Processos Estocásticos Ence

Apêndice A1 – Média (ou Esperança ) Condicional

Definição A.1.1
Seja Y uma variável aleatória do tipo discreto assumindo valores em ¡ e seja o evento A,
tal que P { A} > 0. Então a probabilidade condicional do evento Y = y dado o evento A é
P { ( Y = b ) ∩ A}
P { Y = y / A} =
P { A}
Seja A o evento { X = x} , onde X é igualmente, uma variável aleatória do tipo discreto.
Então a função de probabilidade da variável aleatória Y condicionada à variável
aleatória X, que representa-se por (X/Y) é

P{ ( Y = b) ∩ ( X = x )}
P { Y = y / X = x} =
P { X = x}
Obs:
A função P { X = x / Y = y} é na verdade uma família de funções de probabilidades de X dependendo do parâmetro y ∈ ¥ .
∞

Para um y fixado, por exemplo y = 5, temos que: ∑ P { X = x / Y = 5} = 1 ,

x =0
sendo esta proposição válida para todo y =
0,1,2,3,...

A.1.2 – Média (esperança) da variável aleatória (X/Y)

A média da variável aleatória Y condicionada à variável aleatória (Y/X),

∞
E [ Y / X ] = ∑ y.P { Y = y / X = x} = g(X)
y =0

Assim, para cada valor especificado de X, E ( Y / x ) é uma função de X. De forma

escrevemos E ( Y / X ) = g(X) .
Sendo E ( Y / X ) = g(X) uma variável aleatória, então sua média é
E  E ( Y / X )  = E [ g(X) ]
Por outro lado,
∞
E g ( X )  = ∑ g ( x ) .P { X = x}
x =0
Substituindo-se g(x) nesta última igualdade,
∞ ∞
E g ( X )  = ∑∑ y.P { Y = y / X = x} .P { X = x}
x = 0 y =0

Daí segue que,

∞ ∞
E g ( X )  = ∑ y∑ P { Y = y; X = x}
y =0 x =0
∞
E g ( X )  = ∑ y.P { Y = y} = E [ Y ]
y =0

Definição A.1.3

Prof. Frederico Cavalcanti 44567305.doc 201

Processos Estocásticos Ence
Sejam X1 , X 2 ,..., Xn variáveis aleatórias do tipo discreto e Y uma variável aleatória real,
não negativa, e do tipo discreto. A média condicional de Y dado X1 , X 2 ,..., Xn é igual a

E ( Y / X1 , X 2 ,..., X n ) = ∑ yP { Y / X1 = x2 , X2 = x2 ,..., Xn = xn }
y

E ( Y / X1 , X 2 ,..., X n ) = g ( X1 , X2 ,..., Xn )
para toda n-úpla ( x1 , x 2 ,..., x n ) ∈ ¡
n
.

Assim, para cada n-úpla ( x1 , x 2 ,..., x n ) ∈ ¡ , E ( Y / X1 , X 2 ,..., X n ) é uma função de

n

( X1 , X 2 ,..., Xn )
Definição A.1.4
Sejam Y e X1 , X 2 ,..., Xn como definidas em A.1.3. Seja ainda a função de Y definida por
f ( Y ) . Então,

E [ f (Y) / X1 , X 2 ,..., X n ] = ∑ f (y)P { Y = y / X1 , X2 ,..., Xn }

y

Proposição A.1.5
Sejam X1 , X 2 ,..., Xn e Y1 , Y2 ,..., Yn variáveis aleatórias do tipo discreto definidas em ¡ n

Então,
E [ f (Y1 , Y2 ,..., Yn ) / X1 , X2 ,..., Xn ] = ∑ f (y1 , y2 ,..., yn )P { Y1 = y1 ; Y2 = y2 ;...; Yn = yn / X1 , X2 ,..., Xn }
y

Corolário A.1.6
Se f ( Y1 , Y2 ,..., Yn ) = c1 Y1 + c2 Y2 ,..., + cn Yn então,
E [ c1X1 + c 2 X 2 + ... + cm Xm / Y1 , Y2 ,..., Yn ] = E [ c1 X1 / Y1 , Y2 ,..., Yn ] + E [ c2 X2 / Y1 , Y2 ,..., Yn ] + ...
... + E [ c m X m / Y1 , Y2 ,..., Yn ]

Proposição A.1.7
E  E [ Y / X1 = x, X 2 = x,..., Xn = x ]  = E ( Y )
A demonstração desta proposição pode ser desenvolvida a partir da generalização de A.1.2.

Proposição A.1.8
Se na proposição A.1.7 , extrairmos o operador E em ambos os membros da igualdade,
temos
E [ Y / X1 = x, X 2 = x,..., Xn = x ] = Y

Teorema A.1.9
Para n, m ≥ 1 ,

Prof. Frederico Cavalcanti 44567305.doc 202

Processos Estocásticos Ence

E  E [ Y / X1 , X 2 ,..., Xn +m ] / X1 , X2 ,..., Xn  = E [ Y / X1 , X2 ,..., Xn ]

Vide demonstração em Çinlar, Chap. 2, Séc. 2, pág 37

Corolário A.1.10

Se E [ Y / X1 , X 2 ,..., Xn , Xn +1 ,..., Xn +m ] = g ( X1 , X2 ,..., Xn ) então

E [ Y / X1 , X 2 ,..., Xn ] = g ( X1 , X2 ,..., Xn )

Prof. Frederico Cavalcanti 44567305.doc 203