Escolar Documentos
Profissional Documentos
Cultura Documentos
1 Introdução
Muitos experimentos aleatórios fornecem resultados numéricos, como no caso do lançamento
de um dado. Por outro lado, outros experimentos podem fornecer resultados não numéricos,
embora possamos associar números aos resultados possı́veis. No lançamento de uma mo-
eda, por exemplo, podemos associar o número 1 à ocorrência de cara e o número 2 à
ocorrência de coroa. Ao trabalhar com esses números, estaremos sempre interessados em
associar probabilidades a eles. Isso será feito através das variáveis aleatórias, que serão
o objeto de estudo neste capı́tulo.
2 Variável aleatória
Consideremos o lançamentos de dois dados equilibrados. Como já visto, o espaço amos-
tral desse experimento é formado pelos pares ordenados (i, j) em que i, j = 1, 2, 3, 4, 5, 6.
Esse é um experimentos onde o espaço amostral é formado por números. Suponhamos
que nosso interesse esteja no máximo das faces dos dois dados. Nesse caso, podemos
associar um número a cada ponto do espaço amostral. Esse exemplo ilustra o conceito
de variável aleatória.
X : Ω → IR
1
Representamos as variáveis aleatórias por letras maiúsculas e suas ocorrências por
letras minúsculas.
Definição: Uma variável aleatória é discreta se sua imagem (ou conjunto de valores
que ela pode tomar) é um conjunto finito ou enumerável. Se a imagem é um conjunto
não enumerável dizemos que a variável aleatória é continua.
Exercı́cios
1. Um homem possui 4 chaves em seu bolso. Como está escuro, ele não consegui ver
qual chave correta para abrir a porta de sua casa. Ele testa cada uma das chaves
até encontrar a correta.
a) Defina um espaço amostral para esse experimento.
b) Defina a v.a. X = número de chaves experimentadas até conseguir abrir a porta
(inclusive a chave correta). Quais são os valores de X?
2. Numa urna há 7 bolas brancas e 4 bolas verdes. Cinco bolas são extraı́das dessa
urna. Defina a v.a. X = número de bolas verdes. Quais são o possı́veis valores de
X se as extrações são feitas sem reposição?
3. Repita o problema anterior, supondo que a urna tem 4 bolas de cada cor.
{X = 6} = {(6, 1), (6, 2), (6, 3), (6, 4), (6, 5), (6, 6), (1, 6), (2, 6), (3, 6), (4, 6), (5, 6)}
e assim
P ({X = 6}) = P {(6, 1)∪(6, 2)∪(6, 3)∪(6, 4)∪(6, 5)∪(6, 6)∪(1, 6)∪(2, 6)∪(3, 6)∪(4, 6)∪(5, 6)}
2
Definição: Seja X uma v.a. discreta. Define-se Função de distribuição de Probabi-
lidade de X é a função pX (x) que associa, a cada valor possı́vel x de X, sua respectiva
probabilidade, calculada da seguinte forma: pX (x) é a probabilidade do evento {X = x}
consistindo de todos os resultados do espaço amostral que deram origem ao valor x.
X
pX (x) = P ({X = x}) = P (ω)
ω∈Ω:X(ω)=x
0 ≤ p(xi ) ≤ 1;
P∞
i=0 p(xi ) = 1
1. fX (x) ≥ 0
R∞
2. −∞ fX (x)dx = 1
3. Para qualquer a, Rb, −∞ < a < b < +∞, teremos:
b
P (a < X < b) = a fX (x)dx
Exemplo 1: Suponhamos que v.a. X seja continua. Seja a função fX (x) definida
por:
2x, 0<x<1
fX (x) = (1)
0, caso contrario
verifique se fX (x) as condições que define uma f.d.p.
i) Encontre o valor de k para que fX (x) seja uma função densidade de probabilidade
de uma v.a. X;
3
ii) Determine a equação que define fX (x);
iii) Calcule P (2 < x < 3).
Se a série ∞
P P∞
i=1 xi pX (x) convergir absolutamente, isto é i=1 xi pX (x) < ∞.
Exemplo: Em determinado setor de uma loja de departamentos, o número de pro-
duto vendidos em um dia pelos funcionários é uma v.a. P com a seguinte distribuição
de probabilidade:
Nº de prod. vendidos 0 1 2 3 4 5 6
Prob. de venda 0,1 0,4 0,2 0,1 0,1 0,05 0,05
Qual o número médio de produtos vendidos por cada vendedor?
Definição 2: Seja X uma v.a. contı́nua com f.d.p. fX (x). A esperança (ou média
ou valor esperado) de X é definido como:
Z ∞
E(X) = x fX (x) dx,
−∞
Pode acontecer que esta integralR (imprópria) não corrija. Consequentemente diremos que
∞
E(X) existirá se, e somente se −∞ x fX (x) dx < ∞.
Determine E(X).
4
5.1 Propriedades da Esperança Matemática
Seja a, b 6= 0, constantes reais quaisquer.
1. E(a) = a
2. E(X + a) = E(X) + a
3. E(b.X) = b.E(X)
4. E(a + b.X) = a + b.E(X)
5. Xmin ≤ E(X) ≤ Xmax , em que Xmin e Xmax são valores mı́nimo e máximo da
variável X.
V (X) = E (X − E(X))2
Definição 3: Dada uma v.a. contı́nua X, cuja f.d.p é fX (x). Então, a variância de
X é definida por:
Z ∞
V (X) = (x − µ)2 f (x)dx, em que µ = E(X)
−∞
ou 2
Z ∞ Z ∞
2
V (X) = x p(x) − xpX (x) = E(X 2 ) − [E(X)]2
−∞ −∞
5
6.1 Propriedades
Seja a, b 6= 0, constantes reais quaisquer:
1. V (a) = a
2. V (X + a) = V (X)
3. V (b.X) = b2 .V (X)
4. V (a + b.X) = b2 .V (X)
Bom estudo!!