CÁLCULO

DE
PROBABILIDADE 2

- AULA 2: PARTE 1 -

Profª Cátia R. Gonçalves

MAT/UnB

Profª Cátia Gonçalves - MAT/UnB Cálculo de Probabilidade 2 Aula 2 : Parte 1 1/9

 (C) Distribuição Condicional de X dado Y =y

(C.1) Caso Discreto

Sejam X e Y v.a.'s discretas denidas sobre (Ω, A, P).

Função de probabilidade conjunta de X e Y :
pX ,Y (x, y ) = P(X = x, Y = y ), ∀ x, y ∈ R

Para y ∈ R tal que pY (y ) > 0, onde pY (y ) =

X
pX ,Y (x, y )
x
denimos:

I função de probabilidade condicional de X dado Y =y :

pX ,Y (x, y )
pX |Y (x | y ) = P(X = x | Y = y ) = , ∀ x ∈ R.
pY (y )

Profª Cátia Gonçalves - MAT/UnB Cálculo de Probabilidade 2 Aula 2 : Parte 1 2/9

 Observação. Para cada y ∈ R xo tal que pY (y ) > 0, então

I existe um conjunto enumerável {x 0 i , i =1,2. . . } ⊂R t.q.

(i) pX |Y (x 0 i | y ) > 0, ∀ i e pX |Y (x | y ) = 0 se x ∈
/ {x 0 i , i =1,2. . . }

∞
X
(ii) pX |Y (x 0 i | y ) = 1.
i=1

Ou seja,

pX |Y (x | y ), como função de x , é uma função de probabilidade na reta.

Profª Cátia Gonçalves - MAT/UnB Cálculo de Probabilidade 2 Aula 2 : Parte 1 3/9

 Neste caso, para cada y ∈ R xo tal que pY (y ) > 0, denimos
X
I P(X ∈ B | Y = y ) = pX |Y (x | y ), ∀ B ∈ B(R)
x∈B

Em particular: B = {(−∞, x ]}, então

Para cada y ∈ R xo tal que pY (y ) > 0, denimos

I função de distribuição condicional de X dado Y =y :

X
FX |Y (x | y ) = pX |Y (z | y ), ∀ x ∈ R.
z≤x

Ou seja, para cada y tal que pY (y ) > 0,

FX |Y (x | y ) = P(X ≤ x | Y = y ), ∀ x ∈ R.

Profª Cátia Gonçalves - MAT/UnB Cálculo de Probabilidade 2 Aula 2 : Parte 1 4/9

 Observação. Se X e Y são v.a.'s independentes, então

pX ,Y (x, y ) = pX (x)pY (y ), ∀ x, y ∈ R (∗)

Logo, para cada y tal que pY (y ) > 0, temos ∀ x ∈ R

Def . pX ,Y (x, y ) (∗) pX (x)pY (y )

pX |Y (x | y ) = = = pX (x).
pY (y ) pY (y )

Ou seja, se X e Y são v.a.'s independentes, então,

para cada y tal que pY (y ) > 0, a distribuição condicional de X
dado Y = y é a mesma distribuição marginal de X .

Profª Cátia Gonçalves - MAT/UnB Cálculo de Probabilidade 2 Aula 2 : Parte 1 5/9

 Exemplo 1: X e Y v.a.'s independentes

X ∼ Poisson(λ1 ) e Y ∼ Poisson(λ2 ).

Determinar a distribuição condicional de X dado X + Y = z .

Resolução:

Vimos em CP1:
I X e Y independentes e Poisson =⇒ X + Y ∼ Poisson(λ1 + λ2 )
I função de probabilidade de X +Y:

−(λ1 +λ2 )
 e
 (λ1 + λ2 )z
, z ∈ {0, 1, 2, . . .}
pX +Y (z) = z!

 0 , caso contrário.

Então, pX +Y (z) > 0 ⇐⇒ z ∈ {0, 1, 2, . . .}

Profª Cátia Gonçalves - MAT/UnB Cálculo de Probabilidade 2 Aula 2 : Parte 1 6/9
 Assim, para cada z = 0, 1, 2, . . . (pX +Y (z) > 0) temos

pX ,X +Y (x, z)
I pX |X +Y (x | z) =
pX +Y (z)
P({X = x} ∩ {X + Y = z})
=
P(X + Y = z)
P(X = x , Y = z − x})
=
P(X + Y = z)

indep. P(X = x) P(Y = z − x)

= .
P(X + Y = z)

I Mas, como X ∼ Poisson(λ1 ) e Y ∼ Poisson(λ2 ), temos

F / {0, 1, 2, . . .} =⇒ P(X = x) = 0
x∈
F / {0, 1, 2, . . .} =⇒ P(Y = z − x) = 0
(z − x) ∈
Então,
I x∈
/ {0, 1, . . . , z} =⇒ pX |X +Y (x | z) = 0
Profª Cátia Gonçalves - MAT/UnB Cálculo de Probabilidade 2 Aula 2 : Parte 1 7/9
 Para cada z = 0, 1, 2, . . . (pX +Y (z) > 0):

I Se x ∈ {0, 1, . . . z}, então

P(X = x) P(Y = z − x)
pX |X +Y (x | z) =
P(X + Y = z)
(z−x)
e −λ1 λx1 e −λ2 λ2
x! (z − x)!
=
e −(λ1 +λ2 ) (λ1 + λ2 )z
z!
(z−x)
z! λx1 λ2
=
x! (z − x)! (λ1 + λ2 )z
| {z }
(λ1 +λ2 )x (λ1 +λ2 )(z−x)
  x  (z−x)
z λ1 λ2
=
x λ1 + λ2 λ1 + λ2
| {z }
 (z−x)
λ1
1 − 
λ1 + λ2
Profª Cátia Gonçalves - MAT/UnB Cálculo de Probabilidade 2 Aula 2 : Parte 1 8/9
 Portanto, para cada z ∈ {0, 1, 2, . . .} :

I função de probabilidade condicional de X dado X +Y =z :

   x  (z−x)
 z λ1
1−
λ1
x ∈ {0, . . . , z}
pX |X +Y (x | z) = x λ1 + λ2 λ1 + λ2
0 / {0, . . . , z}.

x∈

Ou seja, para cada z ∈ {0, 1, 2, . . .}

I a distribuição condicional de X dado X +Y =z é :

 
λ1
Binomial z,
λ1 + λ2
X

Profª Cátia Gonçalves - MAT/UnB Cálculo de Probabilidade 2 Aula 2 : Parte 1 9/9

 CÁLCULO
DE
PROBABILIDADE 2

- AULA 2: PARTE 2 -

Profª Cátia R. Gonçalves

MAT/UnB

Profª Cátia Gonçalves - MAT/UnB Cálculo de Probabilidade 2 Aula 2 : Parte 2 1/9

 (C) Distribuição Condicional de X dado Y =y

(C.2) Caso Contínuo

Sejam X e Y v.a.'s contínuas denidas sobre (Ω, A, P), com

função de densidade conjunta : fX ,Y (x, y ).

I Note que, para Y v.a. contínua temos

P(Y = y ) = 0, ∀ y ∈ R,
I então

P(X ∈ B | Y = y ) não está bem denida para ∀ y ∈ R e ∀ B ∈ B(R),

de acordo com a denição de P(A | C ) para A e C eventos em A.

Neste caso,
como podemos caracterizar a distribuição condicional de X dado Y = y ?
Profª Cátia Gonçalves - MAT/UnB Cálculo de Probabilidade 2 Aula 2 : Parte 2 2/9
 Motivação:
Seja y ∈ R tal que fY (y ) > 0 e fY é contínua em y .

I Neste caso, para ε > 0 sucientemente pequeno:

P(y − ε ≤ Y ≤ y + ε) > 0.

I Então, poderíamos pensar em denir:

P(X ∈ B | Y = y ) = lim P(X ∈ B | y − ε ≤ Y ≤ y + ε), B ∈ B(R).

ε↓0

I Mas, para ε > 0 pequeno tal que P(y − ε ≤ Y ≤ y + ε) > 0:

Def . P(X ∈ B, y − ε ≤ Y ≤ y + ε)
P(X ∈ B | y − ε ≤ Y ≤ y + ε) =
P(y − ε ≤ Y ≤ y + ε)
Z y +ε Z
fX ,Y (u, v ) du dv
y −ε B
= Z y +ε
fY (v ) dv
y −ε

Profª Cátia Gonçalves - MAT/UnB Cálculo de Probabilidade 2 Aula 2 : Parte 2 3/9

 Assim, para ε > 0 sucientemente pequeno:
g (v )
z }| {
Z y +ε Z
fX ,Y (u, v ) du dv
y −ε B
I P(X ∈ B | y − ε ≤ Y ≤ y + ε) = Z y +ε
fY (v ) dv
y −ε

g (y )
zZ }| {

(∗)
2ε fX ,Y (u, y ) du
B
≈
2ε fY (y )
Z  
fX ,Y (u, y )
I P(X ∈ B | y − ε ≤ Y ≤ y + ε) ≈ du
B fY (y )

Profª Cátia Gonçalves - MAT/UnB Cálculo de Probabilidade 2 Aula 2 : Parte 2 4/9

 (∗) Justicativa:
Usamos o seguinte resultado:
I Seja g uma função integrável. Se g é contínua em y , então

1 y +ε
Z
lim g (v ) dv = g (y ).
ε↓0 2ε y −ε

I Sem maiores detalhes, a ideia para a compreensão deste resultado, é

considerar a função
Z y
G (y ) = g (v ) dv ,
−∞

para a qual, sob as hipóteses consideradas, temos

G (y + ε) − G (y − ε)
lim = G 0 (y ) = g (y ).
ε↓0 2ε

Profª Cátia Gonçalves - MAT/UnB Cálculo de Probabilidade 2 Aula 2 : Parte 2 5/9

 Portanto, se y é tal que fY (y ) > 0 e fy é contínua em y e
considerarmos

P(X ∈ B | Y = y ) = lim P(X ∈ B | y − ε ≤ Y ≤ y + ε), B ∈ B(R),

def . ε↓0
então,
Z  
fX ,Y (u, y )
P(X ∈ B | Y = y ) = du, B ∈ B(R).
B fY (y )
Logo,
I candidata à densidade condicional de X dado Y = y ,
para cada y ∈ R tal que fy (y ) > 0:
fX ,Y (x, y )
fX |Y (x | y ) = ,∀x ∈ R
fY (y )

Profª Cátia Gonçalves - MAT/UnB Cálculo de Probabilidade 2 Aula 2 : Parte 2 6/9

 Mas, para cada y xo tal que fy (y )>0, esta função é de fato uma
densidade na reta?

I Para cada y tal que fY (y ) > 0, temos:

fX ,Y (x, y )
(i) fX |Y (x | y ) = ≥ 0, ∀ x ∈ R
fY (y )
Z ∞ Z ∞
fX ,Y (x, y ) fY (y )
(ii) fX |Y (x | y ) dx = dx = = 1.
−∞ −∞ fY (y ) fY (y )

Logo, para cada y xo tal que fy (y ) > 0, a função

fX ,Y (x, y )
fX |Y (x | y ) = , ∀ x ∈ R,
fY (y )
como função de x , é uma densidade na reta.

Profª Cátia Gonçalves - MAT/UnB Cálculo de Probabilidade 2 Aula 2 : Parte 2 7/9

 Assim, para cada y ∈ R tal que fy (y ) > 0, denimos

I função de densidade condicional de X dado Y = y :

fX ,Y (x, y )
fX |Y (x | y ) = , ∀ x ∈ R.
fY (y )

E, agora, podemos denir para cada y ∈ R tal que fy (y ) > 0 :

Z
I P(X ∈ B | Y = y ) = fX |Y (x | y ) dx, ∀ B ∈ B(R).
B

Atenção! Note que, neste caso,

P(X ∈ B, Y = y )
P(X ∈ B | Y = y ) não é igual a ,
P(Y = y )
pois P(Y = y ) = 0, ∀ y ∈ R, já que Y é v.a. contínua.
Profª Cátia Gonçalves - MAT/UnB Cálculo de Probabilidade 2 Aula 2 : Parte 2 8/9
 Em particular, para B = (−∞, x ]:

Para cada y ∈ R tal que fy (y ) > 0, denimos :

I função de distribuição condicional de X dado Y = y :

Z x
FX |Y (x | y ) = P(X ≤ x | Y = y ) = fX |Y (u | y ) du, ∀ x ∈ R.
−∞

Observação 1. Para cada y ∈ R tal que fy (y ) > 0, FX |Y (x | y ), como

função de x , é uma função de distribuição na reta.

Observação 2. Para cada y ∈ R tal que fy (y ) > 0, temos

(a) fX ,Y (x, y ) = fX |Y (x | y )fY (y ), ∀ x ∈ R.

(b) X e Y são independentes ⇐⇒ fX |Y (x | y ) = fX (x) ∀ x ∈ R.

Profª Cátia Gonçalves - MAT/UnB Cálculo de Probabilidade 2 Aula 2 : Parte 2 9/9

 CÁLCULO
DE
PROBABILIDADE 2

- AULA 2: PARTE 3 -

Profª Cátia R. Gonçalves

MAT/UnB

Profª Cátia Gonçalves - MAT/UnB Cálculo de Probabilidade 2 Aula 2 : Parte 3 1/6

 (C) Distribuição Condicional de X dado Y =y
(C.2) Caso Contínuo
Exemplo 2: Sejam X e Y v.a.'s com densidade conjunta:

(
8 xy , 0 <x <y <1
fX ,Y (x, y ) =
0 , caso contrário.

I fX ,Y (x, y ) > 0 ⇐⇒ (x, y ) ∈ A = {(x, y ) : 0 < x < 1 e x < y < 1}

= {(x, y ) : 0 < y < 1 e 0 < x < y}
Profª Cátia Gonçalves - MAT/UnB Cálculo de Probabilidade 2 Aula 2 : Parte 3 2/6
 (a) Determinar a densidade condicional de X dado Y = y.

Resolução:

fX ,Y (x, y )
Lembrando: Para y t.q. fY (y ) > 0, fX |Y (x | y ) = , ∀x ∈ R
fY (y )
Temos
Z +∞
fY (y ) = fX ,Y (x, y ) dx, ∀y ∈ R
−∞

Mas,

F para y ≤0 ou y ≥ 1 =⇒ fX ,Y (x, y ) = 0 ∀ x ∈ R =⇒ fY (y ) = 0.
F para cada 0 < y < 1 =⇒ fX ,Y (x, y ) = 0, se x ≤ 0 ou x ≥ y
Z 0
y2
Z y Z ∞ Z y
=⇒ fY (y ) = 0 dx+ 8xy dx+ 0 dx = 8y x dx = 8y
−∞ 0 y 0 2

3
=⇒ fY (y ) = 4y .

Profª Cátia Gonçalves - MAT/UnB Cálculo de Probabilidade 2 Aula 2 : Parte 3 3/6

 Logo,

y3
(
4 , 0 <y <1
I fY (y ) =
0 , caso contrário.

Assim, para cada 0 < y < 1,


8 xy 2x
= 2 , <x <y

fX ,Y (x, y ) 0
y3

I fX |Y (x | y ) = = 4 y
4y
3 
 0 , caso contrário.

Portanto, para cada 0 < y < 1,

I densidade condicional de X dado Y = y:

2x
, <x <y

0
y2

fX |Y (x | y ) =

 0 , x ≤0 ou x ≥ y.

Profª Cátia Gonçalves - MAT/UnB Cálculo de Probabilidade 2 Aula 2 : Parte 3 4/6

 (b) Determinar a densidade condicional de Y dado X = x.
Resolução:

Lembrando: (
8 xy , 0 <x <y <1
I fX ,Y (x, y ) =
0 , caso contrário.

fX ,Y (x, y )
I Para x t.q. fX (x) > 0, fY |X (y | x) = , ∀y ∈ R
fX (x)

Temos
Z +∞
fX (x) = fX ,Y (x, y ) dy , ∀x ∈ R
−∞

Mas,

F para x ≤0 ou x ≥ 1 =⇒ fX ,Y (x, y ) = 0 ∀ y ∈ R =⇒ ( ) = 0.
fX x

F para cada 0 < x < 1 =⇒ fX ,Y (x, y ) = 0, se y ≤ x ou y ≥1

Z x Z 1 Z +∞ Z 1
⇒ fX (x) = 0dy + 8xy dy + 0dy = 8x ydy = 4x(1−x 2 )
−∞ x 1 x

Profª Cátia Gonçalves - MAT/UnB Cálculo de Probabilidade 2 Aula 2 : Parte 3 5/6

 Logo,

x(1 − x 2 ) ,
(
4 0 <x <1
I fX (x) =
0 , caso contrário.

Assim, para cada 0 < x < 1,


xy
8 2y
fX ,Y (x, y )

2
= x <y <1
(1 − x 2 )

I fY |X (y | x) = = 4x(1 − x )
4x(1 − x )
2 
0 c.c.


Portanto, para cada 0 < x < 1,

I densidade condicional de Y dado X = x :

y 2
 , x <y <1
(1 − x 2 )

fY |X (y | x) =

 0 , y ≤x ou y ≥ 1.
X

Profª Cátia Gonçalves - MAT/UnB Cálculo de Probabilidade 2 Aula 2 : Parte 3 6/6