,j i,j

Definicao 1.1.4 Pode-se obter a funcao de probabilidade marginal da variavel X e a funcao

de probabilidade marginal de Y da seguinte forma:

X
pX (i) = P r(X = i, Y qualquer) = pX,Y (i, y)
y=

X
pY (j) = P r(Xqualquer, Y = j) = pX,Y (x, j)
x=

Definicao 1.1.5 Diz-se que as variaveis aleatorias X e Y sao independentes se e somente se

para todo par (i, j) em R2 temos que

pX,Y (i, j) = pX (i)pY (j).

1.1. DISTRIBUICAO CONJUNTA DISCRETA 3

Definicao 1.1.6 Como medida de dispersao pode-se calcular a funcao de covariancia entre X
e Y que e dada pela seguinte funcao:

X
X
cov(X, Y ) = E[(X X )(Y Y )] = (x X )(y Y )pX,Y (x, y)
x= y=

sendo X o valor esperado de X e Y o valor esperado de Y .

Propriedades:

1. < cov(X, Y ) <

2. cov(X, X) = V ar(X) e cov(Y, Y ) = V ar(Y )

3. cov(X, Y ) = E[XY ] E[X]E[Y ]

4. Se X e Y sao independentes entao cov(X, Y ) = 0.

A recproca nem sempre e verdadeira.

5. cov(aX + c, bY + d) = abcov(X, Y )

6. V ar(X + Y ) = V ar(X) + V ar(Y ) + 2cov(X, Y )

7. V ar(X Y ) = V ar(X) + V ar(Y ) 2cov(X, Y )

Definicao 1.1.7 Para medir a relacao entre as variaveis X e Y usa-se o coeficiente de

correlacao linear dado pela seguinte equacao

cov(X, Y )
corr(X, Y ) = p .
V ar(X)V ar(Y )

Propriedades:

1. Medida adimensional.

2. 1 < corr(X, Y ) < 1.

3. Se Y = aX + b com a 6= 0 entao corr(X, Y ) = 1 se a > 0 e corr(X, Y ) = 1 se

a < 0. Logo, quanto mais proximo de 1 ou de -1, maior sera a dependencia linear entre as
covariaveis. Valores proximos de 1 indicam que as variaveis sao diretamente proporcionais.
Valores proximos de -1 indicam que as variaveis sao inversamente proporcionais.
4 CAPITULO 1. VARIAVEIS ALEATORIAS BIDIMENSIONAIS

4. Se X e Y sao independentes entao corr(X, Y ) = 0.

A recproca nem sempre e verdadeira.

Definicao 1.1.8 A funcao de distribuicao de X condicional a Y e dada por

pX,Y (x, y)
pX|Y =y (x) = .
pY (y)

Definicao 1.1.9 A esperanca de X condicional a Y e dada por

X
E[X|Y = y] = xpX|Y =y (x)
x=

Exemplo 1.1.1 Mostre que E[E[X|Y ]] = E[X].

Note que para cada valor de Y temos um valor de E[X|Y ]. Ou seja, E[X|Y ] e uma funcao
de Y .
Seja Y uma variavel aleatoria cuja funcao de distribuicao de probabilidade seja pY (y). Seja
P
g(Y ) uma funcao de Y . Vimos, quando falamos de esperanca, que E[g(Y )] = y g(y)pY (y).
Logo,

(
)
(
)
X X   X X  
E[E[X|Y ]] = xpX|Y (x) pY (y) = xpX|Y (x)pY (y)
y= x= y= x=

(
)
(
)
X X   X X  
= xpX|Y (x)pY (y) = x pX|Y (x)pY (y)
x= y= x= y=

(  )
( )
X X pX,Y (x) X X
= x pY (y) = x [pX,Y (x)]
x= y=
pY (y) x= y=
X
= {xpX (x)} = E[X]
x=

Exerccio 1 Mostre que V ar[X] = E[V ar(X|Y )] + V ar[E(X|Y )].

Exemplo 1.1.2 Seja X o numero de carros que cada famlia de um determinado grupo possui
e Y o numero de computadores destas famlias. A tabela 1.1 apresenta as informacoes das
famlias deste grupo. A partir desta tabela criaremos uma tabela de contingencia, uma tabela
com a distribuicao conjunta de X e de Y , verificaremos se estas variaveis sao independentes
ou nao, calcularemos a covariancia e a correlacao entre estas variaveis, calcularemos p(X|Y ),
calcularemos E[X|Y ] e E[E[X|Y ]].
1.1. DISTRIBUICAO CONJUNTA DISCRETA 5

Indivduo Numero de carros Numero de computadores

1 2 4
2 1 1
3 3 4
4 1 2
5 3 4
6 1 3
7 1 1
8 1 1
9 1 1
10 2 3

Tabela 1.1: Informacoes sobre indivduos de um determinado grupo.

Uma tabela de contingencia ou dupla entrada e uma tabela com as frequencias absolutas
conjuntas de X e de Y . A tabela 1.2 apresenta a tabela de contingencia para o exemplo acima.

HH
H Y
HH
H
1 2 3 4
X HH
H
1 4 1 1 0
2 0 0 1 1
3 0 0 0 2

Tabela 1.2: Tabela de contingencia de X e Y .

A tabela 1.3 apresenta a funcao de distribuicao conjunta de X e Y .

Note que

pX,Y (1, 1) = 0, 4 6= pX (1)pY (1) = 0, 6 0, 4 = 0, 24

Portanto, X e Y nao sao independentes.

Pela tabela 1.3, tem-se que E[X] = 1, 6, E[Y ] = 2, 4, V ar(X) = 0, 64 e V ar(Y ) = 1, 64.
Logo, cov(X, Y ) = 0, 86 e corr(X, Y ) = 0, 8394.
Para obter a distribuicao de X condicional a Y , tem-se que calcular pX|Y =j (i) =
pX,Y (i, j)pY (j). Logo, esta distribuicao e Logo, E[X|Y = 1] = 1, E[X|Y = 2] = 1,
6 CAPITULO 1. VARIAVEIS ALEATORIAS BIDIMENSIONAIS

HH
H Y
HH
H
1 2 3 4 pX
X HH
H
1 0,4 0,1 0,1 0,0 0,6
2 0,0 0,0 0,1 0,1 0,2
3 0,0 0,0 0,0 0,2 0,2

pY 0,4 0,1 0,2 0,3 1,0

Tabela 1.3: Em preto: Funcao de distribuicao conjunta de X e Y . Em vermelho: probabilidades

marginais.
@
Y
@
@
1 2 3 4
X @
@
1 1,0 1,0 0,5 0,0
2 0,0 0,0 0,5 1/3
3 0,0 0,0 0,0 2/3

Tabela 1.4: Funcao de distribuicao de X condicional a Y .

E[X|Y = 3] = 1, 5, E[X|Y = 4] = 8/3 e

X
E[E[X|Y ]] = E[X|Y = y]pY (y) = 1 0, 4 + 1 0, 1 + 1, 5 0, 2 + 8/3 0, 3 = 1, 6 = E[X].

Exemplo 1.1.3 Suponha que a v.a. X pode tomar um dos seguintes 3 valores: -1, 0 e 1. Cada
um destes valores tem a mesma probabilidade de ocorrer. Seja Y = X 2 . Mostre que X e Y sao
dependentes mas nao correlacionadas.
Pelo enunciado tem-se que

X=i -1 0 1
pX (i) 1/3 1/3 1/3

Tabela 1.5: Funcao de distribuicao marginal de X.

Da tabela acima tem-se que E[X] = 1 1/3 + 1 1/3 = 0. E a funcao de distribuicao

marginal de Y e
Logo, E[Y ] = 1 2/3 = 2/3. A funcao de distribuicao de probabilidade conjunta e
Note que pX,Y (1, 1) = 1/3, pX (1) = 1/3 e pY (1) = 2/3. Portanto, pX,Y (1, 1) 6=
pX (1)pY (1). Logo, X e Y nao sao independentes.
1.2. DISTRIBUICAO CONJUNTA CONTINUA 7

Y =j 0 1
pY (j) 1/3 2/3

Tabela 1.6: Funcao de distribuicao marginal de Y .

@
Y
@
@
0 1
X @
@
-1 0 1/3
0 1/3 0
1 0 1/3

Tabela 1.7: Funcao de distribuicao de probabilidade conjunta de X e de Y (pX,Y (i, j) com

i = 1, 0, 1 e j = 0, 1).

Mas a distribuicao de T = XY e dada por

T = XY = t -1 0 1
pT (t) 1/3 1/3 1/3

Tabela 1.8: Funcao de distribuicao de probabilidade de T = XY .

Logo, E[XY ] = 1 1/3 + 1 1/3 = 0. E, portanto, cov(X, Y ) = 0.

1.2 Distribuicao conjunta contnua

Definicao 1.2.1 As variaveis X e Y tem distribuicao conjunta contnua se existe uma funcao
nao negativa f definida no plano xy tal que para cada subconjunto C do plano xy tem-se que
Z Z
P r[(X, Y ) C] = f (x, y)dxdy.
C

A funcao f e chamada de funcao de densidade de probabilidade conjunta de X e Y .

Propriedades:

1. f (x, y) 0 (x, y) R2

R R
2.
f (x, y)dxdy = 1
8 CAPITULO 1. VARIAVEIS ALEATORIAS BIDIMENSIONAIS

Definicao 1.2.2 Sejam X e Y variaveis aleatorias com distribuicao conjunta contnua. A

funcao de distribuicao conjunta de (X, Y ) e dada pela seguinte funcao
Z i Z j
F (i, j) = P r(X i, Y j) = f (x, y)dxdy (i, j) R2 .

Por definicao de probabilidade, tem-se que esta funcao atende as seguintes probabilidades:

1. 0 F (x, y) 1 (x, y) R2

2. x1 x2 e y1 y2 F (x1 , y1 ) F (x2 , y2 )

3. lim F (x, y) = 1 e lim F (x, y) = 0

x,y x,y

Definicao 1.2.3 Pode-se obter a funcao de densidade de probabilidade marginal da variavel X

e a funcao de densidade de probabilidade marginal de Y da seguinte forma:
Z
fX (x) = f (X = x, Y qualquer) = f (x, y)dy
y=
Z
fY (y) = f (Xqualquer, Y = y) = f (x, y)dx
x=

Definicao 1.2.4 Diz-se que as variaveis aleatorias X e Y sao independentes se e somente se

para todo par (x, y) em (R)2 temos que

f (x, y) = fX (x)fY (y).

Definicao 1.2.5 Como medida de dispersao pode-se calcular a funcao de covariancia entre X
e Y que e dada pela seguinte funcao:
Z Z
cov(X, Y ) = E[(X X )(Y Y )] = (x X )(y Y )f (x, y)
x= y=

sendo X o valor esperado de X e Y o valor esperado de Y .

Propriedades:

1. < cov(X, Y ) <

1.2. DISTRIBUICAO CONJUNTA CONTINUA 9

2. cov(X, X) = V ar(X) e cov(Y, Y ) = V ar(Y )

3. cov(X, Y ) = E[XY ] E[X]E[Y ]

4. Se X e Y sao independentes entao cov(X, Y ) = 0.

A recproca nem sempre e verdadeira.

5. cov(aX + c, bY + d) = abcov(X, Y )

6. V ar(X + Y ) = V ar(X) + V ar(Y ) + 2cov(X, Y )

7. V ar(X Y ) = V ar(X) + V ar(Y ) 2cov(X, Y )

Definicao 1.2.6 Para medir a relacao entre as variaveis X e Y usa-se o coeficiente de

correlacao linear dado pela seguinte equacao

cov(X, Y )
corr(X, Y ) = p .
V ar(X)V ar(Y )

Propriedades:

1. Medida adimensional.

2. 1 < corr(X, Y ) < 1.

3. Se Y = aX + b com a 6= 0 entao corr(X, Y ) = 1 se a > 0 e corr(X, Y ) = 1 se

a < 0. Logo, quanto mais proximo de 1 ou de -1, maior sera a dependencia linear entre as
covariaveis. Valores proximos de 1 indicam que as variaveis sao diretamente proporcionais.
Valores proximos de -1 indicam que as variaveis sao inversamente proporcionais.

4. Se X e Y sao independentes entao corr(X, Y ) = 0.

A recproca nem sempre e verdadeira.

Definicao 1.2.7 A funcao de distribuicao de X condicional a Y e dada por

f (x, y)
fX|Y (x|y) = .
fY (y)
10 CAPITULO 1. VARIAVEIS ALEATORIAS BIDIMENSIONAIS

Definicao 1.2.8 A esperanca de X condicional a Y e dada por

Z
E[X|Y ] = xfX|Y (x|y)
x=

Exerccio 2 Mostre que E[E[X|Y ]] = E[X] e que V ar[X] = E[V ar(X|Y )] + V ar[E(X|Y )].

1.3 Distribuicao Normal Bivariada

Dizemos que (X, Y ) tem distribuicao normal bivariada se e somente se a funcao de distribuicao
conjunta for
( " 2     2 #)
1 1 x x x x y y y y
fX,Y (x, y) = q exp 2 + ,
2 x2 y2 (1 )2 2(1 )2 x x y y

(x, y) R2 .
O parametro corresponde a correlacao entre as variaveis X e Y . Note que quando X e
Y sao independentes, tem-se que = 0 e a funcao acima fatora-se no produto de 2 funcoes de
densidade normais sendo X N (x , x2 ) e Y N (y , y2 ).

1.4 Funcoes de variaveis aleatorias contnuas

Sejam X e Y variaveis aleatorias contnuas com funcao de densidade conjunta fX,Y (x, y).
Suponha que queira-se obter a funcao de densidade conjunta das variaveis Z e W tais que

Z = h1 (X, Y ),

W = h2 (X, Y ).

sendo h1 (X, Y ) e h2 (X, Y ) funcoes bijetivas de X e Y . Sejam g1 e g2 funcoes tais que

X = g1 (Z, W ),

Y = g2 (Z, W ).

Suponha que as derivadas parciais de x e y em relacao a z e w existem e sejam contnuas. Logo,

tem-se que a funcao de densidade conjunta pode ser obtida da seguinte forma

fZ,W (z, w) = fX,Y (g1 (X, Y ), g2 (X, Y ))|J|

1.5. EXERCICIOS 11

sendo J o jacobiano da transformacao que leva (x, y) em (z, w) dado por

 
 x x 
J =  z w 
 
 y
z
y
w


e | | o determinante da matriz .

1.5 Exerccios
1. Seja X uma v.a. tal que sua funcao de distribuicao de probabilidade e dada por

X=i -2 -1 0 1 2
P (X = i) 0,20 0,10 0,40 0,10 0,20

Seja Y = |X| + 3.

(a) Encontre a funcao de distribuicao conjunta de X e Y .

(b) Verifique se X e Y sao independentes.

(c) Calcule a covariancia entre X e Y .

2. Verifique se X e Y sao independentes supondo que X e Y sejam variaveis aleatorias com

funcao de distribuicao conjunta dada por

@
Y
@
@
5 6 7
X @@
0 0,03 0,03 0,04
1 0,06 0,06 0,08
2 0,21 0,21 0,28

3. Suponha que un circuito eletrico tem 3 lampadas em uma linha e 4 lampadas em outra
linha. Seja X o numero de lampadas queimadas na primeira linha num instante t e Y o
numero de lampadas queimadas na outra linha no mesmo tempo t. Suponha que a funcao
de distribuicao de probabilidade conjunta de X e Y e:
12 CAPITULO 1. VARIAVEIS ALEATORIAS BIDIMENSIONAIS

@
Y
@
@
0 1 2 3 4
X @@
0 0,08 0,07 0,06 0,01 0,01
1 0,06 0,10 0,12 0,05 0,02
2 0,05 0,06 0,09 0,04 0,03
3 0,02 0,03 0,03 0,03 0,04

(a) Confira se a funcao acima e de fato uma funcao de distribuicao de probabilidade

conjunta de 2 variaveis aleatorias.

(b) Determine a distribuicao marginal de X

(c) Determine a distribuicao marginal de Y

(d) Determine P r(X 2, Y 1)

(e) Determine P r(X = Y )

(f) Verifique se X e Y sao v.a.s independentes.

(g) Calcule a correlacao entre X e Y .

(h) Determine a distribuicao de Y condicional a X. (OBS: A resposta devera conter 4

distribuicoes: p(Y |X = 0), p(Y |X = 1), p(Y |X = 2), p(Y |X = 3))

(i) Determine E[Y |X] (OBS: A resposta devera conter 4 valores esperados: E(Y |X =
0), E(Y |X = 1), E(Y |X = 2), E(Y |X = 3))

(j) Determine E[Y ] usando E[E[Y |X]].

(k) Sejam Z = 0 se X + Y for numero par, Z = 1 se X + Y for numero mpar e W = 0

se X Y for numero par, W = 1 se X Y for numero mpar. Encontre a funcao
de distribuicao conjunta de Z e de W e verifique se Z e W sao independentes.

4. Lancam-se simultaneamente uma moeda e um dado.

(a) Determine o espaco amostral correspondente a este experimento.

(b) Obtenha a distribuicao conjunta considerando X o numero de caras no lancamento

da moeda e Y o numero da face do dado.

(c) Verifique se X e Y sao independentes.

1.5. EXERCICIOS 13

(d) Calcule

i. P r(X = 1)
ii. P r(X 1)
iii. P r(X = 0, Y 1)
iv. P r(X 0, Y 4)

5. Considere a distribuicao conjunta de X e Y , parcialmente conhecida, dada na tabela

abaixo.
@
X
@
@
1 0 1 P r(Y = y)
Y @@
1 1/12
0 1/3
1 1/4 1/4
P r(X = x) 1

(a) Complete a tabela considerando X e Y independentes.

(b) Obtenha a distribuicao condicional de X dado que Y = 0.

6. Numa urna tem-se 5 tiras de papel, numeradas 1,3,5,5,7. Uma tira e sorteada e recolocada
na urna; entao, uma segunda tira e sorteada. Sejam X1 e X2 o primeiro e o segundo
numeros sorteados.

(a) Determine a distribuicao conjunta de X1 e X2 .

(b) Encontre a media e a variancia de (X1 + X2 )/2

(c) Obtenha a distribuicao conjunta de Z1 e de Z2 sendo Z1 = X1 + X2 e Z2 = X1 X2 .

7. Mostre que E[X] = E[E(X|Y )] tanto para o caso discreto quanto para o caso contnuo.

8. Mostre que V ar[X] = E[V ar(X|Y )] + V ar[E(X|Y )] tanto para o caso discreto quanto
para o caso contnuo.

9. Suponha que a funcao de densidade de probabilidade conjunta de um par de variaveis

aleatorias (X, Y ) e constante num retangulo onde 0 X 2 e 0 Y 1 e e igual a 0
fora deste retangulo.
14 CAPITULO 1. VARIAVEIS ALEATORIAS BIDIMENSIONAIS

(a) Ache o valor constante da funcao de densidade de probabilidade no retangulo.

(b) Ache P r(X Y )

10. Suponha que a f.d.p. de X e de Y seja

csen(x) para 0 x /2 e 0 y 3
f (x, y) =
0 caso contrario

(a) Determine a f.d.p. de X

(b) Determine a funcao de distribuicao de Y condicional a X

(c) Calcule a P r(1 < Y < 2|X 0, 4)

11. Suponha que a f.d.p. de X e de Y seja

3 (4 2x y) para x > 0, y > 0 e 2x + y < 4
16
f (x, y) =
0 caso contrario

(a) Determine a f.d.p. de X, a funcao de distribuicao de Y condicional a X e calcule a

P r(Y 2|X > 0, 5).

(b) Calcule E[Y |X]

(c) Calcule E[Y ] usando E[Y |X].

(d) Calcule a correlacao entre X e Y .

12. Seja (X, Y ) uma v.a. com distribuicao normal bivariada. Obtenha a funcao de densidade
conjunta de Z e W sabendo que Z = X + Y e W = X Y .

13. Quando temos variaveis aleatorias normais independentes, a soma destas variaveis
continua tendo uma distribuicao normal.
Sejam X e Y variaveis aleatorias independentes tais que X N (2, 1) e Y N (10, 4).
Obtenha a media e a variancia de X + Y .

14. Sejam X e Y v.a.s com V ar(X) = 1, V ar(Y ) = 2 e corr(X, Y ) = 1/2.

Calcule V ar(X 2Y ).