Escolar Documentos
Profissional Documentos
Cultura Documentos
Solução A0 ∪ A1 ∪ A2 = Ω e A0 ∩ A1 ∩ A2 = ∅.
d) X , que indica o número de coroas que ocorrem no lançamento de uma moeda duas
vezes é uma variável aleatória?
Solução:
Se x < 0, {ω : X (ω) ≤ x} = [X ≤ x] = ∅ ∈ A
Se 0 ≤ x < 1, {ω : X (ω) ≤ x} = [X ≤ x] = A0 ∈ A
Se 1 ≤ x < 2, {ω : X (ω) ≤ x} = [X ≤ x] = A0 ∪ A1 ∈ A
Se x ≥ 2, {ω : X (ω) ≤ x} = [X ≤ x] = A0 ∪ A1 ∪ A2 = Ω ∈ A
Logo, X é uma variável aleatória.
A função distribuição da variável aleatória X indicada por FX (x), é uma função com
domínio os números reais R e contradomínio o intervalo [0, 1], que satisfaz:
Propriedades:
F1. FX (x) é não decrescente, isto é, x ≤ y, FX (x) ≤ FX (y);
F2. FX (x) é contínua à direita, isto é, se xn ↓ x, FX (xn ) ↓ FX (x);
F3. FX (−∞) = 0 e FX (∞) = 1, isto é, xn ↓ −∞; FX (xn ) ↓ 0, e se xn ↑ ∞; FX (xn ) ↑ 1.
Solução:
Para x < 0, FX (x) = P[{ω : X (ω) ≤ x}] = P[X ≤ x] = P[∅] = 0;
Para 0 ≤ x < 1, FX (x) = P[{ω : X (ω) ≤ x}] = P[X ≤ x] = P[ A0 ] = P[{(h, h)}] = 0,25;
Para 1 ≤ x < 2, FX (x) = P[{ω : X (ω) ≤ x}] = P[X ≤ x] = P[ A0 ∪ A1 ] = P[ A0 + A1 ] = 0,75;
Para x ≥ 2, FX (x) = P[{ω : X (ω) ≤ x}] = P[X ≤ x] = P[ A0 ∪ A1 ∪ A2 ] = P[Ω] = 1.
I Portanto, a FX (−∞) = 0; FX (0) = 0,25; FX (1) = 0,75; FX (2) = 1 = FX (∞).
A variável aleatóriaRX é dita contínua se existe uma função fX (x) ≥ 0, tal que
x
FX (x) = P[X ≤ x] = −∞ fX (t)dt, ∀x ∈ R, e então f (x) é a função densidade de
probabilidade da variável aleatória X. (MOOD et al., 1974)
i) P[X = xi ] ≥ 0
Xn
ii) P[X = xi ] = 1.
i=1
i) fX (x) ≥ 0
R∞
ii) −∞ fX (x)dx = 1.
Se X é uma variável aleatória contínua, então FX (x) pode ser obtida da fX (x) e vice versa.
Rx
FX (x) = −∞ fX (u)du ou fX (x) = dx
d
FX (x), onde x é diferenciável.
A distribuição de uma variável aleatória X fica determinada por qualquer das seguintes
funções:
Caso discreto: Considere o experimento de lançar dois dados. Seja X a variável aleatória
que indica a soma total das faces dos dois dados e Y a diferença absoluta das faces
voltadas para cima. (HOEL et al., 1973)
(1, 1) (1, 2) (1, 3) (1, 4) (1, 5) (1, 6)
(2, 1) (2, 2) (2, 3) (2, 4) (2, 5) (2, 6)
(3, 1) (3, 2) (3, 3) (3, 4) (3, 5) (3, 6)
Ω(1º dado, 2º dado) =
(4, 1)
(4, 2) (4, 3) (4, 4) (4, 5) (4, 6)
(5, 1) (5, 2) (5, 3) (5, 4) (5, 5) (5, 6)
Figura 1. Experimento de lançar
dois dados.
(6, 1) (6, 2) (6, 3) (6, 4) (6, 5) (6, 6)
a) Quais os valores que a variável aleatória X , a soma total das faces dos dois dados,
assume?
b) Quais os valores que a função de probabilidade fX (x) assume, para cada valor de
X = x?
Solução: fX (2) = 36 1
= fX (12); fX (3) = 2
36 = fX (11); fX (4) = 3
36 = fX (10); fX (5) = 4
36 =
fX (9); fX (6) = 36
5
= fX (8); fX (7) = 36
6
c) Quais os valores que a função distribuição FX (x) assume, para cada valor de X = x?
0.20
0.15
função de probabilidade f(x)
0.10
0.05
0.00
2 4 6 8 10 12
1.0
0.8
função distribuição F(x)
0.6
0.4
0.2
0.0
2 4 6 8 10 12
d) Quais os valores que a variável aleatória Y , a diferença absoluta das faces voltadas
para cima, assume?
e) Quais os valores que a função de probabilidade fY (y) assume, para cada valor de
Y = y?
f) Quais os valores que a função distribuição FY (y) assume, para cada valor de Y = y?
0.30
0.25
função de probabilidade f(y)
0.20
0.15
0.10
0.05
0.00
0 1 2 3 4 5
valores da variável aleatória Y = diferença absoluta das faces voltadas para cima
Experimento: lançamento de 2 dados honestos.
1.0
0.8
função distribuição F(y)
0.6
0.4
0.2
0.0
−1 0 1 2 3 4 5 6
valores da variável aleatória Y = diferença absoluta das faces voltadas para cima
Experimento: lançamento de 2 dados honestos.
2.0
1.5
função densidade f(x)
1.0
0.5
0.0
0 1 2 3 4 5
1.0
0.8
função distribuição F(x)
0.6
0.4
0.2
0.0
0 1 2 3 4 5
Expectância: Seja X uma variável aleatória e g(.) uma função com domínio e
contradomínio os reais. A expectância ou valor esperado da função g(.) da variável
aleatória X indicada por E[g(X )], é definida por:
X
i) E[g(X )] = g(x)P[X = x], se X é uma variável aleatória discreta;
∀x
R∞
ii) E[g(X )] = −∞ g(x)fX (x)dx, se X é uma variável aleatória contínua;
Obs.:
Se g(X ) = x, então E[g(X )] = E[X ] a média de X .
Se g(X ) = [X − E[X ]]2 , então E[g(X )] = V ar[X ].
Propriedades:
Obs. Se X é uma variável aleatória, V ar[X ] = E[X − E(X )]2 = E[X 2 ] − E[X ]2 se E[X 2 ] existe.
(ROUSSAS, 1973)
Função Geratriz de Momentos: Seja X uma variável aleatória com densidade fX (x). O
valor esperado de etx é definido como a função geratriz de momento de X se o valor
esperado existe para todos os valores de t no intervalo −h < t < h; h > 0. A função
geratriz de momento, indicada por mx (t) ou m(t), é:
X
i) mX (t) = E[etX ] = etX P[X = x], se X é uma variável aleatória discreta;
∀x
R∞
ii) mX (t) = E[etX ] = tX
−∞ e fX (x)dx, se X é uma variável aleatória contínua.
Obs: Se diferenciarmos a função geratriz de momentos r vezes com respeitoR ∞ r atXt, nós
dr
temos o r-ésimo momento da variável aleatória X . Portanto, dt r m(t) = −∞ x e fX (x)dx, e
r R∞
colocando t → ∞, fica: dtd r m(0) = −∞ x r e0X fX (x)dx = E[X r ] = µr 0
Função Geratriz de Momentos Fatorial: Seja X uma variável aleatória. A função geratriz
de momentos fatorial é definida como E[t x ] se a esperança existe.
Obs.: Sejam X e Y variáveis aleatórias com densidade fX (x) e fY (y), respectivamente.
Suponha que mX (t) e mY (t) existam e sejam iguais para to o intervalo de t, −h < t < h
para h > 0. Então as duas funções distribuições FX (x) e FY (y) são equivalentes.
(ROHATGI, 1976)