Você está na página 1de 15

Introdução à Probabilidade

Esperança e Variância
de uma v.a. Discreta

Aulas 22 e 23

1 / 15
Introdução

No estudo de variáveis aleatórias algumas caracterı́sticas


numéricas (parâmetros) podem nos fornecer uma ideia
sobre o comportamento da distribuição de probabilidades.

Nos modelos matemáticos não-determinı́sticos ou aleatórios,


que temos considerado, os parâmetros são o que caracterizam
a distribuição de probabilidade associada a esse modelo.

São exemplos de parâmetros: o valor médio (ou esperança), a


variância e o desvio padrão.

2 / 15
Valor Médio (Valor Esperado, Esperança)

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

X
E(X) = xi · p(xi ).
i=1

Observação: O valor médio de X também é chamado de


valor esperado ou esperança de X.

3 / 15
Exemplo 1

Considere a v.a. X: número de peças produzidas por minuto, cuja


função de probabilidade (f.p.) é 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 variável aleatória cuja função de distribuição acumu-


lada é:


 0, se x < 0;
1/2, se 0 ≤ x < 1;

F (x) =

 5/8, se 1 ≤ x < 2;
1, se x ≥ 2.

(a) X é 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 é a variável aleatória que indica o valor
total, em reais, de vendas diárias desse vendedor, obtenha o valor
total esperado de vendas diárias do vendedor.

6 / 15
Exemplo 4

Um laboratório estuda a emissão de partı́culas de certo material


radioativo. Seja X a v.a. que representa o número de partı́culas
emitidas em 1 minuto, com função de probabilidade dada por

e−λ · λk
P (X = k) = , k = 0, 1, 2, . . . ,
k!
em que λ é uma constante positiva.

Determine o número médio de partı́culas emitidas em 1 minuto.

7 / 15
Observações

(1) A fim de que uma v.a. discreta X possua valor esperado faz-se necessário
que a série da definição seja convergente.
P∞
(2) Caso
P∞ a série i=1 xi p(xi ) convirja absolutamente, isto é,
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, então a esperança de X não existe.
(3) Se a variável X assume um número finito de valores, digamos n, então
E(X) existe e o mesmo se reduz a soma finita dada por
n
X
E(X) = xi · p(xi ).
i=1

(4) Não confunda E(X) com o valor mais provável de X, o qual denominamos
de valor modal. Note que a esperança de X não é necessariamente um dos
valores possı́veis de X.
(5) Em geral, E(X) é diferente da média aritmética x. O valor esperado de X,
E(X), está relacionado a uma v.a. X, enquanto que a média aritmética,
x, está associada a um conjunto de valores observados.
8 / 15
Propriedades de Valor Esperado
1 Dada a v.a. discreta X e a respectiva função de probabilidade
p(x), o valor esperado da função h(X) é dado por

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

2 Se X é uma v.a. discreta e a e b são constantes reais quaisquer,


então
E[aX + b] = aE(X) + b.

3 Se tivermos um número finito de v.a. X1 , X2 , . . . , Xn , então

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

9 / 15
Variância

Definição 2
Seja X : Ω → RX uma variável aleatória cujo valor médio E(X)
existe. Definimos a variância de X, e indicamos Var(X), por

Var(X) = E{[X − E(X)]2 }.

A variância de uma v.a. X é um parâmetro associado à distribuição


de probabilidade que traz informações sobre a dispersão dos possı́veis
valores de X em torno do valor esperado E(X), quando o mesmo
existe.

10 / 15
Observações

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


(2) Uma fórmula alternativa para o cálculo da variância é 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 é uma v.a. discreta que assume os valores x1 , x2 , . . . , xi , . . . com
probabilidades p(x1 ), p(x2 ), . . . , p(xi ), . . . , respectivamente, então

X
Var(X) = x2i p(xi ) − E2 (X).
i=1

(4) Dado que Var(X) ≥ 0, definimos o desvio padrão 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 é a variável aleatória que indica o valor
total, em reais, de vendas diárias desse vendedor, calcule a variância
e o desvio padrão da v.a. Y .

12 / 15
Propriedade de Variância
1 Se X uma v.a. cuja variância existe e a e b são constantes reais
quaisquer, então

Var[aX + b] = a2 · Var(X).

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


variável, 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
Exercı́cio

Um laboratório estuda a emissão de partı́culas de certo material


radioativo. Seja X a v.a. que representa o número de partı́culas
emitidas em 1 minuto, com função de probabilidade dada por

e−λ · λk
P (X = k) = , k = 0, 1, 2, . . . ,
k!
em que λ é uma constante positiva.

Determine a variância da v.a. X.

14 / 15
“Hora da chamada...”

Exercı́cios Sugeridos: Capı́tulo 6 do livro texto


Questões: 7, 8, 10, 13, 14, 16 e 17.

Bibliografia
Estatı́stica Básica (7a edição). Wilton O. Bussab e Pedro A.
Morettin (2011). Editora Saraiva. (livro texto)
Probabilidade, Aplicações à Estatı́stica (2a edição). Paul L.
Meyer (1995). LTC.

Paulo Freire
Num paı́s como o Brasil, manter a esperança viva é em si um ato
revolucionário.

15 / 15

Você também pode gostar