0303200 – Probabilidade – Aula 11

Magno T. M. Silva

Escola Politécnica da USP

A maior parte dos exemplos dessa aula foram extraı́dos de Jay

L. Devore, Probabilidade e Estatı́stica para engenharia e
ciências, tradução da 8a edição americana, Cengage, 2014
Essa parte da matéria está no Capı́tulo 6 do livro do Dantas.
Sumário

Variáveis aleatórias contı́nuas multidimensionais

Distribuição conjunta

◮ Se X1 , X2 , · · · , Xn são variáveis aleatórias discretas, a função

de probabilidade conjunta dessas variáveis é a função

P [X1 = x1 , X2 = x2 , · · · , Xn = xn ].
◮ Se as variáveis são contı́nuas, a f.d.p. conjunta de
X1 , X2 , · · · , Xn é a função f (x1 , x2 , · · · , xn ), de forma que
◮

Z ∞ Z ∞ Z ∞
··· f (x1 , x2 , · · · , xn )dx1 dx2 · · · dxn = 1
−∞ −∞ −∞

◮ para quaisquer n intervalos [a1 , b1 ], · · · ,[an , bn ],

Z b1 Z bn
P (a1 ≤ X1 ≤ b1 , · · · , an ≤ Xn ≤ bn ) = ··· f (x1 , · · · , xn )dxn · · · dx1
a1 an
Marginais

◮ Dada a densidade conjunta das variáveis X e Y , podemos

determinar as densidades de X e Y isoladamente. Essas
densidades são denominadas densidades marginais de Xe Y e
são obtidas da seguinte forma:
Z ∞
fX (x) = f (x,y)dy
−∞
Z ∞
fY (y) = f (x,y)dx
−∞
◮ Conhecendo a f.d.p. conjunta de X1 , X2 , · · · , Xn , podemos,
por exemplo, calcular a marginal fX1 (x1 ), ou seja,
Z ∞Z ∞ Z ∞
fX1 (x1 ) = ··· f (x1 ,x2 ,x3 , · · · ,xn )dx2 dx3 · · · dxn
−∞ −∞ −∞
Funções de Distribuição

◮ A função de distribuição de uma variável aleatória

bidimensional (X,Y ), denotada por F (x,y) é dada por

F (x,y) = P [X ≤ x, Y ≤ y]

para −∞ < x < ∞ e −∞ < y < ∞

◮ A probabilidade P [X ≤ x, Y ≤ y] pode ser calculada como
Z x Z y
P [X ≤ x, Y ≤ y] = F (x,y) = f (u,v) du dv
−∞ −∞

◮ Consequentemente

∂ 2 F (x,y)
f (x,y) =
∂x ∂y
5.1 Exemplo 5.10

Quando um determinado método é usado para coletar um volume

fixo de amostras de rochas de uma região, há quatro tipos de
rochas resultantes. Represente por X1 , X2 e X3 a proporção por
volume dos tipos de rochas 1, 2 e 3 em uma amostra selecionada
aleatoriamente (a proporção da rocha do tipo 4 é
1 − X1 − X2 − X3 , de forma que a variável X4 seria redundante).
Se a f.d.p. conjunta de X1 , X2 e X3 for

kx1 x2 (1 − x3 ), 0 ≤ x1 , x2 , x3 ≤ 1, x1 + x2 + x3 ≤ 1
f (x1 ,x2 ,x3 ) =
0, caso contrário

Determine:
◮ o valor de k
◮ a probabilidade de que as rochas dos tipos 1 e 2 juntas sejam
responsáveis por no máximo 50% da amostra
5.1 Exemplo 5.10
Resolução: Devemos calcular a integral tripla para determinar k,
ou seja,
Z ∞Z ∞Z ∞
1= f (x1 ,x2 ,x3 )dx3 dx2 dx1
−∞ −∞ −∞
Z 1 Z 1−x1 Z 1−x1 −x2  
k
= kx1 x2 (1 − x3 )dx3 dx2 dx1 =
0 0 0 144
⇒ k = 144.
A probabilidade de que as rochas dos tipos 1 e 2 juntas sejam
responsáveis por no máximo 50% da amostra vale
Z 0,5 Z 0,5−x1 Z 1−x1−x2  
P (X1+X2 ≤ 0,5) = 144x1 x2 (1−x3 )dx3 dx2 dx1
0 0 0

= 0,6066
Variáveis aleatórias independentes

◮ As variáveis aleatórias contı́nuas X1 , X2 , . . . ,Xn são ditas

independentes se para cada subconjunto Xi1 , Xi2 , . . . , Xik
das variáveis (cada par, cada trio e assim por diante), a f.d.p.
do subconjunto for igual ao produto das das f.d.p.’s marginais

f (x1 ,x2 , · · · ,xn ) = fX1 (x1 )fX2 (x2 ) · · · fXn (xn )

◮ A independência implica a esperança do produto ser igual ao

produto das esperanças

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

5.1 Exemplo 5.11

Se
X1 , X2 , . . . , Xn
representam as vidas úteis de n componentes que operam de forma
independente uns dos outros e cada vida útil é distribuı́da
exponencialmente com parâmetro λ, então,

x1 ≥ 0, x2 ≥ 0, . . . , xn ≥ 0.

Determine:
◮ a f.d.p. conjunta dessas v.a.’s
◮ A probabilidade de o sistema durar mais que o tempo t,
considerando que esses n componentes formam um sistema
que apresentará falha assim que um único componente tiver
uma falha
Recordando a distribuição exponencial

◮ Uma variável aleatória contı́nua X tem uma distribuição

exponencial com parâmetro λ (λ > 0) se a f.d.p. de X for

λ e−λ x ,

x≥0
f (x) =
0, caso contrário

◮ O valor esperado da v.a. X distribuı́da exponencialmente é

Z ∞
1
E(X) = x λe−λx dx =
0 λ

e a variância é
1
V (X) = σ 2 = E(X 2 ) − [E(X)]2 = .
λ2
Ou seja, tanto a média quanto o desvio padrão valem 1/λ
Recordando a distribuição exponencial

◮ Integrando a f.d.p., obtemos a função de distribuição


0, x<0
F (x) = −λx
1−e , x≥0
5.1 Exemplo 5.11
Resolução: A f.d.p. conjunta dessas v.a.’s é dada por
P
f (x1 ,x2 , . . . ,xn ) = (λe−λx1 )(λe−λx2 ) · · · (λe−λxn ) = λn e−λ xi

A probabilidade de o sistema durar mais que o tempo t é dada por

Z ∞ Z ∞
P (X1 > t, . . . , Xn > t) = ··· f (x1 , . . . ,xn )dx1 . . . dxn
tZ ∞ t  Z ∞ 
−λx1 −λxn
= λe dx1 · · · λe dxn
t t
= (e−λt )n = e−nλt

Assim,

P (vida útil do sistema ≤ t) = 1 − e−nλt , para t ≥ 0

que mostra que a vida útil do sistema tem uma distribuição

exponencial com parâmetro nλ e o valor esperado da vida útil é
1/(nλ).
Distribuições condicionais

Sejam X e Y duas variáveis contı́nuas com f.d.p. conjunta f (x,y)

e f.d.p. marginal de X dada por fX (x). Então, para qualquer valor
x de X para o qual fX (x) > 0, a função densidade de
probabilidade condicional de Y dado que X = x é

f (x,y)
fY |X (y|x) = , −∞<y <∞
fX (x)

Se X e Y forem discretas, substituir as f.d.p.’s pelas distribuições

de probabilidade nesta definição fornecerá a função de
probabilidade condicional de Y quando X = x.
5.1 Exemplo 5.12
Um banco opera tanto em um drive-thru como em um guichê de
atendimento. Em um dia selecionado aleatoriamente, considere
X = a proporção de tempo em que o drive-thru está em uso
(ao menos um cliente está sendo atendido ou esperando
atendimento) e
Y = a proporção de tempo em que o guichê de atendimento está em uso.
O conjunto de valores possı́veis de (X,Y ) é o retângulo
D = {(x,y) : 0 ≤ x ≤ 1, 0 ≤ y ≤ 1}. Suponha que a
f.d.p. conjunta seja dada por
1,2(x + y 2 ), 0 ≤ x ≤ 1, 0 ≤ y ≤ 1

f (x,y) =
0, caso contrário
Determine:
◮ a f.d.p. condicional de Y , dado que X = 0,8
◮ a probabilidade de o guichê de pessoas estar ocupado no
máximo metade do tempo, dado que X = 0,8
◮ E(Y |X = 0,8)
5.1 Exemplo 5.12
Resolução: Para calcular a f.d.p. condicional fY |X , precisamos
primeiramente calcular a f.d.p. marginal

1,2x + 0,4, 0 ≤ x ≤ 1
fX (x) =
0, caso contrário
A f.d.p. condicional de Y , dado que X = 0,8 é
f (0,8, y) 1,2(0,8 + y 2 ) 1
fY |X (y|0,8) = = = (24+30y 2 ), 0 < y < 1
fX (0,8) 1,2(0,8) + 0,4 34
A probabilidade de o guichê de pessoas estar ocupado no máximo
metade do tempo, dado que X = 0,8 vale
Z 0,5 Z 0,5
1
P (Y ≤ 0,5|X = 0,8) = fY |X (y|0,8)dy = (24+30y 2 )dy = 0,390
−∞ 0 34
Usando a f.d.p. marginal de Y , temos P (Y ≤ 0,5) = 0,35. Vamos
agora calcular Z ∞ Z 1
1
E(Y |X = 0,8) = yfY |X (y|0,8)dy = y(24+30y 2 )dy = 0,574
−∞ 34 0
O valor esperado de Y usando a f.d.p. marginal é E(Y ) = 0,6.