Escolar Documentos
Profissional Documentos
Cultura Documentos
Variáveis Aleatórias
1
UFRRJ, Estatı́stica Básica
1 Variáveis Aleatórias
Uma variável aleatória (v.a.) é uma função real X que associa elementos do espaço amos-
tral a valores reais, i.e., X : Ω → <.
Exemplo 1. Exemplo:
Suponha 2 lançamentos de uma moeda. Represente por c cara e por k coroa, então Ω = {cc, ck, kc, kk}.
O número de caras observadas nesses 2 lançamentos é uma quantidade numérica e podemos definir
X = ´´nº de caras observadas”. Note que X pode assumir valores no conjunto finito {0, 1, 2}.
Definição 2 (Função de probabilidade (fp)). A função p(·) que atribui a cada valor da variável
aleatória discreta X sua probabilidade é denominada função de probabilidade. Assim, se X assume
valores x1 , x2 , · · · temos
para i = 1, · · · , n.
X x1 x2 ...
pi p1 p2 ...
X = xi 0 1 2
1 1 1
p(xi ) 4 2 4
2
UFRRJ, Estatı́stica Básica
Definição 3 (Função de Distribuição (acumulada) (fda)). Seja X uma v.a.d. em Ω, então sua
função de distribuição acumulada é definida por
Portanto,
0, se x < 0
F (x) = 1/2, se 0 ≤ x < 1 (2)
se x ≥ 1
1,
O comportamento de uma variável aleatória e toda informação sobre ela podem ser obti-
dos através de sua função de distribuição acumulada. Além disso, toda função real que
satisfaça as propriedades acima é a função de distribuição acumulada de uma variável
aleatória.
Funções de Variáveis Aleatórias Seja X uma v.a.d. definida em Ω, então a função ou
transformação g : X → < também é uma v.a.d.. Assim, dada a distribuição de X, o
interesse consiste em conhecer o comportamento probabilı́stico de sua transformação.
3
UFRRJ, Estatı́stica Básica
X = xi -1 0 1
1 1 1
p(xi ) 3 2 6
X = xi -1 0 1
Y = yi = 2xi + 1 -1 1 3
1 1 1
p(yi ) 3 2 6
Z = zi = x2i 0 1
1 1 1 1
p(zi ) 3
+ 6
= 2 2
Definição 4 (Esperança ou Valor Esperado). Seja X uma v.a.d. com função de probabilidade p,
então a esperança (matemática) de X é dada por
X
E[X] = xp(x),
x
Exemplo 6. Como no exemplo anterior, seja X uma v.a.d. com função de probabilidade dada
abaixo:
X = xi -1 0 1
1 1 1
p(xi ) 3 2 6
Determine a esperança de X:
Vale que:
2 Momentos
E[(X − c)k ],
Exemplo 7. O primeiro momento ordinário (de ordem k = 1) de uma v.a. X é o seu valor esperado.
Definição 6 (Variância). Seja X uma variável aleatória discreta, então a variância de X é definida
por
V ar(X) = E[(X − E[X])2 ] = E[X 2 ] − (E[X])2 ,
que é segundo momento central de X. Sua raiz quadrada é o desvio padrão de X, que possui a
mesma unidade dos dados.
Exemplo 9. O número X de mensagens enviadas por hora, através de uma rede de compu-
tadores, tem a seguinte distribuição: X assume os valores {10, 12, 15, 20} com probabilidades
{0, 1; 0, 3; 0, 5; 0, 1}, respectivamente. Determine o desvio-padrão de X.
E[X 2 ] = 102 (0, 1) + 122 (0, 3) + 152 (0, 5) + 202 (0, 1) = 205, 7;
p
V ar(X) = 205, 7 − 14, 12 = 6, 89 ⇒ DP (X) = 6, 89 = 2, 624881.
Definição 7 (Coeficiente de Variação). Seja X uma v.a.d. com esperança µ e desvio padrão σ, o
coeficiente de variação de X é dado por
σ
CV (X) = .
µ
O coeficiente de variação mede a dispersão relativa da distribuição de X, ao contrário
do desvio padrão, de X, que mede a dispersão absoluta. Note que ele é um coeficiente
adimensional.
Exemplo 10. Uma rifa tem 100 bilhetes numeradas de 1 a 100. Tenho 5 bilhetes consecutivos e
meu amigo tem outros 5 bilhetes quaisquer. Quem tem maior possibilidade de ser sorteado?
Note que sua função de distribuição acumulada é do tipo escada com saltos nos pontos
{x1 , x2 , · · · , xn }.
Exercı́cio: Determine sua fda, sua esperança e sua variância.
Notação: X ∼ Bernoulli(p).
A função de distribuição de X é dada por
0, se x < 0,
FX (x) = (1 − p), se 0 ≤ x < 1,
se x ≥ 1.
1,
Exercı́cio: Faça o gráfico desta função e determine sua esperança e sua variância.
7
UFRRJ, Estatı́stica Básica
Exemplo 13. A taxa de imunização de uma vacina é de 80%. Um grupo com 10 pessoas foi
selecionado, desejamos saber o comportamento probabilı́stico do número de pessoas imunizadas
deste grupo. Determine a probabilidade:
a) de 8 pessoas estarem imunizadas;
b) de pelo menos 8 estarem imunizadas;
c) de no máximo 7 estarem imunizadas;
c) de todas estarem imunizadas.
Notação: X ∼ Geo(p).
8
UFRRJ, Estatı́stica Básica
Exemplo 15. Um atirador acerto o alvo na mosca em 30% dos tiros. Qual é a probabilidade de que
somente no vigésimo tiro o atirador acerte na mosca 2 vezes?
Exemplo 16. Considere um conjunto com 20 pessoas, das quais 7 são mulheres. Selecionando-se
5 pessoas deste conjunto, sem reposição, qual seria a probabilidade de:
a) 2 mulheres serem escolhidas?
b) 1 homem ser escolhido?
c) apenas mulheres serem escolhidas?
9
UFRRJ, Estatı́stica Básica
Exemplo 17. (1) número de chamadas recebidas por uma central telefônica durante um perı́odo de
40 minutos; (2) número de bactérias em um litro de água.
Exemplo 18 (Bombas em Londres). Durante a Segunda Guerra Mundial a cidade de londres foi
bombardeada por aviões alemães. Um interesse é sobre a aleatoriedade dos alvos, se houve tendência
em lançar em alguns pontos especı́ficos ou não. Subdivindindo-se a parte do sul da cidade em 576
partes, é contado o número de regiões que receberam x bombas, denotado por nx . O total de bombas
nas parte sul foi de 537, levando a uma taxa de 537/576 ≈ 0, 93 bombas por região. Uma maneira
de verificarmos se o modelo Poisson seria aplicável para modelar o número de bombas lançadas
por região, é calcular as frequências de bombas que ocorreram (observadas) fo e comparar com as
frequências esperadas de bombas que seriam lançadas supondo o modelo Poisson válido fe .
Assim, se X representa o nº de bombas em uma região da parte sul, então suponha que X ∼
P oisson(0, 93).
Exercı́cio: Determine sua esperança.
10
UFRRJ, Estatı́stica Básica
X=x 0 1 2 3 4 5 ou mais
fo 229 211 93 35 7 1
p(x) 0,395 0,367 0,171 0,053 0,012 0,003
fe 227,520 211,392 98,496 30,528 6,912 1,728
Uma v.a.c. possui uma função de densidade de probabilidade f com a qual podemos cal-
cular probabilidades associadas a variável aleatória.
Para obtermos a probabilidade de uma v.a.c. assumir valores em um intervalo (a, b], para
a < b, basta calcular Z b
P (a < X ≤ b) = f (x)dx.
a
P (X = c) = 0, c ∈ <.
1. Esboce o gráfico da fX .
Seja X uma v.a.c. com função densidade de probabilidade f (x), podemos definir:
11
UFRRJ, Estatı́stica Básica
Z x
• Função de distribuição acumulada: F (x) = P (X ≤ x) = f (x)dx, para todo
−∞
x ∈ <.
Z
• Esperança: E[X] = xf (x)dx.
x
Exemplo 20. O rótulo de refrigerante indica que o conteúdo é de 350 ml. Suponha que a linha
de produção encha as latas de forma que o conteúdo seja uniformemente distribuı́do no intervalo
[345,355].
1. Qual é a probabilidade de que uma lata tenha conteúdo superior a 353 ml?
2. Qual é a probabilidade de que uma lata tenha conteúdo inferior a 346 ml?
3. O controle de qualidade aceita uma lata com conteúdo dentro de 4 ml do conteúdo exibido na
lata. Qual é a proporção de latas rejeitadas nessa linha de produção?
Uma v.a.c. X tem distribuição Normal com parâmetros µ e σ 2 , se sua f.d.p. é dada por
2
1 x−µ
1 −
fX (x; µ, σ 2 ) = √ e 2 σ , −∞ < x < +∞.
2πσ 2
12
UFRRJ, Estatı́stica Básica
• Propriedades:
Para calcular probabilidades associadas a uma v.a.c. normal, terı́amos que resolver inte-
grais que envolvem a f descrita acima. Porém, isto não é possı́vel analiticamente, mas
somente de forma numérica. Sem o auxı́lio de um programa computacional que rea-
lize tal tarefa, não seria possı́vel tabular todas as probabilidades associadas a qualquer
distribuição normal, isto é, para quaisquer valores de µ e σ 2 possı́veis. Entretanto, é
possı́vel mostrar que a partir de qualquer normal chegamos em uma normal, chamada
padrão, com parâmetros µ = 0 e σ 2 = 1.
1.0
0.8
0.3
0.6
Densidade
FDA
0.2
0.4
0.1
0.2
0.0
0.0
−4 −2 0 2 4 −4 −2 0 2 4
x x
Uma v.a. X tem distribuição Normal padrão ou Normal reduzida, se X ∼ N (0, 1).
Importante:
X −µ
Z= ∼ N (0, 1).
σ
13
UFRRJ, Estatı́stica Básica
Exemplo 21.
Suponha que Z tenha distribuição N (0; 1). Usando a tabela da distribuição normal padrão, deter-
mine o valor de probabilidade de:
a)P (0 ≤ Z ≤ 1, 65) b)P (Z ≤ 1, 29) c)P (0 ≤ Z ≤ 1, 34) d)P (−1 ≤ Z ≤ 1)
e)P (Z ≤ 2, 45) f)P (Z ≥ −2, 01) g)P (Z ≥ 1, 65) h)P (Z > 2, 13) i)P (|Z| > 1, 61)
Exemplo 22.
Suponha que Z tenha distribuição N (0; 1). Empregando a tábua da distribuição normal, determine
o valor de z:
a)P (Z ≥ z) = 0, 5 b)P (0 ≤ Z ≤ z) = 0, 3264 c)P (0 ≤ Z ≤ z) = 0, 3461
d)P (z ≤ Z ≤ 1) = 0, 6826 e)P (−1, 05 ≤ Z ≤ z) = 0, 7280 f)P (Z ≥ z) = 0, 0640
Exemplo 23.
Em determinado laboratório de pesquisa de células tronco para problemas motores nos membros
inferiores estuda a recuperação total dos movimentos. O responsável pelo procedimento afirma
que o tempo que o paciente leva para obter melhoras significativas nos movimento, após cirurgia,
segue uma distribuição Normal com média de 10 meses e desvio padrão de 4 meses. Segundo estas
informações, qual é a probabilidade de um paciente obter melhoras significativas nos movimentos
de 9 a 12 meses após a cirurgia? Até 6 meses? E após 10 meses?
14
UFRRJ, Estatı́stica Básica
15