5.

Variáveis aleatórias

0
 Em alguns casos os elementos de  são números reais ou conjuntos ordenados de
números reais (muitas experiências aleatórias têm resultados quantitativos). Quando 
não é um conjunto numérico, a aplicação de procedimentos estatísticos passa, muitas
vezes, pela atribuição de um número real ou conjunto ordenado de números reais a cada
resultado individual de uma experiência aleatória, isto é, a cada elemento    .

1
Distribuições unidimensionais

 Variáveis aleatórias (funções de Ω em IR):

o discretas em que o contradomínio é finito ou infinito numerável

o contínuas em que o contradomínio é infinito não numerável
o nem discretas nem contínuas

Exemplos:

 Número de ‘caras’ obtidas num lançamento de uma moeda duas vezes. Espaço de
resultados constituído por pares ordenados em que o 1º termo representa o resultado do
1º lançamento e o 2º termo representa o resultado do 2º lançamento,
  Ca, Ca , Ca, Ca , Ca, Ca , Ca, Ca .
A variável aleatória X toma os valores X Ca, Ca   0 , X Ca, Ca   X Ca, Ca   1,
X Ca, Ca   2 , 𝑋 = {0,1,2}. Variável aleatória discreta.
2
 Número de embalagens, em 20, que não se apresentam defeituosas, 𝑋 = {0,1,2,3, … ,20}.
Variável aleatória discreta.

 Número de dentes com cáries num doente de uma clínica, 𝑋 = {0,1,2,3, … ,32}. Variável
aleatória discreta.

 Número de automóveis que chegam no espaço de uma hora a uma determinada estação
de serviço, 𝑋 = {1,2,3, … }. Variável aleatória discreta.

 Tempo em minutos que uma pessoa leva a preencher um formulário, 𝑋 = {𝑡: 𝑡 > 0}.
Variável aleatória contínua.

 Tempo em minutos que um estudante leva a resolver um teste de exame com duração
máxima de 3 horas, 𝑋 = {𝑡: 0 ≤ 𝑡 ≤ 180}. Variável aleatória contínua.

3
Função distribuição de uma variável aleatória X
(recordar o conceito de frequência acumulada)

 0  F  x   P X  x   1

 lim F  x   F     0 e lim F  x   F     1
x   x  

 F é não decrescente

 F é contínua à direita

 Pa  X  b   F b   F a 

x a 
 
 P X  a   F a   lim F  x   F a   F a 

4
Variáveis aleatórias discretas

Uma variável aleatória diz-se discreta se P X  D   1, sendo D  a  IR : P X  a   0 o

conjunto dos pontos de descontinuidade da função de distribuição F.

Define-se função de probabilidade f da variável aleatória discreta X como sendo a função:

f : IR  0,1
x  P X  x 

Propriedades necessárias e suficientes para uma função de domínio real f ser uma função
de probabilidade de uma variável aleatória discreta X:

 0  f x   1

  f a   1
aD
5
Exemplo
1
16 , x  0 ou x  4

 4 , x  1 ou x  3
Função de probabilidade  f  x   P X  x   16
6
 , x2
16
0, senão

Representação gráfica

6
 0, x  0
1 16 , 0  x  1

5 16 , 1  x  2
Função distribuição  F  x   P X  x   
11 16 , 2  x  3
15 16 , 3  x  4

1, x4

Representação gráfica

7
Variáveis aleatórias contínuas

Uma variável aleatória diz-se contínua se existe uma função f não negativa, integrável e
definida para todo x  IR , tal que F  x     f u du . A função f denomina-se função
x

densidade de probabilidade da variável aleatória contínua X.

Propriedades necessárias e suficientes para uma função de domínio real f ser uma função
densidade de probabilidade de uma variável aleatória contínua X:

 f x  0


   f  x dx  1

Nota: Pa  X  b   F b   F a   a f  x dx

b

Nota: f  x   F '  x  nos pontos em que F é diferenciável

8
Exemplo
1  x2
Função densidade de probabilidade  f  x   e 2
2

Representação gráfica

Nota: Pa  X  b   F b   F a   a f  x dx

b

9
Função distribuição  F  x   P X  x     f u du
x

Representação gráfica

10
Parâmetros de variáveis aleatórias

 Média ou esperança matemática da variável aleatória X

E X   x  

o Se X é discreta, E  X    x   xi f  xi  , desde que  xi f  xi   

i i

o Se X é contínua, E  X    x   
xf  x dx , desde que  x f x dx  

Sejam X e Y duas variáveis aleatórias e  ,  números reais:

o E k   k

o E X   E  X 

o E X  Y   E  X   E Y 
11
 Variância da variável aleatória X


V  X    x2   2  E  X   x 2 
o Se X é discreta, V  X     xi   x 2 f  x 
i

o Se X é contínua, V  X      x   x 2 f  x dx

Sejam X e Y duas variáveis aleatórias e  ,  números reais:

o V k   0

o V X    2V  X 

o V X  k    2V  X 

o V X  Y    2V  X    2V Y   2 Cov X , Y 

 
o V X   E X 2  E2X 
12
 Chama-se desvio padrão da variável aleatória X ao valor positivo da raiz quadrada da variância

V X    x  

 Quantil de ordem p ( p )
 PX   p   p
valor que satisfaz o sistema 
 PX   p   1  p
  
ou equivalentemente p  P X   p  p  P X   p 
Tem-se como casos particulares a mediana e os quartis.

 Moda

o Se X é discreta, é o seu valor mais provável

o Se X é contínua, é o valor de x que maximiza a função densidade de probabilidade f

13
  
 Momento de ordem r em relação à origem ou momento ordinário de ordem r:  r'  E X r .
 Exemplo: média.

 
 Momento de ordem r em relação à média ou momento central de ordem r:  r  E  X   x r .
 Exemplo: variância.

x
 Coeficiente de variação: cv  .
x
Trata-se duma medida de dispersão relativa.

3
 Coeficiente de assimetria:  1  3 .


4
 Coeficiente de achatamento ou curtose:  2   3.
 4

14
Associação e correlação

 Em muitas atividades é necessário efetuar previsões. Uma das metodologias mais comuns assenta
no estabelecimento de associações e relações entre variáveis.

 Existem modelos determinísticos se não existe erro associado, isto é, se a relação entre as
variáveis é uma relação funcional.

 Existem modelos probabilísticos (ou estatísticos), se a relação entre as variáveis não é exata. Em
estatística interessam sobretudo os modelos probabilísticos.

 Duas ou mais variáveis estão correlacionadas quando existe uma relação estatística entre elas. O
termo correlação é empregue quando a variação de uma variável é acompanhada pela variação de
outra, mas a variação não implica dependência ou causalidade.

 Se a intensidade de um fenómeno é acompanhada tendencialmente pela intensidade do outro, no

mesmo sentido ou em sentido inverso, diz-se que existe correlação (ou dependência estatística)
positiva (ou direta) ou negativa (ou inversa) respetivamente, entre as variáveis.
15
Exemplo: pesos da mãe e do filho recém-nascido, em que o objetivo da investigação é a associação
entre esses pesos.

Exemplo: o conhecimento da altura de uma pessoa dá alguma informação sobre o seu peso.

Exemplo: comprimento do braço e comprimento da perna num indivíduo. Existe uma relação
entre o comprimento de ambos, mas a relação não é de dependência.

Exemplo: peso de uma criança e a sua capacidade intelectual. Existe uma relação entre ambas as
variáveis mas a variável que está na origem deste comportamento é a idade.

Exemplo: o conhecimento do rendimento mensal de uma pessoa dá alguma informação sobre o

valor da sua habitação.

Exemplo: determinados perfis psicopatológicos poderão estar associados à dependência de drogas

mas a possível causalidade (se é a psicopatologia que conduz à toxicodependência, ou se é a
toxicodependência que conduz à psicopatologia) só poderá ser estabelecida mediante outros
estudos, tais como saber o que é que acontece primeiro, se as perturbações psicopatológicas ou se
a toxicodependência. Eliminar possíveis associações em que há uma ou mais variáveis causais
escondidas que levam a correlações estatisticamente significativas, é outro fator a ter em conta.
16
Diagrama de dispersão (scatterplot)
Como ponto de partida para qualquer estudo de associação entre duas variáveis numéricas, é
necessário possuir uma coleção de observações. Referindo os pares de pontos  xi , yi  a um sistema
de eixos cartesianos obtém-se o chamado diagrama de dispersão (scatterplot). Através da sua
observação pode-se obter uma ideia inicial grosseira da correlação existente.

17
18